NOÇÕES SOBRE EXPERIMENTOS FATORIAIS
|
|
- Giovanna Rios Antas
- 5 Há anos
- Visualizações:
Transcrição
1 3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS
2 Planejamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações propositais são feitas nas variáveis de um processo, de modo que se possa avaliar as possíveis alterações sofridas pela variável resposta como também as razões destas alterações. Quem faz DOE? Participam o pessoal da engenharia, P&D, laboratório, manutenção, qualidade, fábrica, gerência, clientes e pessoal operacional. Cada pessoa envolvida no experimento tem de ter uma idéia clara do que se está estudando, sua importância, onde se quer chegar, como os dados serão coletados e qualitativamente, como serão analisados.
3 Pesquisador Otimizar a pureza (resposta) de um processo T, P (fatores) Quais os valores das 2 variáveis veis que produzem o maior pureza? Sugestão: manter o processo sobre controle Experimentos do tipo Um-Fator Fator-de-Cada-Vez
4 1 - Fixar T e variar P até > Pureza T=65 o C
5 2 - Manter P no valor ótimo e variar T até > Pureza P=14,3atm Experimento acabou e descobrimos os valores ótimos para maximização da Pureza! Certo ou Errado?
6 Experimentos Fatoriais x Um-Fator-de-Cada-Vez
7
8 Análise de Superfície de Resposta Planejamento Experimental (ou Fatorial) Consiste num grupo de técnicas usadas para o estudo empírico das relações entre uma ou mais respostas medidas analiticamente e um número de variáveis de entradas que possam ser controladas.
9 A metodologia foi desenvolvida para estudos empíricos, mas tem se mostrado muito interessante nos estudos de simulação de processos. Analise dos efeitos Análise de sensibilidade
10 Fatores ou variáveis F 1 Respostas R 1 F 2 F k.. Sistema R 2.. R j R 1,2,...j = f (F 1, F 2,... F k ) Estabelecer uma função matemática que correlacione as variáveis estudadas em função da(s) resposta(s) determinada(s)
11 Segundo Box et al (1979) estas técnicas t são usadas para elucidar as seguintes questões: como uma (ou mais) resposta(s) é (serão) afetada(s) sobre uma região de interesse por um dado conjunto de variáveis veis de entrada (fatores) quais variáveis veis de entrada resultarão num produto dentro das especificações desejadas quais os valores das variáveis veis de entrada levarão a melhor resposta específica e como é a superfície de resposta próxima a este ponto
12 PROCESSO ESTATÍSTICA BOM SENSO
13 Bom senso ANÁLISE DO PROCESSO Planejamento experimental ESTATÍSTICA STICA Fatorial completo Definir as variáveis a serem analisadas: composição temperatura agitação aeração tempo... Estabelecer as respostas desejadas: rendimento produtividade custo pureza textura... Fracional Plackett Burman Verificação dos efeitos das variáveis Modelagem matemática Validação do modelo (ANOVA) Análise de superfície de resposta Faixas ótimas de operação Menor custo Menor tempo Maior precisão Melhor qualidade.
14 Etapas que devem ser seguidas objetivando a otimização de um processo: 1. Definir claramente quais são os objetivos a serem alcançados ados com os experimentos função objetivo Realize uma sessão de brainstorming para analisar profundamente o processo em estudo, envolvendo todas as pessoas que possam contribuir com a definição dos objetivos e pesquisador verificar as restrições do processo (se houver) determinar as respostas de interesse a serem analisadas 2. Elaborar o planejamento experimental ou fatorial levando em consideração todas as variáveis veis independentes definidas no ítem 1
15 3. Realizar os experimentos e obter as respostas 4. Elaborar o modelo das respostas (variáveis veis dependentes) em função das variáveis veis independentes 5. Verificar a validação do modelo (testes estatísticos) sticos) checar as respostas 6. Gerar as superfícies de resposta para análise 7. Definir as faixas ótimas operacionais de cada variável vel do processo 8. Realizar ensaios nas condições otimizadas antes de colocar o processo em escala industrial 9. Elaboração do Relatório Validação do Modelo Descreva claramente o trabalho realizado, utilizando gráficos e tabelas e minimize o uso da terminologia estatística stica desnecessária e expresse as informações do modo mais simples possível
