Professional Documents
Culture Documents
2, 338-350, 2006
D
i
v
u
l
g
a
o
*e-mail: marcia@iqm.unicamp.br
QUIMIOMETRIA II: PLANILHAS ELETRNICAS PARA CLCULOS DE PLANEJAMENTOS
EXPERIMENTAIS, UM TUTORIAL
Reinaldo F. Tefilo e Mrcia M. C. Ferreira*
Instituto de Qumica, Universidade Estadual de Campinas, CP 6154, 13084-971 Campinas - SP
Recebido em 10/12/04; aceito em 20/5/05; publicado na web em 8/12/05
CHEMOMETRICS II: SPREADSHEETS FOR EXPERIMENTAL DESIGN CALCULATIONS, A TUTORIAL. This work describes,
through examples, a simple way to carry out experimental design calculations applying an spreadsheets. The aim of this tutorial is
to introduce an alternative to sophisticated commercial programs that normally are too complex in data input and output. An overview
of the principal methods is also briefly presented. The spreadsheets are suitable to handle different types of computations such as
screening procedures applying factorial design and the optimization procedure based on response surface methodology. Furthermore,
the spreadsheets are sufficiently versatile to be adapted to specific experimental designs.
Keywords: spreadsheets; experimental design; chemometrics.
INTRODUO
Atualmente, com o advento acelerado dos meios computacionais,
clculos muitas vezes simples podem ficar mascarados quando rea-
lizados por pacotes computacionais complexos. Os planejamentos
fatoriais
1-3
, por ex., exigem aps sua execuo, clculos simples, mas
muitas vezes tediosos devido grande quantidade de dados a serem
processados. A maioria dos estudantes e profissionais aprende a uti-
lizar softwares que realizam tais clculos, entretanto, em muitos ca-
sos, sem o interesse e estmulo necessrios para entender como os
mesmos so processados.
A importncia do entendimento dos procedimentos realizados
pelos softwares fundamental para avaliao dos resultados obti-
dos, bem como para o questionamento da maneira pelo qual tais
softwares os realizam.
H no mercado diversos tipos de softwares que realizam clcu-
los de planejamentos experimentais, tais como Statistica
4
,
Unscrambler
5
, Statgraphics
6
, Design Expert
7
, Modde
8
, Minitab
9
dentre outros. Entre os programas gratuitos destaca-se o pacote de
algoritmos executveis disponvel no web site Chemkeys
10
, sendo
este at o momento, o nico gratuito em portugus. Nota-se, por-
tanto, que a maioria destes programas no so gratuitos e muitas
vezes processam resultados complicados de serem entendidos por
um pesquisador inexperiente. Ao contrrio, as planilhas eletrni-
cas, j bastante difundidas e conhecidas, so prticas no sentido da
entrada de dados e equaes, alm de proporcionarem excelente
visualizao dos resultados, fcil transferncia de dados, grficos
e tabelas, sendo ferramentas poderosas para implementar e reali-
zar diferentes tipos de clculos, como os de planejamentos experi-
mentais. vlido destacar que existem verses gratuitas dispon-
veis na web tanto para sistemas operacionais Windows quanto para
Linux, como a encontrada no pacote Openoffice
11
.
O objetivo deste trabalho foi desenvolver, de maneira simples e
didtica, planilhas eletrnicas utilizando-se o software Excel
da
Microsoft
12
para realizar clculos de planejamentos fatoriais e
otimizao empregando Metodologias de Superfcie de Resposta
(RSM). Desta maneira, o trabalho descreve, de modo amplo e obje-
tivo, os mtodos implementados empregando planilhas eletrnicas.
