Click here to load reader
Upload
vudang
View
214
Download
2
Embed Size (px)
Citation preview
Aula 12 – Delineamento em blocos casualizados (DBC) 30/05/2017
Considere um experimento em blocos casualizados com 𝐼 tratamentos e J blocos.
Hipótese Testadas
Para tratamentos {𝐻𝑜: 𝑡𝑖 = 0, 𝑖 = 1, 2, … , 𝐼.
𝐻1: pelo menos um valor de 𝑡𝑘 ≠ 0, 𝑘 ∈ [1; 𝐼]
Para blocos {Ho: bj = 0, j = 1, 2, … , J.
H1: pelo menos um valor de bk ≠ 0, k ∈ [1; I]
Análise de Variância
Soma de Quadrados:
Constante K: 𝐾 =1
(𝐼×𝐽)(∑ 𝑙𝑖
𝐼𝑖=1 )2
Soma de Quadrados Totais: 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 = (∑ ∑ 𝑥𝑖𝑗2𝐽
𝑗=1𝐼𝑖=1 ) − 𝐾
Soma de Quadrados de Tratamentos: 𝑆𝑄𝑇𝑟𝑎𝑡 = [1
𝐽(∑ 𝐿𝑖
2𝐼𝑖=1 )] − 𝐾
Soma de Quadrados de Blocos: 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 = [1
𝐼(∑ 𝐶𝑗
2𝐽𝑗=1 )] − 𝐾
Soma de Quadrados do Resíduo: 𝑆𝑄𝑅𝑒𝑠 = 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 − 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
Quadro de Análise de Variância para DBC
CV GL SQ QM F
Blocos (𝐽 − 1) 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
(𝐽 − 1)
𝑄𝑀𝐵𝑙𝑜𝑐𝑜𝑠
𝑄𝑀𝑅𝑒𝑠
Tratamento (𝐼 − 1) 𝑆𝑄𝑇𝑟𝑎𝑡 𝑆𝑄𝑇𝑟𝑎𝑡
(𝐼 − 1)
𝑄𝑀𝑇𝑟𝑎𝑡
𝑄𝑀𝑅𝑒𝑠
Resíduo (𝐼 − 1) (J − 1) 𝑆𝑄𝑅𝑒𝑠 𝑆𝑄𝑅𝑒𝑠
(𝐼 − 1)(𝐽 − 1)
Total (𝐼 × 𝐽) − 1 𝑆𝑄𝑇𝑜𝑡𝑎𝑙
Resumindo o critério do teste:
Exemplo de Aplicação
Desejamos testar quatro fontes de energia em uma linhagem de ave para corte. É possível conseguir um grande número de pintos de um
dia sexados para o ensaio que será realizado em um laboratório de três andares, com a capacidade de 20 aves por andar. Tem-se 10
baterias disponíveis.
• Como existem 10 baterias e 3 compartimentos para alojarmos quatro fontes de energia, caberiam a cada fonte de
energia oito compartimentos, sobrando duas baterias.
O calor que sobe por convecção dos andares inferiores provoca desconforto térmico para as aves dos andares superiores.
• Se, por sorteio, localizássemos mais frequentemente a fonte C de energia, no compartimento superior (ou no segundo
andar), esta fonte estaria sendo prejudicada na sua avaliação, neste caso, subestimada.
• Por outro lado, uma fonte que ocorresse mais vezes no andar de baixo se beneficiaria pelo conforto térmico em relação
às demais.
Para distribuir igualmente esse efeito térmico, ou seja, para balancear este efeito entre todas as fontes de energia, cada fonte deveria
ocorrer com o mesmo número de vezes em cada um dos andares.
• Uma maneira de permitir isto será utilizando oito das 10 baterias existentes, com o seguinte croqui de instalação.
No caso de aves de corte, que costumavam revolver com o bico a ração dos comedouros laterais, é possível haver migração de material
do comedouro do andar de cima para o inferior.
• Quando estivermos testando elementos essenciais tipo cistina, que presentes em pequenas quantidades podem afetar a resposta
medida o croqui acima não poderia ser empregado, recomenda-se o alternativo para contornarmos o problema da migração.
A resposta a ser medida será o peso médio por compartimento à idade de 45 dias.
• Note que a média de cada grupo será obtida sob condições térmicas comuns a todos eles.
• Para cada andar, teremos a participação equitativa de todos os grupos (4 grupos repetidos duas vezes). Desta maneira, será
possível medir o efeito das fontes de energia e também do andar (implicitamente da temperatura) ao utilizarmos seus totais na
análise de variância, agora com três diferentes fontes de variação: a individual, a devido a fonte de energia e a devido ao andar
(ou temperatura)
• A nova fonte de variação, temperatura, foi definida pela participação em blocos homogêneos contendo a mesma representação
dos tratamentos
SOLUÇÃO.
Hipótese Testadas
Para tratamentos (fontes de calor) {𝐻𝑜: 𝑡𝑖 = 0, 𝑖 = 1, 2, … , _______.
𝐻1: pelo menos um valor de 𝑡𝑘 ≠ 0, 𝑘 ∈ [1; _______]
Para blocos (andares) {Ho: bj = 0, j = 1, 2, … , ________.