16 Planejamento Fatorial: 2 n onde: n = número n de variáveis veis 2 = 2 níveis n a serem estudados (-1,( +1) Obs.: Níveis: Diferentes valores das variáveis veis que se deseja estudar. Ex.: Variável temperatura (-1) Nível N inferior: 30 o C (+1) Nível N superior: 40 o C ( 0 ) Nível N intermediário rio (Ponto Central): 35 o C Assim: 2 variáveis veis (T, C) 2 2 = 4 ensaios 3 variáveis veis (T, C, Cat.) 2 3 = 8 ensaios 4 variáveis veis (T, C, Cat., ph) 2 4 = 16 ensaios : : : : 10 variáveis veis (T,C,Cat,pH,...) 2 10 = 1024 ensaios
17 Genericamente: Pontos Axiais (p/ modelo de 2a. ordem) α = n 2 4 a
18 Portanto é necessário: uma boa definição dos níveisn -11, +1 prever a necessidade da definição de níveis n -α, +α+ para obtenção de um modelo quadrático, caso o linear não apresente boa correlação. realizar ensaios no ponto central para determinação do erro experimental (erro puro) Verificar a reprodutibilidade dos ensaios
19 Exemplo de Cálculo dos efeitos Fatores Repetições A (ph) B (T) Totais Médias
20 Efeitos ph Temperatura ph x Temperatura -13
21 Erro t Calc Fatores Efeitos p - valor Padrão 8 gl Estimativa por Intervalo (95%) L. Inferior L. Superior Média 231,5 5,34 43,36 < 0, ,19 243,81 ph ,68-13,21 < 0, ,62-116,38 Temperatura ,68 17,89 < 0, ,38 215,62 ph x Temp ,68-1,22 0, ,62 11,62
22
23 p=0,05 Temperatura 17,88879 ph -13,2059 TxpH -1, Efeito padronizado (valor de t Calc )
24 Fatores Coeficientes do Modelo Erro Padrão t Calc 8 gl p - valor Estimativa por Intervalo (95%) L. Inferior L. Superior Constante 231,5 5,34 43,36 < 0, ,19 243,81 ph -70,5 5,34-13,21 < 0, ,81-58,19 Temperatura 95,5 5,34 17,89 < 0, ,19 107,81 ph x Temp -6,5 5,34-1,22 0, ,81 5,81 A descrição gráfica do modelo ajustado: Y = 231,5 70,5 ph + 95,5 T 6,5 ph.t
25 ANOVA Fontes de variação GL SQ QM F calc p-valor ph Temperatura ph x T Impossível Impossível Resíduo Zero Zero Zero - - Total
26 É POSSÍVEL CONFIAR NESTA SUPERFÍCIE?? above
27 Adição de pontos centrais ph Temperatura Atividade
28 A descrição gráfica do modelo ajustado: Y = 196,57 70,5 ph + 95,5 T 6,5 ph.t Fontes de variação GL SQ QM F p-valor ph ,15 0,108 Temperatura ,45 0,0544 ph x T ,04 0,8477 Resíduo , , Total ,
29 above
30 Adição dos pontos axiais 1 V (rpm) -1-1 C (%) 1 α= (2 n ) 1/4 neste caso α = ± 1,41
31 Adição de pontos axiais ph Temperatura Atividade , , , ,41 300
32 e x x x x x x y = β β β β β β e x x x x y j jj j j i ij j i j j j = 2 0 β β β β p Equação para duas variáveis: E genericamente:
33 Para este estudo de caso: y ˆ = 149,95 65,41 x ,25 x2 + 46,20 x1 28, 60 x 2 2 Fatores Coeficientes Erro Padrão t Calc (3) p-valor Estimativas por Intervalo (95%) L. Inferior L. Superior Média 149,95 11,49 13,05 < 0,01 120,41 179,48 ph Linear -65,41 7,05-9,28 < 0,01-83,52-47,29 ph Quadrático 46,2 8,41 5,49 < 0,01 24,59 67,81 Temperatura Linear 83,25 7,05 11,81 < 0,01 65,13 101,36 Temperatura Quadrático 28,6 8,41 3,4 0,02 6,98 50,21 ph x Temp -6,5 9,95-0,65 0,54-32,08 19,08
34 ANOVA Fontes de variação GL SQ QM F p-valor ph (L) , ,88 86,16 0 ph (Q) , ,02 30,19 0 Temp (L) , ,45 139,58 0 Temp (Q) , ,73 11,57 0,02 ph x Temp ,43 0,54 Resíduo ,16 396, Total , R 2 = 98,11% F 0,95; 5; 5 = 5,05
35 ANOVA Fontes de variação GL SQ QM Fcal p-valor Regressão , ,5 Resíduo ,16 396, ,00026 Total ,64 R 2 = 98,11% F 0,95; 5; 5 = 5,05
36 above
37 Exemplo de um planejamento 2 3 Objetivo: Aumentar o Rendimento de um processo Ensaio Rendimento Média (7) 52 (12) 54, (9) 88 (10) 86, (11) 47 (15) 48, (2) 62 (1) 63, (13) 61 (5) 63, (6) 95 (16) 93, (14) 60 (3) 58, (8) 74 (4) 72,0 1 Temperatura ( o C) 2 Tipo de Catalisador 3 Concentração (M)
38 Cálculo dos Efeitos Principais e de Interação Ensaio (1) (2) (3) Média Efeito Efeito Efeito Efeito Efeito Efeito Efeito X1 X2 X3 Rend. X1 X2 X3 X1.X2 X1.X3 X2.X3 X1.X2X3 Y1 (1) (2) (3) (12) (13) (23) (123) ,0-54,0-54,0-54,0 +54,0 +54,0 +54,0-54, ,5 +86,5-86,5-86,5-86,5-86,5 +86,5 +86, ,0-48,0 +48,0-48,0-48,0 +48,0-48,0 +48, ,0 +63,0 +63,0-63,0 +63,0-63,0-63,0-63, ,0-63,0-63,0 +63,0 +63,0-63,0-63,0 +63, ,5 +93,5-93,5 +93,5-93,5 +93,5 +93,5-93, ,5-58,5 +58,5 +58,5-58,5-58,5 +58,5-58, ,0 +72,0 +72,0 +72,0 +72,0 +72,0 +72,0 +72,0
