VI

EXPERIMENTOS FATORIAIS I

6.1 INTRODUÇÃO

O delineamento de um experimento está relacionado com as características do

sistema que vai ser estudado, incluindo aqui a estrutura de parcelas que o pesquisador
dispõe; qualquer que seja o delineamento selecionado, os tratamentos são alocados
aleatoriamente a um conjunto de parcelas homogêneas e temos definido tratamento com
como um estímulo que , aplicado ao sistema , produz um efeito na resposta. Entretanto, o
objetivo do experimento pode ser mais amplo do que comparar tratamentos, como 10
variedades de soja; vamos considerar um sistema experimental onde quer-se testar algumas
hipóteses em relação à influencia do nitrogênio e do fósforo na cultura do milho.
Obviamente, por meio de estudos anteriores, tem-se uma idéia das possíveis quantidades
de ambos nutrientes; assim decidiu-se por 3 doses de nitrogênio (0, 30 e 60 Kg/há) e 3 de
fósforo (0, 20 e 40 Kg/há).
Um experimento fatorial consiste em se considerar como tratamentos as possíveis
combinações entre as doses dos dois nutrientes; chamando de 0 , 1 e 2 os níveis de
nitrogênio e de fósforo , tem-se os seguintes tratamentos: 00, 01, 02, 10, 11, 12, 20,21,22,
onde o primeiro número indica a dose de nitrogênio e o segundo a de fósforo. Por exemplo,
a parcela que receber o tratamento 12 indica que ali vai ser aplicado 30 Kg/ha e 40 Kg/ha
de nitrogênio e fósforo respectivamente. Qual vai ser o delineamento depende da
estrutura de parcelas que se dispõe.
O que se busca num experimento fatorial não é comparar os tratamentos, nem as
doses de cada nutriente (embora isto possa ser feito) mas sim responder perguntas que
pertencem a duas classes:
1)Houve efeito do nitrogênio? Do fósforo? Que tipo de efeito?
2)Houve interação entre os dois nutrientes? Que tipo de interação?
Os nutrientes nitrogênio e fósforo são termos universalmente denominados de fatores e as
doses de níveis( daí o nome fatorial). Neste exemplo , os fatores são quantitativos, mas
existem os qualitativos.
Considere um experimento para se testar 3 densidades de plantio em 4 variedades
de arroz; sejam d 1 , d 2 e d 3 as 3 densidade e A, B, C e D as 4 variedades de arroz. Os
tratamentos são 12: as combinações entre as 3 densidades de plantio e as 4 variedades de
arroz; certamente o fator densidade é quantitativo e o fator variedade é qualitativo. Existem
ainda os experimentos fatoriais em que ambos fatores são qualitativos.
Os experimentos fatoriais são classificados de acordo com determinado critério; se
3
os 3 fatores tem 2 níveis, ele é denominado fatorial 2 (leia-se dois a terceira). Se p é o
p
número de fatores , então tem-se um fatorial 2 . Caso o número de níveis seja 3 em todos
p
os p fatores, tem-se o fatorial 3 . Finalmente, se n é o número de níveis e todos os p
p
fatores tem n níveis, tem-se um fatorial n .
Os fatoriais em que o número de níveis é o mesmo em todos os fatores, são
chamados de fatoriais simétricos. Entretanto , no exemplo com 3 densidade e 4

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 1

variedades de arroz , tem-se um fatorial 3 x 4 ; ou num experimento para testar 3 níveis
de nitrogênio e 5 de fósforo , um fatorial 3 x 5 . Quando os níveis dos fatores não são
iguais, temos os fatoriais assimétricos.

Os experimentos fatoriais podem ser conduzidos nos mais diferentes delineamentos,

mas no momento, para ilustrar a sua análise, vamos utilizar somente os delineamentos já
estudados.

6.2 ANÁLISE

Comecemos por um experimento relatado em Mahalanobis(1932) e citado por

Federer (1963, pag. 192). O experimento foi realizado para testar 3 tipos de fertilizantes em
2
3 variedades de arroz (fatorial 3 ). As variedades foram chamadas de A, B e C e os 3
fertilizantes eram:
1 = sem fertilizante
2 = ammophos ( 45 Kg/Há)
3 =sulfato de amonio (34 Kg/Há).
O experimento tem 9 tratamentos e o delineamento foi em blocos ao acaso, com 6 blocos.
As médias relevantes (em Kg/Há) do experimentos estão no quadro abaixo (dados
modificados).

„ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ†
‚ ‚ PRODUÇÃO ‚
‚ ‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒƒƒƒƒƒƒ‰
‚ ‚ FERTILIZANTE ‚ ‚
‚ ‡ƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒƒƒƒƒƒƒ‰ ‚
‚ ‚ 1 ‚ 2 ‚ 3 ‚ MEDIA ‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒ‰
‚VARIEDADE ‚ ‚ ‚ ‚ ‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ‰ ‚ ‚ ‚ ‚
‚A ‚ 1363.65‚ 1322.55‚ 1503.87‚ 1396.69‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒ‰
‚B ‚ 930.27‚ 870.49‚ 1471.36‚ 1090.71‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒ‰
‚C ‚ 1316.95‚ 1137.62‚ 1051.81‚ 1168.79‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒƒƒƒƒƒƒ‰
‚MEDIA ‚ 1203.62‚ 1110.22‚ 1342.35‚ 1218.73‚
Šƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ‹ƒƒƒƒƒƒƒƒƒƒƒƒ‹ƒƒƒƒƒƒƒƒƒƒƒƒ‹ƒƒƒƒƒƒƒƒƒƒƒƒ‹ƒƒƒƒƒƒƒƒƒƒƒƒŒ

Numa análise das médias , observa-se que a variedade A produziu mais que as
outras, entretanto, quando na presença do fertilizante 3, a variedade B produziu quase igual
a A (evidencia de interação). Também , houve diferenças grandes entre as médias dos
fertilizantes. A análise da variância , não levando em conta o esquema fatorial, foi a
seguinte:

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 2

 FONTES DF SQ QM F Pr > F

BLOCO 5 335481.18 67096.23 0.94 0.4654

TRAT 8 2552854.21 319106.77 4.47 0.0006
Error 40 2853311.57 71332.78
Total 53 5741646.97

CV= 21.9

Um estudo sobre estes resultados, leva a rejeitar H 0 , que os tratamentos são iguais; em
verdade , esta análise não é necessária e deve-se partir para a análise considerando o
esquema fatorial :

FONTES DF SQ QM F Pr > F

BLOCO 5 335481.18 67096.23 0.94 0.4654

VARIEDADE 2 909949.86 454974.93 6.38 0.0039
FERTILIZANTE 2 491118.74 245559.37 3.44 0.0417
VARIED*FERT 4 1151785.59 287946.39 4.04 0.0077
Error 40 2853311.57 71332.78
Total 53 5741646.97

Os resultados desta análise, levam a seguinte conclusão: há diferenças entre as variedades

(houve efeito de variedades ), há diferenças entre os fertilizantes (houve efeito de
fertilizantes) e houve interação entre variedades e fertilizantes. Como a interação foi
relevante, o próximo passo é tentar explicá-la e para isto usa-se a tabela das médias.
Observa-se que o comportamento das variedades quando foi aplicado o fertilizante 1 é
idêntico ao que ocorreu quando do 2 e ambos diferentes de quando foi aplicado o 3. Para
estudar esta situação, vamos testar alguns contrastes.
No quadro de médias há evidencia de que as variedades respondem diferentemente
a cada fertilizante e vamos aplicar um teste estatístico nesta direção.
FONTE DF SQ QM F Pr > F

VARIEDADE EM FERT=1 2 679034.65 339517.32 4.76 0.0140

VARIEDADE EM FERT=2 2 619825.52 309912.76 4.34 0.0196
VARIEDADE EM FERT=3 2 762875.27 381437.63 5.35 0.0087

Pelo este F acima , rejeitamos a hipótese de que não há diferença entre as

variedades dentro de cada fertilizante; para explicar de onde vem estas diferenças ,
consideremos os seguintes contrastes:

CONTRASTE EstimatIVA Erro t Pr > |t|

Padrão
A x B EM FERT=1 433.37 154.19 2.81 0.0076
C x B EM FERT=1 386.67 154.19 2.51 0.0163

