terça-feira, 19 de maio de 2020

Arranjo Fatorial de Tratamentos com Interação

Arranjo Fatorial de Tratamentos com Interação

Videoaulas:
https://www.youtube.com/watch?v=UHijiDGwNt8&authuser=0
https://www.youtube.com/watch?v=gQOmMDbbsGo&authuser=0
https://www.youtube.com/watch?v=ALDHPEWB1Eo&authuser=0



- Fatorial - Interação
Arranjo Fatorial de Tratamentos

- Interação (ou relacionamento entre os fatores) no Fatorial
  - Comparações de um fator dentro do outro 

Sites Legais:
- http://paginapessoal.utfpr.edu.br/sheilaro/AULA11DelineamentoFatorial.pdf/at_download/file
 http://sweet.ua.pt/andreia.hall/Bioestat%C3%ADstica/ANOVAcontinua.pdf
- Livro Montgomery - Experimental Designs
   https://2alamen.files.wordpress.com/2008/10/design-and-analysis-of-experiments-5th-edition-douglas-c-montgomery.pdf
   https://www.sas.com/storefront/aux/en/spdesignanlysisjmp/66584_excerpt.pdf.

https://2alamen.files.wordpress.com/2008/10/design-and-analysis-of-experiments-5th-edition-douglas-c-montgomery.pdf
data fatorial;
input Genero $ Categ $ IMC;
/* Fatorial 2 x 4 */
cards;
F AT 19.7
F AT 20.3
F AT 19.3
F AT 20.9
F SEM 22.4
F SEM 21.9
F SEM 23.8
F SEM 24.1
F SED  26.3
F SED  23.5
F SED  24.8
F SED  26.6
F PR 26.2
F PR 24.2
F PR 25.4
F PR 24.9
M AT 20.2
M AT 21.3
M AT 19.3
M AT 21.1
M SEM 21.2
M SEM 20.1
M SEM 19.7
M SEM 21.1
M SED  27.3
M SED  23.4
M SED  25.2
M SED  26.4
M PR 22.3
M PR 22.2
M PR 22.1
M PR 23.3
;
proc print;
run;
Proc glm;
/* glm : General Liner Models */
class Genero Categ;
/* Agora são 2 Fatores
Clasificatorios no One Way ANOVA 
era somente um Ex. Somente Categorias
nao tinha Genero */
model IMC = Genero Categ Genero*Categ;
run;

The GLM Procedure

Class Level Information
ClassLevelsValues
Genero2F M
Categ4AT PR SED SEM
Number of Observations Read32
Number of Observations Used32

The GLM Procedure

 

Dependent Variable: IMC

SourceDFSum of SquaresMean SquareF ValuePr > F
Model7151.587187521.655312519.38<.0001
Error2426.81750001.1173958  
Corrected Total31178.4046875   
R-SquareCoeff VarRoot MSEIMC Mean
0.8496824.6305581.05706922.82813
SourceDFType I SSMean SquareF ValuePr > F
Genero110.237812510.23781259.160.0058
Categ3123.743437541.247812536.91<.0001
Genero*Categ317.60593755.86864585.250.0063
SourceDFType III SSMean SquareF ValuePr > F
Genero110.237812510.23781259.160.0058
Categ3123.743437541.247812536.91<.0001
Genero*Categ317.60593755.86864585.250.0063






/*lsmeans Genero*Categ / slice=Genero adjust=tukey PDIFF=all;
lsmeans Genero*Categ / slice=Categ adjust=tukey PDIFF=all;
run;*/
means Genero / Tukey lines;




Tabela de Médias Aritméticas


AT

PR

SED

SEM

F

20,05

25,175

25,3

23,05

M

20,475

22,475

25,575

20,525




Variações do programa:
Proc glm;
class Genero Categ;
model IMC = Genero Categ Genero*Categ;

lsmeans Genero*Categ / slice=Genero adjust=tukey PDIFF=all;
lsmeans Genero*Categ / slice=Categ adjust=tukey PDIFF=all;
/*
lsmeans Categ;
means Categ / Tukey lines;

means Genero*Categ / tukey lines;
*/

run;



Para Calculo de Efeitos Principais:
Proc anova;
class Genero Categ;
model IMC = Genero Categ Genero*Categ;
means Categ / Tukey lines;

run;
Arquivo de Saida (Tipo Word) para download:




Fazer os gráficos no Excel utilizando tabela dinâmica.

Gráficos para comparação de Categorias de Atividade Física dentro de cada um dos níveis do Fator Gênero, ou seja comparação de Nível de Atividade Física dento do Gênero Feminino e mesma coisa dentro do Nível Masculino:






Agora colocando as Letras das Comparações Múltiplas:



Podemos ver que os gráficos são diferentes, e que as concussões estatísticas também o são.
Veja que no gráfico do gênero feminino professor e sedentário não diferem (as duas barras, medias aritméticas tem a letra A).
No gratifico do Gênero Masculino as categorias Sedentário Professor diferem (Sedentário tem letra A e Professor letra B).





Gráficos para Comparação entre Gêneros dentro de Categorias de Atividade Física:









Veja que tivemos resultados diferentes entre sexos, considerando as categorias Atletas e Professores:
No primeiro gráfico de comparação entre gêneros, dentro da categoria Atletas, temos que a media de Masculino foi maior do que Feminino e que não existem diferenças estatisticamente significativas entre os gêneros (somente a Letra A).
Essa inversão de medias e a falta de diferença significativa dentro do Nível Atleta para os Gêneros e diferença significativa entre os gêneros para a Categoria Professores, indicam a presença de interação, o que corrobora a significância de interação (p < 0.0063) no quadro de ANOVA.