39 Resultados: Média Global 8 = ( i= 1 Y i 1 ) / 8 = 538,5 / 8 = 67,3 Efeitos principais Efeitos de 2 a ordem Efeito de 3 a ordem = ([ X1].[ Y1 ]) / 4 1 = 91, 5 / 4 = 22, 88 ([ X2].[ Y1 ]) / 4 2 = 55, 5 / 4 = 13, 88 ([ X3].[ Y1 ]) / 4 3 = 35, 5 / 4 = 8, 88 ([ X1].[ X2].[ Y1 ])/ 4 12 = 345, / 4= 863, = ([ X1].[ X3].[ Y1 ])/ 4 13 = 35, / 4= 088, ([ X2].[ X3].[ Y1 ])/ 4 23 = 35, / 4= 088, = ([ X 1].[ X 2 ].[ X 3].[ Y1 ]) / = 0, 5 / 4 = 0, 13
40 ESTIMATIVA DO ERRO: ^ 2 2 V = S = di / 2N ( y ) substituindo: S ^ N V efeito = = 8 ai xs / onde: a i = ± i= 1 5, 2 onde: N = 8 Variância da média m de duas observações ^ 2 V efeito = (1/ /16) x(5,2/ 2) = (8/16) x(5,2 / 2) = 1, ^ V = 1,30 Erro padrão ^ V efeito = ( ) = 1, 3 = 11, Erro padrão Média M Global = V( efeito ) 2 = 0,55 ^
41 Histograma dos Efeitos 30 Efeito no Rendimento (%) x2 1x3 2x3 1x2x3 Média x 2 1 x 3 2 x 3 1x2x3 Efeito 67,3 22,8-13,8 8,8-8,6-0,8 0,8 0,13 Desvio 0,55 1,1 1,1 1,1 1,1 1,1 1,1 1,1 1 Temperatura ( o C) 2 Tipo de Catalisador 3 Concentração (M)
42 COMO ATINGIR AS CONDIÇÕES ÓTIMAS DE PROCESSO PARTINDO-SE DE UMA CONDIÇÃO BEM LONGE DO ÓTIMO? 1 - Realizar um 1 o planejamento ao redor das condições de operação 2 - Verificar a influência das variáveis veis e o caminho das condições ótimas (pode ser sem planejamento) 3 - Quando chegar perto da região ótima 2 o Planejamento Modelo (ASR) Definição das faixas ótimas de operação
43 OBJETIVO: Maximizar o rendimento (y) de um processo. Variáveis Independentes: x 1 - Concentração de um reagente (%) x 2 - Velocidade de agitação (rpm)
44 Resultados de um Planejamento 2 2 com ponto central Ensaio X 1 X 2 C (%) V (rpm) Y (%) V (rpm) C (%)
45 Análise de Efeitos Efeito Desvio Padrão t(3) p Coef. -95.% Coef. +95.% Média (1) C (%)* (2)v (rpm)* x * p< 0,05 12 Efeitos no Rendimento (%) x2
46 Coeficientes de Regressão Média (1) C (%)* (2)v (rpm)* 1 x 2 * p< 0,05 Coef. de Regressão Desvio Padrão t(3) p Coef. -95.% Coef. +95.% ANOVA Fonte de Variação Soma Quadrática N os de G. L. Média Quadrática F cal. Regressão 182, ,25 66,12 Resíduos 5,50 4 1,38 F. Ajuste 0,83 2 0,42 Erro Puro 4,67 2 2,34 TOTAL 188,00 6 R 2 = 0,97 (% de variação explicada) R = 0,985 F 0,95 ;2; 4 = 6,94
47 Rend. (%) above v (rpm) C (%) Rend.= 68,0 5,25.C + 4,25.v Modelo de 1 a ordem
48 Caminho para o Ótimo v (rpm) C (%)
49 Trajetória de máxima inclinação X 1 X 2 C (%) V (rpm) Y (%) - 1 0, , , , , , , , , ,5 70 v (rpm) C (%)
50 Resultados do Planejamento 2 2 com ponto central Ensaio X 1 X 2 C (%) V (rpm) Y (%) ANOVA Fonte de Variação Soma Quadrática N os de G. L. Média Quadrática F calc. Regressão 26, ,25 0,75 Resíduos 70, ,73 F. Ajuste 68, ,46 Erro Puro 2,00 2 1,00 TOTAL 97,42 6 R 2 = 0,27 (% de variação explicada) R = 0,52 F 0,95 ;2; 4 = 6,94
51 Adição dos pontos Axiais V (rpm) C (%) α= (2 n ) 1/4 neste caso α = 1,41
52 Resultados do Planejamento com adição dos pontos axiais Ensaio X 1 X 2 C (%) V (rpm) Y (%) / / / /
53 Coef. de Regres. Desvio Padrão t(3) p Coef. -95.% Coef. +95.% Média (1) C (%)*(L) (1) C (%)*(Q) (2)v (rpm)*(l) (2)v (rpm)*(q) x 2* * p< 0,05 Coeficientes de Regressão Análise de Variância para ajuste do modelo Fonte de Variação Soma Quadrática N os de G. L. Média Quadrática Fcalc. Regressão 144, ,83 52,42 Resíduos 2,76 5 0,55 F. Ajuste 0,76 3 0,25 Erro Puro 2,00 2 1,00 TOTAL 146,91 10 R 2 = 0,98 (% de variação explicada) R = 0,99 F 0,95 ;5; 5 = 5,05
54 Rendimento (%) above v (rpm) Concentração (%) Rendimento (%) = 89,0 + 1,51. C 2,37. v 2,82.C 2 2,82. V 2 + 1,75. C. v
55 Definição das faixas ótimas de trabalho above v (rpm) Concentração (%)
56 4 COMPARAÇÃO DO USO DAS METODOLOGIAS: ESTUDO DE UMA VARIÁVEL POR VEZ VERSUS PLANEJAMENTO FATORIAL
57 (a) Um fator por vez 9 (b) Matriz (combinação de todos fatores) 25 (c) Delineamento composto central rotacional (DCCR) 11
58 Estudo de Caso AVALIAÇÃO DO EFEITO DO ph E TEMPERATURA NA ATIVIDADE DE UMA ENZIMA Augusto, A C.S.; Costa, F.A.A. e Rodrigues, M.I. Laboratório de Engenharia de Bioprocessos FEA UNICAMP, 2002
59 Resumo As enzimas são muito utilizadas nas indústrias de alimentos, químicas, farmacêuticas e afins, com inúmeras aplicações. As variáveis ph e temperatura afetam significativamente a atuação das enzimas no meio reacional.