A x B EM FERT=2 452.05 154.19 2.93 0.0056

C x B EM FERT=2 267.12 154.19 1.73 0.0909

A x B EM FERT=3 32.50 154.19 0.21 0.8341

C x B EM FERT=3 -419.55 154.19 -2.72 0.0096

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 3

 Examinando os contrastes concluímos que na ausência de fertilizante (fert=1) e no
fertilizante 2, as variedades A e C forma melhores do que a B ; entretanto, quando foi
aplicado o fertilizante 3, as variedades A e B foram semelhantes e a variedade C foi
melhor do que a B; este último fato é a causa da interação entre variedades e fertilizantes.
Quando não há interação a análise é mais fácil , pois os contrastes entre as
variedades independem dos tipos de fertilizantes e vice-versa.; usamos o teste t , mas
outros testes podem ser aplicados ( como o de Tukey). A análise de experimentos fatorial
com um fator quantitativo será discutida a seguir.
Vamos analisar um experimento fatorial para testar 3 fontes de fósforo , cada fonte
com 3 níveis (3 doses), na produção de uma forrageira (fatorial 3x4); o delineamento foi
em blocos ao acaso com 4 repetições(REG_FAT). Os médias em ton/há estão no quadro
abaixo.
„ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ…ƒƒƒƒƒƒ†
‚ ‚ DOSE ‚ ‚
‚ ‡ƒƒƒƒƒƒ…ƒƒƒƒƒƒ…ƒƒƒƒƒƒ…ƒƒƒƒƒƒ‰ ‚
‚ ‚ 0 ‚ 1 ‚ 2 ‚ 3 ‚MEDIA ‚
‚ ‡ƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒ‰
‚ ‚MSTOT ‚MSTOT ‚MSTOT ‚MSTOT ‚MSTOT ‚
‚ ‚Ton/Ha‚Ton/Ha‚Ton/Ha‚Ton/Ha‚Ton/Ha‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒ‰
‚FONTE ‚ ‚ ‚ ‚ ‚ ‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ‰ ‚ ‚ ‚ ‚ ‚
‚1 ‚ 5.35‚ 10.40‚ 13.49‚ 19.06‚ 12.07‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒ‰
‚2 ‚ 8.22‚ 9.02‚ 11.62‚ 16.81‚ 11.42‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒ‰
‚3 ‚ 6.50‚ 11.37‚ 14.79‚ 18.04‚ 12.68‚
‡ƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒˆƒƒƒƒƒƒ‰
‚MEDIA ‚ 6.69‚ 10.27‚ 13.30‚ 17.97‚ 12.06‚
Šƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒƒ‹ƒƒƒƒƒƒ‹ƒƒƒƒƒƒ‹ƒƒƒƒƒƒ‹ƒƒƒƒƒƒ‹ƒƒƒƒƒƒŒ

Por um exame desta tabela pode-se dizer que as diferenças entre as fontes é
pequena, as diferenças entre as doses é grande e há evidencia de interação entre fontes e
doses O gráfico acima possibilitará um melhor estudo da interação . Os comportamentos
das fontes 1 e 3 são semelhantes e diferentes do da fonte 2; esta é a razão da interação .
A análise da variância forneceu os seguintes resultados:

Fonte DF SQ QM F Pr > F

REP 3 53.29 17.76 6.24 0.0018

FONTE 2 12.68 6.34 2.23 0.1238
DOSE 3 822.47 274.15 96.28 <.0001
FONTE*DOSE 6 45.74 7.62 2.68 0.0315
Error 33 93.97 2.84
Total 47 1028.17

CV= 14%

Como já era esperado, as diferenças entre as doses foram significativas assim como a
interação. As diferenças entre fontes não foram suficientes para rejeitar a hipótese nula. O

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 4

que fazer a seguir? Fazer um estudo dentro de cada fonte mediante os efeitos lineares e
quadrático, definidos a seguir. Vamos ajustar uma reta de regressão às produções de cada
fonte , y ij = β 0 + β 1 xi + eij , tendo como variável independente as doses ; a estimativa
de β 1 é o feito linear da fonte em questão. Os efeitos lineares foram os seguintes:

EFEITO EstimatIVA Erro t Pr > |t|

PADRÃO
LIN EM FONTE=1 4.42 0.37733482 11.72 <.0001
LIN EM FONTE=2 2.83 0.37733482 7.51 <.0001
LIN EM FONTE=3 3.80 0.37733482 10.09 <.0001

