Beruflich Dokumente
Kultur Dokumente
SETOR DE CIENCIAS
EXATAS
DEPARTAMENTO DE ESTATISTICA
CURSO
PLANEJAMENTO DE EXPERIMENTOS II
(Notas de Aula)
Sum
ario
1 Experimentos fatoriais
1.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Instalacao do experimento . . . . . . . . . . . . . . . . . . . . . . . .
1.3
1.4
1.5
Teste de comparacoes m
ultiplas . . . . . . . . . . . . . . . . . . . . . 13
1.6
1.7
1.8
1.9
1.8.1
1.8.2
Teste de comparacoes m
ultiplas . . . . . . . . . . . . . . . . . 18
Resultados do R. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
32
2.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.2
Modelo estatstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3
2.4
Exerccio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.5
Modelo estatstico . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.6
Planejamento de um experimento . . . . . . . . . . . . . . . . . . . . 41
2.7
Planejamento de um experimento: . . . . . . . . . . . . . . . . . . . . 42
3 M
etodo de Hicks para encontrar as E(QM)
43
3.1
Algortmo de Hicks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.2
Exemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3
Exerccio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
49
4.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.2
Modelo estatstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.3
4.4
4.5
4.4.1
4.4.2
Comparacao de medias . . . . . . . . . . . . . . . . . . . . . . 56
Planejamento de um experimento: . . . . . . . . . . . . . . . . . . . . 58
5 Experimentos em faixas
59
5.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.2
Modelo estatstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.3
Comparacoes m
ultiplas . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.4
6 An
alise de Grupos de Experimentos
66
6.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.2
6.3
Analise conjunta . . . . . . . . . . . . . . . . . . . . . . . . . 70
Exerccio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7 An
alise de covari
ancia (ANCOVA)
74
7.1
Introducao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
7.2
Modelo estatstico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.3
Exemplo:
8 TABELAS
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
81
1
1.1
Experimentos fatoriais
Introduc
ao
Notac
ao
Admita um experimento com dois fatores, A e B, com 4 e 3 nveis respectivamente. Teremos 12 combinacoes possveis ou 12 tratamentos. A tabela 2 mostra a
forma de designacao de fatores e nveis de um experimento fatorial:
Tabela 2: Exemplo: Notacao de um experimento fatorial
Fator
Nveis
A
A1 A2 A3 A4
B
B1 B 2 B3
Efeito da Intera
c
ao: quando existir, pode-se estudar o comportamento de
cada fator, na presenca ou ausencia de nveis dos demais fatores. A interacao
ocorre somente entre nveis de diferentes fatores.
Quando ocorre interacao, nao e correto interpretar ou estudar os efeitos principais isoladamente. Deve-se estudar o efeito de um fator na presenca de cada um
dos nveis do outro fator.
Notacao de efeitos principais e efeito da interacao:
A F atorA
B F atorB
AB
AB
AB
)
= Efeitos Principais
2 2
dois fatores, cada um com dois nveis
4 3
dois fatores, um com 4 nveis e outro com 3 nveis
4 3 2 tres fatores, com 4 , 3 e 2 nveis, respectivamente
Quando o n
umero de nveis e igual, para todos os fatores, pode-se usar a
seguinte notacao:
3 3 4 = 32 4
Em geral, para nveis quantitativos, pode-se denotar A0 como ausencia e A1
como presenca. Exemplo: A0 = 0 Kg, A1 = 5 Kg e A2 = 10 Kg.
1.2
Instalac
ao do experimento
1.3
FATOR
B
a1 b2 = 36
33
6
a2 b2 = 44
38
12
40
8
35, 5 5 (efeito principal)
9
Aqui, os efeitos simples de cada fator, sao estimados dentro de cada nvel do
outro fator da seguinte forma:
A(b1 ) = (a2 b1 a1 b1 )
(1)
A(b2 ) = (a2 b2 a1 b2 )
(2)
No exemplo
1
[(a2 b2 a1 b2 ) + (a2 b1 a1 b1 )]
2
1
B =
[(a2 b2 a2 b1 ) + (a1 b2 a1 b1 )]
2
A =
(3)
(4)
No exemplo,
1
[(44 36) + (32 30)] =
2
1
B =
[(36 30) + (44 32)] =
2
A =
1
[8 + 2] = 5
2
1
[6 + 12] = 9
2
No exemplo,
1
[(44 36) (32 30)] =
2
1
BA =
[(44 32) (36 30)] =
2
AB =
1
[8 2] = 3
2
1
[12 6] = 3
2
(5)
(6)
10
1.4
(a)
(b)
(c)
(d)
Para um experimento fatorial com 2 fatores, em um delineamento completamente casualizado, o modelo estatstico e dado da seguinte forma:
ijk N (0, 2 )
11
SQTotal =
a X
b X
r
X
2
yijk
SQA =
a
X
y2
i..
bn
i=1
SQB =
b
2
X
y.j.
j=1
SQAB =
a X
b
2
X
yij.
i=1 j=1
an
2
y...
abr
2
y...
abr
2
y...
abr
2
y...
SQA SQB
abr
com i 6= i0
12
Fator B:
H0 : 1 = 2 = . . . = j
H1 : j 6= j 0
com j 6= j 0
Interacao AB
H0 : ()ij = 0 i, j
H1 : ()ij 6= 0 para pelo menos um par ij
No caso de efeitos aleat
orios, as hipoteses testadas serao as seguintes:
Fator A:
H0 : 2 = 0
H1 : 2 > 0
Fator B:
H0 : 2 = 0
H1 : 2 > 0
Interacao AB
2
=0
H0 :
2
H1 :
>0
13
2
i
A
a-1
2 + br P
2 + r
+ br2
a1
B
AB
Resduo
1.4.1
b-1
(a-1)(b-1)
ab(r-1)
j
2 + ar
P b1
()2
ij
2 + r (a1)(b1)
2
2
+ ar2
2 + r
2
2 + r
2
Suposic
ao de n
ao intera
c
ao
1.5
Teste de comparac
oes m
ultiplas
Os testes de comparacoes m
ultiplas anteriormente estudados (Tukey, Duncan,
SNK), podem ser convenientemente aplicados tambem para os experimentos fatoriais, levando em conta que:
1. Se a interacao for n
ao significativa :
Comparar medias entre nveis do fator(es) significativo(s);
2. Se a interacao for significativa:
Comparar nveis de um fator dentro de um nvel do outro fator (correspondente
`a interacao significativa)
1.6
Estimac
ao dos efeitos dos par
ametros do modelo
Dado o modelo
14
1.7
Pressuposic
oes sobre o modelo
ijk N (0, 2 )
A normalidade dos resduos pode ser avaliada atraves de testes, como o de
Shapiro-Wilk ou Lilliefors ou atraves de um grafico normal de probabilidade.
A homocedasticidade tambem deve ser verificada neste tipo de modelo. Nesse
caso, deve-se avaliar a homocedasticidade dos resduos em relacao a cada um dos
fatores do modelo. Faz-se a analise grafica por meio do grafico dos resduos vs nveis
do fator. Se ocorre a homocedasticidade, os resduos devem ter a mesma amplitude
de variacao em todos os nveis do fator.
A independencia dos resduos pode ser avaliada atraves de um grafico dos
resduos vs valores preditos pelo modelo. Em um grafico, estes resduos devem estar
distribudos de forma aleatoria. A independencia e garantida pela aleatorizacao dos
tratamentos e pela forma de conducao e/ou obtencao de dados do experimento.
1.8
Exemplo: An
alise de vari
ancia de um experimento fatorial 2 x 3, com intera
c
ao significativa
15
(7)
com
i=1,2,3; j=1,2; k=1,2,3,4 (repeticoes)
e os efeitos de especies e recipientes como sendo fixos.
As hipoteses testadas neste experimento sao as seguintes:
RECIPIENTES (fator A):
H0 : R1 = R2 = R3
H1 : Ri 6= Ri0
ESPECIES
(fator B):
H0 : E1 = E2
H1 : E1 6= E2
Interacao RE (AB):
com i 6= i0
16
H0 : (RE)ij = 0 i, j
H1 : (RE)ij 6= 0 para pelo menos um par ij
1.8.1
Obtenc
ao da an
alise de vari
ancia
C=
i,j,k
yijk )2
SQTotal =
(551,2)2
24
324
P
1jk
SQRecipientes =
P
P
ij
= 12.659, 23
2
yijk
C = (26, 22 + . . . + 21, 32 ) C = 198, 79
P
SQEspecies =
Somas de Quadrados.
Total
286,3
264,9
551,2
JK
2
y.j.
IK
2
yi..
C =
C =
(286,32 +264,92 )
12
C = 92, 86
C = 19, 08
2
yij.
SQRE = K SQRecipientesSQEspeciesC =
SQEspecies C = 63, 76
(102,62 +...+85,32 )
SQRecipientes
4
17
F tabelado:
F0,05 (2; 18) = 3, 55
F0,01 (2; 18) = 6, 01
F0,05 (1; 18) = 4, 41
F0,01 (1; 18) = 8, 29
Conclus
ao:
Recipientes: De acordo com o teste F existe diferenca significativa, ao nvel
de 1% de significancia entre nveis do fator Recipiente, considerando a variavel altura
media das mudas.
Esp
ecies: De acordo com o teste F, existe diferenca significativa, ao nvel
de 1% de significancia, entre nveis do fator Especie, considerando a variavel altura
media das mudas.
Intera
c
ao R x E: De acordo com o teste F, existe interacao significativa
entre os nveis dos fatores Recipientes e Especies, ao nvel de significancia de 1%, ou
seja, a altura media das mudas de Eucalipto no recipiente i depende da especie j (e
vice-versa).
Dado que a interacao foi significativa, nao e possvel estudar isoladamente os
efeitos dos fatores Recipientes ou Especies. O procedimento seguinte e realizar o desdobramento dos Graus de liberdade da Interacao e efeitos principais para estudar o
comportamento das especies dentro de cada recipiente (E(R)) e/ou o comportamento
de crescimento das mudas nos Recipientes em funcao da Especie utilizada.
