1- Experimentos com Um Fator: A Anlise de Varincia

Fator uma varivel independente em estudo, por exemplo, solventes, aditivos. Estes
fatores geralmente envolvem diversos nveis. A ANOVA utilizada para verificar se
existem diferenas significativas entre os nveis dos fatores (tratamentos). Aqui
assume-se que o delineamento completamente casualizado. Estes experimentos s
podem ser realizados quando as unidades experimentais so homogneas. Por
exemplo, 12 leites da mesma raa, mesmo sexo, mesma idade e com pesos iniciais
prximos.

1.1 Um exemplo. Uma bioqumica (Tecnologia de Alimentos) est interessada em

estudar a extrao de pigmentos naturais, com aplicao como corante em alimentos.
Numa primeira etapa tem-se a necessidade de escolher o melhor solvente extrator.
A escolha do(s) melhor(es) solventes foi realizada atravs da medida da absorbncia
de um pigmento natural do fruto de bagua.
Fator = solventes; a=5 nveis; n=5 repeties.
1

Unidade experimental: 10 gramas de polpa do fruto de bagua.

Casualizao: a partir de 1 kg de polpa, foram sendo retiradas amostras de 10gr,
onde foram aplicados os tratamentos, numa ordem aleatria.
As observaes obtidas de absorbncia so mostradas na tabela 1.1
Tabela 1.1 Dados de absorbncia de cada um dos solventes

Solventes
E50
EAW
MAW
E70
M1M

1
0,5553
0,5436
0,4748
0,6286
0,1651

Observaes
2
3
4
0,5623 0,5585 0,5096
0,5660 0,5860 0,5731
0,4321 0,4309 0,5010
0,6143 0,5826 0,7498
0,1840 0,2144 0,2249

5
0,5110
0,5656
0,4094
0,6060
0,1954

Total Mdia Desvio

Padro
2,6967 0,5393 0,0266
2,8343 0,5669 0,0154
2,2482 0,4496 0,0372
3,1813 0,6363 0,0656
0,9838 0,1968 0,0238
2

Desenho esquemtico para absorbncia de cada solvente

Box Plot

0,8

0,7

Absorbncia

0,6

0,5

Existe uma forte suspeita de

que o tipo de solvente esteja
afetando a absorbncia.
Distribuies assimtricas.
Valor discrepante.

0,4

0,3

0,2

0,1

E50

EAW

MAW

E70

M1M

Solventes

1-2 A Anlise de Varincia

Objetivo: testar se existe diferenas nas mdias de absorbncia para os a=5 tipos
(nveis) de solventes.
Tabela 1-2 Dados gerais de um experimento com um nico fator
Tratamentos
Observaes
Totais Mdias
(nveis)
1

y11

y12

y1n

y1.

y1

y21

y22

y2n

y2.

y2

.
.

.
.

.
.

.
.

.
.

.
.

.
.

.
.

.
.

ya1

ya2

yan

ya.

ya

Modelo estatstico (one-way):

y ij i

i=1,2,...,a
ij

j=1,2,...,n

yij= a ij-sima observao;

uma constante para todas as observaes (mdia geral);
i o efeito do i-simo tratamento;
ij o erro aleatrio(erros de medida, fatores no controlveis,
diferenas entre as unidades experimentais, etc.).

Pressuposies: 1) os erros aleatrios so independentes;

2) os erros aleatrios so normalmente distribudos;
3) os erros aleatrios tem mdia 0 (zero) e varincia 2;
4) a varincia, 2, deve ser constante para todos os nveis do fator.
5) as observaes so adequadamente descritas pelo modelo
Ou, ento:

yij ~ N ( i ; 2 ) e independentes

Duas situaes: 1) modelo de efeito fixo (nveis selecionados pelo pesquisador);

2) modelo de efeito aleatrio (amostra aleatria). Neste caso, vamos
estimar e testar hipteses sobre a variabilidade de i

1-3 Anlise de Varincia do Modelo de Efeito Fixo

Hipteses: H0: 1= 2=...= a
Ha: i j para pelo menos um par (i,j)
1-3.1 Decomposio da soma de quadrados total

y
a

i 1 j1

ij y.. n y i. y.. y ij y i.
2

Corrigida para a mdia

i 1

i 1 j1

SST = SSTratamentos + SSE

Graus de liberdade:
SST tem an-1 graus de liberdade; SSTratamentos tem a-1 g.l. e SSerro tem a(n-1) g.l.
Quadrados mdios:

QMTrat

QMErro

SQTratamen tos
a 1

SQErro
a(n -1)

Esperanas dos quadrados mdios:

E(QMErro) = 2
a

E(QMTratamentos) 2
Teste de hiptese:

n
i 1

2
i

a 1

QMTtratamentos
F
QMErro
7

1-3.2 Anlise Estatstica

F0 = QMTratamentos / QMErro
Critrio para rejeio de H0: F0 > F,a-1,N-a . Pode-se usar o nvel descritivo (em
ingls: p-value: o menor valor de para o qual rejeitamos a hiptese nula.
Exemplo: para =5%, assim, se o nvel descritivo < do que 0,05 rejeitar H0,
caso contrrio, aceitar H0.
Frmulas para o clculo das somas de quadrados:
a

SST y
i 1 j1

SSTratamentos 1

2
ij

y..2

2
y
i.

n i 1

y..2

SSErro SST SSTratamentos

8

Tabela da anlise de varincia de um experimento com um fator.

Causas de
Soma de
Graus de Quadrados
F0
variao
quadrados liberdade mdios
Entre
tratamentos

SSTratamentos

a-1

QMTratamentos QMTratamentos
QMErro

Erro (dentro SSErro

de trata/os)

N-a

QMErro

Total

N-1

SST

Valor p

N=an

Exemplo 1-1. O experimento de absorbncia

Tabela da anlise de varincia dos valores de absorbncia.
Causas de
Soma de
Graus de Quadrados
F0
variao
quadrados liberdade mdios
Entre
solventes

0,5831

0,1458

Erro

0,0288

20

0,0014

Total

0,6119

24

F.05;4;20=2,87

F,01;4;20=4,43

101,1087
(P<0,0001)

Coeficiente de variao (CV)= 7,95%

CV

QMErro
Mdia

.100

Rejeita-se H0, e conclumos que as mdias de tratamentos diferem entre si; os solventes afetam significativamente as mdias de absorbncia.
10