Estes resultados significam que a cada aumento unitário na dose , a produção sobe 4.42
ton/há na fonte 1, 2.83 ton/ha na fonte 2 e 3.80 ton/há na fonte 3. Vamos ajustar também
uma equação do segundo grau, y ij = β 0 + β 1 xi + β 2 xi2 + eij ; a estimativa de β 2 é o
efeito quadrático da fonte e esta a seguir.
Parâmetro Estimativa Error t Pr > |t|
padrão
QUAD EM FONTE=1 0.12 0.42 0.30 0.7664
QUAD EM FONTE=2 1.09 0.42 2.60 0.0138
QUAD EM FONTE=3 -0.40 0.42 -0.96 0.3434

A equação completa fica da forma: Se o comportamento da resposta não é uma reta e sim
uma curva (como na fonte 2) , diz-se que há um efeito quadrático ; no caso em questão, ele
foi relevante para a fonte 2(1.09). Para entender o significado do efeito quadrático,

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 5

observamos que no gráfico anterior, há uma curvatura na linha que representa a fonte 2; o
efeito quadrático é uma medida desta curvatura. Se ele for positivo, indica que a partir de
certa dose, a produção vai aumentar em ritmo maior e se for negativo, o contrário. Isto
significa que a curva em questão é uma parábola(equação de segundo grau).
O efeito cúbico significa que a produção em função das doses pode ser
representada por uma equação do terceiro grau (cúbica). É raro acontecer.
CUB EM FONTE=1 0.73960833 0.62889136 1.18 0.2480
CUB EM FONTE=2 0.13143333 0.62889136 0.21 0.8357
CUB EM FONTE=3 0.21322500 0.62889136 0.34 0.7367

Como a análise terminaria? Houve interação, logo para cada fonte tem-se uma equação de
regressão:
Fonte 1: Ŷ = 5.44 + 4.42 P
2
Fonte 2: Ŷ = 8.26 − 0.46 P + 1.09 P

Fonte 3: Ŷ = 6.97 + 3.81 P

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 6

 VII
EXPERIMENTOS FATORIAIS COM CONFUNDIMENTO

7.1 INTRODUÇÃO

Os experimentos fatoriais têm sido freqüentemente utilizados na experimentação devido à

possibilidade do estudo simultâneo de vários fatores e de suas respectivas interações, porém, um
obstáculo é que um número maior de fatores gera um grande número de combinações entre os níveis dos
fatores, implicando num total elevado de parcelas experimentais. É de conhecimento pleno que no
planejamento de experimentos o total de parcelas disponíveis é uma limitação, levando em consideração
os aspectos físico , técnico e econômico; por um lado, está o imperativo de se manter os blocos
homogêneos, possivelmente com um número relativamente pequeno de parcelas; de outra parte, esta a
precisão das estimativas e a abrangência das inferências; finalmente, os gastos com o experimento devem
estar dentro do que é possível.

Um experimento com 4 fatores e 2 níveis(um fatorial 24 ) perfaz 16 tratamentos e se somente

blocos com 8 parcelas estão disponíveis, qual é a solução? Separar os 16 em dois subconjuntos de 8,
aplicá-los em cada um dos dois blocos(casualizar dentro de cada bloco) para formar uma repetição e
seguir o mesmo procedimento nas demais repetições. Mas então o delineamento não é mais em blocos ao
acaso e sim em blocos incompletos, desde que um bloco não contém todos os tratamentos. Esta solução,
entretanto, gera a seguinte pergunta: quais são os subconjuntos de tratamentos que vão ser aplicados em
cada bloco? A resposta esta conectada com uma das características dos blocos incompletos, o
confundimento; embora ele será explicado adiante, confundimento significa perda de informação, logo,
deve-se selecionar os subconjuntos tal que o que se perde não é importante para o pesquisador ou seja ,
o que confundir.

