ME623A Planejamento e Pesquisa Não Interação no Modelo de 2 Fatores A presença de interação tem um impacto na interpretação dos dados No entanto, se a interação não for significativa, podemos retirá-la do modelo Nesse caso, o modelo se reduz a: yijk = m + t i + b j + eijk i = 1... a, j = 1, ..., b, k = 1, ..., n A análise estatística do modelo sem interação é muito parecida com a análise do modelo de dois fatores com interação A diferença é que a SSE também contém a SSAB Não Interação no Modelo de 2 Fatores Apesar da interação ser significativa no Exemplo da bateria, vamos fingir que não e analisar os dados assumindo não interação entre o tipo de material e a temperatura anova(lm(dados~factor(material)*factor(temp))) anova(lm(dados~factor(material)+factor(temp))) Não Interação no Modelo de 2 Fatores Assim como no modelo com interação, os fatores principais são significantes Vamos então analisar os resíduos desse modelo Os valores ajustados são dados por: yˆijk = mˆ + tˆi + bˆ j = yi.. + y. j. - y... Não Interação no Modelo de 2 Fatores A análise dos resíduos mostra se o modelo sem interação é adequado Qualquer tendência nesse gráfico sugere a presença de interação plot(lm(dados~factor(material)*factor(temp))) plot(lm(dados~factor(material)+factor(temp))) Modelo com 2 fatores e única replicação Nos modelos com dois fatores com interação, a replicação é necessário para que possamos obter uma estimativa do erro Mas e quando não existe replicação? O modelo com dois fatores e somente uma observação por tratamento é escrito como: yij = m + t i + b j + (tb )ij + eij i = 1...a j = 1...b Modelo com 2 fatores e única replicação Modelo com 2 fatores e única replicação Modelo com 2 fatores e única replicação Efeito da interação e erro não podem ser separados Modelo com 2 fatores e única replicação O fato de não poder separar o efeito da interação (τβ)ij do erro experimental implica que não existem testes para os efeitos principais a menos que o efeito da interação seja nulo, ou seja, (τβ)ij = 0 para todo i e j Se não existe interação, então um modelo plausível é yij = m + t i + b j + eij 2 E(MSres) = s Nesse caso, e os efeitos principais podem ser testados pela comparação de MSA e MSB com MSRes (teste F) Teste para Interação Tukey desenvolveu um teste para determinar se a interação está ou não presente Assume-se que a interação é da seguinte forma (tb )ij = gt i b j Onde g é uma constante conhecida O teste particiona a SSRes em SSRes = SSE + SSN onde SSN é a soma de quadrados de nãoaditividade, com 1 grau de liberdade e 2 SSN = éa êå êë i=1 æ y..2 öù å yij yi. y. j - y.. çè SSA + SSB + ab ÷øúú û j=1 b abSSASSB Teste para Interação Dessa forma, temos que SSE = SSRes - SSN com (a – 1)(b – 1) – 1 graus de liberdade Para testar a hipótese de não-aditividade (ou interação), calculamos a estatística: SSN SSN F0 = = MSE SSE / [(a -1)(b -1) -1] que sob a hipótese nula, segue uma distribuição F(1,(a-1)(b-1)-1) Exemplo: Impureza em um produto químico A impureza presente num produto químico é afetada por dois fatores: pressão e temperatura Os dados estão na tabela abaixo(única replicação) Exemplo: Impureza em um produto químico Exemplo: Impureza em um produto químico Exemplo: Impureza em um produto químico Exemplo: Impureza em um produto químico Os efeitos de pressão e temperatura são significativos Note que esse modelo é similar ao de blocos completos aleatorizados (mesma soma de quadrados) Qual a diferença?