FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÕES



Documentos relacionados
2 Experimentos com Mistura

CAPÍTULO VI Introdução ao Método de Elementos Finitos (MEF)

NOTA II TABELAS E GRÁFICOS

Nota Técnica Médias do ENEM 2009 por Escola

2 Experimentos com Mistura

FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÃO

Cálculo do Conceito ENADE

Covariância e Correlação Linear

7. Resolução Numérica de Equações Diferenciais Ordinárias

TEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.

Introdução e Organização de Dados Estatísticos

CORRELAÇÃO DO EQUILÍBRIO DE FASES DO SISTEMA MULTICOMPONENTE ÉSTERES ETÍLICOS DO ÓLEO DE MURUMURU/DIÓXIDO DE CARBONO COM A EQUAÇÃO SRK

Professor Mauricio Lutz CORRELAÇÃO

CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG

Probabilidade e Estatística. Correlação e Regressão Linear

2 Máquinas de Vetor Suporte 2.1. Introdução

Ministério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação

C são matrizes que satisfazem

3 Algoritmos propostos

PARTE Apresente as equações que descrevem o comportamento do preço de venda dos imóveis.

Influência dos Procedimentos de Ensaios e Tratamento de Dados em Análise Probabilística de Estrutura de Contenção

PROJEÇÕES POPULACIONAIS PARA OS MUNICÍPIOS E DISTRITOS DO CEARÁ

Fast Multiresolution Image Querying

PLANEJAMENTO DE EXPERIMENTOS E OTIMIZAÇÃO DE SISTEMAS MISTOS

Sistemas de Filas: Aula 5. Amedeo R. Odoni 22 de outubro de 2001

Física. Física Módulo 1 Vetores, escalares e movimento em 2-D

Sistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?

Introdução à Análise de Dados nas medidas de grandezas físicas

Escola Secundária Dr. Ângelo Augusto da Silva Matemática 12.º ano Números Complexos - Exercícios saídos em (Exames Nacionais 2000)

UNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia

Lista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.

CAPÍTULO 1 Exercícios Propostos

Despacho Econômico de. Sistemas Termoelétricos e. Hidrotérmicos

2 Aproximação por curvas impĺıcitas e partição da unidade

Rastreando Algoritmos

Regressão e Correlação Linear

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

Palavras-chaves: Gráficos de controle, ambiente R, análise estatística multivariada

Apostila de Estatística Curso de Matemática. Volume II Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna

UMA ABORDAGEM ALTERNATIVA PARA O ENSINO DO MÉTODO DOS MÍNIMOS QUADRADOS NO NÍVEL MÉDIO E INÍCIO DO CURSO SUPERIOR

Controlo Metrológico de Contadores de Gás

Problemas Associados a Cones de Segunda Ordem

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

Análise de Regressão. Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA

Universidade Salvador UNIFACS Cursos de Engenharia Cálculo IV Profa: Ilka Rebouças Freire. Integrais Múltiplas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

Variáveis dummy: especificações de modelos com parâmetros variáveis

5 Implementação Procedimento de segmentação

UMA VALIDAÇÃO MATEMÁTICA PARA UM ALGORITMO QUE SIMULA MISTURAS DE DISTRIBUIÇÕES

Francisco de Assis Corrêa Instituto Nacional de Pesquisas Espaciais - INPE São José dos Campos SP, Brasil fcorrea@directnet.com.br

PLANEJAMENTO DE GRÁFICOS DE CONTROLE DE REGRESSÃO VIA SIMULAÇÃO

POLARIMETRIA ÓPTICA E MODELAGEM DE POLARES OBSERVADAS NO OPD/LNA NO PERÍODO DE

O método de Equação Integral com Quadratura Gaussiana para otimizar os parâmetros do gráfico de controle multivariado de Somas Acumuladas

PROJECTO DO LAYOUT DE INSTALAÇÕES INDUSTRIAIS

Faculdade de Engenharia Optimização. Prof. Doutor Engº Jorge Nhambiu

O migrante de retorno na Região Norte do Brasil: Uma aplicação de Regressão Logística Multinomial