Por outro lado, mesmo o uso de blocos incompletos não é suficiente para viabilizar um fatorial 29 ,
com 512 tratamentos, pois o custo será a alto ou o não será possível um grande número de parcelas; a
solução é realizar o experimento fatorial com parte das combinações ou recorrer aos fatoriais
fracionados. Nesta situação temos que responder a outra pergunta: Qual fração dos tratamentos vai ser
usada no experimento? Nos fatoriais fracionados também ocorre confundimento entre os efeitos que vão
ser estimados e a resposta segue a mesma linha da resposta a pergunta anterior. Confundimento e
fracionamento são duas práticas bastante relacionadas entre si.
7.2 CONFUNDIMENTO

O conceito de bloco, seja uma faixa de terra, um conjunto de animais ou uma amostra de sangue,
encerra o princípio da homogeneidade interna e o tamanho do bloco depende deste princípio e ele vai até
onde a homogeneidade não é comprometida. Quando o tamanho do bloco não for suficiente para conter

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 7

 todas as combinações dos níveis dos fatores deve-se recorrer aos blocos incompletos onde cada bloco
suporta somente uma fração das combinações.
Para explicar o que é confundimento, considere um experimento fatorial com três fatores ,
nitrogênio(N), fósforo(P) e potássio(K) , e dois níveis cada um, zero e um(embora este caso envolva

fatores quantitativos, a discussão é válida para os fatoriais qualitativos), ou seja, um fatorial 23 , com 8
tratamentos . Admitindo que somente é possível blocos com 4 parcelas, são necessários dois blocos
incompletos para cada repetição e a pergunta é: quais são os tratamentos de cada bloco incompleto?
Para facilitar o manuseio dos tratamentos vamos usar a os códigos 0 e 1 para cada nível de cada fator e
assim temos as seguintes combinações, na ordem NPK : 000 001 010 011 100 101 110 111. Suponha
que a escolha tivesse sido a seguinte:
Bloco 1 : 000 001 010 011
Bloco 2 : 100 101 110 111
Observe que no bloco 1 estão todos as combinações em que o nitrogênio tem nível 0 e no bloco 2
aquelas com nível 1; assim a diferença entre os dois blocos tem as seguintes interpretações: 1)É devida
somente ao efeito de bloco. 2)É devida somente ao efeito do nitrogênio. 3)É devida aos dois efeitos,
agindo simultaneamente . Infelizmente , não é possível descobrir qual delas é. Neste caso, afirmamos
que o efeito de nitrogênio(N) esta confund O primeiro problema que surge é escolher quais os
subconjuntos das combinações correspondentes a cada bloco. A idéia que norteia esta escolha é que
certas interações de pouca importância sejam sacrificadas e os efeitos relevantes sejam estimados com
alta precisão, obtida pelo uso de blocos homogêneos.
ido com o efeito de bloco; a consequência é que não se pode estimar o efeito de nitrogênio. Sendo
um efeito principal, isto representa uma grande perda e situações como esta devem ser evitadas.
Vamos considerar um outro planejamento em que as combinações escolhidas para cada bloco foram
as seguintes:
Bloco 1 : 000 011 101 110
Bloco 2 : 001 010 100 111
Neste planejamento, a diferença entre blocos, dentro do que foi explicado acima , esta confundida
com o efeito da tríplice interação NPK. Pela experiência dos pesquisadores , essa interação é muito
pequena e não é de interesse ; ela não pode ser estimada, entretanto , os efeitos importantes não foram
perdidos .Este exemplo ilustra a racionalidade da escolha das combinações de cada bloco em
planejamentos de experimentos fatoriais completos com confundimento : a seleção deve ser aquela tal
que confunde-se com blocos o efeito que não interessa ao pesquisador. Vamos examinar um exemplo que
esta em Cochran e Cox, pa. 189, um experimento com feijão , 4 fatores, cada um com dois níveis; os
fatores são: nitrogênio orgânico(D), nitrogênio mineral(N) , fósforo(P) e potássio (k). Os resultados da
produção por parcela seguem(CONFUN3):