1-3.3 Estimao dos parmetros do modelo

Estimativas da mdia geral e dos efeitos dos tratamentos:

y..
i y i. y..
Estimativa pontual de i: dado i= + i, temos:

i i y i.
Um intervalo de confiana para i dado por:

y i. t /2, N a QM Erro /n

11

Intervalo de confiana para a diferena entre qualquer duas mdias i-j:

y i. y j. t/2, N a 2QM Erro /n

Exemplo 1-3. Dados de absorbncia
0,4778
1 0,5393 0,4778 0,0615
2 0,5669 0,4778 0,0891

E50
EAW

3 0,4496 0,4778 0,0282 MAW

4 0,6363 0,4778 0,1585 E70
5 0,1968 0,4778 0,2810 M1M

0,6363 2,086 (0,0014) / 5

0,6014 4 0,6712
12

(0,4496 0,6363) 2,086 2(0,0014)/5

0,2361 3 4 0,1373
(0,5393 0,5669) 2,086 2(0,0014)/5
0,0770 1 2 0,0218
Critrio de rejeio de H0:i.-j..=0. Se o intervalo de confiana contm o
valor da hiptese nula no se rejeita a hiptese de nulidade, cc rejeita-se a
hiptese.
1-3.4 Dados desbalanceados: o nmero de observaes dentro de cada
tratamento diferente. Nesse caso, as SQTotal e SQTratamentos so dadas por:
a

ni

SQ Total y ij2 y..2 /N

i 1 j1

SQ Tratamentos

y i.2 y..2

N
i 1 n i
a

13

1-4 Diagnstico do Modelo

Verificar se as pressuposies bsicas do modelo so vlidas. Isso
realizado atravs de uma anlise de resduos. Define-se o resduo da ijsima observao como:

eij yij yij

onde y ij i yi. valores preditos pelo modelo.

1-4.1 A suposio de normalidade
Vamos usar o grfico normal de probabilidades: sob normalidade
dos erros este grfico deve apresentar uma forma de reta.

14

Alguns valores negativos dos resduos(mais

extremos) deveriam ser maiores; alguns
valores positivos dos resduos deveriam ser
menores, com exceo do ltimo valor que
deveria ser maior.
Contudo este grfico no grosseiramente
no normal.
Existe um resduo que muito maior que os
demais, este valor denominado outlier.
um problema srio. Deve-se fazer uma
investigao sobre esse valor (erro de
clculo, digitao, algum fato
experimental). S eliminar um outlier se
tiver uma justificativa no estatstica, caso
contrrio, fazer duas anlises: uma com e
outra sem o outlier. Usar mtodos no
paramtricos. Transformao.
Outlier: dij=eij/RQ(QMErro). Se algum
resduo padronizado for maior do que 3 ou
4 ele um outlier.
Obs. RQ=raz quadrada.

15

1-4.2 Grfico de resduos no tempo

Para verificar se existe correlao entre os resduos. Uma tendncia de ter resduos positivos e
negativos indica uma correlao positiva. Isto implica que a suposio de independncia dos erros
foi violada. Isto um problema srio, e at difcil de resolver. Se possvel evitar este problema. A
casualizao adequada pode garantir a independncia.
0.10
R
E
S

0.05

I
D
U

0.00

O
-.05
5

10

15

20

25

OBS
16

1-4.3 Grfico dos resduos versos valores preditos

0.10
R
E
S

0.05

I
D
U

0.00

O
-.05
0.2

0.4
PREDITO

0.6

A distribuio dos pontos aleatria. til para verificar se as varincias so heterogneas (forma de
megafone). Devido a presena de 1 outlier as varincias no so homogneas. Na presena de
heterogeneidade de varincias usual aplicar uma transformao nos dados. Pode-se usar os testes noparamtricos. A heterogeneidade de varincia tambm ocorre nos casos de distribuies assimtricas, pois a 17
varincia tende a ser funo da mdia.

As concluses so realizadas para os dados transformados.

Poisson: y*=y ou y*=1+y; dados de contagens
Log normal: y*=log y; somente valores positivos, varivel contnua com assimetria.
Binomial: y*=arco seno y. dados de porcentagens

Teste de Bartlett para igualdade de varincias

H 0 : 12 22 ... a2
H1 : i2 2j

q
2,3026
c
a
2
q (N a)log10Sp (ni 1)log10 Si2
2
0

O teste estatstico dado por:

Onde:

i j

i1

c 1
3(a 1)

ni 1 1 N a
i1

Sp2

(ni 1)Si2
i1

Na

18

Si2 a varincia amostral do i-simo tratamento.

Rejeita-se H0 quando

02 ;2 a -1 , onde ;2 a -1 o valor de tabela

Exemplo 1-4 Varincias

: s12 0,0007092; s22 0,0002372; s32 0,0013873;

s42 0,0043068; s52 0,0005675

S p2 0,001442
q (20)(-2,84 10) - (-12,5969 - 14,4995 - 11,4313 - 9,4634 - 12,9841)
q 56,82 60,9752 4,1552
1 5 1

1,10
12 4 20
4,1552
02 2,3026
8,698
1,10

c 1

2
0,05;4
9,488

Conclui-se que as 5 varincias so iguais.

19

Teste de Levene
1) Calcular os resduos da anlise de varincia;
2) Fazer uma anlise de varincia dos valores absolutos desses resduos;
3) Se as varincias so homogneas, o resultado do teste F ser no significativo.
Exemplo: dados de absorbncia.
QMTratamentos

QMErro

Nvel descritivo

0,000894

0,000447

1,9989

0,1335

Aceita-se as hipteses de que as varincias so homogneas

20

1-4.4 Escolha da transformao para estabilizar a varincia

Escolha emprica da transformao
Em muitos experimentos onde h repeties, podemos estimar o parmetro
atravs da equao de regresso:

log yi log log yi

Como e so desconhecidos, usamos as suas estimativas s e y(barra), esta a
mdia da amostra.