H1: pelo menos um valor de bk ≠ 0, k ∈ [1; _______]
Análise de Variância
Soma de Quadrados:
Constante K: 𝐾 =1
(𝐼×𝐽)(∑ 𝐿𝑖
𝐼𝑖=1 )
2
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
Soma de Quadrados Totais: 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 = (∑ ∑ 𝑥𝑖𝑗2𝐽
𝑗=1𝐼𝑖=1 ) − 𝐾
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
Soma de Quadrados de Tratamentos: 𝑆𝑄𝑇𝑟𝑎𝑡 = [1
𝐽(∑ 𝐿𝑖
2𝐼𝑖=1 )] − 𝐾
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
Soma de Quadrados de Blocos: 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠 = [1
𝐼(∑ 𝐶𝑗
2𝐽𝑗=1 )] − 𝐾
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
Soma de Quadrados do Resíduo: 𝑆𝑄𝑅𝑒𝑠 = 𝑆𝑄𝑇𝑜𝑡𝑎𝑙 − 𝑆𝑄𝑇𝑟𝑎𝑡 − 𝑆𝑄𝐵𝑙𝑜𝑐𝑜𝑠
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
____________________________________________________________________________________________________________
Quadro de Análise de Variância para DBC
CV GL SQ QM F
Blocos
Tratamento
Resíduo
Total
Valores de F da tabela:
Para Tratamento: {F(7×14 g.l.)(5%) = 2,76
F(7×14 g.l.)(1%) = 4,28
Para Blocos: {F(2×14 g.l.)(5%) = 3,74
F(2×14 g.l.)(1%) = 6,51
Conclusões
Para Tratamento
O teste F foi ___________________, indicando que devemos _____________ 𝐻0 _________________ e concluir que as fontes
de calor provindos das baterias testadas possuem efeitos __________________ no peso médio por compartimento à idade de 45
dias.
Para Blocos
O teste F foi ___________________, indicando que devemos _____________ 𝐻0 _________________ e concluir os andares
testados possuem efeitos ________________ no peso médio por compartimento à idade de 45 dias.
Cálculo do coeficiente de variação do experimento 𝐂𝐕 =𝟏𝟎𝟎∙𝐬
�̂�
𝐶𝑉 =100∙𝑠
�̂�=
100∙√𝑄𝑀𝑅𝑒𝑠
�̂�=_______________________________________________________________________
Solução no R
## Entre os dados - variáveis: Tratamentos - TR, Blocos (Controle Local 1) - CL1 e Observações - Y
dbc1 <- read.table("XXXXX", h=T, d=","); dbc1
TR <- dbc1[,1]; TR
CL1 <- dbc1[,2]; CL1
Y<-dbc1[,3]; Y
## Definição do modelo
FTR <- as.factor(TR)
FCL1 <- as.factor(CL1)
mod <- aov(Y~FCL1+FTR)
summary(mod)
QMRes <- XXXXX
cv <- 100*sqrt(QMRes)/mean(na.rm=T,Y);cv # Edite o QMRes
#summary.lm(mod)
## Gráfico Box_Plot por TRatamento
plot(Y~FTR)
## - Gráficos de diagnósticos
par(mfrow=c(1,3))
rs <- rstudent(mod)
hist(rs, main="histograma"); boxplot(rs, main="boxplot")
qqnorm(rs, main="normalidade"); qqline(rs)
## - Gráfico para Análise de Resíduos
par(mfrow=c(1,1))
rs <- rstudent(mod); yp <- predict.lm(mod)
xmin=min(yp)-.1; xmax=max(yp)+.1; minrs=min(min(rs),-3); maxrs=max(max(rs),3); ymin=minrs-.1; ymax=maxrs+.1
plot(c(xmin,xmax),c(ymin,ymax),type="n",main="Análise do Resíduo", xlab="Valores preditos", ylab="RStudent")
abline(h=-3, col="red"); abline(h=3,col="red"); points(yp,rs)
abline(h=0);abline(v=0, col="black")
## - Grafico para val. influentestes - Distancia Cook ########### Gráfico para Valores discrepantes - Distancia de cook
par(mfrow=c(1,1))
N=length(Y)-sum(is.na(Y)); P=length(mod$coefficient)
lkd <- qf(0.5,P,N-P, lower.tail = TRUE, log.p = FALSE); #lkd <- 5/N;
x=1:N; cd <- influence.measures(mod)[[1]][,5]
minx<- min(x);maxx <- max(x); mincd <- min(cd); maxcd=max(max(cd),lkd);
plot(c(minx,maxx),c(mincd,maxcd),type="n",main="Valores influentes", xlab="Observacoes", ylab="Distancia de Cook")
abline(h=lkd, col="blue"); points(x,cd)
## Carregue o script para testes de homocedasticidade.
install.packages("MASS")
require(MASS)
boxcox(mod,seq(-5,5,0.2)) # mod=modelo
# se lambda não difere de 1 -> Homocedástico
# se lambda difere de 1 (Transformacao:
# Yt=Y^lambda se lambda difere de 0
# Yt=log(Y) se lambda não difere de 0
## Carregue o script para testes de normalidade.
## - Teste de Anderson-Darlin
# rs <- rstudent(mod)
install.packages("nortest")
require(nortest)
ad.test(rs) # Especifique o vetor