O procedimento consiste em uma Analise de variancia dos efeitos principais
mais a interacao entre os fatores envolvidos na interacao significativa. Para construir
esta analise de variancia, utiliza-se o Quadro Auxiliar (Tabela 7).
1. Desdobramento dos GL da interacao RE para estudar o comportamento de
especies dentro de cada recipiente (Tabela 9):
Obtencao das Somas de Quadrados:
SQEspecies d. R1 =
SQEspecies d. R2 =
SQEspecies d. R3 =
2
(102,62 +101,32 )
(203,9)
= 0, 21
4
8
(103,52 +78,32 )
(181,8)2
8 = 79, 38
4
2
(80,22 +85,32 )
(165,5)
= 3, 25
4
8
18
2
(102,62 +103,52 +80,22 )
(286,3)
= 87, 12
4
12
(101,32 +78,32 +85,32 )
(264,9)2
12 = 69, 5
4
Teste de comparac
oes m
ultiplas
Os testes de comparacoes m
ultiplas sao realizados de acordo com o fator que
se deseja estudar. O erro padrao da media varia conforme o n
umero de nveis.
Assim, tem-se os seguintes erros padroes para
1. Comparar nveis do fator A
r
QM Res
br
QM Res
ar
QM Res
r
19
QM res
r
1, 28
= 2, 06cm
4
25,65
25,88
20,05
a
a
b
Interpreta
c
ao: de acordo com o teste de Tukey, ao nvel de significancia de
5%, a altura media das mudas de Eucalipto e maior quando as mudas da especie 1
sao plantadas nos recipientes 1 e 2.
Recipientes d. E2
R1E2
R2E2
R3E2
25,33
19,58
21,33
a
b
b
20
Resultados do R.
Df
rec
2
esp
1
rec:esp
2
Residuals
18
--Signif. codes:
1
0
1
Residuos
Theoretical Quantiles
1
0
resduos
Resduos vs Recipientes
1.9
21
1.0
1.5
2.0
Recipientes
2.5
3.0
22
resduos
Resduos vs Espcies
1.0
1.2
1.4
1.6
1.8
2.0
Espcies
resduos
Resduos vs Preditos
20
21
22
23
24
25
26
Preditos
26
21
22
23
24
e2
e1
20
mean of resp
25
esp
r1
r2
r3
rec
23
26
21
22
23
24
r1
r3
r2
20
mean of resp
25
rec
e1
e2
esp
1.10
24
An
alise e interpreta
c
ao de um experimento fatorial 23
(8)
com
i
j
k
l
=
=
=
=
1, . . . , a ou I
1, . . . , b ou J
1, . . . , c ou K
1, . . . , d ou r
e
yijkl e a observacao referente ao efeito do i-esimo nvel do fator , j-esimo nvel do
fator , k-esimo nvel do fator , efeito da interacao entre o i-esimo nvel do fator
e j-esimo nvel do fator , efeito da interacao entre ()ik , ()jk e ()ijk , efeito
do l-esimo bloco l , uma constante e ao erro ijkl .
O quadro da analise de variancia pode ser formado da seguinte maneira (tabela
12):
Tabela 12: Quadro da Analise de Variancia para o experimento com 3 fatores em
blocos completos (efeitos fixos).
Causas de
Variacao
A
B
C
AB
AC
BC
ABC
Trat
Blocos
Resduo
Total
GL
a-1
b-1
c-1
(a-1)(b-1)
(a-1)(c-1)
(b-1)(c-1)
(a-1)(b-1)(c-1)
(t-1)
(d-1)
diferenca
abcd-1
Soma de
Quadrados
SQA
SQB
SQC
SQAB
SQAC
SQBC
SQABC
SQTrat
SQBlocos
SQRes
SQTotal
Quadrados
Medios
SQA/a-1
SQB/b-1
SQC/c-1
SQAB/(a-1)(b-1)
SQAC/a-1)(c-1)
SQBC/(b-1)(c-1)
SQABC/(a-1)(b-1)(c-1)
SQTrat/(t-1)
SQBlocos/(d-1)
SQRes/
F calculado
QMA/QMRes
QMB/QMRes
QMC/QMRes
QMAB/QMRes
QMAC/QMRes
QMBC/QMRes
QMABC/QMRes
QMTrat/QMRes
QMBlocos/QMRes
25
com i 6= i0
Fator B
H0 : 1 = 2 = . . . = j
H1 : j 6= j 0
com j 6= j 0
Fator C
H 0 : 1 = 2 = . . . = k
H1 : k 6= k0
com k 6= k 0
Interacao AB
H0 : ()ij = 0 i, j
H1 : ()ij 6= 0 para pelo menos um par ij
Interacao AC
H0 : ()ik = 0 i, k
H1 : ()ik 6= 0 para pelo menos um par ik
Interacao BC
H0 : ()jk = 0 j, k
H1 : ()jk 6= 0 para pelo menos um par jk
Interacao ABC
H0 : ()ijk = 0 i, j, k
H1 : ()ijk 6= 0 para pelo menos um trioijk
26
Tratamentos
N0 P0 K0
N1 P0 K0
N0 P1 K0
N0 P0 K1
N1 P1 K0
N1 P0 K1
N0 P1 K1
N1 P1 K1
TOTAIS
TOTAIS
19639
20419
21953
19124
22018
32000
20914
29352
185419
An
alise de Vari
ancia
Para o calculo da Analise de Variancia, utilizam-se os seguintes quadros auxiliares:
Tabela 14: Quadro auxiliar para obtencao das Somas de Quadrados de N e P.
P0
P1
Total
N0
38.763 42.867 81.630
52.419 51.370 103.789
N1
Total 91.182 94.327 185.419
27
C=
(185.419)2
68
= 716.254.283
(19.6392 +...+29.3522 )
6
SQBlocos =
C = 26.748.232
(29.3622 +...+31.0182 )
8
SQN =
(81.6302 +103.7892 )
24
SQP =
(911822 +942372 )
24
SQK =
(840292 +1013902 )
24
C = 2.134.332
C = 10.229.610
C = 194.438
C = 6.279.256
SQNP =
(387632 +...+513702 )
12
SQNK =
(415922 +...+613522 )
12
SQPK =
(400582 +...+502662 )
12
28
SQN d. K0 =
415922 +424372
12
(84029)2
24
= 29.751, 0416
400382 +613522
12
(101390)2
24
= 18.928.608, 17
SQK d. N0 =
415922 +400382
12
(81630)2
24
29
= 100622
424372 +613522
12
(103789)2
24
= 14907384
1.11
30
Planejamento de um experimento:
O problema
Um engenheiro foi designado para realizar um experimento com um maquina
de cortar plasticos recem adquirida pela empresa.
Esta maquina sera utilizada para cortar dois tipos de plasticos. Ela tambem
possui duas velocidades de corte.
O objetivo da empresa com este experimento e avaliar o consumo de energia
eletrica em cada uma das combinacoes de nveis de plastico e nveis de velocidade
de corte.
As condico
es
Cada tratamento demora cerca de 10 minutos para ser concretizado.
O chefe deste engenheiro permite que a maquina seja utilizada no maximo por
uma hora em um dia e no maximo durante 5 dias. Ainda, o perodo durante o
dia nao e fixo, ou seja, o experimento nao podera ser realizado sempre no mesmo
horario. Mas, o funcionario que ira operar a maquina sera o mesmo.
Seu trabalho
Planejar o experimento, de forma que o engenheiro possa testar ao mesmo
tempo os plasticos e as velocidades de corte, durante os 5 dias de uma semana.
Este engenheiro gostaria de aprender detalhadamente todo o processo de planejamento e analise do experimento.
1.12
31
Planejamento de um experimento:
O problema
Uma ind
ustria que produz motores eletricos, deseja avaliar algumas combinacoes de fatores que afetam o desempenho dos motores, com relacao a potencia
em HP (Horse Power). Os fatores a serem estudados sao dois tipos de lubrificantes
de correias, tres comprimentos de correia e dois nveis de corrente eletrica.
As condico
es
A ind
ustria possui tres fabricas em condicoes adequadas para conduzir este
experimento. Nao se tem certeza se as condicoes experimentais, nas tres fabricas,
sao semelhantes. Dentro de cada fabrica, a ind
ustria garante que as condicoes de
realizacao serao homogeneas.
Seu trabalho
Planejar o experimento de forma que se possa estudar adequadamente os efeitos
dos fatores em estudo, inclusive os efeitos positivos ou negativos que possam surgir
devido a combinacao dos diferentes nveis de todos os fatores.
Considere que todos os efeitos sao fixos.
2
2.1
32
Experimentos Hier
arquicos
Introduc
ao
Nos experimentos anteriores, todas as combinacoes de nveis de fatores existiam. Acontecia o cruzamento entre todos os nveis de todos os fatores (fatoriais
cruzados).
Em alguns experimentos, alguns nveis de um fator ocorrem em combinacao
com nveis de um ou mais fatores e outros diferentes nveis ocorrem com outros
nveis de outros fatores.
Tais experimentos sao chamados de hierarquicos ou aninhados (nested).
O exemplo a seguir refere-se a uma empresa que deseja determinar se a pureza
da materia prima entre fornecedores, e a mesma e se existe variabilidade entre os
lotes de cada fornecedor. Foram obtidas amostras de 4 lotes de materia prima para
cada fornecedor. Foram avaliados 3 fornecedores e de cada lote foram tomadas 3
amostras (repeticoes) da seguinte forma.
Figura 9: Croqui de um experimento hierarquico.
33
dos nveis do fator aninhado (neste exemplo, lotes) utilizando um sequencia contnua.
Se isto for possvel, significa que o fator esta aninhado.
2.2
Modelo estatstico
yijk = + i + j(i) + (ij)k
=constante
i =efeito do i-esimo nvel fator A i = 1, . . . , a
j(i) =efeito do j-esimo nvel fator B aninhado sob o i-esimo nvel do fator A
1, . . . , b
(ij)k =erro associado a cada observacao, aninhado sob os nveis de A e B
1, . . . , r.