Para a etapa de triagem realizaram-se a estimativa e a avalia-
o dos efeitos para planejamentos fatoriais completos e
fracionrios. As estimativas dos erros para estes planejamentos
foram obtidas de trs maneiras independentes, isto , empregando
replicatas das observaes; utilizando os efeitos de altas ordens;
ou com a incluso de experimentos no ponto central. Para a etapa
de otimizao utilizaram-se os planejamentos compostos centrais
e Doehlert, que se baseiam na metodologia de superfcie de res-
posta. Os coeficientes foram obtidos utilizando o mtodo dos qua-
drados mnimos. O modelo foi avaliado empregando a anlise de
varincia e a estimativa dos erros foi alcanada atravs de experi-
mentos no ponto central.
Aplicaes empregando as planilhas so apresentadas com di-
versos exemplos, em que todos os mtodos so utilizados e a inter-
pretao dos resultados comentada.
Visto que at o momento, a literatura disponvel em portugus,
principalmente destinada a qumicos, bastante escassa, este tutorial
enriquece as opes tanto para professores de nvel superior e alu-
nos de graduao e ps-graduao, quanto para profissionais da
rea industrial. Amplia ainda as opes de algoritmos para clcu-
los empregando tais planejamentos, estando os arquivos dispon-
veis no web site do Laboratrio de Quimiometria Terica e Aplica-
da do Instituto de Qumica da Universidade Estadual de Campinas
(UNICAMP)
13
.
EXPERIMENTOS PARA TRIAGEM
Muitas vezes em um sistema, diversos fatores ou variveis (os
termos fatores e variveis sero usados neste tutorial indistinta-
mente) podem influenciar a resposta desejada. Um experimento
para triagem executado com o interesse em se determinar as va-
riveis experimentais e as interaes entre variveis que tm influ-
ncia significativa sobre as diferentes respostas de interesse
3
.
Aps selecionar as variveis que so possveis de serem estuda-
das e que provavelmente interferem no sistema, preciso avaliar a
metodologia experimental (tempo, custo, etc.). As variveis que no
foram selecionadas devem ser fixadas durante todo o experimento.
Em uma etapa seguinte, deve-se escolher qual planejamento usar
para estimar a influncia (o efeito) das diferentes variveis no resul-
tado. No estudo de triagem, as interaes entre as variveis (interaes
339 Quimiometria II: Planilhas Eletrnicas para Clculos de Planejamentos Vol. 29, No. 2
principais) e de segunda ordem, obtidas normalmente pelos planeja-
mentos fatoriais completos ou fracionrios, so de extrema impor-
tncia para a compreenso do comportamento do sistema.
Planejamentos fatoriais completos
Em um planejamento fatorial so investigadas as influncias de
todas as variveis experimentais de interesse e os efeitos de interao
na resposta ou respostas. Se a combinao de k fatores investigada
em dois nveis, um planejamento fatorial consistir de 2
k
experimen-
tos. Normalmente, os nveis dos fatores quantitativos (i.e. concen-
traes de uma substncia, valores de pH, etc.) so nomeados pelos
sinais (menos) para o nvel mais baixo e + (mais) para o nvel mais
alto, porm o que importa a relao inicial entre o sinal dado e o
efeito obtido, no sendo um critrio definido a nomeao dos sinais.
Para fatores qualitativos (i.e. tipos de cidos, tipos de catalisadores,
etc.), como no existem valores altos ou baixos, fica a critrio do
experimentalista nomear os seus nveis.
Os sinais para os efeitos de interao de 2 ordem e de ordem
superior entre todas as variveis do planejamento, realizando todas
as combinaes possveis, so obtidos pelo produto dos sinais ori-
ginais das variveis envolvidas. Desta maneira, possvel cons-
truir as colunas de sinais para todas as interaes e, assim, elaborar
a matriz de coeficientes de contraste (Tabela 1).
Uma coluna de sinais + (mais) adicionada esquerda da ma-
triz de coeficientes de contraste para o clculo da mdia de todas
as respostas observadas.
Suponha um planejamento fatorial com n ensaios e y
i
observaes
individuais (quando houver replicatas, considere a resposta mdia
y
i
).