21

Exemplo 1-5 (Arquivo: plasma.sas)

Um pesquisador est interessado em estudar a influncia das idades de crianas
doentes no nvel de plasma, foram testadas 5 idades distintas, ou sejam, ID1= 0
ano, ID2=1 ano, ID3=2 anos, ID4=3 anos e ID5=4 anos. Os resultados de nvel de
plasma foram:

Idade
0
1
2
3
4

Causas de
variao
Idades
Resduo

Observaes
13,44
10,11
9,83
7,94
4,86

12,84
11,38
9,00
6,01
5,10

S.Q.
260,81
55,23

11,91
10,28
8,65
5,14
5,67

G.L.
4
20

20,09
8,96
7,85
6,90
5,75

Q.M.
65,20
2,76

Mdia
15,60
8,59
8,88
6,77
6,23

F
23,61

14,78
9,86
8,84
6,55
5,52

Desvio
padro
3,27
1,12
0,71
1,05
0,55

Nvel
descritivo
<0,0001

22

O teste F da ANAVA indica que as 5 mdias de nveis de plasma diferem

significativamente entre si. O grfico dos resduos indica heterogeneidade de varincias.

E
S

I
D
U

O
-2
6

10
PREDITO

12

14

23

Para estudar a possibilidade de uma transformao nos dados, plotamos log do desvio padro
versus log da mdia. A equao de uma regresso linear simples para os dados dada por:

logdesvio 1,4247 1,5608 * logmedia erro

24

Como o coeficiente angular prximo de 1,5 e, de acordo com a tabela, podemos

usar a transformao INVERSO DA RAZ QUADRADA.
Causas de S.Q.
variao
Idade
0,0818
Resduo 0,0108

G.L

Q.M.
4
19

0,0205
0,0006

Nvel
descritivo
36,06
<0,0001

25

Transformao: logartmica (base 10).

Causas de
variao
Idade
Resduo

S.Q.
0,5385
0,0743

G.L

Q.M.
4
20

0,1346
0,0037

Nvel
descritivo
36,23
<0,0001

26

1-4.5 Grfico dos resduos versus outras variveis

Se a distribuio dos pontos no grfico mostrar algum padro (tendncia, isto ,
se os pontos no esto distribudos aleatoriamente no grfico) a varivel afeta a resposta,
assim, esta varivel deve ser melhor controlada ou includa na anlise.

27

28

1-5 Interpretando os resultados

1-5.1 Modelo de Regresso

Fator quantitativo: interesse em encontrar uma equao de regresso que leva em
conta toda a faixa de valores anlise de regresso
Exemplo: produo de milho em kg/parcela.

Doses de
fsforo
0 kg/ha
25 kg/ha
50 kg/ha
75 kg/ha
100 kg/ha

Observaes
2,38
6,15
9,07
9,55
9,14

6,77
8,78
8,73
8,95
10,17

3,50
8,99
6,92
10,24
9,75

Totais
5,94
9,10
8,48
8,66
9,50

18,59
33,02
33,20
37,40
38,56

Mdias Desvio Padro

4,65
8,26
8,30
9,35
9,64

2,05
1,40
0,95
0,69
0,40

29

Diagrama de disperso para os dados de produo de milho

11

Produo em kg/parcela

Os traos no grfico representam os

valores mdios para cada uma das
doses.
Pelo grfico de disperso, verifica-se
claramente que a relao no linear.
Podemos ajustar um polinmio de 20
grau para representar este
relacionamento, isto ,

-20

20

40

60

80

100

120

y 0 1x 2 x 2

Doses de fsforo

Onde 0, 1 e 2 so parmetros
desconhecidos e que devem ser estimados e
o erro aleatrio. Para o exemplo a equao
ajustada dada por:

y 5,0182 0,1087x 0,0006x 2

R2=66,9%66,9 % da variabilidade dos dados
explicada pelo modelo quadrtico.

30

- Estimar a produo mdia de milho para

doses dentro da regio de experimentao;
-Otimizao.
Estimao: X=90 =9,58

8,6Y10,5

y 5,0182 0,1087 (90 ) 0,0006 (90 ) 2 9,58

Otimizao:

' y
0,1087 0,0006 x 0 x 90,58
'
x
'' y
0,0006 ( Ponto de mximo)
''
x

31

1-5.2 Comparaes entre mdias de tratamentos

(Fatores qualitativos)
Quando o teste F da anlise de varincia for significativo, indica que existe diferenas entre as
mdias de tratamentos. Entre quais mdias ou grupos?

1-5.3 Contrastes
Desejamos verificar se a mdias dos solventes E50, EAW e E70 no diferem da mdia dos
solventes MAW e MM. Esta hiptese escrita como:

H0 : 21 22 24 33 35
H1 : 21 2 2 2 4 3 3 3 5
Temos o contraste:

2y1. 2y2. 2y4. 3y3. 3y5.

A soma de quadrados dada por:

Com 1 grau de liberdade
(sempre).

SQ c

i 1

ci yi.

c
i 1

n c i2
i 1

32

Se o delineamento desbalanceado ento:

SQ c

i 1

ci y i.

n i ci2
i 1

TESTE: SQc/QMErro. Vamos obter uma estatstica F com

1 e N-a graus de liberdade.

1-5.4 Contrastes Ortogonais

Dois contrastes com coeficientes ci e di so ortogonais se:
a

i 1

i 1

ci d i 0 ou n i ci d i (desbalanceado)
Exemplo: vamos considerar um
experimento com 3 tratamentos
(a=3), sendo um deles o controle.

y1 2y1. y 2. y 3.
y2

y 2. y 3.

ortogonais
33

Os contrastes devem ser escolhidos antes de realizar o experimento.

Para a tratamentos podemos ter a-1 contrastes ortogonais; podemos ter vrios conjuntos
de a-1 contrastes ortogonais.
Exemplo: dados de absorbncia. Temos 5 mdias de
tratamentos e, portanto, 4 g.l. 4 contrastes ortogonais.
Hipteses:

Contrastes

H 0 : 2 1 2 2 2 4 3 3 3 5

C1=2y1.+2y2.-3y3.+2y4.-3y5.
C2= y1.+ y2.
-2y4.
C3= y1.- y2.
C4=
y3.
-y5.

