Objetivo
Que a audiência se familiarize com o conceito de delineamentos fatoriais completos.
Principais razões para usar
delineamentos fatoriais
Delineamentos fatoriais permitem testar diversos fatores de modo mais eficiente
Cada observação é usada para estimar um efeito de cada fator
O erro experimental é estimado em uma grande variedade de condições experimentais
Quando existem duas ou mais observações por célula,
a INTERAÇÃO dos efeitos pode ser estimada.
Obs.: os delineamentos anteriores assumiam que não havia interação entre as variáveis.
Esta interação pode ser significante e mascarar efeitos principais
Interações
Fator A Fa tor B Baixo Alto Ba ix o Al to 30 50 20 40 Fator A Fa tor B Baixo Alto Bai x o Al to 40 10 20 50Modelos
Sem interações Com interações 0 1 1 2 2 ij i ijy
t
e
y
x
x
e
0 1 1 2 2 12 1 2(
)
i j ij ijy
t
t
e
y
x
x
x x
e
Modelo dos efeitos
Delineamento Fatorial Completo
Se dois fatores A & B são testados em a e b níveis, respectivamente, então existem axb condições experimentais para todas as combinações de níveis dos dois fatores. O resultado disto é chamado de delineamento fatorial completo.
Exemplo
Objetivo: testar efeitos dos fatores aeronave e pilotos na Miss Distance e das interações destes efeitos.
As variações dos pilotos na Miss Distance são iguais para as diferentes aeronaves ou existe interação entre estes fatores?
Testar duas anvs (F-5M e A-1), três pilotos com duas réplicas.
F-5M A-1
Pilotos
Repl. 1 Repl. 2 Repl. 1 Repl. 2
I 41 43 38 39 II 38 39 43 42 III 43 43 39 38
Exemplo
Não há graus de liberdade para o erro experimental, isto faz com que não seja possível realizar a ANOVA
Exemplo
Solução: jogar interações de maior ordem para o erro experimental. No nosso caso, o erro
Delineamento Fatorial 2
n Problema: delineamentos fatoriais completos com muitos fatores e diversos níveis em cada fator requerem muitas medidas.
Exemplo: 3 fatores com 4 níveis + 4 fatores com 5 níveis = 43*54=40000 medidas
Solução: usar n fatores mais somente com dois níveis (baixo e alto)
Exemplo: os mesmos 7 fatores anteriores com somente 2 níveis: 27=128 medidas
Comparação de delineamentos
Objetivo: comparar a efetividade do míssil Mark 00 contra ameaças específicas
Variável Dependente (DV): tempo para aquisição
Variáveis independentes: velocidade do alvo, altitude do alvo, ECM e condição de prontidão
Ameaças:
1. Lento, baixo, sem ECM e III 2. Rápido, alto, sem ECM e III 3. Lento, baixo, sem ECM e I 4. Rápido, baixo, sem ECM e I 5. Lento, Alto, SOJ e III
6. Lento, baixo, SOJ e I 7. Rápido, baixo, SOJ e I
Matriz de ameaças
Lento Rápido ECM Cond. de
Prontidão Baixo Alto Baixo Alto
I 3 4 Sem III 1 2 I 6 7 SOJ III 5
Delineamento original
Testar cada ameaça 5 vezes na seguinte ordem:
Medidas Ameaça 1-5 1 6-10 2 11-15 3 16-20 4 21-25 5 26-30 6 31-35 7
Devido a restrições de tempo & recursos, um máximo de 16 medidas podem ser realizadas por dia. O plano é fazer 10 medidas no primeiro dia, 15 no segundo e 10 no terceiro.