Os efeitos para cada coluna da matriz de coeficientes de contraste
(conforme Tabela 1) so dados pelas seguintes Equaes:
(1)
(2)
A Equao 1 descreve o efeito para a mdia de todas as obser-
vaes, enquanto a Equao 2 descreve o clculo do efeito para as
variveis e interaes usando a diferena entre as mdias das ob-
servaes no nvel mais (y
i(+)
) e as mdias das observaes no nvel
menos (y
i(-)
).
Outro mtodo para clculo dos efeitos para um planejamento
fatorial completo ser descrito mais adiante no item Modelos
empricos em estudo de triagem.
Planejamentos fatoriais fracionrios
O planejamento fatorial completo necessita de 2
k
ensaios para
sua execuo, portanto, sua principal desvantagem o grande n-
mero de ensaios que devem ser realizados a cada fator adicionado
ao estudo. Se considerarmos (e observarmos) que os efeitos de al-
tas ordens, principalmente para planejamentos com k > 4, so qua-
se sempre no significativos, a realizao de ensaios para estimar
tais efeitos de interao pode ser irrelevante. Desta maneira, com
um nmero menor de experimentos, possvel obter informaes
daqueles efeitos mais importantes e retirar, na maioria das vezes,
as mesmas concluses caso fosse realizado um fatorial completo.
Os planejamentos que apresentam estas caractersticas so conhe-
cidos como planejamentos fatoriais fracionrios
1-3,14-16
.
H muitos e diferentes tipos de planejamentos fatoriais fracio-
nrios descritos na literatura
1-3,14
, como, por ex., as fraes
1/2, 1/4, 1/8, 1/16...1/2
b
de um planejamento 2
k-b
, em que k o
nmero de variveis e b o tamanho da frao. O tamanho
da frao influenciar no possvel nmero de efeitos a serem esti-
mados e, conseqentemente, no nmero de experimentos neces-
srios
3
.
Pode-se ainda dizer que h dois tipos de fraes: aquelas cujo
objetivo obter somente os efeitos principais
14
e aquelas em que se
adicionam experimentos para separar e estimar efeitos de interaes,
caso se assuma que tais interaes apresentam influncia sobre os
resultados.
3
No primeiro caso necessrio executar, por ex., ape-
nas 8 experimentos para investigar 7 variveis, 12 experimentos
para 11 variveis, etc., sendo conhecidos como planejamentos
saturados
1-3
e planejamentos de Plackett-Burman
14
.
Construo do planejamento fatorial fracionrio
Normalmente, para a construo do planejamento fatorial
fracionrio desejado, utiliza-se um planejamento fatorial completo.
Para exemplificar, consideremos um planejamento 2
3-1
construdo a
partir de um planejamento fatorial completo com duas variveis: V
1
e V
2
. A Tabela 2 apresenta o planejamento fatorial completo com
duas variveis. Sero necessrios quatro experimentos para a execu-
o deste planejamento 2
2
e, a partir dos resultados, podem-se obter
os efeitos principais das duas variveis e o efeito de interao (V
1
.
V
2
).
A coluna da matriz de coeficientes de contraste responsvel pela
interao obtida pela multiplicao dos elementos da coluna da
varivel V
1
com os respectivos elementos da varivel V
2
. As colunas
de V
1
, V
2
e V
1
V
2
da matriz de coeficientes de contraste de um plane-
jamento fatorial completo definem a configurao de um planeja-
mento fatorial fracionrio com trs variveis utilizando apenas os
quatro ensaios destacados em negrito na Tabela 3, em que V
1
, V
2
e
V
1
V
2
sero substitudas pelas variveis independentes x
1
, x
2
e x
3
.
Como o nmero de experimentos a metade do completo, te-
mos uma meia frao de um planejamento fatorial 2
3
(
1
2
2
3
= 2
-1
2
3
=
2
3-1
), conforme as Tabelas 2 e 3.