Obs REP BLOCO D N P K Y

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 8

 1 1 1 0 0 1 0 45
2 1 1 0 0 0 1 55
3 1 1 1 0 0 0 53
4 1 1 0 1 1 1 36
5 1 1 1 1 0 1 41
6 1 1 1 1 1 0 48
7 1 1 1 0 1 1 55
8 1 1 0 1 0 0 42
9 1 2 1 0 1 0 50
10 1 2 0 1 0 1 44
11 1 2 1 0 0 1 43
12 1 2 0 0 1 1 51
13 1 2 1 1 1 1 44
14 1 2 0 0 0 0 58
15 1 2 1 1 0 0 41
16 1 2 0 1 1 0 50
17 2 1 0 1 1 1 43
18 2 1 1 0 0 0 42
19 2 1 0 0 1 0 39
20 2 1 1 1 0 1 34
21 2 1 0 1 0 0 47
22 2 1 1 1 1 0 52
23 2 1 0 0 0 1 50
24 2 1 1 0 1 1 44
25 2 2 0 1 0 1 43
26 2 2 1 0 1 0 52
27 2 2 0 0 0 0 57
28 2 2 0 1 1 0 39
29 2 2 0 0 1 1 56
30 2 2 1 0 0 1 52
31 2 2 1 1 1 1 54
32 2 2 1 1 0 0 42

A tabela da análise da variância é a seguinte:

Fontes gl SQ QM F Pr > F

REP 1 3.125 3.125 0.13 0.7251

BLOCO(REP) 2 123.250 61.625 2.54 0.1146
D 1 2.000 2.000 0.08 0.7783
N 1 325.125 325.125 13.40 0.0026(*)
P 1 6.125 6.125 0.25 0.6232
K 1 4.500 4.500 0.19 0.6733
D*N 1 32.000 32.000 1.32 0.2701
D*P 1 242.000 242.000 9.97 0.0070(*)
D*K 1 6.125 6.125 0.25 0.6232
N*P 1 78.125 78.125 3.22 0.0944
N*K 1 32.000 32.000 1.32 0.2701
P*K 1 24.500 24.500 1.01 0.3321
D*N*P 1 2.000 2.000 0.08 0.7783
D*N*K 1 10.125 10.125 0.42 0.5288

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 9

 D*P*K 1 15.125 15.125 0.62 0.4430
N*P*K 1 32.000 32.000 1.32 0.2701
Error 14 339.750 24.268
Total 31 1277.875

Somente dois efeitos foram significativos e uma forma geral de dispor os resultados é por meio da
tabela seguinte(valores arredondados):

Fator Resposta Resposta com

média
D N P K

Não Sim Não Sim Não Sim Não Sim

D -0.5 ---- ----- -2.5 1.5 -6.0 5.0 0.4 -1.4

N -6.4 -8.4 -4.4 ----- ----- -9.5 -3.2 -4.4 -8.4
P 0.9 -4.6 6.4 -2.2 4.0 ----- ----- -0.9 2.6
K -0.8 0.1 -1.6 1.2 -2.8 -2.5 1.0 ...... -----

O erro padrão da resposta média é 1.74 e das diferenças é 2.46.

O confundimento ilustrado pelo exemplo é chamado de confundimento total, porque se o

experimento for repetido r vezes, sempre com o mesmo padrão de confundimento em cada repetição, não
haverá informação sobre a interação NPK. Caso haja interesse na estimação de todos os efeitos, inclusive
da interação tríplice, podemos apelar para o confundimento parcial, onde pode ser obtido um padrão de
confundimento para cada repetição, possibilitando que todos os efeitos sejam estimáveis. Com 6
repetições, pode-se confundir NP , NK e PK em uma repetição e NPK em 3 repetições. O planejamento
seria o seguinte:
REP 1 : confundimento de NP
Bloco 1 000 001 110 111
Bloco 2 010 011 100 101

REP 2 : confundimento de NK
Bloco 3 000 010 101 111
Bloco 4 001 011 100 110

REP 3 :confundimento de PK
Bloco 5 000 011 100 111
Bloco 6 001 010 101 110

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 10

REP 4, 5 e 6: confundimento de NPK
Bloco a 000 011 110 101
Bloco b 010 001 100 111
A tabela da análise de variância é a seguinte:
FV GL
Blocos 11
N 1
P 1
K 1
NP 1
NK 1
PK 1
NPK 1
Erro 29
Total 47