H 0 : 1 2 2 4
H 0 : 1 2
H 0 : 3 5
C1=7,7286; C2=-0,8316; C3=-0,1376; C4=1,2644
SQC1=0,3982; SQC2=0,0231; SQC3=0,0019; SQC4=0,1599

34

Variaes
Soma de
GL Quadrado
F
no modelo Quadrados
Mdio
Solventes
0,5832
4
0,1458 101,11
Contrastes
C1
(0,3982)
1
276,23
C2
(0,0231)
1
15,99
C3
(0,0019)
1
1,31
C4
(0,1599)
1
110,90
Erro
0,0280
20
0,0014
Total
0,6112
24

P<0,0001
P<0,0001
P<0,0007
P<0,2653
P<0,0001

35

1-5.5 Mtodo de Scheff para comparao de contrastes

1 - No sabe a priori quais contrastes comparar
2 - Deseja comparar mais do que a-1 contrastes
Considere m contrastes de mdias:

u c1u 1 c 2u 2 ... c au a u 1,2,..., m

A estimativa do contraste dado por:

C u c1u x1 c 2u x 2 ... c au x a u 1,2,..., m

O erro padro do contraste dado por:
a

SC u QM Erro c iu2 /n i
i 1

36

Critrio do teste: o valor com o qual Cu deve ser comparado dado por:

S, u SC u (a 1)F; a 1, N a
Se |Cu S,u|, ento rejeita-se a hiptese de que o contraste u igual a zero.
Exemplo 1-1. Dados de absorbncia. Considere os 2 contrastes de interesse

1 2 1 2 2 3 3 2 4 3 5

2 1 2 2 4
As estimativas desses contrastes so:

C1 2y1 2y 2 3y 3 2y 4 3y 5
2(0,5393) 2(0,5669) 3(0,4496) 2(0,6363) 3(0,1968)
1,5458
37

C 2 y1 y 2 2y 4
0,5393 0,5669 2(0,6363)
0,1664
Erros padres dos contrastes:

SC1 0,0014(4 4 9 4 9)/5 0,0917

SC 2 0,0014(1 1 4)/5 0,0410
Os valores crticos so dados por:

S0,01;1 0,0917 4(4,43) 0,3860

S0,01;2 0,0410 4(4,43) 0,1726
Como |C1| S0,01;1 conclui-se que o contraste C1 diferente de zero, isto , os tratamentos E50,
EAW e E70 em mdia diferem dos tratamentos MAW e M1M. Como |C2| S0,01;2 conclui-se
que o contraste C2 igual a zero, portanto, os tratamentos E50 e EAW, em mdia, no diferem
do tratamento E70.
38

1-5.6 Comparaes entre Pares de Mdias

Hiptese:

H 0 : i j para todos os i, j.

Nmero de comparaes: a(a-1)/2.

Devem ser realizadas aps o teste F da anlise de varincia rejeitar a hiptese nula
Mtodo da Diferena Mnima Significativa (LSD)
A estatstica a ser utilizada dada por:

t0

yi y j
1
1

QMErro

i nj

Para um teste bilateral, o par de mdias, i e j, significativamente diferente se:

y i y j t / 2;N a QMErro(1 n i 1 n j )
39

Critrio do teste: se

y i y j LSD

conclumos que o par de mdias i e j, diferem

significativamente.

Exemplo: dados de absorbncia. Para =0,05, o valor da LSD :

LSD t 0,025;20 2(QMErro)/n 2,086 2(0,0014) / 5 0,0494

y1 y 2 0,5393 0,5669 0,0276
y1 y 3 0,0897
y1 y 4 0,0970
y1 y 5 0,3425
y 2 y 3 0,1173
y 2 y 4 0,0694
y 2 y 5 0,3701
y 3 y 4 0,1867
y 3 y 5 0,2528
y 4 y 5 0,4395
*

diferena significativa para =5%.

40

Teste de Tukey
Duas mdias so diferentes significativamente se a diferena das mdias amostrais
(em valor absoluto) for superior a DMS (Diferena Mnima Significativa):

DMS

q
2

1
1

ri r j

Onde q um apropriado nvel de confiana superior da amplitude studentizada para k

mdias (tratamentos) e f graus de liberdade associados a estimativa s2 de 2 (QMErro).
Exemplo: dados de absorbncia. O valor da Diferena Mnima Significativa :

DMS q0 , 05 ( 5; 20 )

QMErro
2

0,0014
1 1

4,23
ni n j
2

2
0,0708
5

Concluso: pelo teste de Tukey, ao nvel de significncia de 5%, as mdias dos

tratamentos E50 e EAW, assim como as mdias dos tratamentos EAW e E70 no
apresentam diferenas significativas. As mdias dos tratamentos E50 e E70 apresentam
diferena significativa.
41

Teste de Dunnett: comparao com um controle

Interesse comparar cada uma das a-1 mdias com a mdia do tratamento controle,
assim temos a-1 comparaes. Deseja-se testar a hiptese:

H 0 : i a H 1 : i a para i 1,2,..., a - 1
Onde a a mdia do tratamento controle.
A hiptese de nulidade rejeitada, ao nvel de significncia , se

1
1
yi . y a . d (a 1, f ) QMErro

ni n a
Exemplo: dados de absorbncia. Considere o tratamento MM como sendo o controle. Neste
exemplo, a=5, a-1=4 e f=20 e ni=na=5. Para =5%, da tabela (valores crticos do teste de
Dunnett) obtemos d0,05(4;20)=2,65. Assim, o valor crtico dado por:

2,65 (0,00144)

2
0,0636
5
42

y1 y 5 0,3425
y 2 y 5 0,3701
y 3 y 5 0,2528
y 4 y 5 0,4395
Concluso: todas as mdias diferem significativamente da mdia do tratamento controle.
Qual teste usar?
O LSD eficiente para detectar diferenas verdadeiras nas mdias se ele for aplicado apenas
depois do teste F da ANOVA se significativo a 5%. Idem para o Duncan. Estes mtodos no
contm o erro tipo I (erro geral ou experimentwise error). Como o Tukey controla este erro
ele o preferido pelos estatsticos. O SNK mais conservador do que o Duncan.

43

1-6 Modelo de Efeito Aleatrio

Se o pesquisador seleciona aleatoriamente a nveis de um fator de uma populao de
nveis desse fator, ento o fator dito aleatrio. A inferncia feita para toda a
populao de nveis.

Exemplo: uma pesquisadora estudou o contedo de sdio em cervejas selecionando

aleatoriamente 6 marcas de um grande nmero de marcas dos EUA e do Canad. Ela,
ento, escolheu 8 garrafas de cada marca aleatoriamente de supermercados e mediu a
quantidade de sdio (em miligramas) de cada garrafa.