Tabela 1. Matriz de coeficientes de contraste para um planejamento
fatorial 2
3
Variveis Interaes*
Mdia x
1
x
2
x
3
x
12
x
13
x
23
x
123
+ - - - + + + -
+ + - - - - + +
+ - + - - + - +
+ + + - + - - -
+ - - + + - - +
+ + - + - + - -
+ - + + - - + -
+ + + + + + + +
* x
12
, x
13
e x
23
so os efeitos de interao de 2 ordem; x
123
o efeito
de interao de 3 ordem.
Tabela 2. Planejamento fatorial fracionrio 2
3-1
a partir de um
planejamento fatorial completo 2
2
Nexp.
(*)
x
1
(V
1
) x
2
(V
2
) x
3
(V
1
V
2
)
5 -1 -1 1
2 1 -1 -1
3 -1 1 -1
8 1 1 1
(*)
Ensaios correspondentes obtidos da Tabela 3.
340 Quim. Nova Tefilo e Ferreira
Uma outra propriedade importante dos planejamentos fatoriais
fracionrios diz respeito aos experimentos selecionados que co-
brem o volume mximo do domnio considerado em um nmero
limitado de experimentos
3
. Note nas Tabelas 2 e 3 que os experi-
mentos destacados so comuns aos dois planejamentos.
A Figura 1 destaca como os experimentos de meia frao se-
lecionados distribuem-se em um domnio experimental para trs
variveis (Tabela 3).
Para montagem de um planejamento fatorial fracionrio
saturado considere o seguinte exemplo: sete variveis podem ser
estudadas, com um mnimo de experimentos, em um planejamen-
to fatorial fracionrio com frao 1/16, ou seja, 2
7-4
(
1
16
2
7
= 2
-4
2
7
=
2
7-4
). Para este caso, o planejamento definido pelo modelo de
matriz para um planejamento fatorial 2
3
(Tabela 3).
Um planejamento fatorial completo com sete variveis necessita
de 128 experimentos. Sendo o planejamento fracionrio 2
7-4
, 1/16 do
planejamento completo, ele necessitar de somente 8 experimentos.
Neste caso, para elaborao da matriz de planejamento a partir
da matriz mostrada na Tabela 3, as variveis x
4
, x
5
, x
6
e x
7
sero os
produtos das colunas das variveis x
1
x
2
, x
1
x
3
, x
2
x
3
e x
1
x
2
x
3
, respecti-
vamente.
Efeitos confundidos e resoluo
Certamente h perda de informaes quando se realizam os
planejamentos fatoriais fracionrios. Os efeitos principais so mis-
turados com os efeitos de interao e esta contaminao aumenta
entre as interaes, quando se aumenta a frao do planejamento.
Para entender melhor a confuso causada por esta mistura, con-
sidere uma meia frao de um planejamento fatorial 2
5-1
(Tabela
4). O objetivo obter todos os efeitos principais e todos os poss-
veis efeitos de interao realizando apenas 16 ensaios. Uma matriz
de planejamento elaborada a partir de um planejamento 2
4
. A
coluna da quinta varivel (5) obtida a partir da multiplicao de
todas as outras, ou seja, 1234. Assim, 5 = 1234 chamado de gera-
dor de um planejamento fracionrio
1,15
. Observa-se pela Tabela 4
que os coeficientes de contraste para o efeito de 123 tm os mes-
mos sinais de 45. Isto mostra que os efeitos estimados por estas
duas interaes sero os mesmos, ou seja, sero confundidos, sen-
do assim chamados de pseudnimo um do outro.
A meia frao do planejamento mostrada na Tabela 4 foi obti-
da a partir do gerador (5=1234), no entanto, para conhecer a iden-
tidade de um pseudnimo realizada uma definio de contrastes
a partir da relao apresentada pela Equao 3
I = 12345 (3)
O pseudnimo obtido multiplicando o definido contraste I
por cada um dos efeitos. Por ex., o pseudnimo de 1 obtido mul-
tiplicando 1 por 12345. Considere tambm, como regra, que se
um mesmo termo aparecer mais de uma vez na multiplicao, este
termo desaparece. Portanto, 112345 = 2345. Para 12 o pseudnimo
1212345 = 345.