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

Controle de qualidade de produto cartográfico aplicado a imagem de alta resolução

ESTATÍSTICA MULTIVARIADA 2º SEMESTRE 2010 / 11. EXERCÍCIOS PRÁTICOS - CADERNO 1 Revisões de Estatística

CQ110 : Princípios de FQ

UM MODELO DE ALOCAÇÃO DINÂMICA DE CAMINHÕES VISANDO AO ATENDIMENTO DE METAS DE PRODUÇÃO E QUALIDADE

Estatística stica Descritiva

Objetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para

Cálculo Numérico BCC760 Interpolação Polinomial

5.1 Seleção dos melhores regressores univariados (modelo de Índice de Difusão univariado)

ALGORITMO E PROGRAMAÇÃO

Testes não-paramétricos

Capítulo 1. O plano complexo Introdução. Os números complexos começaram por ser introduzidos para dar sentido à 2

Elaboração: Fevereiro/2008

Prof. Antônio Carlos Fontes dos Santos. Aula 1: Divisores de tensão e Resistência interna de uma fonte de tensão

Variável discreta: X = número de divórcios por indivíduo

RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS

UM NOVO ALGORITMO GENÉTICO PARA A OTIMIZAÇÃO DE CARTEIRAS DE INVESTIMENTO COM RESTRIÇÕES DE CARDINALIDADE

Sempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Geração de poses de faces utilizando Active Appearance Model Tupã Negreiros 1, Marcos R. P. Barretto 2, Jun Okamoto 3

5 Relação entre Análise Limite e Programação Linear 5.1. Modelo Matemático para Análise Limite

CÁLCULO DO ALUNO EQUIVALENTE PARA FINS DE ANÁLISE DE CUSTOS DE MANUTENÇÃO DAS IFES

Otimização de Custos de Transporte e Tributários em um Problema de Distribuição Nacional de Gás

PROGRAMAÇÃO DIÁRIA DE IMAGENS DE UM SATÉLITE DE OBSERVAÇÃO: UMA FORMULAÇÃO REDUZIDA

Identidade dos parâmetros de modelos segmentados

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

7 - Distribuição de Freqüências

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina: Variável Aleatória

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Visualização Científica no Contexto de Métodos Meshfree: Aprimoramento de Algoritmos Clássicos

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

Gestão de operações logísticas num armazém usando modelos de apoio à decisão

PLANILHAS EXCEL/VBA PARA PROBLEMAS ENVOLVENDO EQUILÍBRIO LÍQUIDO-VAPOR EM SISTEMAS BINÁRIOS

Polos Olímpicos de Treinamento. Aula 10. Curso de Teoria dos Números - Nível 2. Divisores. Prof. Samuel Feitosa

GARANTIA DE EXCELENTE INTERCAMBIALIDADE E REDUÇÃO DE CUSTOS ATRAVÉS DA ANÁLISE ESTATÍSTICA DE TOLERÂNCIAS

IMPLEMENTAÇÃO DO MÉTODO DE FATORAÇÃO DE INTEIROS CRIVO QUADRÁTICO

MAPEAMENTO DA VARIABILIDADE ESPACIAL

NODAL Versão 3.0 Programa de Simulação de Tarifas de Uso do Sistema Elétrico MANUAL DO USUÁRIO ANEEL Agência Nacional de Energia Elétrica

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP

Método para aplicação de gráficos de controle de regressão no monitoramento de processos

Transcrição:

FUNÇÃO NO R PARA OBTENÇÃO DO DESENHO D-ÓTIMO EM MODELOS DE MISTURAS COM RESTRIÇÕES Edmlson Rodrgues Pnto Leandro Alves Perera Faculdade de Matemátca Faculdade de Matemátca Unversdade Federal de Uberlânda Unversdade Federal de Uberlânda edmlson@famat.ufu.br leandro@famat.ufu.br Resumo. Epermentos com msturas são usados em dversas áreas, especalmente nas ndústras uímcas e farmacêutcas. A obtenção de desenhos ótmos para msturas é de grande mportânca, prncpalmente uando estr restrções nos componentes da mstura e, neste caso, os desenhos, usados para as stuações padrão, não puderem ser aplcados. O obetvo deste trabalho é apresentar uma função desenvolvda em R para obtenção do desenho D_ótmo em epermentos de msturas com restrções. A função, nttulada D.otmo.m, fo desenvolvda orgnalmente em Fortran e posterormente convertda em uma bbloteca do R. Um eemplo de aplcação é apresentado e detalha o uso da função D.otmo.m. Palavras-chave: Epermentos ótmos para msturas com restrção, planeamentos D_ótmos, desenhos ótmos no R.. Introdução O termo mstura é usado para defnr uma formulação ou uma composção de determnadas substâncas. Mutos produtos são confecconados a partr da mstura de város componentes. Tntas, almentos, produtos uímcos e farmacêutcos são alguns eemplos. Um epermento com mstura é auele no ual dos ou mas componentes são msturados, em uasuer proporções e uma resposta é obtda para cada conunto dos componentes da mstura. O propósto geral em um epermento com msturas é tornar possível a estmatva da resposta de um problema de mstura com város componentes, a partr de um número lmtado de observações. Essas observações são obtdas de combnações pré-seleconadas dos componentes na tentatva de se determnar uas delas, de alguma manera, otmzam a resposta (Cornell, 00). Cornell (00) é a prncpal referênca sobre a teora de epermentos com mstura, onde se pode encontrar uma eposção abrangente e detalhada sobre esse tema. Myers & Montgomery (00) dedcam dos capítulos a epermentos com mstura, consttundo uma boa ntrodução ao assunto. Atknson (007) dedca um capítulo à obtenção de epermentos ótmos para msturas, utlzando o algortmo BLKL e o software SAS (Statstcal Analyss Software). Pnto & Ponce de Leon (006) apresentam um capítulo acerca dos epermentos ótmos para msturas. Em certos epermentos com mstura, pode haver a necessdade de restrngr a proporção de um ou mas componentes, ue, por motvos técncos ou prátcos, não podem satsfazer todas as proporções possíves. Com sso, a nova regão epermental passa a ser uma sub-regão da regão das proporções matematcamente possíves. Essas restrções nos componentes, ue são muto comuns nos casos ndustras, podem ser apenas lmtes superores, apenas lmtes nferores ou uma combnação das duas. Na prátca, há casos em ue mutos dos componentes de uma mstura possuem smultaneamente lmtes superores e nferores em suas composções. De um modo geral, essas restrções podem ser representadas da segunte forma: 0 l u, =,,..., () Onde l é o lmte nferor e u é o lmte superor para o componente de mstura. Agradecmento à FAPEMIG pelo apoo fnancero