(9)
j=
k =
34
br
a1
I,J
P
r
j(i)2
2 +
E(QMA)
E(QMB(A))
E(QMRes)
2 +
2i
2 + r2 +
i,j
a(b1)
2
br
I
P
i=1
2i
a1
2 + r2 + br2
2 + r2
2
2 + r2
2
H0 : 1 = 2 = . . . = i
H1 : i 6= i0
com i 6= i0
2
H0 : ()
=0
2
H1 : ()
>0
2.3
C=
abr
P
i,j,k
yijk )2
abr
SQTotal =
=
abr
P
i,j,k
(13)2
36
= 4, 69
2
yijk
C = (12 + . . . + 12 ) C = 148, 31
SQA =
a
P
i
SQB(A) =
2
yi..
C =
ab
P
ij
a
P
2
yij.
(yi. )2
br
35
C = 15, 06
C = 69, 92
SQRes=SQTtotal-SQA-SQB(A)
Assim, o quadro da ANOVA fica da seguinte forma:
Tabela 23: Analise de Variancia para o experimento hierarquico (fornecedores, lotes).
Causas de
GL Soma de Quadrados F calculado
E(QM)
Variacao
Quadrados
Medios
I
P
Fornecedor
2
15,06
7,53
0,97NS
2 + 32 + 6 i2
Lote(Forn.)
Resduo
Total
9
24
35
69,92
63,33
148,31
7,77
2,64
2,94**
i=1
2 + 32
2
Para o fator Fornecedor, nao rejeita-se H0 , ou seja, nao existe diferenca significativa entre os fornecedores, considerando um nvel de significancia de 5%, para a
variavel pureza da materia prima, segundo o teste F.
Para o fator Lotes, rejeita-se H0 , considerando um nvel de significancia de 5%.
Neste caso, existe variabilidade entre os lotes dentro de cada fornecedor, de acordo
com o teste F.
Em termos praticos, e necessario reduzir a variabilidade entre os lotes dentro
dos fornecedores para se ter uniformidade.
2.4
36
Exerccio
Maquina 3
1
2
31,03 30,76
31,01 30,69
30,93 30,69
Maquina 4
1
2
30,77 31,03
30,69 31,09
30,71 30,89
2.5
37
e cruzado.
Empresa 2
2
3
y2211 y2311
y2212 y2312
4
y2411
y2412
Produto 3
2.5.1
Modelo estatstico
(10)
38
Produto 2
Produto 3
1
22
24
46
30
27
57
25
21
46
149
Empresa 1
2
3
4
23
28
25
24
29
23
47
57
48
29
30
27
28
32
25
57
62
52
24
27
26
22
25
23
46
52
49
150 171 149
619
=198
=228
=196
1
26
28
54
29
28
57
27
25
52
163
Empresa 2
2
3
4
27
28
24
25
25
23
52
53
47
30
24
28
27
23
30
57
47
58
26
24
28
27
27
27
50
51
55
159 151 160
633
=206
404
=219
447
=208
401
1252
39
Produto
H0 : 1 = 2 = . . . = i
H1 : i 6= i0
com i 6= i0
Empresa
H0 : 1 = 2
H1 : 1 6= 2
Criador(Empresa)
2
H0 : ()
=0
2
>0
H1 : ()
Produto vs Empresa
H0 : ()ij = 0 i, j
H1 : ()ij 6= 0 para pelo menos um par ij
Produto vs Criador(Empresa)
2
H0 : ()
= 0 i, j
2
H1 : ()
>0
C=
ijkl
(yijkl )2
abcr
SQTotal =
IJKL
P
ijkl
I
P
SQProd =
bcr
J
P
SQEmp =
2
yi...
2
y.j..
acr
(1252)2
48
= 32.656, 33
2
yijkl
C = (222 + . . . + 272 ) C = 299, 67
C =
C =
(619)2 +(633)2
342
I,J
P
i,j
2
yij..
SQProd Emp = cr
SQEmp SQProd = 19, 04
C = 82, 80
C = 4, 08
C SQEmp SQProd =
SQCriador(Emp) =
jk
2
y.jk.
ar
J
P
2
y.j..
acr
IJK
P
ijk
2
yijk.
40
JK
P
jk
2
y.jk.
ar
I,J
P
i,j
2
yij..
cr
6192 +6332
24
J
P
2
y.j..
acr
= 71, 91
(462 +...+552 )
2
GL
2
1
6
2
12
24
47
Soma de
Quadrados
82,80
4,08
71,91
19,04
65,84
56,00
299,67
Quadrados
Medios
41,40
4,08
11,98
9,52
5,48
2,33
F cal.
E(QM)
7,54**
0,34 NS
5,15**
1,73
2,36
P
2
2 + 2
+ 8 P i2
2 + 62 + 24 j2
2
2 + 6P
2
2
+ 2 + 4 ()2ij
2
2 + 2
2
2.6
41
Planejamento de um experimento
O problema
Em uma fabrica de pecas para automoveis, um tecnico foi encarregado de
avaliar as pecas que estavam sendo produzidas para um novo modelo de veculo.
Nesta fabrica, havia muita reclamacao quanto as dimensoes das pecas que estavam
sendo produzidas. Alguns supeitavam dos diferentes tipos de maquinas que estavam
sendo utilizados. Outros, dos diferentes operadores das maquinas.
As condico
es
A empresa possui duas maquinas que produzem as referidas pecas. As duas
serao utilizadas neste experimento. Em cada maquina, quatro funcionarios revezamse durante o dia de trabalho (os funcionarios que operam a maquina A nao sao os
mesmos que operam a maquina B). Como as pecas nao podem ser manuseadas fora
da linha de producao, durante um dia de trabalho, apenas de tres a cinco pecas por
funcionario poderao ser amostradas para a realizacao do experimento. Sera feita
uma medida em cada peca.
Seu trabalho
Considere que os efeitos de maquinas e funcionarios sao fixos.
Planejar o experimento, de forma que o tecnico possa testar o efeito das
maquinas e dos funcionarios sobre as dimensoes das pecas, durante um dia de trabalho. Este tecnico gostaria de aprender todo o processo de planejamentoe analise
do experimento.
2.7
42
Planejamento de um experimento:
O problema
Uma empresa recebeu 3 maquinas novas de 3 marcas diferentes, que fabricam
pecas atraves de diferentes moldes.
O proprietario deseja averiguar se as maquinas estao produzindo as pecas
dentro dos limites permitidos de variacao do comprimento de cada peca.
As condico
es
Quatro funcionarios devem revezar-se durante o dia (24 horas) para utilizar as
maquinas (4 funcionarios por maquina). Em cada maquina, podem ser utilizados
ate 3 diferentes moldes de pecas mas, sempre um de cada vez.
Para manter a qualidade dos produtos, e necessario que os funcionarios mantenham uma regularidade na manipulacao das maquinas e consequentemente, da
uniformidade das pecas.
Para nao aumentar os custos, o proprietario permite que em um experimento,
sejam feitas duas repeticoes por tratamento. Ele tambem disponibilizou um dia para
a realizacao do experimento.
Seu trabalho
Planejar o experimento para que o proprietario da empresa tenha alguma informacao sobre o comportamento das maquinas, dos funcionarios e dos moldes.
Lembre-se, as maquinas e os moldes serao sempre os mesmos mas os funcionarios....
Bom trabalho!
43
M
etodo de Hicks para encontrar as E(QM)
3.1
Algortmo de Hicks
1. Todos os ndices referentes aos efeitos fixos recebem o algarismo 0 e os aleatorios recebem 1 (na coluna), correspondente ao efeito;
2. Todos os ndices entre parenteses recebem 1 (na coluna) - hierarquico;
3. Completa-se o quadro com os ndices (a,b,r etc) correspondentes, na coluna;
4. Cobrir a(s) coluna(s) correspondente(s) ao(s) ndice(s) do(s) fator(es) para
encontrar a E(QM), multiplicando-se os efeitos na linha, considerando somente
os fatores com o mesmo ndice; DICA: iniciar multiplicando pela u
ltima linha.
44
3.2
Exemplo
Considere o seguinte modelo de um experimento:
yijk = + i + j + (ij)k
com
a
P
= efeito fixo
i=1
a1
b
P
= efeito fixo
2i
j=1
j2
b1
(11)
45
0
a
1
b
0
1
r
r
1
br
a
P
i=1
2i
a1
46
a
P
i=1
2i
a1
2 +
br
i=1
ar
j
(ij)k
a
1
0
1
r
1
+
2
a
P
2i
a1
b
P
j=1
j2
b1
3.3
47
Exerccio
(12)
E(QM)
2. = aleatorio e = fixo
yijk = + i + j + (ij)k
Fator
E(QM)
(13)
48
3. = fixo e = aleatorio
yijk = + i + j + ()ij + (ij)k
Fator
(14)
E(QM)
4
4.1
49
Em experimentos fatoriais com dois ou mais fatores, quando ha alguma limitacao para instalar o experimento, ou mesmo para facilitar a instalacao, utiliza-se
o experimento em parcelas subdivididas. Em alguns casos, e a u
nica forma de
aplicacao dos tratamentos `as unidades experimentais.
Este tipo de experimento consiste em alocar o fator A em parcelas principais
(ou primaria) e o fator B nas subparcelas (secundarias). Cada parcela funciona
como um blocopara as subparcelas.
Se existirem mais de dois fatores, o experimento e chamado de parcelas subsubdivididas e assim por diante.
Esse experimento pode, ainda, ser instalado em qualquer delineamento.
Figura 10: Croqui de uma parcela principal de um experimento em Parcelas subdivididas.