44

Marcas
1
2
3
4
5
6

1
24.4
10.2
19.2
17.4
13.4
21.3

2
22.6
12.1
19.4
18.1
15.0
20.2

3
23.8
10.3
19.8
16.7
14.1
20.7

Garrafas
4
5
22.0 24.5
10.2
9.9
19.0 19.6
18.3 17.6
13.1 14.9
20.8 20.1

6
22.3
11.2
18.3
17.5
15.0
18.8

7
25.0
12.0
20.0
18.0
13.4
21.1

8
24.5
9.5
19.4
16.4
14.8
20.3

23.8

O modelo estatstico:

y ij i ij , para i 1,..., a e j 1,..., n

i o efeito do i-simo tratamento e assume-se que seja NID(0,2)

ij o erro aleatrio e assume-se que sejam NID(0, 2)
i e ij so independentes
Testar hipteses sobre os efeitos dos tratamentos no faz sentido, assim, vamos
testar as hipteses sobre a varincia dos tratamentos.

H 0 : 2 0

H 1 : 2 0
45

Se 2=0, ento todos os tratamentos so idnticos; mas se 2>0 a variabilidade entre

tratamentos significativa.
Quando temos um modelo de efeitos aleatrios o interesse est em estimarmos os componentes de
varincias: 2 e 2. Prova-se que:

E(QMTratamentos) 2 n 2
E(QMErro) 2
Portanto,

QMTratamentos 2 n 2
QMErro 2
assim,
2
QMErro

2 (QMTratamentos QMErro)/n

46

Exemplo: Dados de sdio. Os resultados da anlise de varincia so mostrados

na tabela abaixo - Arquivo: conteudodesoddiocervejas.sas

Variaes
S.Q.
no modelo
Marcas
854,529
Erro
30,070
Total
884,599
Concluso: rejeita-se H0:

G.L.
5
42
47

Q.M.
170,906
0,716

Nvel
descritivo
238,71 P<0,0001

2 0

Os componentes de varincia so estimados por:

2 0,716
2 ( 170 ,906 0,716 )/ 8 21,2738
Um uso importante: isolar diferentes fontes de variabilidade que afetam um produto
ou um sistema. Identificar fatores com maior variabilidade (Exemplo: Lotes,
amostras e rplicas).
47

2- Mais Sobre Experimentos com Um Fator

2-1 Escolha do Tamanho da Amostra
2-1.1 Curvas Caractersticas de Operao
Curva caracterstica de operao: um grfico em que no eixo das ordenadas temos a
probabilidade de erro tipo II (aceitar a hiptese de nulidade quando na verdade deveramos ter
rejeitado) e no eixo das abcissas temos a preciso desejada pelo pesquisador.
Probabilidade de erro tipo II para o modelo de efeito fixo e igual tamanho de amostra por
tratamento.

1 P Rejeitar H 0 | H 0 falsa

1 P F0 F; a 1;Na | H 0 falsa
As CCO dadas no baco V (Apndice), so usadas para avaliar o valor de . Essas
CCO so um grfico de (ordenadas) versus (abcissas), onde:
a

2
i

i 1

a 2

48

O clculo de apresenta algumas dificuldades prticas:

1) i i onde 1 a i1 i
a

2) necessita-se de uma estimativa de 2 (experincia, um

experimento piloto, bibliografia)
Exemplo: dados de absorbncia. Suponha que a pesquisadora deseja rejeitar a hiptese nula
com pelo menos 90% de probabilidade(1-=90%) se as 5 mdias dos trat/os so:

1 0,6 2 0,7 3 0,3 4 0,8 5 0,2

Ela deseja usar =0,05, e neste caso a mdia geral vale 0,52.

1 1 0,60 0,52 0,08

Assim,

2 0,70 0,52 0,18

3 0,30 0,52 0,22

4 0,80 0,52 0,28

5 0,20 0,52 0,32

i1 i 0,268
a

De um ensaio preliminar encontramos 2=0,06.

49

Temos:

n 0,268
0,893n
5(0,06)

CCO para a-1=5-1=4, N-a=a(n-1) e =0,05

n
a(n-1)
2

4
3,37
1,89
15
0,15
5
4,47
2,11
20
0,07

(1-)
0,85
0,93

Assim, a pesquisadora deve utilizar n=5 repeties para realizar o teste com o poder
desejado.
Alternativa: selecionar um tamanho de amostra tal que, se a diferena entre qualquer duas
mdias exceder um valor especificado, a hiptese de nulidade deve ser rejeitada. Seja D este
valor (preciso), ento:
2
nD
2
2a 2

Exemplo: dados de absorbncia: suponha que a pesquisadora deseja rejeitar a hiptese de

nulidade com probabilidade igual a 0,90 (Poder do teste (1-)) se a diferena entre
qualquer duas mdias for igual a 0,30. Considere uma estimativa para 2=0,015.

50

2
n
(
0
,
3
)
2
0,60n
2(5)(0,015)

CCO para (a-1)=(5-1)=4 e a(n-1) g.l. e =0,05

n
a(n-1)
2

5
3,0
1,73
20
0,15
6
3,6
1,90
25
0,12
7
4,2
2,05
30
0,07

(1-)
0,85
0,88
0,93

Conclui-se que n=7 repeties devem ser usadas para ter a preciso e confiana desejadas.
Modelo de efeitos aleatrios: a probabilidade de erro tipo II para esse caso :

1 P Rejeitar H 0 | H 0 falsa
1 P(F0 F; a-1;N-a | 2 0)
As CCO (baco VI, Apndice) so grficos onde na ordenada temos a probabilidade de erro
tipo II e na a abcissa temos , onde dado por:

n 2
1
2

51

2 : quanto da variabilidade na populao dos tratamentos deseja-se detectar;

2 : pode ser obtido atravs de algum experimento ou experincia anterior, bibliografia.
Exemplo: contedo de sdio. O pesquisador deseja rejeitar a hiptese de nulidade com 99%
de probabilidade se 2 =10. De um experimento anterior sabe-se que 2 =1,0.

n(10)

1 n(10)

CCO com (a-1)=(6-1)=5 e N-a=42 e =0,01

n
a(n-1)
(1-)

3
5,6
12
0,027
0,973
4
6,4
18
0,015
0,985
5
7,1
24
0,000
1,000
Mtodo do Intervalo de Confiana
Assume-se que o pesquisador deseja expressar os resultados em termos de intervalos de
confiana dos efeitos dos tratamentos. Especifica priori a amplitude dos mesmos.
52

A semi-amplitude do intervalo de confiana (preciso que o pesquisador deseja, isto , a

diferena entre a mdia obtida no experimento e a mdia verdadeira) ) dada por:

t/2; Na

2(QMErro)
n

Exemplo: dados de absorbncia: o pesquisador deseja construir com confiana de 95%,

um intervalo com semi-amplitude de 0,15. Considere 2=0,015.
Para n=5 repeties, a semi-amplitude do intervalo de confiana dada por:

2,086 2(0,015) / 5 0,162

O qual apresenta uma preciso menor do que a desejada, portanto, vamos aumentar o
tamanho da amostra. Para n=6 repeties, temos:

2,060 2(0,015) / 6 0,15

Para n=6 repeties encontramos a preciso desejada.

