PROJETO E ANLISES DE EXPERIMENTOS (PAE)

EXPERIMENTOS COM BLOCOS ALEATORIZADOS

Dr. Sivaldo Leite Correia

 DIFERENTES FORMAS DE variabilidade

Em qualquer projeto experimental, pertubaes originadas por

fatores de rudos causam variabilidade, afetando os resultados
Fator de rudo definido como um fator ou varivel que
provavelmente tem um efeito na resposta, mas que o analista no
tem interesse nesse efeito
Fatores de rudos DESCONHECIDOS E INCONTROLVEIS so
aqueles que no sabemos se eles existem, assim como se eles
podem estar agindo e alterando os resultados
Para evitar os fatores de rudos desconhecidos e incontrolveis
lanamos mo da ALEATORIZAO dos experimentos
Fatores de rudos CONHECIDOS, MAS INCONTROLVEIS so
aqueles que podemos, pelo menos, observar seus valores no
experimento
Para compensar os efeitos dos fatores de rudos conhecidos, mas
incontrolveis podemos fazer uso da ANLISE DE COVARINCIA
 DIFERENTES FORMAS DE variabilidade
E O USO DE BLOCOS

Fatores de rudos CONHECIDOS E CONTROLADOS so aqueles

que conhecemos que eles existem, e nesse caso podemos agir
para eliminar seus efeitos na resposta
Como exemplo de fatores de rudos conhecidos e controlveis
podemos citar: diferentes lotes de matrias primas, pessoas
diferentes operando um equipamento, turno de produo, etc.
Quando os fatores de rudos so conhecidos e controlveis
podemos incorporar ao projeto experimental o uso de BLOCOS
O uso de blocos possibilita incorporar tcnicas estatsticas as
quais permitem estimar ou eliminar os efeitos de fatores
conhecidos
Experimentos com blocos uma tcnica experimental muito
importante em processos industriais e pesquisa
EXEMPLO DO USO DE BLOCOS EM UM PROBLEMA COM UM
NICO FATOR

Pesquisadores da rea de metrologia querem investigar se uma

mquina que mede a dureza de metais est fornecendo resultados
diferentes
Na verdade suspeita-se que as quatro ponteiras usadas na
mquina de medida da dureza Rockwell C esto divergindo nos
resultados
A mquina opera pela presso da ponteira numa amostra
constituda por uma placa metlica, obtida de lingotes, e a
consequente leitura da profundidade
Os observadores decidem obter quatro observaes para cada
tipo de ponteira
Assim, o projeto experimental consiste de apenas um fator (o tipo
de ponteira) e quatro rplicas, totalizando 16 experimentos
aleatorizados
EXEMPLO DO USO DE BLOCOS EM UM PROBLEMA COM UM
NICO FATOR

Tabela 1. Planejamento experimental do efeito do tipo de ponteira

na medida da dureza Rockwell C
Tipo de ponteira Placa metlica

1 2 3 4

1 49,3 49,4 49,6 50,0

2 49,4 49,3 49,8 49,9

3 49,2 49,4 49,5 49,7

4 49,7 49,6 50,0 50,2

Entretanto, se as placas metlicas diferem ligeiramente na dureza,

o que pode ser ocasionado por variaes nos lingotes durante as
etapas de processamento (aquecimento, formas de tratamentos
trmicos, etc.)
As placas podem contribuir tambm com variabilidade na medida
da dureza e o erro experimental ir se refletir tanto na etapa
aleatria, como entre as placas metlicas
Nesse caso, existe um srio problema se executarmos o projeto
usando um experimento aleatorizado com um nico fator
EXEMPLO DO USO DE BLOCOS EM UM PROBLEMA COM UM
NICO FATOR

Experimentadores prudentes desejam sempre fazer com que o

erro experimental seja o menor possvel, removendo potenciais
variabilidades entre as placas das do erro experimental
O projeto ideal seria testar cada ponteira para cada categoria de
placa, separando as placas com caractersticas semelhantes
(histria de processo, propriedades, etc.)
Nessa situao, o planejamento experimental conhecido como
Projeto Aleatorizado com Blocos
Suponhamos que existam quatro classes diferentes de placas
Tabela 2. Planejamento experimental com blocos aleatorizados do
efeito do tipo de ponteira na medida da dureza Rockwell C
Tipo de ponteira Placa metlica

Bloco 1 Bloco 2 Bloco 3 Bloco 4

1 49,3 49,4 49,6 50,0

2 49,4 49,3 49,8 49,9

3 49,2 49,4 49,5 49,7

4 49,7 49,6 50,0 50,2

 ANLISE de varincia com blocos

Suponhamos que a tratamentos so comparados e que b blocos

sejam selecionados
Um esquema do projeto com blocos aleatorizado mostrado na
Tabela 2.
Tabela 2. Representao genrica do projeto com blocos aleatorizado,
experimento com um fator

Tratamento
(nvel) Blocos
Totais Mdias
1 2 b

1 y11 y12 ... y1b y1. 1.