50
4.2
Modelo estatstico
(15)
onde
= constante;
i = efeito do i-esimo bloco i = 1, . . . , r;
j = efeito do i-esimo nvel do fator A (parcela principal) j = 1, . . . , a;
ij = Resduo a (interacao entre blocos ou repeticoes e o fator A ou Parcela Principal)
IID
ij N (0, 2 );
k = efeito do k-esimo nvel do fator B (Parcela Secundaria) k = 1, . . . , b;
()jk = efeito da interacao entre o i-esimo nvel do fator A e k-esimo nvel do fator
B;
ijk = resduo b, associado `as subparcelas;
IID
4.3
51
Para um experimento em parcelas subdivididas em blocos, o quadro da ANOVA e a E(QM) sao dados na tabela 35.
Tabela 35: Quadro da Analise de Variancia e E(QM) (efeitos fixos)para um experimento em Parcelas subdivididas.
Causas de GL
E(QM)
Variacao
Blocos
r-1
2 + b2 + ab2
J
P
2j
j
2
b + rb a1
b2
K
P
k2
A
Resduo a
a-1
(r-1)(a-1)
+
2 +
b-1
2 + ra
b1
J,K
P
AB
Resduo b
Total
4.4
(a-1)(b-1)
a(b-1)(r-1)
abr-1
j,k
()2jk
+ r (a1)(b1
2
Exemplo: Produc
ao de aveia.
52
144,2
202,5
183,4
149,2
A2
A2
A2
A2
B1
B2
B3
B4
53,3
57,6
59,8
64,1
69,6
69,6
65,8
57,4
45,4
42,4
41,4
44,1
35,1
51,9
45,4
51,6
203,4
221,5
212,4
217,2
A3
A3
A3
A3
B1
B2
B3
B4
62,3
63,4
64,5
63,6
58,5
50,4
46,1
56,1
44,6
45,0
62,6
52,7
50,3
46,7
50,3
51,8
215,7
205,5
223,5
224,2
A4
A4
A4
A4
B1
B2
B3
B4
75,4
70,3
68,8
71,6
65,6
67,3
65,3
69,4
54,0
57,6
45,6
56,6
52,7
58,5
51,0
47,4
247,7
253,7
230,7
245,0
965,3 936,8
733,8
743,9
3.379,8
Total
Total
(3379,8)2
64
= 178.485, 13
53
SQBlocos =
SQA =
965,32 +...+743,92
16
(679,32 +...+977,12 )
16
de Quadrados de Blocos.
TOTAL
679,3
854,5
868,9
977,1
3379,8
C = 2.842, 87
C = 2.848, 02
190,62 +...+209,62
4
C = 6.309, 19
SQB =
(811,02 +...+835,52 )
16
SQAB =
C = 170, 53
(144,22 +...+245,02 )
4
Dado que houve interacao significativa entre os fatores A e B , deve-se decompor os graus de liberdade e estudar o comportamento dos nveis de A dentro de
54
nveis de B e vice-versa.
1. Estudo dos Nveis de B dentro de A
SQB d. A1 =
..
.
(144,22 +...+149,22 )
4
SQB d. A4 =
(247,72 +...+245,02 )
4
..
.
(679,3)2
16
= 583, 49
..
.
(977,1)2
16
= 71, 34
Verificac
ao: SQB d. A1 + SQB d. A2+SQB d. A3+SQB d. A4=SQB +
SQAB
O quadro da ANOVA fica:
Tabela 40: Quadro da Analise de Variancia para estudar os nveis de B dentro de
A.
Causas de GL Soma de Quadrados F calculado
Variacao
Quadrados
Medios
B d. A1
3
583,44
194,5
9,58**
B d. A2
3
45,21
15,07
0,74 NS
B d. A3
3
56,96
18,99
0,94 NS
B d. A4
3
71,34
23,78
1,17NS
Erro b
36
731,2
20,31
Total
63
7797,39
55
(144,22 +...+247,72 )
4
SQA d. B4 =
(149,22 +...+245,02 )
4
(811)2
16
(835,6)2
16
..
.
= 1404, 18
..
.
= 1292, 57
Verificac
ao: SQA d. B1 + SQA d. B2+SQA d. B3+SQA d. B4=SQA +
SQAB
Neste caso, como considera-se o efeito de diferentes parcelas principais no
mesmo nvel das parcelas secundarias, envolvem-se os dois resduos simultaneamente, diferentemente da analise anterior. Dessa forma, e necessario
considerar um resduo medio, assim como os graus de liberdade (medios) correspondentes a este resduo.
Para o calculo do resduo medio, utiliza-se a seguinte expressao:
Resduo Medio =
QMRes a + (b-1)QMRes b
b
Observe que:
9 27 45
O quadro da ANOVA fica:
(68,7)2
9
3(20,31)2
36
= 26, 78 27
56
4.4.2
Comparac
ao de m
edias
= q =
= 8, 6
r
4
onde
q(0,05) (4 (nveis do fator secundario),36 (GL Res b))= 3,81
Sb= QMRes b
No experimento, pode-se estar interessado em comparar nveis de B d. A1:
A1B1 =
A1B2 =
144,2
4
202,5
4
= 36, 1
= 50, 6
Assim, o contraste
Y = A1B2 A1B1
Y = 50, 6 36, 1 = 14, 5
(16)
(17)
57
Sa
3, 88 5, 69
= q =
= 11, 0
r
4
onde
q(0,05) (4 (nveis da parcela principal),27 (GL Res medio)= 3,88
144,2
4
203,4
4
= 36, 1
= 50, 9
Assim, o contraste
Y = A1B2 A1B1
Y = 50, 9 36, 1 = 14, 8
e significativo, ou seja, as medias dos tratamentos diferem.
(18)
(19)
4.5
58
Planejamento de um experimento:
O problema
Uma nutricionista, responsavel pela materia prima de uma cozinha industrial,
precisa avaliar seus fornecedores de ervilhas e o processo de congelamento dessas
ervilhas (rapido ou lento), atraves de um experimento. Ela esta especialmente interessada em estudar quatro fornecedores desse alimento.
A variavel de interesse, da nutricionista, e a quantidade, em mg, de producao
de uma enzima, encontrada nas ervilhas, apos 15 dias de armazenamento.
As condico
es
Neste experimento, dois fatores portanto, sao de interesse: o primeiro, e
a metodologia de congelamento do alimento (rapido ou lento). Os congeladores
disponveis realizam os dois tipos de congelamento. O segundo fator de interesse, e
mais importante, sao os fornecedores. Para realizar este estudo, seis congeladores
estao disponveis (3 marcas, com 2 congeladores cada).
Seu trabalho
Planejar o experimento para esta nutricionista, de forma que ela possa estudar
o comportamento da resposta em funcao dos fatores que farao parte do experimento.
Nao e do conhecimento da nutricionista se as diferentes marcas afetam ou nao a
producao da enzima.
Nao esqueca, os cursos de graduacao em nutricao tem apenas uma disciplina de
estatstica basica e esta nutricionista, em especial, nunca realizou um experimento
planejado.
5
5.1
59
Experimentos em faixas
Introduc
ao
60
5.2
Modelo estatstico
(20)
onde
= constante;
()i = efeito do i-esimo nvel do fator A;
()j = efeito do j-esimo nvel do fator B;
()ij = efeito da interacao entre o i-esimo nvel do fator A e o j-esimo nvel do
fator B;
()ik = efeito da interacao entre o i-esimo nvel do fator A e k-esimo nvel do bloco
IID
2
));
ou repeticao (erro experimental associado ao fator A com ()ik N (0,
()jk =efeito da interacao entre o j-esimo nvel do fator B e k-esimo nvel do bloco
IID
2
);
ou repeticao (erro experimental associado ao fator B com ()jk N (0,
IID
61
Tabela 42: Quadro da Analise de Variancia e E(QM) (efeitos fixos)para um experimento em Faixas.
Causas de GL
E(QM)
Variacao
Blocos
r-1
I
P
A
Resduo a
a-1
(r-1)(a-1)
+
2 +
2
2
b
2
b
2i
+ rb a1
i
J
P
j2
j
2
a + ra b1
2
a
I,J
P
()2ij
B
Resduo b
b-1
(r-1)(b-1)
+
2 +
AB
Resduo c
Total
(a-1)(b-1)
(a-1)(b-1)(r-1)
abr-1
i,j
2 + r (a1)(b1
2
Fator A
H0 : 1 = 2 = . . . = i
H1 : i 6= i0
com i 6= i0
Fator B
H0 : 1 = 2 = . . . = j
H1 : j 6= j 0
com j 6= j 0
Interacao AB
H0 : ()ij = 0 i, j
H1 : ()ij 6= 0 para pelo menos um par ij
No caso de a interacao ser significativa, deve-se estudar o comportamento dos
nveis de A d. B e/ou B d. A.
Assim, o desdobramento dos graus de liberdade pode ser realizado das seguintes
maneiras:
1. A d. B
62
QMRes1
Onde
n1 =
e
QMres1 =
[QMRes a+(b-1)QMRes c]
b
2. B d. A
A tabela 44 apresenta o quadro da analise de variancia para para estudar os
nveis de B dentro de A para um experimento conduzido em um arranjo de
faixas.
Onde
n2 =
e
QMres2 =
[QMRes b+(a-1)QMRes c]
a
63
QMRes2
5.3
Comparaco
es m
ultiplas
Sa = Qmres a
Sb = Qmres b
Exemplo: Teste de Tukey:
1. Para comparar os nveis do fator A
Sa
= q
br
q (a, GL Res a)
2. Para comparar os nveis do fator B
Sb
= q
ar
q (b, GL Res b)
3. Para comparar os nveis do fator A em cada nvel de B
=q
QMRes 1
64
q (a, n1)
4. Para comparar os nveis do fator B em cada nvel de A
=q
QMRes 2
q (b, n2)
5.4
65
Tabela 46: Quadro auxiliar I para obtencao das Somas de Quadrados dos Fatores.
A
Bloco1 Bloco2 Bloco3 Bloco4 TOTAL
A1
52,47
52,13
52,16
52,79
209,55
A2
52,44
51,49
51,38
52,22
207,53
A3
52,47
52,23
50,72
53,14
208,56
A4
51,83
51,99
53,63
53,94
211,39
Total 209,21 207,84 207,89 212,09 837,03
Tabela 47: Quadro auxiliar II para obtencao das Somas de Quadrados dos Fatores.