60 Resultados e discussão a) Estudo de uma variável por vez (10 ensaios): Ensaios a 40 o C a diferentes valores de ph Ensaios a ph 4,0 e diferentes valores de temperatura ph Atividade (U/mL) Temperatura ( o C) Atividade (U/mL) 3, , , , ,
61 300 Atividade (U/mL) Atividade enzimática em função 50 2,5 3,5 4,5 5,5 6,5 7,5 ph 500 (a) ph (temperatura de 40 o C) 400 Atividade (U/mL) Temperatura ( o C) (b) da temperatura (ph igual a 4,0)
62 b) Estudo Fatorial (25 ensaios): T=30 o C T=40 o C T=50 o C T=60 o C T=70 o C ph Ativ. (U/mL) ph Ativ. (U/mL) ph Ativ. (U/mL) ph Ativ. (U/mL) ph Ativ. (U/mL)
63 Comportamento da atividade enzimática em diferentes ph e temperaturas ( o C) Atividade (U/mL) ,5 3,5 4,5 5,5 6,5 7,5 ph
64 c) Estudo através do delineamento composto central rotacional (12 ensaios): Ensaios ph T ph T ( o C) Atividade (U/mL) , , , , ,41 0 3, ,41 0 7, ,41 5, ,41 5, , , , ,
65 Atividade = 393,03 127,79 ph 90,65 ph ,24 T 86,53 T 2 62,92 ph T Fonte de variação Soma de Quadrados Graus de liberdade Quadrado Médio F calc p-valor Regressão Resíduo ,0005 Total R 2 = 95,52% F 0,95; 5; 6 = 4,4
66 Atividade enzimática (U/mL) above Temperatura ( o C) ph 70 (a) Superfície de resposta Temperatura ( C) ph (b) curvas de contorno para a atividade da inulinase.
67 Conclusões Devido ao uso da metodologia do planejamento experimental, foi possível a realização de 12 ensaios, ao invés s dos 25 (análise univariável) vel) para chegar as condições ótimas de temperatura e ph. Quanto maior o número n de variáveis veis a estudar, mais a técnica t do planejamento experimental reduz o número n de ensaios necessários, quando comparado a metodologia univariável. vel.
68 E se aumentarmos 1 fator no planejamento?
69 (a) Um fator por vez 13 (b) Matriz (combinação de todos fatores) 125 (c) Delineamento composto central rotacional 17
70 À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios O que fazer???
71 Screening Design
Pesquisador. Planejamento de Experimentos Design of Experiments - DOE NOÇÕES SOBRE EXPERIMENTOS FATORIAIS. 1 - Fixar T e variar P até > Pureza
3 NOÇÕES SOBRE EXPERIMENTOS FATORIAIS Planeamento de Experimentos Design of Experiments - DOE Em primeiro lugar devemos definir o que é um experimento: Um experimento é um procedimento no qual alterações
Leia maisProf. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 12 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 2017
Prof. Dr. Marcone Augusto Leal de Oliveira UFJF CURSO INTRODUTÓRIO DE 2 HORAS OFERECIDO PARA A PÓS-GRADUAÇÃO DA UFABC EM NOVEMBRO DE 207 SUMÁRIO - BREVE DESCRIÇÃO, FUNDAMENTOS, CONCEITOS, CARACTERÍSTICAS,
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisBibliografia Recomendada.
Bibliografia Recomendada http://paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Montgomery, D. C. Design and Analysis of Experiments. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.;
Leia maisÀ medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente!
Screening Design À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios 2 2 2 4 3 2 3 8 4 2 4 16 5 2 5 32 6 2 6
Leia maisPlanejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos
Planejamento e Otimização de Experimentos Ajuste de Modelos de Regressão e Outros Planejamentos Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com.br Ajuste de modelos
Leia maisScreening Design. Estratégias. É utilizado para que o pesquisador não exclua de forma arbitrária as variáveis que possam ser. importantes no processo.