Se um outro fator F adicionado ao planejamento 2
5-1
(Tabela
4) ele passa a ser um planejamento 2
5-2
e, portanto, um quarto do
fatorial completo. Para obter este novo fator, uma outra definio
de contrastes obtida de um gerador adicional. Assim 5 = 1234 e
6 = 123. Portanto, I = 12345 e I = 1236, respectivamente. Uma ter-
ceira definio de contrastes ento obtida multiplicando os dois
anteriores conforme a Equao 4
I = 123451236 = 456 (4)
O pseudnimo para cada efeito pode agora ser obtido pela
maneira usual. Para 1 temos: 1 = 112345 = 11236 = 1456 ou 1 =
2345 = 236 = 1456.
Assim, com um quarto do planejamento 2
5
, cada efeito apre-
senta trs pseudnimos e a estimativa dos efeitos principais indi-
vidual, no entanto, eles se confundem com efeitos de interao de
2 ordem.
Este tipo de confuso pode ocasionalmente causar dificulda-
des na interpretao, mas isto facilmente contornado por adio
Tabela 3. Planejamento fatorial completo 2
3
N exp. x
1
x
2
x
3
1 -1 -1 -1
2 1 -1 -1
3 -1 1 -1
4 1 1 -1
5 -1 -1 1
6 1 -1 1
7 -1 1 1
8 1 1 1
Figura 1. Experimentos selecionados para um planejamento fatorial
fracionrio 2
3-1
Tabela 4. Coeficientes de contraste para um planejamento fatorial
fracionrio 2
5-1
N exp. 1 2 3 4 5 1234 123 45 2345
1 - - - - + + - - -
2 + - - - - - + + +
3 - + - - - - + + -
4 + + - - + + - - +
5 - - + - - - + + -
6 + - + - + + - - +
7 - + + - + + - - -
8 + + + - - - + + +
9 - - - + - - - - +
10 + - - + + + + + +
11 - + - + + + + + -
12 + + - + - - - - +
13 - - + + + + + + -
14 + - + + - - - - +
15 - + + + - - - - -
16 + + + + + + + + +
341 Quimiometria II: Planilhas Eletrnicas para Clculos de Planejamentos Vol. 29, No. 2
de poucos experimentos complementares, a fim de separar efeitos
confundidos.
Um conceito importante em planejamentos fatoriais fracionrios
a resoluo do planejamento, que define a ordem em que se ne-
gligenciam os efeitos e definida por um nmero romano coloca-
do depois do planejamento ou subescrito. Em geral, a resoluo o
valor do nmero de fatores que compem o termo de menor com-
primento nas definies de contrastes I
1
. Para ilustrar:
1. Resoluo III No confunde efeitos principais entre si,
mas os confunde com efeitos de interao entre dois fatores.
2. Resoluo IV No confunde efeitos principais entre si e
nem com efeitos de interao entre dois fatores, mas confunde efei-
tos principais com efeitos de interao entre trs variveis e os
efeitos entre duas variveis se confundem com outros efeitos, in-
clusive entre eles.
3. Resoluo V Os efeitos principais so confundidos com
efeitos de interao entre quatro variveis e os efeitos de interao
entre duas variveis so confundidos com efeitos de interao en-
tre trs variveis.
Planejamentos fatoriais fracionrios com resoluo maior que
V so raramente usados em triagem
3
.
Os clculos para estimativa dos efeitos para um planejamento
fatorial fracionrio, sero descritos no item Modelos empricos em
estudo de triagem.
Planejamentos fatoriais com ponto central
Em muitos casos, a realizao de repeties autnticas pode ser
algo inconveniente por diversas razes. Para contornar este infortnio
e obter uma boa estimativa dos erros, um experimento normalmente
includo no centro do planejamento (Figura 2), em que o valor mdio
dos nveis de todas as variveis empregado. So os conhecidos expe-
rimentos no ponto central (nvel zero). Deste modo, possvel avaliar
a significncia dos efeitos ou coeficientes, tanto em planejamentos de
triagem (completos ou fracionrios) como em metodologias de super-
fcie de resposta (discutidos mais adiante). Alm desta vantagem, re-
comenda-se este tipo de experimento pelas seguintes razes
3
: o risco
de perder a relao no linear entre os intervalos minimizado e
possvel estimar um modelo razovel e verificar se h falta de ajuste.