B
Bloco1 Bloco2 Bloco3 Bloco4 TOTAL
B1
69,44
70,19
69,20
70,11
279,24
B2
68,69
70,10
68,32
70,31
277,42
B3
71,08
67,55
70,37
71,37
280,37
Total 209,21 207,84 207,89 212,09 837,03
(837,03)2
48
SQBlocos =
SQA =
= 14.596, 23
(209,212 +...+212,092 )
12
(209,552 +...+211,392 )
12
SQParc A =
C = 0, 9921
C = 0, 6753
(52,472 +...+53,942 )
3
C = 3, 2847
SQParc B =
(69,442 +...+71,372 )
4
C = 0, 2768
C = 3, 566
(69,942 +...+70,772 )
4
66
Tabela 48: Quadro auxiliar III para obtencao das Somas de Quadrados dos Fatores.
A
B1
B2
B3
TOTAL
A1
69,94 68,87 70,74
207,55
A2
70,04 68,70 68,79
207,53
A3
69,05 69,44 70,07
208,56
A4
70,21 70,41 70,77
211,39
Total 279,24 277,42 280,37 837,03
6
6.1
An
alise de Grupos de Experimentos
Introduc
ao
67
Fmax =
QMRes (max)
F (n(num. de exp.), GLRes(de cada experimento))
QMRes (min)
A hipotese testada e
H0 : 12 = 22 = . . . = n2 i
(21)
H1 : i2 6= i20
(22)
n=
K
P
+ ... +
[QM R(k)]2
GLRESk
GLRES(K),
k=1
n0 =
(I 1)(K 1)2 V1
,
(K 2)V2 + V12
68
Onde I=n
umero de tratamentos e K e o n
umero de experimentos.
K
P
V1 =
K
P
QM R(K)
k=1
V2 =
[QM R(k)]2
k=1
6.2
I
3,4
2,7
2,6
3,1
2,0
Blocos
II
III
3,0 3,1
2,9 2,8
2,5 2,1
3,3 3,4
1,9 2,2
IV
3,2
3,0
2,4
3,0
2,2
I
2,9
2,6
2,3
3,2
2,1
Blocos
II
III
3,5 3,2
2,8 3,0
2,6 2,2
3,4 3,3
1,8 2,0
IV
3,3
3,1
2,3
3,1
1,9
69
I
3,3
2,7
2,4
3,1
2,0
Blocos
II
III
3,1 3,2
2,8 3,0
2,5 2,3
3,3 3,4
1,7 1,9
IV
3,4
2,9
2,3
3,3
2,1
I
3,0
2,8
2,1
3,2
2,1
Blocos
II
III
3,0 3,1
2,9 3,0
2,3 2,0
3,4 3,1
1,8 2,2
IV
3,2
2,9
2,4
3,3
1,9
70
yij(k) = + vi + bj + ij(k)
com i = 1, 2, 3, 4, 5 e j = 1, 2, 3, 4
As hipoteses testadas para cada experimento sao as seguintes, considerando o
efeito de variedades como fixos:
H0 : v1 = v2 = . . . = vi
H1 : vi 6= vi0
com i 6= i0
F
26, 67
36, 52
74, 91
53, 83
An
alise conjunta
Fmax =
0, 0364
= 2, 0 NS
0, 0181
71
Pela tabela de hartley tem-se que H0,05 (4, 12) = 4, 79, logo, nao se rejeita a
hipotese de homocedasticidade entre as variancias dos experimentos realizados em
diferentes locais. Pode-se entao, considerar todos os experimentos em uma u
nica
analise conjunta.
O modelo estatstico adotado para esta analise e
72
(J-1)(I-1)
K(I-1)(J-1)
IJK-1
2
2 + Jvl
2
i=1
Observe que neste caso e necessario uma composicao dos Quadrados Medios
para encontrar o valor de F para estudar os efeitos do modelo.
Blocos d. Locais
= QM (V ariedades)/QM (LV )
= QM (LV )/QM (Res)
Neste caso, rejeita-se apenas a hipotese nula pra Variedades, ou seja, existe
pelo menos um contraste significativo entre medias de variedades ao nvel de 1% de
significancia.
6.3
73
Exerccio
6
6,2
4,4
4,7
6,1
7
5,8
8,7
2,9
3,8
6
8,8
6,4
7,5
2,9
7
5,8
9,3
3,9
8,3
6
6,0
7,6
3,0
4,5
7
2,5
8,5
3,9
7,1
74
An
alise de covari
ancia (ANCOVA)
7.1
Introduc
ao
Em alguns experimentos, pode ser muito difcil e ate impossvel obter unidades
experimentais semelhantes. Por exemplo, pode-se nao ter cobaias de mesmo peso,
motores com o mesmo tempo de funcionamento, corpos de prova com mesmo tamanho etc. Mas, em todos estes casos, quando a condicao inicial da unidade experimental for conhecida e puder ser medida, e ainda, que seja conhecido que esta
condicao inicial (uma variavel) tenha influencia sobre a variavel resposta, pode-se
utilizar esta informacao para corrigir a variavel resposta. Tal, procedimento pode
ser feito utilizando-se da tecnica de analise de covariancia.
A variavel medida na condicao inicial da unidade experimental e chamada
de covari
avel (ou ainda, variavel auxiliar, variavel concomitante). Em um mesmo
experimento, pode haver mais de uma covariavel.
A covariavel complementa o controle local e na grande maioria das situacoes
simplesmente o substitui.
Obviamente, a covariavel necessita estar correlacionada com a variavel resposta
para que se possa fazer uso de tal analise.
Quando a Analise de Variancia e realizada com uma ou mais covariaveis, usase chamar a analise de ANCOVA2 . A ANCOVA permite que se faca um ajustedo
efeito de uma variavel resposta que sofreu influencia de uma variavel ou uma causa
de variacao nao controlada.
A ANCOVA, permite, portanto, um controle do erro experimental, aumentando a precisao do experimento. e possvel tambem fazer o ajuste das medias dos
tratamentos em funcao da(s) covariavel(eis) e, em alguns casos, estimar observacoes
perdidas durante o experimento.
Para que uma covariavel possa ser assim considerada, deve-se garantir que ela
nao seja afetada pelo tratamento. Por exemplo: ao utiliza-se como covariavel o
n
umero de animais sobreviventes em uma gaiola, deve-se garantir que a causa da
morte ou da perda dos animais durante o experimento nao seja causada pelo efeito
do tratamento. Neste caso, o uso da covariavel e incorreto, pois sera eliminado da
analise uma possvel fonte de variacao conhecida: o proprio efeito do tratamento.
2
Analysis of covariance
75
7.2
Modelo estatstico
(23)
onde
= constante;
i =efeito do i-esimo tratamento;
Xij = valor observado da covariavel;
= media da covariavel;
X
= coeficiente de regressao linear entre a covariavel (X) e a variavel resposta (Y),
com 6= 0. Neste caso, a relacao deve ser linear.
Neste modelo, assume-se que a variavel resposta e a covariavel estao relacionadas linearmente.
76
Analise de Variancia
Tabela 59: Analise de covariancia.
CV
Trat
Erro
GL
GL
a-1
a(n-1)
SQ e Prod. Cruzados
xx
xy
yy
Txx Txy
Tyy
Exx Exy
Eyy
SQE=Eyy
Total
an -1
Sxx
SQE=Syy
Sxy
Syy
Trat. aj.
SQE-SQE
Onde
Syy =
an
X
ij
Sxx =
an
X
(y.. )2
yij
an
xij
ij
Sxy =
an
X
xij yij
ij
Txx =
a
X
xi.
Txy =
a
X
(xi. )(yi. )
Tyy =
a
X
yi.
i
(x.. )2
an
(y.. )(x.. )
an
(x.. )2
an
(x.. )(y.. )
an
(y.. )2
an
a(n-1)-1
QM
SQE
a(n1)1
an-2
a-1
SQE 0 SQE
a1
77
Exy
=
Exx
(24)
F =
SQE 0 SQE
A1
SQE
a(n1)1
(25)
F =
(Exy )2
Exx
(E
)2
Eyy Exy
xx
a(n1)1
F (1, a(n 1) 1)
(26)
(27)
7.3
(28)
Exemplo:
3 P
5
P
i=1 j=1
yij2
(y.. )2
an
= (362 + . . . + 322 )
(603)2
35
= 346, 40
Sxx =
3 P
5
P
i=1 j=1
Sxy =
3 P
5
P
x2ij
(x.. )2
an
= (202 + . . . + 152 )
78
de fios de algodao.
Maquina 3
Y
X
35
21
37
23
42
26
34
21
32
15
180 106
(362)2
35
= 261, 73
)(y.. )
(xij )(yij ) (x..an
= (20 36 + . . . + 15 32) (362)(603)
= 282, 60
35
i=1 j=1
Tyy =
3
P
i=1
Txx =
3
P
i=1
Txy =
3
P
i=1
(yi. )2
n
(y.. )2
an
(603)2
15
= 140, 4
(xi. )2
n
(x.. )2
an
(362)2
15
= 66, 13
(xi. )(yi. )
n
(x.. )(y.. )
an
(126207+130216+106180)
5
(362)(603)
15
= 96
(282,6)2
261,73
(186,6)2
195,6
= 41, 27
= 27, 99
79
F cal =
13, 28/2
= 2, 61
27, 99/11
0
x1. x.. )
y1.
= y1. (
(29)
0
y1.
(30)
80
REFERENCIAS
BIBLIOGRAFICAS
BANZATTO D. A.; KRONKA, S. do N. Experimenta
c
ao agrcola. Jaboticabal:
UNESP, 1989.
BOX, G. E. P.; HUNTER, W. G.; HUNTER, J. S. Statistics for experiments:
an introduction to design, data analysis and model building, John
Wiley & Sons, 1978.