À medida que aumentamos o número de variáveis envolvidas num estudo, o número de ensaios aumenta drasticamente! N o Fatores Fatorial N o Ensaios Screening Design 3 3 1 5 5 3 7 7 1 5 9 9 51 1 1 1......
Leia maisMOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS. Professor: Rodrigo A. Scarpel
MOQ-14 PROJETO e ANÁLISE de EXPERIMENTOS Professor: Rodrigo A. Scarpel rodrigo@ita.br www.mec.ita.br/~rodrigo Programa do curso: Semana Conteúdo 1 Apresentação da disciplina. Princípios de modelos lineares
Leia maisEstatística Experimental
Estatística Experimental Prof. Dr. Evandro Bona ebona@utfpr.edu.br paginapessoal.utfpr.edu.br/ebona Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. 4ª
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Regressão Polinomial e Análise da Variância Piracicaba Setembro 2014 Estatística Experimental 18 de Setembro de 2014 1 / 20 Vimos
Leia maisBibliografia Recomendada
Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Montgomery, D. C. Design and Analysis of Experiments. Box, G. E. P.; Hunter, J. S.; Hunter, W. G. Statistics
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisEM MICROBIOLOGIA. Lavras, maio de 2012
PLANEJAMENTO EXPERIMENTAL EM MICROBIOLOGIA Prof. Dr. Whasley Ferreira Duarte Lavras, maio de 2012 1 8 4 < 0,5 8 4 SUMÁRIO Planejamento experimental Definição de bioestatística O que são as técnicas de
Leia maisProjeto de Experimentos e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG03024-Análise de Sistemas Mecânicos)
UFRGS - Universidade Federal do Rio Grande do Sul EE - Escola de Engenharia DEMEC - Departamento de Engenharia Mecânica e Superfícies de Resposta (Design of Experiments DOE Response Surfaces - RS) (ENG0304-Análise
Leia maisUTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS
UTILIZAÇÃO DE UM DELINEAMENTO COMPOSTO CENTRAL ROTACIONAL PARA AVALIAÇÃO MICROBIOLÓGICA DE POLPAS DE AÇAÍ PASTEURIZADAS R. A. MATTIETTO 1, V. M. MATTA 2 1 Embrapa Amazônia Oriental 2 Embrapa Agroindústria
Leia maisAnálise da Regressão. Prof. Dr. Alberto Franke (48)
Análise da Regressão Prof. Dr. Alberto Franke (48) 91471041 O que é Análise da Regressão? Análise da regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas
Leia maisSUMÁRIO. 2 Tabelas 10
SUMÁRIO 1 Regressão na análise de variância 2 1.1 Polinômio Ortogonal................................ 2 1.1.1 Constraste Polinomial............................ 5 1.1.2 Regressão por polinômio ortogonal.....................
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia mais5 Parte experimental Validação analítica
58 5 Parte experimental Validação analítica A validação analítica busca, por meio de evidências objetivas, demonstrar que um método produz resultados confiáveis e adequados ao uso pretendido 40. Para isso,
Leia maisDELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
Leia maisPlanejamento e Otimização de Experimentos Métodos de Superfície de Resposta
Planejamento e Otimização de Experimentos Métodos de Superfície de Resposta Prof. Dr. Anselmo E de Oliveira www.quimica.ufg.br/docentes/anselmo elcana@quimica.ufg.br Visão geral técnicas matemáticas estatísticas
Leia maisRegressão. PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei
Regressão PRE-01 Probabilidade e Estatística Prof. Marcelo P. Corrêa IRN/Unifei Regressão Introdução Analisar a relação entre duas variáveis (x,y) através da equação (equação de regressão) e do gráfico
Leia maisSeleção de um Método Analítico. Validação e protocolos em análises químicas. Validação de Métodos Analíticos
Seleção de um Método Analítico Capítulo 1 SKOOG, D.A.; HOLLER, F.J.; NIEMAN, T.A. Princípios de Análise Instrumental. 5 a edição, Ed. Bookman, Porto Alegre, 2002. Validação e protocolos em análises químicas
Leia mais3- Projetos Fatoriais
3- Projetos Fatoriais Exemplo do que se faz na indústria: Uma empresa estava interessada em aumentar o teor de pureza de uma substância química. Os dois fatores mais importantes que influenciavam o teor
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Leia maisRegressão linear simples
Regressão linear simples Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Foi visto na aula anterior que o coeficiente de correlação de Pearson é utilizado para mensurar o grau de associação
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia maisBibliografia Recomendada. Cornell, J. A. A Primer on Experiments with Mixtures.
