Please enable JavaScript.
Coggle requires JavaScript to display documents.
Experimentos fatoriais com dois fatores - Coggle Diagram
Experimentos fatoriais com dois fatores
O experimento fatorial de dois fatores, é utilizado quando tem o objetivo
de avaliar dois ou mais níveis, e sua importância. O efeito do fator, pode ser
definido como a variação da saída (Y) produzida pela mudança do nível de fator
Calculo do efeito sem interação: o efeito principal, é realizado com a
diferença entre a resposta média do 2° nível e a resposta média do 1° nível.
Quando existe interação: existe interação quando certas combinações de
tratamentos produzem respostas inusitadas, sendo para melhor ou para pior,
sendo diferentes do que poderia se esperar. Ex: certas doses de um remédio
podem salvar a vida de um paciente de certa idade.
Vantagens dos experimentos fatoriais: maior eficiência comparado ao
experimento de fator único. Evitem conclusões errôneas quando existir interação
entre os fatores. Possibilita a estimativa dos efeitos de um fator em diversos
níveis dos outros fatores, permitindo ter conclusões válidas em uma amplitude
experimental. É necessário que haja pelo menos dois ensaios para cada
combinação de tratamento, pois sempre existe um erro experimental.
Teste de hipóteses: no fatorial com dois fatores, os fatores linhas e colunas
são de extrema importância. Para realizar a efetuação do teste de hipóteses temos
que considerar que a hipótese nula é constituída de duas partes, para levar em
conta os dois fatores.
Ordem e realização dos ensaios: a ordem dos ensaios deve ser feita na
forma de sorteio, e que os lotes e corpos de prova também sejam obtidos por
meio de sorteio.
Experimentos com repetições (réplicas): repetimos os ensaios n vezes para
o numero de tratamentos que temos. A interação pode ocorrer somente com
certas combinações de tratamentos. Ex: temperatura e umidade para acelerar a
deterioração de um certo produto.
Procedimento computacional: é semelhante ao experimento com 2
fatores, mas sem repetições e visto em 4.2, com a inclusão de cálculos de
estimativa de variância dentro de cada uma das combinações ij dos tratamentos.
A disposição dos dados é percebida por uma tabela
Regra de decisão, ao nível de significância:
Se Fcrit for maior ou igual que Fcalc interação entre os fatores A e B não é significativa.
Se Fcalc for maior que Fcrit então a interação entre os fatores A e B é significativa.
Comparação quando existe interação: quando existe interação comparamos as
médias das combinações do tratamento, em vez das médias das colunas e das linhas .
Comparação quando não existe interação: compara-se as médias das colunas e as
médias das linhas para verificar quais são os tratamentos diferentes em cada fator.