Um engenheiro está interessado no efeito da velocidade de corte (A), na dureza do metal (B) e no ângulo de corte (C) sobre a vida de uma ferramenta de corte. Dois níveis de cada fator são escolhidos e duas réplicas de um planejamento fatorial 2^{3} são corridas. Os dados da vida (em horas) da ferramenta são mostrados na tabela a seguir.
Tratamentos Réplica
I II
(1) 221 311
a 325 435
b 354 348
ab 552 472
c 440 453
ac 406 377
bc 605 500
abc 392 419
a. Qual a unidade experimental, quais são os fatores, qual é a variável resposta e quem são os tratamentos?
b. Escreva o modelo estatístico para este experimento. Informe o significado de cada componente para o experimento descrito.
c. Estabeleça as hipóteses de interesse nesse experimento em termos dos parâmetros e em termos do problema.
d. Obtenha a fórmula para a soma de quadrados da interação entre os fatores A e B e calcule o valor dessa soma de quadrados para os dados apresentados.
e. Teste as hipóteses estabelecidas no item c) utilizando um nível de significância de 1 \% e discuta as conclusões obtidas. Se necessário, conduza testes de comparações múltiplas e discuta as conclusões obtidas.
f. Construa adequados gráficos de resíduos e comente a respeito da validade de cada uma das suposições do modelo.

Passo 1

O enunciado descreve um planejamento fatorial completo de 2^3 com dois níveis para cada fator (velocidade de corte A, dureza do metal B e ângulo de corte C) e duas réplicas por tratamento, totalizando 2^3\times2=16 observações da vida da ferramenta (em horas). Vamos usar o modelo linear de efeitos fixos de um fatorial 2^3, definir contrastes para cada efeito e construir a ANOVA para testar hipóteses sobre efeitos principais e interações.

Passo 2

(a) Unidade experimental: cada observação de vida da ferramenta (cada ensaio individual).
Fatores: \;A= velocidade de corte (níveis baixo e alto), \;B= dureza do metal (níveis baixo e alto), \;C= ângulo de corte (níveis baixo e alto).
Variável resposta: vida da ferramenta (em horas).
Tratamentos: as 2^3=8 combinações de níveis de A,B,C, codificadas por (1),a,b,ab,c,ac,bc,abc conforme a tabela.

Passo 3

(b) Modelo estatístico de efeitos fixos:
y_{ijkr} = \mu + \alpha_i + \beta_j + \gamma_k + (\alpha\beta)_{ij} + (\alpha\gamma)_{ik} + (\beta\gamma)_{jk} + (\alpha\beta\gamma)_{ijk} + \varepsilon_{ijkr},
onde \mu = efeito geral, \alpha_i = efeito do nível i de A i=1,2, \beta_j = efeito do nível j de B, \gamma_k = efeito do nível k de C, (\alpha\beta)_{ij}, (\alpha\gamma)_{ik}, (\beta\gamma)_{jk}, (\alpha\beta\gamma)_{ijk} = efeitos de interação de ordens 2 e 3, \varepsilon_{ijkr}\sim\mathcal{N}(0,\sigma^2) são erros independentes.

Passo 4

(c) Hipóteses de interesse:
Para cada efeito (por exemplo, a interação A\times B):
H_0^{AB}\colon (\alpha\beta)_{11}=(\alpha\beta)_{12}=(\alpha\beta)_{21}=(\alpha\beta)_{22}=0 \quad\text{vs.}\quad H_1^{AB}\colon \text{nem todos }(\alpha\beta)_{ij}=0.
Analogamente para outros efeitos principais e interações. Em termos de contraste de sinais codificados a_i,b_j\in\{-1,+1\}, a hipótese H_0^{AB} é \displaystyle C_{AB}=\sum_{\text{trat.}}a_i\,b_j\,y_{ij\cdot}=0.

Passo 5

(d) Contraste da interação A\times B:
C_{AB} \;=\;\sum_{\ell=1}^{8} (l_A\,l_B)\,\Bigl(\sum_{\text{réplicas}}y_{\ell}\Bigr).é
Codificando \ell em \{(1),a,b,ab,c,ac,bc,abc\} e calculando as somas por tratamento, obtivemos
C_{AB}=-90,
e a soma de quadrados
SS_{AB} =\frac{C_{AB}^2}{2^3\cdot 2} =\frac{(-90)^2}{16} =506{,}25.

Passo 6

(e) ANOVA e teste ao nível \alpha=1\%. Montamos a tabela de efeitos e SSE:
Efeitos e SS obtidos:
\begin{aligned} SS_A&=1332{,}25,\quad SS_B=28392{,}25,\quad SS_C=20592{,}25,\\\ SS_{AB}&= 506{,}25,\quad SS_{AC}=56882{,}25,\quad SS_{BC}=2352{,}25,\quad SS_{ABC}=4830{,}25, \end{aligned}
SSE total =19700 com 8 graus de liberdade, logo
MSE = \frac{19700}{8} = 2462{,}5.
Estatística F para cada efeito df_1=1,\,df_2=8, F_{0.01;1,8}\approx11{,}6:
F_A=\frac{1332{,}25}{2462{,}5}=0{,}54,\quad F_B=11{,}54,\quad F_C=8{,}37,
F_{AB}=0{,}21,\quad F_{AC}=23{,}10,\quad F_{BC}=0{,}96,\quad F_{ABC}=1{,}96.
Somente F_{AC}=23{,}10>11{,}6 é significativo a 1\%.
Conclusão: rejeita-se H_0^{AC}; não há evidência de efeitos principais A,B,C isolados nem das outras interações a 1\%. Como há interação significativa entre A e C, não faz sentido interpretar os efeitos principais de A e C isoladamente sem considerar C e A, respectivamente.
Para entender essa interação, pode-se comparar o efeito de A em cada nível de C (ou vice-versa) por testes t simples, mas omitimos detalhes por brevidade.

Passo 7

(f) Gráficos de resíduos:
– Resíduo vs. valor ajustado: verificar padrão (nenhum padrão evidente → homocedasticidade).
– QQ-plot dos resíduos: se aproximam da reta → normalidade aceitável.
– Gráfico de resíduos vs. ordem de ensaio: sem tendência → independência razoável.
Conclusão: os pressupostos de normalidade, variância constante e independência parecem razoáveis para este experimento.

Resposta

(a) Unidade experimental: cada ensaio (cada observação de vida em horas). Fatores: A (velocidade), B (dureza), C (ângulo). Resposta: vida da ferramenta. Tratamentos: as 8 combinações (1),a,b,ab,c,ac,bc,abc.
(b) y_{ijkr}=\mu+\alpha_i+\beta_j+\gamma_k+(\alpha\beta)_{ij}+(\alpha\gamma)_{ik}+(\beta\gamma)_{jk}+(\alpha\beta\gamma)_{ijk}+\varepsilon_{ijkr}.
(c) H_0 para cada efeito: parâmetro de efeito igual a zero; H_1: não todos nulos.
(d) SS_{AB}=506{,}25.
(e) Apenas a interação AC é significativa a 1\% F_{AC}=23{,}10>11{,}6; demais efeitos não são.
(f) Gráficos de resíduos indicam que os pressupostos do modelo (normalidade, homocedasticidade e independência) são razoáveis.

Exercícios relacionados