Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMikaela Davila Alterado mais de 10 anos atrás
2
4.1 Experimento em bloco completamente aleatorizado (RCBD)
3
Vascular Graft Example (pg. 126)
To conduct this experiment as a RCBD, assign all 4 pressures to each of the 6 batches of resin Each batch of resin is called a “block”; that is, it’s a more homogenous experimental unit on which to test the extrusion pressures
4
psi=as.factor(dado3$psi)
dado3=read.table("e:\\dox\\graft3.txt",header=T) psi=as.factor(dado3$psi) y=c(dado3$X1,dado3$X2,dado3$X3,dado3$X4,dado3$X5,dado3$X6) graft3=data.frame(block=gl(6,4),psi,y) graft3.aov=aov(y~psi+block,data=graft3) summary(graft3.aov) Df Sum Sq Mean Sq F value Pr(>F) psi ** block ** Residuals --- Signif. codes: 0 ‘***’ ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
5
Residual Analysis for the Vascular Graft Example
6
Residual Analysis for the Vascular Graft Example
7
Residual Analysis for the Vascular Graft Example
Basic residual plots indicate that normality, constant variance assumptions are satisfied No obvious problems with randomization No patterns in the residuals vs. block Can also plot residuals versus the pressure (residuals by factor) These plots provide more information about the constant variance assumption, possible outliers
8
Comparações Múltiplas
Se os tratamento em um RCBD são fixos e a análise indica a rejeição da hipótese nula de que não há efeito de tratamento, comparações múltiplas serão importantes para detectar as diferenças presentes. Qualquer um dos procedimentos discutidos no capítulo 3 pode ser usado. O que mudará nas expressões das quantidades a serem calculadas é o número de replicações (n) em cada nível que nesse contexto é o número de blocos (b). Na tela a seguir apresenta-se a saída do procedimento de Tukey aplicado aos dados dos enxertos (veias artificiais).
9
Multiple Comparisons for the Vascular Graft Example – Which Pressure is Different?
Also see Figure 4.3, Pg. 130
10
Tukey multiple comparisons of means
95% family-wise confidence level Fit: aov(formula = y ~ psi + block, data = graft3) $psi diff lwr upr p adj
11
$block diff lwr upr p adj
12
plot(TukeyHSD(graft3.aov,"psi"))
13
Outros aspectos do RCBD
Aditividade: em algumas situações essa suposição de efeitos aditivos pode ser inadequada. Se os efeitos forem multiplicativos é possível torná-lo aditivo. Se há interação entre bloco e tratamento e ela não é considerada, os resultados da ANOVA ficam seriamente comprometidos. Em geral, a presença de interação inflaciona o erro quadrático médio e pode afetar a comparação das médias. Em situações nas quais os fatores apresentam interação recomenda-se os experimentos fatoriais (Cap. 5)
14
Tratamentos e blocos aleatórios
Apesar do procedimento ter considerado tratamentos e blocos como fatores fixos, o mesmo procedimento é usado se tanto tratamento como bloco ou ambos forem aleatórios. Porém, há algumas mudanças na interpretação dos resultados. Por exemplo, se os blocos são aleatórios, que é frequentemente o caso, esperamos que as comparações entre tratamentos sejam as mesmas por toda a população de blocos a partir da qual aqueles usados no experimento foram escolhidos aleatoriamente.
15
Escolha do tamanho amostral
Novamente aqui as técnicas apresentadas no capítulo 3 podem ser usadas com as respectivas adaptações. Considere o RCBD para os dados das veias artificiais. Suponha que desejamos determinar o número aproximado de blocos se estamos interessados em detectar uma diferença verdadeira máxima de 6 com uma probabilidade razoavelmente alta e que o erro padrão seja 3.
16
Supondo um nível de significância de 5%
Supondo um nível de significância de 5%. A curva característica de operação adequada é
17
Como os lotes de resina são caros e o custo do experimento é
b 2 (a-1)(b-1) 4 2 1,41 9 0,5<<0,6 5 2,5 1,58 12 0,55 6 3 1,73 15 0,4 Como os lotes de resina são caros e o custo do experimento é alto, experimentador decide usar 6 blocos, apesar do poder ser 0,6 (de fato, muitos experimentos funcionam bem com valores De oder 0,5 ou maior.
18
ler
19
The Latin Square Design
Text reference, Section 4.2, pg. 138 These designs are used to simultaneously control (or eliminate) two sources of nuisance variability A significant assumption is that the three factors (treatments, nuisance factors) do not interact If this assumption is violated, the Latin square design will not produce valid results Latin squares are not used as much as the RCBD in industrial experimentation Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
20
The Rocket Propellant Problem – A Latin Square Design
This is a Page 140 shows some other Latin squares Table 4-12 (page 142) contains properties of Latin squares Statistical analysis? Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
21
Quadrado Latino É usado para eliminar duas fontes de variação devido à fatores de ruído. Permite a blocagem em duas dimensões. Um quadrado latino pxp é tal que cada uma de suas p2 celas contém uma das p letras correspondentes aos p tratamentos e cada letra ocorre somente uma vez em cada linha e coluna.
22
Alguns exemplos de quadrados latinos
23
Quadrados Latinos Quadrados latinos têm uma relação de parentesco com o popular passatempo conhecido como sudoku (número único em japonês) Resolver um sudoku nxn pertence a uma classe de Problemas computacionais chamada NP-complete (o NP refere-se a tempo de computação não polinomial). Um problema NP-complete é um problema para o qual é relativamente fácil verificar se uma solução particular é correta, mas requer um tempo impossivelmente grande para ser resolvido por qualquer algoritmo simples a medida que n cresce.
25
Statistical Analysis of the Latin Square Design
The statistical (effects) model is The statistical analysis (ANOVA) is much like the analysis for the RCBD. See the ANOVA table, page 140 (Table 4.9) Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
26
Modelo Estatístico para o quadrado latino
Observe que o modelo é completamente aditivo, sem nenhuma interação. Por haver somente uma observação em cada cela, somente dois índices serão necessários para uma particular observação. (Cada tratamento ocorre uma única vez em cada linha e coluna). ANOVA: particionar a soma de quadrados total das N=p2 observações em componentes para linhas, colunas, tratamentos e erros.
27
Design & Analysis of Experiments 7E 2009 Montgomery
Sob a suposição usual Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
28
Design & Analysis of Experiments 7E 2009 Montgomery
Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
29
Replicação em quadrados latinos
33
Design & Analysis of Experiments 7E 2009 Montgomery
Other Topics Missing values in blocked designs RCBD Latin square Crossover designs Graeco-Latin Squares Chapter 4 Design & Analysis of Experiments 7E 2009 Montgomery
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.