Logicamente no h como fugir das repeties, mas o nmero
destas, na maioria dos casos, significativamente reduzido.
No entanto, esta metodologia possvel de ser aplicada somente
quando se utilizam variveis quantitativas, visto que, para variveis
qualitativas, no h como adicionar nveis no ponto central.
Os clculos para estimativa de efeitos e coeficientes relaciona-
dos aos planejamentos com ponto central sero discutidos no item
Modelos empricos em estudo de triagem.
Modelos empricos em estudo de triagem
Pode-se assumir, desde o incio do experimento, que o sistema
estudado (domnio experimental) regido por alguma funo que
descrita pelas variveis experimentais. Normalmente esta funo pode
ser aproximada por um polinmio, o qual pode fornecer uma boa des-
crio entre os fatores e a resposta obtida. A ordem deste polinmio
limitada pelo tipo de planejamento usado. Planejamentos fatoriais de
dois nveis, completos ou fracionrios, podem estimar apenas efeitos
principais e interaes. Planejamentos fatoriais de trs nveis (ponto
central) podem estimar, alm disso, o grau de curvatura na resposta.
Para descrever tais modelos em um estudo de triagem, so uti-
lizados os polinmios mais simples, ou seja, aqueles que contm
apenas termos lineares. Considerando um exemplo para trs vari-
veis, x
1
, x
2
e x
3
, dois polinmios seriam:
y = b
0
+ b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ e (5)
y = b
0
+ b
1
x
1
+ b
2
x
2
+ b
3
x
3
+ b
12
x
1
x
2
+ b
13
x
1
x
3
+ b
23
x
2
x
3
+ b
123
x
1
x
2
x
3
+ e (6)
Segundo a Equao 5, o coeficiente b
0
o valor populacional
da mdia de todas as respostas obtidas, b
1
, b
2
e b
3
so os coeficien-
tes relacionados com as variveis x
1
, x
2
, e x
3
, respectivamente, e o
erro aleatrio associado ao modelo e, para o caso da Equao 6,
b
12
, b
13
, b
23
so os coeficientes para as interaes x
1
x
2
, x
1
x
3,
x
2
x
3
e
b
123
o coeficiente para a interao x
1
x
2
x
3
.
A partir do planejamento montado, pode-se construir a matriz
de coeficientes de contraste, de acordo com a Tabela 1. A matriz de
coeficientes de contraste X, juntamente com o vetor de respostas y,
obtido experimentalmente, ser utilizada para clculo dos coefici-
entes do modelo, conhecidos tambm como vetor de regresso.
O modelo procurado, descrito pelas Equaes 5 e 6 pode ser
representado matricialmente pela Equao 7
^
y = Xb (7)
em que
^
y o vetor das respostas estimadas pelo modelo e b o vetor
de regresso.
Uma maneira de determinar o vetor de regresso b atravs do
mtodo dos quadrados mnimos
17,18
, definido pela Equao 8, em
que X
t
indica a transposta de X
b = (X
t
X)
-1
X
t
y (8)
(X
t
X)
-1
a matriz inversa do produto da transposta da matriz X
com ela mesma.
Para um planejamento fatorial completo, a matriz X qua-
drada e ortogonal, onde n corresponde ao nmero de ensaios. Isto
ocorre pois as colunas de X no esto normalizadas, portanto X
-1
=
X
t
. Neste caso, a Equao 8 se resume Equao 9
1
b = X
t
y (9)
n
A Equao 8 geral e pode ser empregada para se fazer a esti-
mativa de efeitos e coeficientes para todos os planejamentos des-
critos neste artigo, no entanto a Equao 9 especfica para o pla-
nejamento fatorial completo, no sendo aplicvel aos outros plane-
jamentos descritos.