53

2-2 Encontrando efeitos de disperso

O interesse descobrir se os diferentes nveis do fator afetam a variabilidade efeitos
de disperso. Neste caso, a varivel resposta a ser utilizada ser a varincia, desvio
padro ou outra medida de variabilidade.
Exemplo. Na fabricao de po utiliza-se farinha de trigo e de um nmero menor de outros
ingredientes permitidos (fatores em estudo). O objetivo de um programa de qualidade foi a de
identificar uma combinao desses ingredientes os quais produzem um alto volume especfico
de po e que seja tolerante a flutuaes no processo de fabricao. Para esse fim, foi realizado
um experimento com 4 formulaes (1, 2, 3 e 4), sendo a ltima uma formulao padro. Os
dados mdios de volume especfico e desvio padro esto na tabela a seguir.

Formulaes

Observaes
1

1
2
3
4

501,5
447,0
466,5
469,5

2
92,63
15,55
12,02
41,72

528,0 29,70 412,5 30,41 463,0 63,64

503,5 6,36 392,5 16,26 512,0 2,83
566,5 43,13 439,0 35,36 492,0 56,57
500,0 24,04 405,0 52,33 478,5 31,82

54

O teste F da ANOVA para os valores mdios de volume especfico de po no foi

significativo(F=0,2667 e valor do nvel descritivo igual a 0,8482), indicando que no existe
diferenas entre as 4 formulaes.
Para investigar possveis efeitos de disperso, usualmente utiliza-se LN(s),como sendo a
varivel resposta (a transformao logartmica estabiliza a varincia) . Os resultados da ANOVA
esto na tabela a seguir.

Variaes
no modelo
Formulaes
Erro

S.Q.
7,408
4,789

G.L.
3
12

Q.M.
2,469
0,396

Nvel
descritivo
6,24
0,0085

Observa-se que as formulaes afetam o desvio padro do volume especfico do po, isto ,
as formulaes tem um efeito de disperso.

55

1
2
3
4

LSD test; variable LNDESPAD (volumpao.sta)

Probabilities for Post Hoc Tests
MAIN EFFECT: VAR1
{1}
{2}
{3}
{4}
3,871943 2,105592 3,462963 3,582091
{1}
,001857 ,375988 ,526936
{2}
,001857
,010057 ,006118
{3}
,375988 ,010057
,793393
{4}
,526936 ,0,006118 ,793393

Dos resultados do teste LSD, conclui-se que a formulao 2 produz menos disperso do
que as demais; As formulaes 1, 3 e 4, so estatisticamente equivalentes.

2-3 Ajustando curvas de respostas

Quando os nveis do fator so quantitativos, podemos realizar uma regresso polinomial.
Duas etapas: 1) desdobramento dos graus de liberdade de tratamentos (a-1),em regresso
linear, quadrtica, cbica, 4 grau, e assim por diante. Geralmente ajusta-se uma regresso
quadrtica. 2) obter a equao de regresso.
56

Exemplo: produo de milho, em kg/unidade experimental.

Dose de
fsforo

Totais dos
trat/os
yi.
18,59
33,02
33,20
37,40
38,56

0
25
50
75
100

Efeito:

Soma de quadrados:

Coeficientes dos contrastes ortogonais

(ci)
Linear Quadrt. Cbico 4. grau
-2
2
-1
1
-1
-1
2
-4
0
-2
0
6
1
-1
-2
-4
2
2
1
1

i 1

ci y i .

c y
i

i.

i 1

i 1

11,21

-25,33

49,11

9,06

3,14

2,29

n ci2

-22,52

44,32

57

O novo quadro da ANOVA fica:

Causas de
variao
Doses
(Linear)
(Quadrtico)
(Cbico)
(4. grau)
Erro
Total

Soma
Graus
QuadraF
Nvel
de
de
dos
Descritivo
Quadrados Liberdade Mdios
63,60
4
15,90 10,22
0,0003
49,107
1 49,107 31,56
0,0001
9,06
1
9,06 5,82
0,0291
3,14
1
3,14 2,02
0,1758
2,29
1
2,29 1,47
0,2437
23,34
15
1,56
86,94
19

Observamos que o efeito quadrtico foi significativo, portanto, vamos ajustar um

polinmio de segunda ordem aos dados, dado por:

y 0 1 P1 ( x) 2 P2 ( x)

Onde Pu(x) um polinmio de u-sima ordem.. Os 3 primeiros polinmios ortogonais so:

58

P0 ( x) 1
x 50
(x x)
x 50

25
25
d

x x 2 a 2 1
x 50 2 x 50 2
1
P2 ( x) 2

2
2
12
d
25
25

P1 ( x) 1

Onde d a distncia entre dois nveis de x, a o total de nveis, e i so constantes

obtidas em tabelas. As estimativas de mnimos quadrados dos parmetros no modelo
polinomial ortogonal so:

yP ( x)

P ( x)
i

i 0,1,..., a 1

59

Y
2,38
6,77
3,50
5,94
6,15
8,78
8,99
9,10
.
.
.
9,50
160,77

X P0(x) P1(x) P1(x)2 YP1(x) P2(X) P2(X)2 YP2(X)

0
1
-2
4 -4,76
2
4
4,76
0
1
-2
4 -13,54
2
4
13,54
0
1
-2
4 -7,00
2
4
7,00
0
1
-2
4 -11,88
2
4
11,88
25
1
-1
1 -6,15
-1
1
-6,15
25
1
-1
1 -8,78
-1
1
-8,78
25
1
-1
1 -8,99
-1
1
-8,99
25
1
-1
1 -9,10
-1
1
-9,10
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
100
1
2
4 19,00
2
4
19,00
20
40 44,32
56 -22,46

Para os dados de adubao em milho, as estimativas dos parmetros do modelo so:

60

160 160

8,039
20
4(5)
44,32 44,32
1

1,108
40
4(10)
22,46 22,46
2

0,401
56
4(14)

A equao de regresso dada por:

x 50 2 5 2 1
x 50

y 8,039 1,108(1)
0,401(1)

25
12
25
y 5,02036 0,10849 x 0,00064 x 2 R2=
2-4 Mtodos no paramtricos na anlise de varincia
2-4.1 O Teste de Kruskal-Wallis
Quando as pressuposies bsicas da ANOVA no forem atendidas, por exemplo, a varivel
em estudo no apresenta distribuio normal (notas em escala), heterogeneidade de
varincias, outliers.
usado para testar a hiptese de que a tratamentos so idnticos contra a hiptese
alternativa de que pelo menos dois deles diferem entre si.