COCHRAN, W. G.; COX, G. M. Experimental designs. 2ED. New York: John
Wiley & Sons, 1957.
COX, D. R. Planning of experiments. New York: John Wiley & Sons, 1992.
FEDERER, W. T. Staistical design and analysis for intercroping experiments, v.1: two crops, New York: Springer-Verlag, 1993.
HINKELMANN, K.; KEMPTHORNE, O. Design and analysis of experiments. Volume I: introduction to experimental design. John Wiley &
Sons, 1994.
MEAD, R. The design the experiments: statistical principles for pratical
aplications. Cambridge University Press, 1988.
MILLIKEN, G. A.; JOHNSON, D. E. Analysis of messy data. Volume I:
designed experiments. New York: Chapman & Hall, 1992.
MONTGOMERY, D. C. Design and analysis of experiments. 3ed. New York:
John Wiley & Sons, 1991.
PEARCE, S. C. The agricultural field experiments: a statistical examination of theory and practice.New York: John Wiley & Sons, 1983.
PIMENTEL GOMES, F. Curso de estatstica experimental. 13ed. Piracicaba:
ESALQ-USP, 1990.
STEEL, R. G. D.; TORRIE, J. H. Principles and procedures of statistics: a
biometrical approach. 2 ed. New York: McGraw-hill, 1980.
VIEIRA, S. Estatstica experimental. 2 ed. Sao Paulo:Atlas, 1999.
WERKEMA, Maria Cristina Catarino; AGUIAR, Slvio. Planejamento e an
alise de experimentos: como identificar as principais vari
aveis influentes em um processo. Belo Horizonte: Fundacao Christiano Ottoni,
1996.
TABELAS
81
n2\n1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
1
161,4
18,51
10,13
7,71
6,61
5,99
5,59
5,32
5,12
4,96
4,84
4,75
4,67
4,60
4,54
4,49
4,45
4,41
4,38
4,35
4,32
4,30
4,28
4,26
4,24
4,23
4,21
4,20
4,18
4,17
4,08
4,00
3,92
3,84
2
199,5
19,00
9,55
6,94
5,79
5,14
4,74
4,46
4,26
4,10
3,98
3,89
3,81
3,74
3,68
3,63
3,59
3,55
3,52
3,49
3,47
3,44
3,42
3,40
3,39
3,37
3,35
3,34
3,33
3,32
3,23
3,15
3,07
3,00
3
215,7
19,16
9,28
6,59
5,41
4,76
4,35
4,07
3,86
3,71
3,59
3,49
3,41
3,34
3,29
3,24
3,20
3,16
3,13
3,10
3,07
3,05
3,03
3,01
2,99
2,98
2,96
2,95
2,93
2,92
2,84
2,76
2,68
2,60
4
224,6
19,25
9,12
6,39
5,19
4,53
4,12
3,84
3,63
3,48
3,36
3,26
3,18
3,11
3,06
3,01
2,96
2,93
2,90
2,87
2,84
2,82
2,80
2,78
2,76
2,74
2,73
2,71
2,70
2,69
2,61
2,53
2,45
2,37
5
230,2
19,30
9,01
6,26
5,05
4,39
3,97
3,69
3,48
3,33
3,20
3,11
3,03
2,96
2,90
2,85
2,81
2,77
2,74
2,71
2,68
2,66
2,64
2,62
2,60
2,59
2,57
2,56
2,55
2,53
2,45
2,37
2,29
2,21
6
234,0
19,33
8,94
6,16
4,95
4,28
3,87
3,58
3,37
3,22
3,09
3,00
2,92
2,85
2,79
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,53
2,51
2,49
2,47
2,46
2,45
2,43
2,42
2,34
2,25
2,18
2,10
7
236,8
19,35
8,89
6,09
4,88
4,21
3,79
3,50
3,29
3,14
3,01
2,91
2,83
2,76
2,71
2,66
2,61
2,58
2,54
2,51
2,49
2,46
2,44
2,42
2,40
2,39
2,37
2,36
2,35
2,33
2,25
2,17
2,09
2,01
8
238,9
19,37
8,85
6,04
4,82
4,15
3,73
3,44
3,23
3,07
2,95
2,85
2,77
2,70
2,64
2,59
2,55
2,51
2,48
2,45
2,42
2,40
2,37
2,36
2,34
2,32
2,31
2,29
2,28
2,27
2,18
2,10
2,02
1,94
9
240,5
19,38
8,81
6,00
4,77
4,10
3,68
3,39
3,18
3,02
2,90
2,80
2,71
2,65
2,59
2,54
2,49
2,46
2,42
2,39
2,37
2,34
2,32
2,30
2,28
2,27
2,25
2,24
2,22
2,21
2,12
2,04
1,96
1,88
10
241,9
19,40
8,79
5,96
4,74
4,06
3,64
3,35
3,14
2,98
2,85
2,75
2,67
2,60
2,54
2,49
2,45
2,41
2,38
2,35
2,32
2,30
2,27
2,25
2,24
2,22
2,20
2,19
2,18
2,16
2,08
1,99
1,91
1,83
11
243,0
19,40
8,76
5,94
4,70
4,03
3,60
3,31
3,10
2,94
2,82
2,72
2,63
2,57
2,51
2,46
2,41
2,37
2,34
2,31
2,28
2,26
2,24
2,22
2,20
2,18
2,17
2,15
2,14
2,13
2,04
1,95
1,87
1,79
12
243,9
19,41
8,74
5,91
4,68
4,00
3,57
3,28
3,07
2,91
2,79
2,69
2,60
2,53
2,48
2,42
2,38
2,34
2,31
2,28
2,25
2,23
2,20
2,18
2,16
2,15
2,13
2,12
2,10
2,09
2,00
1,92
1,83
1,75
13
244,7
19,42
8,73
5,89
4,66
3,98
3,55
3,26
3,05
2,89
2,76
2,66
2,58
2,51
2,45
2,40
2,35
2,31
2,28
2,25
2,22
2,20
2,18
2,15
2,14
2,12
2,10
2,09
2,08
2,06
1,97
1,89
1,80
1,72
14
245,4
19,42
8,71
5,87
4,64
3,96
3,53
3,24
3,03
2,86
2,74
2,64
2,55
2,48
2,42
2,37
2,33
2,29
2,26
2,22
2,20
2,17
2,15
2,13
2,11
2,09
2,08
2,06
2,05
2,04
1,95
1,86
1,78
1,69
15
245,9
19,43
8,70
5,86
4,62
3,94
3,51
3,22
3,01
2,85
2,72
2,62
2,53
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,18
2,15
2,13
2,11
2,09
2,07
2,06
2,04
2,03
2,01
1,92
1,84
1,75
1,67
16
246,5
19,43
8,69
5,84
4,60
3,92
3,49
3,20
2,99
2,83
2,70
2,60
2,51
2,44
2,38
2,33
2,29
2,25
2,21
2,18
2,16
2,13
2,11
2,09
2,07
2,05
2,04
2,02
2,01
1,99
1,90
1,82
1,73
1,64
20
248,0
19,45
8,66
5,80
4,56
3,87
3,44
3,15
2,94
2,77
2,65
2,54
2,46
2,39
2,33
2,28
2,23
2,19
2,16
2,12
2,10
2,07
2,05
2,03
2,01
1,99
1,97
1,96
1,94
1,93
1,84
1,75
1,66
1,57
24
249,1
19,45
8,64
5,77
4,53
3,84
3,41
3,12
2,90
2,74
2,61
2,51
2,42
2,35
2,29
2,24
2,19
2,15
2,11
2,08
2,05
2,03
2,01
1,98
1,96
1,95
1,93
1,91
1,90
1,89
1,79
1,70
1,61
1,52
30
250,1
19,46
8,62
5,75
4,50
3,81
3,38
3,08
2,86
2,70
2,57
2,47
2,38
2,31
2,25
2,19
2,15
2,11
2,07
2,04
2,01
1,98
1,96
1,94
1,92
1,90
1,88
1,87
1,85
1,84
1,74
1,65
1,55
1,46
40
251,1
19,47
8,59
5,72
4,46
3,77
3,34
3,04
2,83
2,66
2,53
2,43
2,34
2,27
2,20
2,15
2,10
2,06
2,03
1,99
1,96
1,94
1,91
1,89
1,87
1,85
1,84
1,82
1,81
1,79
1,69
1,59
1,50
1,39
120
253,3
19,49
8,55
5,66
4,40
3,70
3,27
2,97
2,75
2,58
2,45
2,34
2,25
2,18
2,11
2,06
2,01
1,97
1,93
1,90
1,87
1,84
1,81
1,79
1,77
1,75
1,73
1,71
1,70
1,68
1,58
1,47
1,35
1,22
254,3
19,50
8,53
5,63
4,37
3,67
3,23
2,93
2,71
2,54
2,40
2,30
2,21
2,13
2,07
2,01
1,96
1,92
1,88
1,84
1,81
1,78
1,76
1,73
1,71
1,69
1,67
1,65
1,64
1,62
1,51
1,39
1,25
1,01
n2\n1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
1
4052,2
98,50
34,12
21,20
16,26
13,75
12,25
11,26
10,56
10,04
9,65
9,33
9,07
8,86
8,68
8,53
8,40
8,29
8,18
8,10
8,02
7,95
7,88
7,82
7,77
7,72
7,68
7,64
7,60
7,56
7,31
7,08
6,85
6,64
2
4999,3
99,00
30,82
18,00
13,27
10,92
9,55
8,65
8,02
7,56
7,21
6,93
6,70
6,51
6,36
6,23
6,11
6,01
5,93
5,85
5,78
5,72
5,66
5,61
5,57
5,53
5,49
5,45
5,42
5,39
5,18
4,98
4,79
4,61
3
5403,5
99,16
29,46
16,69
12,06
9,78
8,45
7,59
6,99
6,55
6,22
5,95
5,74
5,56
5,42
5,29
5,19
5,09
5,01
4,94
4,87
4,82
4,76
4,72
4,68
4,64
4,60
4,57
4,54
4,51
4,31
4,13
3,95
3,78
4
5624,3
99,25
28,71
15,98