Um exemplo de um experimento fatorial 22 em arroz, com os fatores N e P . Os dados (artificiais) são os

seguintes:
Obs BLOCO N P Y REP

1 1 0 0 10 1
2 1 0 1 20 1
3 2 1 0 21 1
4 2 1 1 30 1
5 3 0 0 17 2
6 3 0 1 11 2
7 4 1 0 22 2
8 4 1 1 35 2
9 5 0 0 15 3
10 5 1 0 23 3
11 6 0 1 30 3
12 6 1 1 41 3
13 7 0 0 18 4
14 7 1 0 25 4
15 8 0 1 25 4
16 8 1 1 29 4
17 9 0 0 13 5
18 9 1 1 29 5
19 10 0 1 35 5
20 10 1 0 40 5
21 11 0 0 12 6
22 11 1 1 31 6
23 12 0 1 30 6
24 12 1 0 37 6

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 11

O confundimento é parcial :1)O efeito de N confundido nas repetições 1 e 2 ; 2)O efeito P p confundido
nas repetições 3 e 4 ; 3)A interação NP esta confundida nas repetições 5 e 6. As médias relevantes foram as
seguintes:
medias P(repetições 1 ,2 ,5 e 6): (P=0)=21.5
(P=1)=27.6

medias N(repetições 3,4,5 e 6): (N-0)=22.3

(N=!)=31.9

médias da interação(repetições 1 ,2 ,3 e 4)

P
N
0 1
0 15.0 21.5

1 22.8 33.8

A análise de variância é a seguinte:

Fontes GL SQ QM F Pr > F

BLOCO 11 750.5416 68.2310 5.01 0.0112

N 1 370.5625 370.5625 27.20 0.0006
P 1 150.0625 150.0625 11.01 0.0090
N*P 1 20.2500 20.2500 1.49 0.2538
Error 9 122.625 13.625
Total 23 1968.958

As estimativas relevantes dos efeitos são as seguintes:

Efeito Estimativa Error t Pr > |t|

EFEITO DE N 9.62 1.84 5.22 0.0006

EFEITO DE P 6.12 1.84 3.32 0.0090
INTERACAO NP 4.50 3.69 1.22 0.2538
O confundimento total exige a seleção de uma interação dispensável, cujo efeito seja quase nulo ou
dispensável pelo pesquisador ; um exemplo freqüente na literatura é o planejamento de experimentos fatoriais

3 3 (NPK , com 3 níveis cada) com três blocos de nove parcelas cada um. Na notação de Yates, um destes
planos, para uma repetição, é o seguinte:
Bloco 1: 000, 110, 220, 101, 211, 021, 202, 012, 122;
Bloco 2: 100, 210, 020, 201, 011, 121, 002, 112, 222;
Bloco 3: 200, 010, 120, 001, 111, 221, 102, 212, 022.
Como a tríplice interação NPK tem oito graus de liberdade, confunde-se duas componentes (dois
graus de liberdade) desta interação com os efeitos de blocos(2 GL), em todas as repetições;
evidentemente, restam ainda 6 GL para NPK. Admitindo duas repetições, a tabela da análise da variância
é a seguinte:

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 12

 FV GL
Blocos 8
N 2
P 2
K 2
NP 4
NK 4
PK 4
NPK 6
Erro 21
Total 53

As considerações até aqui conduzidas sobre confundimento de uma interação com blocos são

válidas para qualquer fatorial do tipo pn , onde p, o número de níveis, é um número primo (ou
potência de primo) e n o número de fatores (chamados fatoriais simétricos). A escolha das combinações
para cada bloco tal que determinada interação seja confundida com blocos, é feita através de um
desenvolvimento matemático, encontrado em alguns livros como o de Cochran e Cox, entretanto, como
orientação, segue um importante resultado de Fisher (1942).

Um fatorial pn ( p primo) pode ser arranjado em pn − b blocos de pb parcelas cada um, sem
confundir efeitos principais e interações de dois fatores se:

(p b − 1)
n ≤
p − 1
Por exemplo, um fatorial 34 pode ser arranjado em 34 − 2 (nove) blocos de 32 (nove) parcelas
desde que:

9 −1
4 ≤ ≡ 4, sem confundir efeitos principais ou interações de dois fatores com os
3 −1
efeitos de blocos.
Pode ocorrer que os níveis dos fatores não sejam iguais; caso eles sejam números primos é possível
confundir algumas interações com blocos. Considere, como exemplo, um fatorial (fatores A , B e C)

3 x 22 em blocos de seis parcelas, como mostra a distribuição abaixo:

Bloco 1: 000, 011, 110, 101, 210, 201;

Bloco 2: 010, 001, 100, 111, 200, 211.
Um grau de liberdade da interação ABC está confundido com blocos. A construção destes
delineamentos é o resultado de um processo artesanal e a análise é mais complicada.