Bibliografia Recomendada Cornell, J. A. A Primer on Experiments with Mixtures. Bibliografia Recomendada Barros Neto, B.; Scarminio, I. S.; Bruns, R. E. Como Fazer Experimentos. Bibliografia Recomendada
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 6. Os Modelos fatoriais 2 k Trataremos agora de um caso especial de experimentos fatoriais no qual todos os fatores têm apenas dois níveis. Tais níveis podem ser quantitativos
Leia maisPLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS
Delineamento de experimentos e ferramentas estatísticas aplicadas às ciências farmacêuticas Felipe Rebello Lourenço PLANEJAMENTOS FATORIAIS E SUPERFÍCIE DE RESPOSTAS PARTE 6 PLANEJAMENTOS FATORIAIS E SUPERFÍCIE
Leia maisCorrelação e Regressão
Correlação e Regressão Vamos começar com um exemplo: Temos abaixo uma amostra do tempo de serviço de 10 funcionários de uma companhia de seguros e o número de clientes que cada um possui. Será que existe
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisVariável dependente Variável independente Coeficiente de regressão Relação causa-efeito
Unidade IV - Regressão Regressões Lineares Modelo de Regressão Linear Simples Terminologia Variável dependente Variável independente Coeficiente de regressão Relação causa-efeito Regressão correlação Diferença
Leia maisaula ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES
ANÁLISE DO DESEMPENHO DO MODELO EM REGRESSÕES 18 aula META Fazer com que o aluno seja capaz de realizar os procedimentos existentes para a avaliação da qualidade dos ajustes aos modelos. OBJETIVOS Ao final
Leia maisPrincípios em Planejamento e Análise de Dados Ecológicos. Regressão linear. Camila de Toledo Castanho
Princípios em Planejamento e Análise de Dados Ecológicos Regressão linear Camila de Toledo Castanho 217 Conteúdo da aula 1. Regressão linear simples: quando usar 2. A reta de regressão linear 3. Teste
Leia maisAPLICAÇÃO DE PROJETO DE EXPERIMENTOS PARA A OTIMIZAÇÃO DE UM PROCESSO DE USINAGEM EM TORNO CNC
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maturidade e desafios da Engenharia de Produção: competitividade das empresas, condições de trabalho, meio ambiente. São Carlos, SP, Brasil, 1 a15 de outubro
Leia mais25 a 30 de novembro de 2013
em em Introdução à Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 25 a 30 de novembro de 2013 Parte 3 - Conteúdo em em 1 em 2 em em em Permite estudar como uma (simples)
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos 1 6.4 Os Modelos fatoriais 2 k : o caso geral. O modelo estatístico para um plano 2 k inclui k ( k 2 ( k ) ) efeitos principais efeitos de interação de ordem 2 efeitos de interação
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisModelo de Regressão Múltipla
Modelo de Regressão Múltipla Modelo de Regressão Linear Simples Última aula: Y = α + βx + i i ε i Y é a variável resposta; X é a variável independente; ε representa o erro. 2 Modelo Clássico de Regressão
Leia maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisPlanejamento de Misturas
Na maioria dos planejamentos os níveis dos fatores são independentes. As propriedades de uma mistura são determinadas pelas proporções de seus ingredientes, e não por valores absolutos. Planejamento de
Leia maisAvaliação de Desempenho de Sistemas Discretos
Avaliação de Desempenho de Sistemas Discretos Probabilidade Professor: Reinaldo Gomes reinaldo@dsc.ufcg.edu.br Planejamento Experimental 2 fatores manipuláveis x 1 x 2 x p entradas Processo...... saídas
Leia maisOTIMIZAÇÃO DA PRODUÇÃO DE GOMA XANTANA À PARTIR DE SORO DE LEITE
1 a 4 de setembro de 215 OTIMIZAÇÃO DA PRODUÇÃO DE GOMA XANTANA À PARTIR DE SORO DE LEITE Wisnner M. D. Conceição 1 e Enio N. Oliveira Junior 2 1 Universidade Federal de São João Del Rei, UFSJ/CAP, graduando
Leia maisEsquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos
Leia maisIntrodução. São duas técnicas estreitamente relacionadas, que visa estimar uma relação que possa existir entre duas variáveis na população.
UNIVERSIDADE FEDERAL DA PARAÍBA Correlação e Regressão Luiz Medeiros de Araujo Lima Filho Departamento de Estatística Introdução São duas técnicas estreitamente relacionadas, que visa estimar uma relação
Leia maisUSO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA
USO DE PLANEJAMENTO COMPOSTO CENTRAL NA AVALIAÇÃO DAS VARIÁVEIS TEMPERAURA E CONCENTRAÇÃO DE SOLVENTES NO ESTUDO DA SOLUBILIDADE DA UREIA F. M. A. S. COSTA 1, A. P. SILVA 1, M. R. FRANCO JÚNIOR 1 e R.