11,39
9,15
7,85
7,01
6,42
5,99
5,67
5,41
5,21
5,04
4,89
4,77
4,67
4,58
4,50
4,43
4,37
4,31
4,26
4,22
4,18
4,14
4,11
4,07
4,04
4,02
3,83
3,65
3,48
3,32
5
5764,0
99,30
28,24
15,52
10,97
8,75
7,46
6,63
6,06
5,64
5,32
5,06
4,86
4,69
4,56
4,44
4,34
4,25
4,17
4,10
4,04
3,99
3,94
3,90
3,85
3,82
3,78
3,75
3,73
3,70
3,51
3,34
3,17
3,02
6
5859,0
99,33
27,91
15,21
10,67
8,47
7,19
6,37
5,80
5,39
5,07
4,82
4,62
4,46
4,32
4,20
4,10
4,01
3,94
3,87
3,81
3,76
3,71
3,67
3,63
3,59
3,56
3,53
3,50
3,47
3,29
3,12
2,96
2,80
7
5928,3
99,36
27,67
14,98
10,46
8,26
6,99
6,18
5,61
5,20
4,89
4,64
4,44
4,28
4,14
4,03
3,93
3,84
3,77
3,70
3,64
3,59
3,54
3,50
3,46
3,42
3,39
3,36
3,33
3,30
3,12
2,95
2,79
2,64
8
5981,0
99,38
27,49
14,80
10,29
8,10
6,84
6,03
5,47
5,06
4,74
4,50
4,30
4,14
4,00
3,89
3,79
3,71
3,63
3,56
3,51
3,45
3,41
3,36
3,32
3,29
3,26
3,23
3,20
3,17
2,99
2,82
2,66
2,51
9
6022,4
99,39
27,34
14,66
10,16
7,98
6,72
5,91
5,35
4,94
4,63
4,39
4,19
4,03
3,89
3,78
3,68
3,60
3,52
3,46
3,40
3,35
3,30
3,26
3,22
3,18
3,15
3,12
3,09
3,07
2,89
2,72
2,56
2,41
10
6055,9
99,40
27,23
14,55
10,05
7,87
6,62
5,81
5,26
4,85
4,54
4,30
4,10
3,94
3,80
3,69
3,59
3,51
3,43
3,37
3,31
3,26
3,21
3,17
3,13
3,09
3,06
3,03
3,00
2,98
2,80
2,63
2,47
2,32
11
6083,4
99,41
27,13
14,45
9,96
7,79
6,54
5,73
5,18
4,77
4,46
4,22
4,02
3,86
3,73
3,62
3,52
3,43
3,36
3,29
3,24
3,18
3,14
3,09
3,06
3,02
2,99
2,96
2,93
2,91
2,73
2,56
2,40
2,25
12
6106,7
99,42
27,05
14,37
9,89
7,72
6,47
5,67
5,11
4,71
4,40
4,16
3,96
3,80
3,67
3,55
3,46
3,37
3,30
3,23
3,17
3,12
3,07
3,03
2,99
2,96
2,93
2,90
2,87
2,84
2,66
2,50
2,34
2,18
13
6125,8
99,42
26,98
14,31
9,82
7,66
6,41
5,61
5,05
4,65
4,34
4,10
3,91
3,75
3,61
3,50
3,40
3,32
3,24
3,18
3,12
3,07
3,02
2,98
2,94
2,90
2,87
2,84
2,81
2,79
2,61
2,44
2,28
2,13
14
6143,0
99,43
26,92
14,25
9,77
7,60
6,36
5,56
5,01
4,60
4,29
4,05
3,86
3,70
3,56
3,45
3,35
3,27
3,19
3,13
3,07
3,02
2,97
2,93
2,89
2,86
2,82
2,79
2,77
2,74
2,56
2,39
2,23
2,08
15
6157,0
99,43
26,87
14,20
9,72
7,56
6,31
5,52
4,96
4,56
4,25
4,01
3,82
3,66
3,52
3,41
3,31
3,23
3,15
3,09
3,03
2,98
2,93
2,89
2,85
2,81
2,78
2,75
2,73
2,70
2,52
2,35
2,19
2,04
16
6170,0
99,44
26,83
14,15
9,68
7,52
6,28
5,48
4,92
4,52
4,21
3,97
3,78
3,62
3,49
3,37
3,27
3,19
3,12
3,05
2,99
2,94
2,89
2,85
2,81
2,78
2,75
2,72
2,69
2,66
2,48
2,31
2,15
2,00
20
6208,7
99,45
26,69
14,02
9,55
7,40
6,16
5,36
4,81
4,41
4,10
3,86
3,66
3,51
3,37
3,26
3,16
3,08
3,00
2,94
2,88
2,83
2,78
2,74
2,70
2,66
2,63
2,60
2,57
2,55
2,37
2,20
2,03
1,88
24
6234,3
99,46
26,60
13,93
9,47
7,31
6,07
5,28
4,73
4,33
4,02
3,78
3,59
3,43
3,29
3,18
3,08
3,00
2,92
2,86
2,80
2,75
2,70
2,66
2,62
2,58
2,55
2,52
2,49
2,47
2,29
2,12
1,95
1,79
30
6260,4
99,47
26,50
13,84
9,38
7,23
5,99
5,20
4,65
4,25
3,94
3,70
3,51
3,35
3,21
3,10
3,00
2,92
2,84
2,78
2,72
2,67
2,62
2,58
2,54
2,50
2,47
2,44
2,41
2,39
2,20
2,03
1,86
1,70
60
6313,0
99,48
26,32
13,65
9,20
7,06
5,82
5,03
4,48
4,08
3,78
3,54
3,34
3,18
3,05
2,93
2,83
2,75
2,67
2,61
2,55
2,50
2,45
2,40
2,36
2,33
2,29
2,26
2,23
2,21
2,02
1,84
1,66
1,47
120
6339,5
99,49
26,22
13,56
9,11
6,97
5,74
4,95
4,40
4,00
3,69
3,45
3,25
3,09
2,96
2,84
2,75
2,66
2,58
2,52
2,46
2,40
2,35
2,31
2,27
2,23
2,20
2,17
2,14
2,11
1,92
1,73
1,53
1,32
6365,6
99,50
26,13
13,46
9,02
6,88
5,65
4,86
4,31
3,91
3,60
3,36
3,17
3,00
2,87
2,75
2,65
2,57
2,49
2,42
2,36
2,31
2,26
2,21
2,17
2,13
2,10
2,06
2,03
2,01
1,80
1,60
1,38
1,01
84
GLRES\I
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
2
17,97
6,09
4,50
3,93
3,64
3,46
3,34
3,26
3,20
3,15
3,11
3,08
3,06
3,03
3,01
3,00
2,98
2,97
2,96
2,95
2,92
2,89
2,86
2,83
2,80
2,77
3
26,98
8,33
5,91
5,04
4,60
4,34
4,17
4,04
3,95
3,88
3,82
3,77
3,74
3,70
3,67
3,65
3,63
3,61
3,59
3,58
3,53
3,49
3,44
3,40
3,36
3,31
4
32,82
9,80
6,83
5,76
5,22
4,90
4,68
4,53
4,42
4,33
4,26
4,20
4,15
4,11
4,08
4,05
4,02
4,00
3,98
3,96
3,90
3,85
3,79
3,74
3,69
3,63
5
37,08
10,88
7,50
6,29
5,67
5,31
5,06
4,89
4,76
4,65
4,57
4,51
4,45
4,41
4,37
4,33
4,30
4,28
4,25
4,23
4,17
4,10
4,04
3,98
3,92
3,86
6
40,41
11,74
8,04
6,71
6,03
5,63
5,36
5,17
5,02
4,91
4,82
4,75
4,69
4,64
4,60
4,56
4,52
4,50
4,47
4,45
4,37
4,30
4,23
4,16
4,10
4,03
7
43,40
12,44
8,48
7,05
6,33
5,90
5,61
5,40
5,24
5,12
5,03
4,95
4,89
4,83
4,78
4,74
4,71
4,67
4,65
4,62
4,54
4,46
4,39
4,31
4,24
4,17
8
45,40
13,03
8,85
7,35
6,58
6,12
5,82
5,60
5,43
5,31
5,20
5,12
5,05
4,99
4,94
4,90
4,86
4,82
4,79
4,77
4,68
4,60
4,52
4,44
4,36
4,29
9
47,36
13,54
9,18
7,60
6,80
6,32
6,00
5,77
5,60
5,46
5,35
5,27
5,19
5,13
5,08
5,03
4,99
4,96
4,92
4,90
4,81
4,72
4,64
4,55
4,47
4,39
10
49,07
13,99
9,46
7,83
7,00
6,49
6,16
5,92
5,74
5,60
5,49
5,40
5,32
5,25
5,20
5,15
5,11
5,07
5,04
5,01
4,92
4,82
4,74
4,65
4,56
4,47
11
50,59
14,39
9,72
8,03
7,17
6,65
6,30
6,05
5,87
5,72
5,61
5,51
5,43
5,36
5,31
5,26
5,21
5,17
5,14
5,11
5,01
4,92
4,82
4,73
4,64
4,55
12
51,96
14,75
9,95
8,21
7,32
6,79
6,43
6,18
5,98
5,83
5,71
5,62
5,53
5,46
5,40
5,35
5,31
5,27
5,23
5,20
5,10
5,00
4,90
4,81
4,71
4,62
13
53,20
15,08
10,15
8,37
7,47
6,92
6,55
6,29
6,09
5,94
5,81
5,71
5,63
5,55
5,49
5,44
5,39
5,35
5,32
5,28
5,18
5,08
4,98
4,88
4,78
4,69
14
54,33
15,33
10,35
8,53
7,60
7,03
6,66
6,39
6,19
6,03
5,90
5,80
5,71
5,64
5,57
5,52
5,47
5,43
5,39
5,36
5,25
5,15
5,04
4,94
4,84
4,74
15
55,36
15,65
10,53
8,66
7,72
7,14
6,76
6,48
6,28
6,11
5,98
5,88
5,79
5,71
5,65
5,59
5,54
5,50
5,46
5,43
5,32
5,21
5,11
5,00
4,90
4,80
16
56,32
15,91
10,69
8,79
7,83
7,24
6,85
6,57
6,36
6,19
6,06
5,95
5,86
5,79
5,72
5,66
5,61
5,57
5,53
5,49
5,38
5,27
5,16
5,06
4,95
4,85
17
57,22
16,14
10,84
8,91
7,93
7,34
6,94
6,65
6,44
6,27
6,13
6,02
5,93
5,85
5,79
5,73
5,68
5,63
5,59
5,55
5,44
5,33
5,22
5,11
5,00
4,89
18
58,04
16,37
10,98
9,03
8,03
7,43
7,02
6,73
6,51
6,34
6,20
6,09
6,00
5,92
5,85
5,79
5,73
5,69
5,65
5,61
5,49
5,38
5,27
5,15
5,04
4,93
19
58,83
16,57
11,11
9,13
8,12
7,51
7,10
6,80
6,58
6,41
6,27
6,15
6,06
5,97
5,90
5,84
5,79
5,74
5,70
5,66
5,55
5,43
5,31
5,20
5,09
4,97
Tabela 4: Valores da amplitude total estudentizada (q), para uso no teste de Tukey, ao nvel de 5% de probabilidade.