Com essas restrções, a regão epermental nas proporções dos componentes pode ter forma bem dferente da regão sem restrções. Nesses casos, não é vável recorrer mas aos planeamentos epermentas tradconas apresentados na lteratura, e, mutas vezes, recorre-se a algortmos computaconas para a escolha da localzação dos pontos epermentas, havendo a necessdade de consderar alguns aspectos técncos. Quando possível recorre-se a transformações lneares das varáves orgnas para transformar um problema de mstura com as restrções () em um problema de mstura rrestrto, tornando o problema mas smples. Isso é chamado de pseudocomponentes (Cornell, 00). Quando não for possível o uso de pseudo componentes, desenhos ótmos devem ser usados. Kefer (96) provou ue os planeamentos em rede smple sem restrções nos componentes, usados para modelos polnomas de prmera e segunda ordem, são D-ótmos. Para epermentos com restrções nos componentes, McLean e Anderson (966) sugerem ue seam usados os pontos etremos da regão de epermentação. Saena e Ngam (97) mostrou ue o planeamento ótmo também pode conter conuntos de pontos na regão de epermentação ue não são necessaramente pontos de etremos. Snee e Maruardt (974) através do algortmo XVERT demonstrou ue os pontos de vértce, o centro da regão e os pontos médos das retas ue delmtam a regão são canddatos a ponto ótmo. O conunto de pontos ótmos será um subconunto dos pontos canddatos. Este trabalho apresenta uma função no R para obtenção do desenho ótmo para um epermento de msturas com restrções, consderando o modelo uadrátco de Sheffé com três varáves. O crtéro utlzado para obtenção dos pontos ótmos é a D-otmzação. Este trabalho tem como prncpal obetvo fornecer essa ferramenta de grande mportânca e aplcabldade em sua versão gratuta através do R, o ue pode representar uma grande contrbução para as nsttuções de ensno e pesusa. O R é um software fleível, potente e confável para realzar tarefas estatístcas de ualuer tpo, desde as mas elementares às mas avançadas. Ele conta com a vantagem de ser gratuto e de seus processos de nstalação e uso serem smples. Um dos prncpas motvos da grande utlzação do R é o fato de ualuer profssonal poder melhorar o códgo do software básco ou escrever códgos para tarefas específcas, aprovetando todos os recursos á estentes. Além da gratudade, a outra grande vantagem de se utlzar o R para mplementação da função apresentada neste trabalho é a possbldade de utlza-la dentro de outros programas, além de ser um software de acetação mundal e conhecdo nas mas varadas áreas do conhecmento. Na seção é apresentada uma breve ntrodução sobre epermentos com msturas e a regão epermental para o caso de três componentes com e sem restrções. Na seção é apresentada a função D.otmo.m e um eemplo de aplcação. As conclusões fnas deste artgo são apresentadas na Seção 4.. Modelos para componentes de msturas Seam, =,...,, as varáves ue representam as proporções dos componentes da mstura. Em epermentos envolvendo mstura, a soma das proporções dos componentes é sempre gual a, ou sea, = e 0, =,..., () = Ao modfcar a formulação no sentdo de alterar as propredades de uma determnada mstura em estudo, as novas proporções devem contnuar obedecendo a essa restrção. Assm sendo, em planeamento de epermentos com mstura devem ser adotados proetos ue consderem esta restrção. As restrções em () são mostradas na Fgura, para o caso de dos e três componentes. Devdo à restrção, a regão epermental se reduz a uma regão smple de

dmensão -. Cada lado do trângulo corresponde a uma mstura bnára e os vértces dos trângulos correspondem às formulações de componentes puros. No nteror do trângulo, estão stuadas as possíves msturas ternáras. Neste caso, são necessáras apenas duas dmensões para representar grafcamente o epermento, como pode ser vsto na Fgurac. Como cada componente é representado por um vértce, uma fgura geométrca com três vértces e duas dmensões, ou sea, um trângulo eülátero, representa o espaço fatoral restrto de uma mstura ternára. (a) (b) (c) Fgura : Representação do espaço epermental smple para varáves ndependentes e msturas (a) para duas varáves, (b) e (c) para três varáves.. Polnômos canôncos Para se obter o melhor auste da resposta, modelos matemátcos devem ser austados aos dados obtdos do planeamento epermental. Em procedmentos com modelos de msturas, eperêncas têm demonstrado ue y pode ser estmado utlzando um polnômo de Taylor (Bo et al., 978). Para duas varáves, um modelo uadrátco podera ser: torna: ( y) = β 0 + β + β + β E = = < Entretanto, uando a condção para msturas é aplcada ao modelo polnomal, a euação se Onde: β β + β + β β = 0 = β β β,, =,,...,, < ( y) = β + β E = < O polnômo apresentado em (4) é descrto como o polnômo de segunda ordem ou polnômo uadrátco de Sheffé (Cornell, 00). Este polnômo faz parte de um grupo de polnômos especas para epermentos com mstura. Consderando ue a resposta é dada por y, em geral, tas polnômos podem tomar as seguntes formas: Modelo lnear: Modelo uadrátco E ( y) = = β ( y) = β + β E = <