Leia maisRSM MÉTODO DA SUPERFÍCIE DE RESPOSTA
RSM MÉTODO DA SUPERFÍCIE DE RESPOSTA É UMA TÉCNICA ESTATÍSTICA MUITO ÚTIL PARA A MODELAÇÃO E ANÁLISE DE PROBLEMAS NOS QUAIS A (S) RESPOSTA (S) É INFLUENCIADA POR VÁRIAS VARIÁVEIS (FACTORES) E O GRANDE
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
Leia maisREGRESSÃO E CORRELAÇÃO
REGRESSÃO E CORRELAÇÃO A interpretação moderna da regressão A análise de regressão diz respeito ao estudo da dependência de uma variável, a variável dependente, em relação a uma ou mais variáveis explanatórias,
Leia maisAnálise de Processos ENG 514
Análise de Processos ENG 514 Capítulo 1 Introdução à Modelagem de Processos Prof. Édler Lins de Albuquerque Outubro de 2013 1 Considerações Iniciais Processos e Sistemas da Engenharia Química são Complexos
Leia maisMorgana Pizzolato, Dr a. Aula 22 Experimentos de dois fatores DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 22 Experimentos de dois fatores DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos de dois fatores Projetos fatoriais
Leia maisaula PLANEJAMENTO FATORIAL 2 2 META OBJETIVOS PRÉ-REQUISITOS
PLANEJAMENTO FATORIAL 2 2 10 aula META apresentar ao aluno aspectos fundamentais dos planejamentos fatoriais através da exemplificação com um planejamento 2 2. OBJETIVOS Ao final desta aula, o aluno deverá:
Leia mais4 Parte experimental Desenvolvimento do Método
35 4 Parte experimental Desenvolvimento do Método O vanádio por suas características e baixos níveis no soro levou os experimentos a condições extremas. Conseqüentemente, foram obtidos resultados com maiores
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisAula 2 Uma breve revisão sobre modelos lineares
Aula Uma breve revisão sobre modelos lineares Processo de ajuste de um modelo de regressão O ajuste de modelos de regressão tem como principais objetivos descrever relações entre variáveis, estimar e testar
Leia maisPOLINÔMIOS ORTOGONAIS
POLINÔMIOS ORTOGONAIS Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de julho de 2016 Introdução A variável analisada na análise de
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
Leia maisPlanejamento de Experimentos
Planejamento de Experimentos Exercício 6.17 Um pesquisador rodou uma única replicação de um plano 2 4, tendo obtido as seguintes estimativas dos efeitos: A = 76, 95, B = 67, 52, C = 7, 84 e D = 18, 73
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisQUÍMICA ANALÍTICA V 2S Prof. Rafael Sousa. Notas de aula:
QUÍMICA ANALÍTICA V 2S 2011 Aulas 1 e 2 Estatística Aplicada à Química Analítica Prof. Rafael Sousa Departamento de Química - ICE rafael.arromba@ufjf.edu.br Notas de aula: www.ufjf/baccan Discussão dos
Leia maisQuestão 1: Questão 2: Defina tratamentos, fator, nível, parcela, subparcela, coeficiente de variação e interação entre fatores.
MINISTÉRIO DA EDUCAÇÃO CENTRO DE CIÊNCIAS E TECNOLOGIA AGROALIMENTAR DISCIPLINA: ESTATÍSTICA EXPERIMENTAL LISTA DE EXERCÍCIOS 3 a AVALIAÇÃO PROFESSOR: ROBERTO QUEIROGA Questão 1: Faça um croqui (disposição
Leia mais9 Correlação e Regressão. 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla
9 Correlação e Regressão 9-1 Aspectos Gerais 9-2 Correlação 9-3 Regressão 9-4 Intervalos de Variação e Predição 9-5 Regressão Múltipla 1 9-1 Aspectos Gerais Dados Emparelhados há uma relação? se há, qual
Leia maisAnálise de Regressão EST036
Análise de Regressão EST036 Michel Helcias Montoril Instituto de Ciências Exatas Universidade Federal de Juiz de Fora Regressão sem intercepto; Formas alternativas do modelo de regressão Regressão sem
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisModelos de Regressão Linear Simples parte I
Modelos de Regressão Linear Simples parte I Erica Castilho Rodrigues 27 de Setembro de 2017 1 2 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos
Leia maisModelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15
Modelagem em Experimentos Mistura-Processo para Otimização de Processos Industriais 15 1 Introdução Na indústria moderna há uma contínua busca da otimização dos níveis de produção e da melhoria da qualidade
Leia maisAULA 09 Regressão. Ernesto F. L. Amaral. 17 de setembro de 2012
1 AULA 09 Regressão Ernesto F. L. Amaral 17 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução à
Leia maisEfeito Matriz Comparando-se Inclinação das Curvas
Título do Eixo Avaliação da Seletividade do Método Abs_Concentração Abs_Concentração Matriz Água Concentração Calculada Concentração Teórica Concentração Recuperado Concentração Teórica Concentração Recuperado
Leia maisModelos de Regressão Linear Simples - parte I
Modelos de Regressão Linear Simples - parte I Erica Castilho Rodrigues 19 de Agosto de 2014 Introdução 3 Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir
Leia maisUSO DE DELINEAMENTO EXPERIMENTAL PARA A ANÁLISE DA EFICIÊNCIA DE ADSORÇÃO COM BASE NA PRODUÇÃO E ENSAIO DE ADSORÇÃO DO CARVÃO ATIVADO
USO DE DELINEAMENTO EXPERIMENTAL PARA A ANÁLISE DA EFICIÊNCIA DE ADSORÇÃO COM BASE NA PRODUÇÃO E ENSAIO DE ADSORÇÃO DO CARVÃO ATIVADO Bruno Capiche Ladeira (brunocapiche@hotmail.com) Aluno de graduação
Leia maisINFLUÊNCIA DO PH E TEMPERATURA NA ATIVIDADE ENZIMÁTICA
INFLUÊNCIA DO PH E TEMPERATURA NA ATIVIDADE ENZIMÁTICA DA ENZIMA ALFA-ACETOLACTATO DECARBOXILASE: DETERMINAÇÃO DE CONDIÇÕES ÓTIMAS UTILIZANDO PLANEJAMENTO EXEPRIMENTAL J. B. M. ROCHA NETO 1, A. S. PEREIRA
Leia maisREGRESSÃO LINEAR SIMPLES E MÚLTIPLA
REGRESSÃO LINEAR SIMPLES E MÚLTIPLA Curso: Agronomia Matéria: Metodologia e Estatística Experimental Docente: José Cláudio Faria Discente: Michelle Alcântara e João Nascimento UNIVERSIDADE ESTADUAL DE
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
Leia mais1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS
1. INTRODUÇÃO AO PLANEJAMENTO DE EXPERIMENTOS A metodologia conhecida como projeto de experimentos foi introduzida por Fischer em 1935 e inicialmente aplicada a experimentos de agricultura. Posteriormente,
Leia maisAnálise de Regressão - parte I
16 de Outubro de 2012 Introdução Objetivos Ao final deste capítulo você deve ser capaz de: Usar modelos de regressão para construir modelos para dados coletados. Entender como método de mínimos é usado
Leia maisCIRCULAR TÉCNICA N o 176 JANEIRO UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus
ISSN -45 CIRCULAR TÉCNICA N o 76 JANEIRO 99 UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus Introdução Frederico Pimentel Gomes * Carlos Henrique Garcia ** Os ensaios fatoriais apresentam, em
Leia mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
Leia maisLista de Exercícios 2. 1) Para os gráficos abaixo encontre as funções que descrevem os comportamentos médios dos dados apresentados.