Como as variveis so estudadas em dois nveis codificados,
cada efeito satisfaz variao de duas unidades da varivel corres-
Figura 2. Planejamento 2
2
com ponto central
342 Quim. Nova Tefilo e Ferreira
pondente. Se considerarmos os fatores individualmente, pode-se
provar que o valor de cada coeficiente do modelo a metade do
valor do efeito correspondente, exceto para b
0
, cujo valor o mes-
mo do calculado para seu efeito (Equao 1). Desta maneira, o
modelo empregado para descrever as respostas elaborado em fun-
o dos efeitos por unidade de variao individual
2
.
Estimativa dos erros para os efeitos atravs de repeties
Normalmente, os resultados obtidos em experimentos de pla-
nejamento fatorial completo ou fracionrio com repeties consis-
tem de uma pequena amostra de um hipottico conjunto maior,
representado por uma populao. Destes dados podemos obter a
mdia amostral, a varincia amostral e o desvio padro amostral,
como se segue:
(10)
(11)
(12)
em que r o nmero de replicatas, isto , o nmero de ensaios
realizados em um mesmo ponto experimental (nvel), y
i
so os va-
lores de cada observao individual,
y o valor mdio, s
2
a
varincia e s o desvio padro.
A soma dos desvios da mdia amostral de r replicatas neces-
sariamente zero. Isto requer que ( y
i
-
y
i
) realizadas no conjunto de condies experimentais
18
.
A Equao 27 pode ser resumida da seguinte maneira
SQ
res
= SQ
ep
+ SQ
faj
(28)
Para cada fonte de variao (regresso, resduos, falta de ajus-
te, erro puro e total), necessrio obter o nmero de graus de liber-
dade. No introduzindo detalhes, pode-se provar que o nmero de
graus de liberdade para as Equaes 24, 25 e 27 so p 1, n p e (n
m) + (m p), respectivamente
1-2,18,26
, em que p o nmero de
parmetros (coeficientes) do modelo, n o nmero total de obser-
vaes (ensaios) e m o nmero de nveis do planejamento. O
nmero de graus de liberdade para as outras fontes de variao
pode ser obtido por clculos algbricos simples.
A diviso da soma quadrtica de cada fonte de variao pelo
seu respectivo nmero de grau de liberdade fornece a mdia
quadrtica (MQ). A razo entre a mdia quadrtica da regresso
(MQ
reg
) pela mdia quadrtica dos resduos (MQ
res
), que nada mais
do que a razo entre duas varincias, pode ser usada para compa-
rar tais fontes de variao atravs do teste F (distribuio de Fisher),
levando em considerao seus respectivos nmeros de graus de
liberdade. O mesmo pode ser feito para a razo entre a mdia
quadrtica da falta de ajuste (MQ
faj
) pela mdia quadrtica do erro
puro (MQ
ep
).
Assim, como foi realizada a avaliao dos efeitos e coeficien-
tes empregando o teste t, atravs do valor p, o mesmo ser feito
para comparar as duas fontes de variao entre si, empregando-se
neste caso o teste F (Equao 29)
(29)
em que MQ
1
e MQ
2
so as mdias quadrticas das fontes de varia-
o 1 e 2, respectivamente, e
1
,
2
so seus respectivos nmeros de
graus de liberdade.
Exemplificando, a razo entre as mdias quadrticas da falta
de ajuste e do erro puro o valor calculado do teste estatstico
(F
calc
), que usado para comparar qual mais significativo. Pode-
se formular uma hiptese nula (H
0
) considerando que no h dife-
rena entre as fontes de variao comparadas. Esta hiptese se re-
flete na seguinte regra de deciso:
a) rejeio da hiptese nula com 5% de significncia, quando o
valor de F
calc
se situar fora do intervalo definido por F
(|F
calc
|
F