Problemas do delineamento
original
Existe confundimento de alguns fatores com outros fatores
Por exemplo: clima, aprendizado, condições do ambiente ou outros fatores podem afetar o tempo para aquisição
Estes fatores não podem ser separados dos fatores controlados
Não há jeito de determinar quais efeitos são devidos às ameaças e quais são devidos ao outros fatores não-controlados
Delineamento revisado
Testar as 16 combinações dos fatores (24) replicados duas vezes (total de 32 medidas)
Fazer as medições de maneira a eliminar os problemas de confundimento
Determinar os efeitos de cada fator e suas interações
Medir as 16 condições em ordem aleatória e replicar no segundo dia
Modelo matemático para
delineamento fatorial 2
4 Onde:
TA
é o tempo de aquisição,s
é a velocidade,a
é a altitude,m
é o uso de ECM,c
é a condição de prontidão,r
é a repetição ee
é o erro experimental.( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ijklr i j k l ij ik il jk jl kl ijk ijk jkl r ijklr TA s a m c sa sm sc am ac mc sam smc amc r e
Matriz do delineamento fatorial 2
4Lento Rápido ECM Cond. de
Prontidão Baixo Alto Baixo Alto I 51 83 59 62 77 73 44 72 Sem III 63 65 47 69 81 67 50 51 I 45 56 58 58 86 85 39 38 SOJ III 85 80 59 77 102 135 75 91
ANOVA do experimento
Jogar no erro experimental
Conclusões
Ao estimar cada efeito, nós usamos pelo menos 8 observações e na maioria dos casos 16 (contra 5 do delineamento original)
Estimamos o tempo de aquisição de 16 ameaças ao invés de somente as 7 originais
Descobrimos que duas das interações foram significativas na tempo de aquisição
Não teríamos descoberto isto no delineamento original
Táticas e re-engenharia podem ser afetados por esta descoberta
ANOVA no MINITAB
ANOVA no MINITAB
Delineamento Fatorial 2
n Vimos anteriormente que
Problema: delineamentos fatoriais completos com muitos fatores e diversos níveis em cada fator requerem muitas medidas.
Solução: usar n fatores mais somente com dois níveis (baixo e alto)
Questão
Determinação dos níveis
Tratamento x Res p o s ta Y - + Tratamento x Res p o s ta Y - +Verdadeiro efeito do tratamento
Checagem da adequação do modelo
Normalmente, devemos atentar para potenciais problemas com a assunção da normalidade dos dados, variâncias diferentes por tratamentos/blocos e interação bloco/tratamento.
A principal ferramenta para realizar este diagnóstico é a analise dos resíduos.
ij ij ij
Checagem da normalidade dos
resíduos
Checagem da variância igual dos
resíduos por tratamento/bloco
Checagem da interação entre
blocos e tratamentos
Checagem da interação entre
blocos e tratamentos
Caso o plote tenha formato curvilíneo, existe a indicação de interação entre blocos e tratamentos. Caso isto ocorra, uma transformação deve ser utilizada para eliminar ou minimizar os efeitos desta interação.
Exercício 6
Considere que no exercício 5 (acima), exista um novo tratamento de interesse: o piloto. Realize a análise
dos novos dados abaixo.
Obs.: considere todas as variáveis como tratamentos!
A-Darter Piranha Python
A-1 F-5 A-1 F-5 A-1 F-5
69,27 64,26 56,01 51,29 68,4 64,25 88,11 80,61 72,18 62,16 88 80,96 83,11 78,11 69,97 64,89 85,97 80,24 118,29 110,66 97,83 95,61 116,53 110,53 98,67 91,58 83,99 79,13 102,83 96,12 147,52 139,38 130,47 125,38 142,52 139,61
A-Darter Piranha Python
Piloto
A-1 F-5 A-1 F-5 A-1 F-5
69,27 64,26 56,01 51,29 68,4 64,25 Bom 88,11 80,61 72,18 62,16 88 80,96 83,11 78,11 69,97 64,89 85,97 80,24 Médio 118,29 110,66 97,83 95,61 116,53 110,53 98,67 91,58 83,99 79,13 102,83 96,12 Brejo 147,52 139,38 130,47 125,38 142,52 139,61
Objetivo
Que a audiência se familiarize com o conceito de delineamentos fatoriais completos.