Modelo cúbco especal Modelo cúbco completo E ( y) E. A Função D.otmo.m ( y) = β + β + = < < < k β = β + β + βk k + = < < < k < k β k ( Neste trabalho, a obtenção dos pontos D-ótmos envolvem procedmentos numércos como cálculos matrcas e mamzação sueta a restrções. Para esse fm, softwares de programação matemátca como Matlab ou Fortran são mas adeuados. Para construção da função D.otmo.m fo utlzado como base um programa escrto em Lnguagem Fortran 90. Esse complador possu rcas bbloteca de funções matemátcas. Este programa fo então complado e convertdo em uma bbloteca do tpo DLL para a lnguagem R, através de um pacote de conversões da lnguagem R chamado Rtools. A nstalação da função d.otmo.m é smples, basta copar todos os aruvos ue fazem parte da função no dretóro de trabalho do R. Geralmente este dretóro é defndo como sendo a pasta meus documentos, eceto uando o mesmo é alterado pelo usuáro. Para habltar a função no R, o usuáro deverá dgtar na lnha de prompt do R o comando source( dotmom.r ) e salvar a área de trabalho para ue o comando não precse ser dgtado posterormente. Esta função poderá ser adurda através de contato por emal com os autores. Para uso da função, supõe-se ue o usuáro tenha conhecmentos báscos de R... Eemplo de Aplcação O eemplo abao fo reproduzdo de Atknson et al. (007). Sea uma mstura composta por três componentes, suetos às seguntes restrções: 0, 07, 0, 06, 0, 06, ) Sea também um modelo uadrátco de Sheffé para a mstura apresentada, com ses parâmetros: E( y) = β + β + β + β + β + β As restrções geram um heágono, de forma bem dferente da regão smple regular. Para este problema deve-se, prmeramente, obter os pontos canddatos e depos obter os pontos ótmos através de algum método numérco. Para obtenção da regão epermental e dos pontos canddatos pode-se utlzar a Fgura c. Nesta fgura as lnhas nternas representam os eos relatvos à, e onde serão traçadas as lnhas de restrção. A área nterna delmtada por estas lnhas de restrção será a regão de epermentação. Cada ponto de vértce desta área será um ponto canddato, untamente com os pontos médos das lnhas de restrção e o ponto central da regão. Este esuema está apresentado na Fgura. A regão epermental está representada pelas lnhas em negrto e os pontos em preto representam os pontos canddatos. Tendo em mãos estes pontos e o modelo especfcado, estamos prontos para eecutar a função D.otmo.m no R.

Fgura : Regão epermental e pontos canddatos Para eecutar a função D.otmo.m usa-se a segunte comando: Obeto <- d.otmo.m(c(a,a,a ),c (b % ),c( c % ),c(modelo),c( l % ),c( u % )) Onde o vetor Obeto representa a matrz ue receberá os resultados. As varáves a, a e a representam o número de pontos canddatos, o número de varáves e o número de parâmetros do modelo, respectvamente. O número de pontos canddatos deve ser no mínmo gual ao numero de parâmetros. O Vetor b % contém os pontos canddatos. Estes pontos devem ser dgtados em seüênca e separados apenas por vírgulas. O vetor c % contem os pesos dos pontos canddatos. Estes pesos devem ter soma gual a um. O obeto modelo contém os parâmetros do modelo. Cada parâmetro a ser estmado é nformado pelo nome da varável ou da nteração ue ele deve descreve, entre parênteses. A nteração é representada pelo símbolo. Se o modelo tver a constante, essa deve ser nformada como numero. Os vetores l % e u % contem os lmtes nferores e superores para os componentes da mstura, respectvamente. A segur apresentamos o comando para o eemplo apresentado. Os resultados (pontos ótmos e pesos) são colocados em um vetor ualuer, ue no eemplo, recebeu o nome de Des_m : Des_m <- d.otmo.m(c(,,6),c(0.6,0.,0.,0.,0.6,0.,0.7,0.,0.,0.4,0.,0.,0.,0.4,0.,0.,0.,0.5), c(0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.076,0.088),c("","","","","",""),c(0.,0.,0.),c(0.7,0.6,0.6)) Quadro : Pontos canddatos e desenhos ótmos obtdos pela função d.otmo.m em R no caso contínuo, e usando o algortmo BLKL, no caso dscreto, mplementado em Fortran. Pontos Pontos ótmos obtdos pelo função D.otmo.m e pelo algortmo BLKL Pesos Pontos canddatos (BLKL) 0,7 0, 0, 0,7 0, 0, 0, 0,008 0, 0,6 0, 0, 0,6 0, 0, 0,008 0,7 0, 0, 0,7 0, 0, 0, 0,008 4 0, 0, 0,6 0, 0, 0,6 0, 0,009 5 0, 0,6 0, 0, 0,6 0, 0, 0,008 6 0, 0, 0,6 0, 0, 0,6 0, 0,008 7 0,7 0,5 0,5 8 0, 0,4 0,4 0, 0,4 0,999 0, 0,084 9 0,5 0, 0,4 0,5 0, 0,999 0, 0,08 0 0,5 0,6 0,5 0,5 0,4 0, 0,49989 0,4 0,084 0, 0,084 0,5 0,5 0,6 0,4 0, 0, 0,999 0,999 0, 0,07 0,070 Pesos (D.otmo.m)