61

Pressuposies: 1) as observaes so todas independentes.

2) as a populaes so aproximadamente da mesma forma e contnuas
(pode ser abrandada, desde que consigamos ordenar os dados,
Hipteses:

exemplo, escala ordinal).

H 0 : 1 2 ... a

H a : i j para i j
Mtodo: procedemos a classificao conjunta (em ordem crescente) das N observaes,
dando ordem 1 menor e ordem N maior delas, e substitumos s observaes pelos seus
postos (ranks). No caso de empates (observaes com o mesmo valor), designa-se o posto
mdio para as observaes empatadas. Seja Ri a somas dos ranks do i-simo tratamento. O
teste estatstico dado por:
2
2
a

1
H 2
S

R i. N(N 1)

4
i 1 n i

ni o nmero de observaes do i-simo tratamento e N o nmero total de observaes.

1
S
N 1
2

N(N 1) 2
R

4
i1 j1

ni

2
ij

62

Sem empates:

S 2 N(N 1)/12

E o teste estatstico simplifica-se:

a
R i.2
12
H
3(N 1)

N(N 1) i1 n i

Critrio do teste: para ni5, H tem distribuio aproximada de 2a-1 sob H0.. Assim, se

H
rejeita-se H0.

2
, a 1

Olhar o valor p

Exemplo: dados de absorbncia.

E50
y1j
0,5553
0,5623
0,5585
0,5096
0,5110

EAW
R1j
14
16
15
11
12
68

y2j
R2j
0,5436 13
0,5660 17,5
0,5860 21
0,5731 19
0,5660 17,5
88

MAW
y3j
R3j
0,4748
9
0,4321
8
0,4309
7
0,5010 10
0,4094
6
40

E70
y4j
R4j
0,6286 24
0,6143 23
0,5826 20
0,7498 25
0,6060 22
114

M1M
y5j
R5j
0,1651
1
0,1840
2
0,2144
4
0,2249
5
0,1954
3
15
63

i 1

j1

2
R
ij 5524,50

S2

1
5524,5 4225,0 54,1458
25 1

1
1 2

2
2
2
2

68

88

40

114

15

4225,0
22,3987

54,1458 5

O nvel descritivo para H=22,3987 com 4 g.l. 0,0002, portanto, rejeita-se H0.
* Teste de comparao de mdias no paramtrico.

2-5 Medidas Repetidas

preciso levar em considerao duas fontes de variabilidade: entre unidades e dentro de
unidades (between subjects and within subjects). SUBJECTS=JULGADORES..
Cada degustador usa os a tratamentosdelineamento com medidas repetidas.
A tabela geral dos dados para este delineamento dada como:

64

Tratamentos
1
2
.
.
a
Totais
subjects

Dados do delineamento com medidas repetidas com 1 fator

Subjects (julgadores)
Totais
1
2
...
n
tratamentos
y11
y12
...
y1n
y1.
y21
y22
...
y2n
y2.
.
.
.
.
.
.
.
.
.
.
ya1
ya2
...
yna
y
y.1
y.2
...
y.n
y..

y ij i j ij

O modelo estatstico:

Onde i o efeito do i-simo tratamento e j o efeito da j-sima unidade. Assume-se

que: tratamentos de efeito fixo e subjects de efeito aleatrio (Modelo Misto).

0,
2

Partio da soma de quadrados total: S.Q. Total = S.Q Entre julgadores + S.Q.Dentro julgadores

y
a

i 1

j1

ij

y .. a y .j y .. y ij y .j
n

j1

i 1

j1

65

Graus de liberdade: na-1 = (n-1) + n(a-1)

S.Q. Dentro de julgadores = S.Q.Tratamentos + S.Q. Erro

y
a

i 1

y .j n y i. y .. y ij y i. y .j y ..
2

ij

j1

i 1

i 1

j1

Graus de liberdade: n(a-1) = (a-1) + (a-1)(n-1)

Hipteses:

H 0 1 2 ... a 0
Ha i 0

Critrio do teste: F0
Rejeita-se H0 se:

QMTratamento s
QMErro

F0 F; a 1,(a 1)(n1)

E QMSuj 2 a 2
n a
E(QMTrat)

a 1 i1
E(QMErro) 2
2

66

2
j

Exemplo: hamburger de pescado, varivel sabor.

Tratamentos
A
B
C
D

1
3,2
4,4
2,0
2,0

Variaes
SQ
No modelo
Julgadores
7,829
Tratamentos
1,798
Erro
5,851
Total
15,479
Teste para julgadores:

Julgadores
3
4
5
4,0
4,4
3,6
3,4
4,2
2,6
3,8
3,6
4,0
4,2
3,4
2,2

2
3,0
2,8
2,4
2,4
GL

6
3
18
27

QM
1,305
0,599
0,325

6
3,2
2,8
2,6
2,6

7
4,0
4,0
3,8
4,0

Nvel
Descritivo
4,01
0,0100
1,84
0,1753

H 0 : 2 0 H a : 2 0

Portanto, rejeita-se H0, isto , o comportamento dos julgadores no o mesmo,

no so equivalentes.
67

Intervalos de confiana:

3,03 1 4,23
2,86 2 4,06
2,57 3 3,77
2,37 4 3,57

2-6 Anlise de Covarincia

utilizada para melhorar a preciso na comparao entre os tratamentos do experimento.
Suponha um experimento que junto com uma varivel resposta Y (populao de
staphilococus), tenha uma varivel X (populao inicial de staphilococus), e que Y e X estejam
relacionadas linearmente. Alm disso, suponha que X no pode ser controlada pelo
pesquisador, mas pode ser observada junto com Y. A varivel x chamada covarivel.
A ANCOVA um ajuste da varivel resposta para os efeitos de uma varivel perturbadora
( nuisance). Se este ajuste no for feito, a covarivel pode inflacionar o quadrado mdio do erro
e fazer com que diferenas reais entre os tratamentos sejam difceis de serem detectadas.
A covarivel, x, no deve ser afetada pelos tratamentos. Por exemplo, experimento com
tratamento de sementes, y = produo da cultura e x = stand inicial (plantas que germinaram).
Observao: A blocagem pode ser usada para eliminar o efeito de variveis nuisance que
podem ser controladas pelo pesquisador.
68

y1

a mdia

y1

y2

X1

corrigida por X

Tratamento 1

Tratamento 2

y1

X2

69

Exemplo: dados de populao de Staphilococus aureus, em frango, mantidos sob

refrigerao domstica (-18 graus). O objetivo do experimento comparar meios de
cultura, quais sejam: Baird Paker, Baird Paker Modificado, Vermelho Neutro e
Vermelho Neutro Modificado com relao varivel sobrevivncia de Staphilococus
aos 7 dias de armazenamento. Os dados so mostradas na tabela a seguir.

Dados de pop. de Staphilococus para y = pop. aos 7 dias e x = pop. aos 0 dia
BP
BPM
VN
VNM
y
x
y
x
y
x
y
x
3,1710 3,3507 3,0663 3,4423 3,3903 3,7643 3,5623 3,7447
3,1857 3,4860 3,1840 3,6617 4,0037 4,0880 3,8820 4,0880
2,8553 3,0527 2,8300 3,2980 3,8293 4,1053 3,1507 3,8820
3,5063 3,6577 3,6603 3,7873 3,1637 3,4807 3,2253 3,4807
3,7740 4,0143 3,7180 3,8953 2,7917 3,7447 3,6393 3,4523
3,1383 3,7407 4,0263 3,7953 3,7917 3,3903 2,9937 3,5020
19,6307 21,3020 20,4850 21,8800 20,9703 22,5733 20,4533 22,1497

70

A figura mostra um tendncia linear entre y = pop7 e x = pop0, isto , a

populao aos 7 dias afetada pela populao inicial (0 dia).
2-6.1 Descrio do procedimento
Modelo estatstico (1):

y ij i x ij x .. ij

para i=1,2,...,a e j=1,2,...,n.

Yij a j-sima observao da v. resposta tomada no i-simo tratamento; xij a medida

feita na covarivel correspondente a yij; x.. a mdia dos valores de xij, uma mdia
geral; i o efeito do i-simo trat/o; o coef. angular de regresso linear e ij o erro
aleatrio.

71

Suposio:

ij ~ NID(0 ; ); 0 ; 1 ..., a
2

i 0
i 1

72

Para descrever a anlise utiliza-se a notao:

S yy y ij y ..

S xx x ij x ..

i 1

j1

i 1

j1

y ..2
y
an
i 1 j1
a

2
ij

x ..2
x
an
i 1 j1
a

2
ij

S xy x ij x .. y ij y .. x ij y ij
a

i 1

j1

i 1

j1

1 a 2 y ..2
(y i. y .. ) y i.
n i1
an
i 1
a
1 a 2 x ..2
2
(x i. x .. ) x i.
n i1
an
i 1
a
(x )(y .. )
1 a
x i. x .. y i. y .. (x i. )(y i. ) ..
n i1
an
i 1
a

Tyy
Txx
Txy

(x .. )(y .. )
an

E yy y ij y i. S yy Tyy
a

i 1

j1

E xx x ij x i. S xx Txx
a

i 1

j1

E xy x ij x i. y ij y i. S xy Txy
a

i 1

j1

73

Somas de quadrados:

SQTotal S yy

SQRegresso S xy S xx
2

SQTratamentos(ajustado) S yy S xy S xx E yy E xy E xx
2

SQErro E yy E xy E xx

Graus de liberdade:
Regresso: 1
Tratamentos(ajustado): a-1
Erro: a(n-1)-1
Total: na-1
Teste da hiptese:

F0

H 0 : i 0

SQTrat/os( ajustado) /(a 1)

SQErro / a n 1 1

ou

H 0 1 2 3 4
Rejeita-se H0 se:

F0 F ;a1,a ( n1)1

Use o valor p

74

Deve-se ajustar as mdias: mdias de mnimos quadrados

y i. y i. x i. x ..
E xy E xx

para i 1,2 ,...,a

Erro padro de qualquer mdia ajustada de tratamento:

S x ajustada

1/ 2

H 0 : 0 vs H a : 0

Hiptese:

F0

1 xi . x.. 2
QMErro
E xx

xy

/E xx

QMErro

Rejeita-se H0 se:

F0 F ;1,a ( n1)1
Use o nvel descritivo

75

Exemplo: dados de populao de Staphilococus. (Arquivo: staplilocousanalisedecovariancia)

Variaes
no modelo
Regresso
Tratamentos
ajustados
Erro
Total

Tabela da anlise de covarincia

SQ
GL
QM
F
1,2666
0,0112

1
3

1,2666
0,0037

1,9395
3,3605

19
23

0,1021

Nvel
descritivo
12,41
0,0023
0,04
0,9903

No podemos rejeitar a hiptese H0:i=0, isto , os valores mdios dos meios so

estatisticamente equivalentes, com nvel descritivo de 0,9903. Rejeita-se a hiptese H 0:=0,
ao nvel descritivo de 0,0023, isto significa que foi importante remover o efeito da
populao inicial de Staphilococus. Os valores das mdias ajustadas com os seus erros
padres so:
Mdias ajustadas
3,3718
3,4285
3,4064
3,3831

Erro padro
0,1335
0,1305
0,1328
0,1306

76

A estimativa do coeficiente de regresso :

0,8904
s 0,2527
Diagnstico do modelo: os resduos so dados por:

eij yij yij

yij i (xij x.. ) yi. (xij xi. ) pois : i y i . y.. ( xi . x.. )

y..
Exemplo: e11=3,1710-3,2718-0,8904(3,3507-3,55033)
=0.07701

Os resduos esto
aleatoriamente distribudos
em torno do valor zero. A
faixa de distribuio, -0,5 a
0,5, curta; no tem
outliers. Varincias
homogneas.
77

A suposio de normalidade
satisfeita.

78

Valores aleatoriamente
distribudos em torno de zero.

Concluso: de acordo com os grficos, os resultados da anlise estatstica podem ser utilizados,
pois eles no revelam qualquer problema quanto as suposies do modelo.

79