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 13

 O planejamento de experimentos fatoriais com confundimento, sejam simétricos ou assimétricos,
pode ser obtido em livros como o de Cochran e Cox, Kempthorne, etc., ou por computador, mediante um
aplicativo como o SAS . Mas sempre o pesquisador vai decidir o que confundir.

7.3 FRACIONAMENTO

Em experimentos fatoriais com um elevado número de fatores, a experiência tem indicado que as
interações de alta ordem são usualmente de reduzida importância. Na análise da variância, uma interação
deste tipo terá um quadrado médio aproximadamente igual ao quadrado médio do erro. Sendo assim, estas

interações podem ser, em conjunto, utilizadas como uma estimativa do erro. Por exemplo, um fatorial 26
tem 22 graus de liberdade para as interações de 4, 5 e 6 fatores; em uma única repetição de 64 parcelas,
estas interações podem ser isoladas e seus quadrados médios tomam o lugar do erro, viabilizando a análise de
variância do experimento. A análise da variância , se o delineamento fosse inteiramente casualizado, ficaria
assim:
Fontes GL
Efeitos principais 6

Interações de 2a ordem 15

Interações de 3a ordem 20
Outras Interações (Erro) 22
Total 63
Esta análise baseia-se no seguinte fato: qualquer fonte de variação da ANOVA, sob hipótese nula, é um
estimador do erro.

O uso de uma repetição, entretanto, não é a única solução para um experimento fatorial com muitos

fatores; por exemplo , um fatorial 210 tem 1024 tratamentos e se interesse está somente nos efeitos
principais e interações de segunda ordem, necessitamos apenas de 55 graus de liberdade (10 para os efeitos
principais e 45 para as interações) ; admitindo 30 gl para o erro, precisamos de 86 observações para obter o
desejado. A pergunta é: existe uma fração dos tratamentos tal que isto seja possível? de a seleção cuidadosa
de uma fração das combinações pode viabilizar o experimento. O fracionamento em experimentos fatoriais
funciona da seguinte forma. Define-se quais os efeitos que são importantes (principais e interações) que
devem ser estimados e quais aqueles que são praticamente nulos; suponha que (q-1) graus de liberdade (gl)
são correspondentes aos efeitos que vão ser estimados; seleciona-se então, no mínimo, as q combinações entre
os níveis dos fatores que vão permitir a estimação. Com certeza q é bem menor do que 26. A conseqüência do
fracionamento é que um efeito importante estará confundido com outro efeito; o cerne do problema é
selecionar uma fração que possibilite a estimação dos efeitos importantes e estes estejam confundidos com os

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 14

efeitos praticamente nulos. Definir ambos os efeitos é responsabilidade do pesquisador, enquanto que o
estatístico é responsável pela seleção da fração adequada.
Como ilustração, considere um fatorial 2³ com as seguintes combinações: (1), a, b, c, ab, ac, bc, abc;
se a bração (1), a, ab e abc for usada, então q = 4 e os efeitos principais de A, B e C (3 gl) somente serão
estimados se as interações de 2 e 3 fatores forem nulas (AB, AC, BC e ABC). Num fatorial 24, a fração (1),
ab, ac, bc, ad, bd, cd, abcd permite a estimação dos efeitos que devem ser estimados, dos efeitos que podem
ser considerados nulos e da seleção correta da fração. Esta última é baseada nas duas primeiras e depende de
procedimentos matemáticos. Entretanto, como orientação, existe o seguinte resultado devido a Fisher (1942,
1945):

1
Uma fração de um fatorial pn (onde p é primo), requerendo pr combinações, com a
n−r
p
restrição de que nenhum efeito principal seja confundido com outro que é:

pr − 1
n ≤
p − 1
Por exemplo, se p = 3, n = 4 e r = 2 então:

(3 2 − 1) 1
4 ≤ = 4 , e assim existe uma fração de 2 de um fatorial 34 tal que nenhum
(3 − 1) 3
efeito principal esteja confundido com outro.

LUCIO JOSE VIVALDI. DEL E ANÁLISE DE EXPERIMENTOS. EST-UnB, 2009 15