O Quadro apresenta os pontos canddatos e os pontos ótmos obtdos pela função D.otmo.m. O tempo gasto pelo software para retornar os resultados fo em torno de 4 segundos, para um computador com processador de.0 Ggahertz e Ggabyte de memóra RAM. Após a eecução da função, 0 pontos ótmos foram encontrados, concdndo com os resultados obtdos pelo algortmo BLKL (Atknson, 007) valdando os resultados encontrados. Note ue os pontos ecluídos do epermento foram os pontos centras dos segumentos de reta menores ue delmtam a regão de epermentação (Fgura ). O Quadro apresenta também os pesos obtdos pelo algortmo BLKL e pela função D.otmo.m. Novamente os resultados foram apromadamente concdentes. Os pesos em cada ponto fcaram dstrbuídos de forma ue o ponto central teve menor peso e os pontos centras dos segumentos de reta maores tveram maor peso. 4. Conclusões Este artgo apresentou uma função alternatva para obtenção de desenhos d-ótmos em epermentos de msturas com restrções. A função fo mplementada no R e apresentada através de um eemplo. A mplementação em R A aplcação dessa função mostrou ue pode haver uma dmnução consderável de pontos de epermentação em relação aos pontos canddatos, o ue pode representar grande economa e agldade no processo de epermentação. 5. Referêncas Atknson, A. C., Donev, A. N., Tobas, R. D.; Optmum epermental Desgns wth SAS. London, Oford Statstcal Scence Seres, Oford unversty Press, 007. Bo, G. E., Hunter, W. G., Hunter, J. S.; Statstcs for Epermenters. John Wley & Sons, New York, 978. Cornell, J.A.; Eperments wth mtures: desgns, models and the analyss of mtures data. Segunda Edção, Jonh Wley & Sons, New York, 98. Kefer, J.; Optmum desgns n regresson problems II. Annals of Mathematcal Statstcs,, pp. 98 5, 96. McLean, R. A., Anderson, V. L.; Etreme vertces desgn of mture eperments. Technometrcs, 8, pp. 447 454, 966. Myers, R.H., Montgomery, D.C.; Response Surface Methodology. Segunda Edção, John Wley & Sons, New York, 00. Pnto, E. R., Ponce de Leon, A. C. M.; Planeamento Ótmo de Epermentos. XVII Smpóso Naconal de Probabldade e Estatístca, Caambu, Assocação Braslera de Estatístca, 006. Prescott, P.; Modellng n msture eperments ncludng nteractons wth process varables. Qualty Technology & Quanttatve Management,, pp. 87-0, 004. Saena, S. K., Ngam, A. K.; Symmetrc-smple block desgns for mtures. Journal of the Royal Statstcal Socety, Seres B, 5, pp. 466 47, 97. Snee, R. D., Maruardt, D. W.; Etreme vertces desgns for lnear mture models. Technometrcs, 6, pp. 9 408, 974.