I=n
umero de tratamentos, GLRES= n
umero de graus de liberdade do resduo.
20
59,56
16,77
11,24
9,23
8,21
7,59
7,17
6,87
6,64
6,47
6,33
6,21
6,11
6,03
5,96
5,90
5,84
5,79
5,75
5,71
5,59
5,48
5,36
5,24
5,13
5,01
Tabela 5: Valores da amplitude total estudentizada (z), para uso no teste de Duncan, ao nvel de 5% de
I=n
umero de medias abrangidas pelo contraste, GLRES= n
umero de graus de liberdade do resduo.
n\I
2
3
4
5
6
7
8
9
10
12
14
16
18
1
18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00 18,00
2
6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09 6,09
3
4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50 4,50
4
3,93 4,01 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02 4,02
5
3,64 3,74 3,79 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83 3,83
6
3,46 3,58 3,64 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68 3,68
7
3,35 3,47 3,54 3,58 3,60 3,61 3,61 3,61 3,61 3,61 3,61 3,61 3,61
8
3,26 3,39 3,47 3,52 3,55 3,56 3,56 3,56 3,56 3,56 3,56 3,56 3,56
9
3,20 3,34 3,41 3,47 3,50 3,52 3,52 3,52 3,52 3,52 3,52 3,52 3,52
10
3,15 3,30 3,37 3,43 3,46 3,47 3,47 3,47 3,47 3,47 3,47 3,47 3,47
11
3,11 3,27 3,35 3,39 3,43 3,44 3,45 3,46 3,46 3,46 3,46 3,46 3,47
12
3,08 3,23 3,33 3,36 3,40 3,42 3,44 3,44 3,46 3,46 3,46 3,46 3,47
13
3,06 3,21 3,30 3,35 3,38 3,41 3,42 3,44 3,45 3,45 3,46 3,46 3,47
14
3,03 3,18 3,27 3,33 3,37 3,39 3,41 3,42 3,44 3,45 3,46 3,46 3,47
15
3,01 3,16 3,25 3,31 3,36 3,38 3,40 3,42 3,43 3,44 3,45 3,46 3,47
16
3,00 3,15 3,23 3,30 3,34 3,37 3,39 3,41 3,43 3,44 3,45 3,46 3,47
17
2,98 3,13 3,22 3,28 3,33 3,36 3,38 3,40 3,42 3,44 3,45 3,46 3,47
18
2,97 3,12 3,21 3,27 3,32 3,35 3,37 3,39 3,41 3,43 3,45 3,46 3,47
19
2,96 3,11 3,19 3,26 3,31 3,35 3,37 3,39 3,41 3,43 3,44 3,46 3,47
20
2,95 3,10 3,18 3,25 3,30 3,34 3,36 3,38 3,40 3,43 3,44 3,46 3,46
22
2,93 3,08 3,17 3,24 3,29 3,32 3,35 3,37 3,39 3,42 3,44 3,45 3,46
24
2,92 3,07 3,15 3,22 3,28 3,31 3,34 3,37 3,38 3,41 3,44 3,45 3,46
26
2,91 3,06 3,14 3,21 3,27 3,30 3,34 3,36 3,38 3,41 3,43 3,45 3,46
28
2,90 3,04 3,13 3,20 3,26 3,30 3,33 3,35 3,37 3,40 3,43 3,45 3,46
30
2,89 3,04 3,12 3,20 3,25 3,29 3,32 3,35 3,37 3,40 3,43 3,44 3,46
40
2,86 3,01 3,10 3,17 3,22 3,27 3,30 3,33 3,35 3,39 3,42 3,44 3,46
60
2,83 2,98 3,08 3,14 3,20 3,24 3,28 3,31 3,33 3,37 3,40 3,43 3,45
100 2,80 2,95 3,05 3,12 3,18 3,22 3,26 3,29 3,32 3,36 3,40 3,42 3,45
2,77 2,92 3,02 3,09 3,15 3,19 3,23 3,26 3,29 3,34 3,38 3,41 3,44
20
50
100
18,00 18,00 18,00
6,09 6,09 6,09
4,50 4,50 4,50
4,02 4,02 4,02
3,83 3,83 3,83
3,68 3,68 3,68
3,61 3,61 3,61
3,56 3,56 3,56
3,52 3,52 3,52
3,48 3,48 3,48
3,48 3,48 3,48
3,48 3,48 3,48
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,47 3,47
3,47 3,48 3,48
3,47 3,53 3,53
3,47 3,61 3,67
probabilidade.
GLRES\I-1
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
24
30
40
60
120
1
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,06
2,04
2,02
2,00
1,98
1,96
2
3,03
2,86
2,75
2,67
2,61
2,57
2,53
2,50
2,48
2,46
2,44
2,42
2,41
2,40
2,39
2,38
2,35
2,32
2,29
2,27
2,24
2,21
3
3,29
3,10
2,97
2,88
2,81
2,76
2,72
2,68
2,65
2,63
2,61
2,59
2,58
2,56
2,55
2,54
2,51
2,47
2,44
2,41
2,38
2,35
4
3,48
3,26
3,12
3,02
2,95
2,89
2,84
2,81
2,78
2,75
2,73
2,71
2,69
2,68
2,66
2,65
2,61
2,58
2,54
2,51
2,47
2,44
5
3,62
3,39
3,24
3,13
3,05
2,99
2,94
2,90
2,87
2,84
2,82
2,80
2,78
2,76
2,75
2,73
2,70
2,66
2,62
2,58
2,55
2,51
6
3,73
3,49
3,33
3,22
3,14
3,07
3,02
2,98
2,94
2,91
2,89
2,87
2,85
2,83
2,81
2,80
2,76
2,72
2,68
2,64
2,60
2,57
7
3,82
3,57
3,41
3,29
3,20
3,14
3,08
3,04
3,00
2,97
2,95
2,92
2,90
2,89
2,87
2,86
2,81
2,77
2,73
2,69
2,65
2,61
8
3,90
3,64
3,47
3,35
3,26
3,19
3,14
3,09
3,06
3,02
3,00
2,97
2,95
2,94
2,92
2,90
2,86
2,81
2,77
2,73
2,69
2,65
9
3,97
3,71
3,53
3,41
3,32
3,24
3,19
3,14
3,10
3,07
3,04
3,02
3,00
2,98
2,96
2,95
2,90
2,86
2,81
2,77
2,73
2,69
10
4,03
3,76
3,58
3,46
3,36
3,29
3,23
3,18
3,14
3,11
3,08
3,06
3,03
3,01
3,00
2,98
2,94
2,89
2,85
2,80
2,76
2,72
11
4,09
3,81
3,63
3,50
3,40
3,33
3,27
3,22
3,18
3,14
3,12
3,09
3,07
3,05
3,03
3,02
2,97
2,92
2,87
2,83
2,79
2,74
12
4,14
3,86
3,67
3,54
3,44
3,36
3,30
3,25
3,21
3,18
3,15
3,12
3,10
3,08
3,06
3,05
3,00
2,95
2,90
2,86
2,81
2,77
15
4,26
3,97
3,78
3,64
3,53
3,45
3,39
3,34
3,29
3,26
3,23
3,20
3,18
3,16
3,14
3,12
3,07
3,02
2,97
2,92
2,87
2,83
20
4,42
4,11
3,91
3,76
3,65
3,57
3,50
3,45
3,40
3,36
3,33
3,30
3,27
3,25
3,23
3,22
3,16
3,11
3,06
3,00
2,95
2,91
88
89
1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
n
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
> 30
0,2
0,3
0,285
0,265
0,247
0,233
0,223
0,215
0,206
0,199
0,19
0,183
0,177
0,173
0,169
0,166
0,163
0,16
0,142
0,131
0,15
0,319
0,299
0,277
0,258
0,244
0,233
0,224
0,217
0,212
0,202
0,194
0,187
0,182
0,177
0,173
0,169
0,166
0,147
0,136
0,1
0,352
0,315
0,319
0,276
0,261
0,249
0,239
0,23
0,223
0,214
0,207
0,201
0,195
0,189
0,184
0,179
0,174
0,158
0,144
0,05
0,381
0,337
0,319
0,3
0,285
0,271
0,258
0,249
0,242
0,234
0,227
0,22
0,213
0,206
0,2
0,195
0,19
0,173
0,161
0,01
0,417
0,405
0,364
0,348
0,331
0,311
0,294
0,284
0,275
0,268
0,261
0,257
0,25
0,245
0,239
0,235
0,231
0,2
0,187
0,736
0,768
0,805
sqrtn
0,886
1,031
90