2 y21 y22 ... y2b y2. 2.
. . . ... . . .
. . . ... . . .
a ya1 ya2 ... yab ya. a.
Totais y.1 y.2 y.b

Mdias .1 .2 .b y.. ..
 ANLISE de varincia com blocos

O procedimento para a anlise de varincia parte do princpio de que

as observaes seguem um MODELO LINEAR do tipo:

= 1, 2, ,
= + + +
= 1, 2, ,
Onde yij a ij-sima observao; parmetro comum a todos os
tratamentos, isto , a mdia global; i o efeito para o tratamento i,
i o efeito do j-simo bloco, e ij o componente relacionado
com o ERRO ALEATRIO
O teste de hipteses pode ser definido da forma:
H0: 1 = 2 = . . . = a
H1: i j para pelo menos um par (i, j)
 ANLISE de varincia com blocos

Alternativamente podemos escrever

H0: 1 = 2 = . . . = a = 0
H1: i 0 para pelo menos um i
O teste de hipteses no bloco pode ser escrito como:
H0: 1 = 2 = . . . = j = 0
H1: j 0 para pelo menos um j
Clculo das somas e mdias

. = = 1, 2, ,
=1

. .
. = = 1, 2, , . = . =

=1

..
.. = = . = . .. = = .

=1 =1 =1 =1
 ANLISE de varincia com blocos

2
= ..
=1 =1

2
..
=1 =1

2 2 2
= . .. + . .. + . . + ..
=1 =1 =1 =1

= + +

2 2 ..2
= .. =

=1 =1 =1 =1
 ANLISE de varincia com blocos

1 ..2
= . .. 2 = .2

=1 =1

1 2
2 ..
= . .. = .2

=1 =1

2
= . . + .. =
=1 =1

= = =
1 1 ( 1)( 1)

0 = 0 =

 ANLISE de varincia com blocos

Teste estatstico para o efeito dos tratamentos:

Rejeita-se H0 para os efeitos dos tratamentos se
F0 > F, a-1, (a-1)(b-1) ou p
Teste estatstico para o efeito dos blocos
Rejeita-se H0 para o efeito dos blocos se
F0 > F, b-1, (a-1)(b-1) ou p
 ANLISE de varincia com blocos

Tabela 3. Representao esquemtica da tabela de anlise de

varincia para os resultados do projeto aleatorizado com blocos
Fonte de variao Soma dos Graus de Mdia dos F0
Quadrados liberdade Quadrados
Tratamentos SSL a-1 MSL MS L
F0
MS E
Blocos SSBlocos b-1 MSBlocos MS Blo cos
F0
MS E
Erros SSE (a-1)(b-1) MSE
Total SST N-1
 EXEMPLO DO ESTUDO DA MEDIDA DA DUREZA

Tabela 4. Resultados para a anlise de varincia para o ensaio de

medida de dureza das placas
Fonte de Soma Graus Mdia F0 p
variao Quadrados liberdade Quadrados

Tratamentos 0,385 3 0,128 14,22 0,0009

(tipos de
ponteiras)

Blocos 0,825 3 0,275 30,55 < 0,0009

Erros 0,080 9 0,009
Total 1,290 15

Concluso: Para = 0,05 (F0,05, 3, 9 = 3,89) ou o baixo valor de p (p =

0,0009), H0 rejeitada, isto , o tipo de ponteira afeta a medida mdia
da dureza das placas.
Por outro lado, tendo em vista o elevado valor de F0 (p < 0,0009) para
os blocos, podemos concluir que o tipo de placa metlica tambm
afeta a medida mdia da dureza
 EXEMPLO DO ESTUDO DA MEDIDA DA DUREZA

+ 0,385 + 0,825
2 = = = = 0,9380 93,80 %
1,29

Assim, cerca de 94 % da variabilidade nas medidas da dureza

Rockwell C explicada pelo tipo de ponteira e blocos
O modelo do projeto experimental (tratamentos e blocos) muito
bom para se ajustar aos dados
Se o planejamento experimental fosse realizado sem o uso de
blocos, uma anlise incorreta forneceria uma concluso errada a
cerca do estudo do efeito do tipo de ponteira na medida da dureza
Rockwell C
 EXEMPLO DO ESTUDO DA MEDIDA DA DUREZA

Tabela 5. Resultados para a anlise incorreta (sem o uso de blocos)

no caso do ensaio de medida da dureza das placas

Fonte de Soma Graus Mdia F0 p

variao Quadrados liberdade Quadrados

Tratamentos 0,385 3 0,128 1,70 0,2196

(tipos de
ponteiras)

Erros 0,905 12 0,075

Total 1,290 15

Concluso: Para = 0,05 (F0,05, 3, 12 = 3,49), H0 NO rejeitada, isto ,

o resultado da anlise forneceria uma concluso incorreta, a de que
o tipo de ponteira NO interfere na medida mdia da dureza das
placas
O valor de R2 = 0,2984 indica que o modelo do projeto experimental
considerado (s o efeito dos tratamentos) pssimo para se ajustar
aos dados
 VERIFICAO DA ADEQUAO DO MODELO

Os erros so independentes e normalmente distribudos com mdia

zero e varincia desconhecida, mas constante 2
Para o planejamento aleatorizado com blocos o (eij) definido como

= = . . + ..

O procedimento para a verificao da adequao do modelo quanto

a normalidade e aleatoridade dos resduos usados no caso de um
fator se aplica para o caso de experimentos com blocos