Lista de Exercícios 2 1) Para os gráficos abaixo encontre as funções que descrevem os comportamentos médios dos dados apresentados. 2) Um grupo de alunos realizou o experimento de cordas vibrantes, estudando
Leia maisPlanejamento da pesquisa científica: incerteza e estatística. Edilson Batista de Oliveira Embrapa Florestas
Planejamento da pesquisa científica: incerteza e estatística Edilson Batista de Oliveira Embrapa Florestas Pesquisa em laboratórios na Embrapa Anos 70 Anos 80 Anos 90 Século 21 Precisão em Laboratórios:
Leia maisRalph S. Silva
ANÁLISE ESTATÍSTICA MULTIVARIADA Ralph S Silva http://wwwimufrjbr/ralph/multivariadahtml Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Sumário Revisão:
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisà Avaliação Operacional
EA-01: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com o conceito de delineamentos fatoriais completos. Principais razões para usar delineamentos fatoriais Delineamentos
Leia maisAnálise de Regressão
Análise de Regressão Nos planejamentos fatoriais os fatores são estudados em dois níveis. Modelo Linear MAIS INFORMAÇÕES!!! Níveis Intermediários Planejamentos Fatoriais com dois níveis são uma etapa inicial!!!
Leia maisEdenir Rodrigues Pereira Filho
Edenir Rodrigues Pereira Filho Professor Adjunto DQ-UFSCar Contatos 27/03/13 e-mail: erpf@uol.com.br ou erpf@ufscar.br Home page: http://www.ufscar.br/dq-gaia Experiência Profissional (1) Espectroanálise
Leia maisRegressões: Simples e MúltiplaM. Prof. Dr. Luiz Paulo Fávero 1
Regressões: Simples e MúltiplaM Prof. Dr. Luiz Paulo FáveroF Prof. Dr. Luiz Paulo Fávero 1 1 Técnicas de Dependência Análise de Objetivos 1. Investigação de dependências entre variáveis. 2. Avaliação da
Leia maisCORRELAÇÃO E REGRESSÃO. Modelos Probabilísticos para a Computação Professora: Andréa Rocha. UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011
CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Modelos Probabilísticos para a Computação Professora: Andréa Rocha UNIVERSIDADE FEDERAL DA PARAÍBA Dezembro, 2011 CORRELAÇÃO Introdução Quando consideramos
Leia maisProcedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear
Procedimento Complementar para Validação de Métodos Analíticos e Bioanalíticos usando Análise de Regressão Linear Rogério Antonio de Oliveira 1 Chang Chiann 2 1 Introdução Atualmente, para obter o registro
Leia mais2 ou mais fatores são de interesse.
5. Experimentos Fatoriais 5.1 Definições e Princípios Básicos 2 ou mais fatores são de interesse. Experimentos Fatoriais: em cada replicação do experimento todas as combinações dos níveis de tratamento
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia mais4 Resultados e Discussão:
4 Resultados e Discussão: Os resultados obtidos são apresentados e discutidos separadamente a seguir, de acordo com o tipo de amostra objeto de análise: 4.1 Análise de amostras para estudos toxicológicos.
Leia maisTécnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL
Técnicas Experimentais Aplicadas à Zootecnia UNIDADE 1. NOÇÕES DE PLANEJAMENTO EXPERIMENTAL Experimentos (testes) são realizados por pesquisadores em todos os campos de investigação, usualmente para descobrir
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Metodologia de Superfície de Resposta e Simplex Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Visão geral técnicas matemáticas
Leia maisEsquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas.
Esquema de distribuição dos tratamentos: Fatorial; Parcelas subdivididas. 1 Experimento em esquema de parcelas subdivididas Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Experimentos em
Leia mais