No segundo gráfico para a categoria Professores, temos uma inversão de medias, a maior foi para o Gênero Feminino, sendo que a diferença é significativa estatisticamente.




Foto das Louças Onde Discutimos os Resultados







Agora Podemos Analisar o Fatorial como Um One Way ANOVA com 2*4 = 8 Níveis de um único fator:

Fazermos isso! Resultado para Download, colocar!





Fatorial analisado como ONE WAY ANOVA - Com e sem Controle (Testemunha)

Fatorial analisado como ONE WAY ANOVA

Videoaula:
https://www.youtube.com/watch?v=djz-3r3PXs4&authuser=0


/* Exemplo da Tamires
input Esteril $ Tempo $  Eficienci;

input Situacao $ Eficienci;
cards;
C_7d 90

C_14d 92

C_21d 94

E_7d 93
*/





data Combin;
input Trat $ IMC;


/* input Esteril $ Tempo $  Eficienci;

input Situacao $ Eficienci;
cards;
C_7d 90

C_14d 92

C_21d 94

E_7d 93
*/


cards;
F_AT 19.7
F_AT 20.3
F_AT 19.3
F_AT 20.9
F_SEM 22.4
F_SEM 21.9
F_SEM 23.8
F_SEM 24.1
F_SED 26.3
F_SED 23.5
F_SED 24.8
F_SED 26.6
F_PR 26.2
F_PR 24.2
F_PR 25.4
F_PR 24.9
M_AT 20.2
M_AT 21.3
M_AT 19.3
M_AT 21.1
M_SEM 21.2
M_SEM 20.1
M_SEM 19.7
M_SEM 21.1
M_SED 27.3
M_SED 23.4
M_SED 25.2
M_SED 26.4
M_PR 22.3
M_PR 22.2
M_PR 22.1
M_PR 23.3
;
proc anova;
class Trat;
model IMC = Trat;
means Trat / Tukey lines;
run;


Controle com Tukey
Exemplo outro: Controlar a acidez de estomago
Variável de Resposta: Acidez de Estomago
Dois Fatores: A-Omeprazol B-Bicarbonato
Niveis dos Fatores:
    A1 - Dosagem 1 de Omeprazol (10 mg)
    A2 -          "      2         "               (20 mg)
    B1 -           "      1 de Bicarbonato
    B2 -            "     2            "
  Ate aqui analisamos como fatorial com 2 fatores
  Quando entra a Ranitidina temos que analisar como um one way, um fator, denominado Tratamentos, com 5 níveis:
1)A1 B1
2)A1 B2
3)A2 B1
4)A2 B2
5)Ranitidina


    
    Ranitidina uma dosagem - Testemunha ou Controle

 

data Combin;
input Trat $ IMC;
/* Um fator, Tratamento, com 9 níveis*/
cards;
Contr 22.5
Contr 21.9
Contr 22.2
Contr 22.3
F_AT 19.7
F_AT 20.3
F_AT 19.3
F_AT 20.9
F_SEM 22.4
F_SEM 21.9
F_SEM 23.8
F_SEM 24.1
F_SED 26.3
F_SED 23.5
F_SED 24.8
F_SED 26.6
F_PR 26.2
F_PR 24.2
F_PR 25.4
F_PR 24.9
M_AT 20.2
M_AT 21.3
M_AT 19.3
M_AT 21.1
M_SEM 21.2
M_SEM 20.1
M_SEM 19.7
M_SEM 21.1
M_SED 27.3
M_SED 23.4
M_SED 25.2
M_SED 26.4
M_PR 22.3
M_PR 22.2
M_PR 22.1
M_PR 23.3
;
proc anova;
class Trat;
model IMC = Trat;
means Trat / Tukey lines;
run;


Controle com Dunnett

data Combin;
input Trat $ IMC;
cards;
Contr 22.5
Contr 21.9
Contr 22.2
Contr 22.3
F_AT 19.7
F_AT 20.3
F_AT 19.3
F_AT 20.9
F_SEM 22.4
F_SEM 21.9
F_SEM 23.8
F_SEM 24.1
F_SED 26.3
F_SED 23.5
F_SED 24.8
F_SED 26.6
F_PR 26.2
F_PR 24.2
F_PR 25.4
F_PR 24.9
M_AT 20.2
M_AT 21.3
M_AT 19.3
M_AT 21.1
M_SEM 21.2
M_SEM 20.1
M_SEM 19.7
M_SEM 21.1
M_SED 27.3
M_SED 23.4
M_SED 25.2
M_SED 26.4
M_PR 22.3
M_PR 22.2
M_PR 22.1
M_PR 23.3
;
proc anova;
class Trat;
model IMC = Trat;
means Trat / dunnett;
run;


Experimento da Tamires

Fator Esterilização

7 dias

2 Níveis:

    Não Esterilizado

    Esterilizado

CV                           GL    

Esterilização        2-1= 1

Resíduo               20               >= 10

Total (Aj)            22-1=21      >= 20

                           2 níveis do esterilização * 11 repetições

Aleatorização: tenho que fazer 22 ensaios, mas em qual sequencia?

Usa uma moeda (cara ou coroa), também tabela de números aleatórios ([0-0,5) Esterilizado [0,5-1]) ou números aleatórios no Excel.

Primeiro Ensaio: Esterilizado

Segundo Ensaio: Esterilizado

Terceiro Ensaio: Não Esterilizado

....

Isso pode ser feito nas pesquisas Experimentais e é difícil de se fazer nas pesquisas Observacionais ou Amostrais.

 


quarta-feira, 13 de maio de 2020

Aula Suelen

#definindo os parâmetros e o tamanho da amostra
n =15
b0 = 3
b1 =0.8
d = 1
set.seed(123) #fixando a semente
e = rnorm(n,0,d) #criando um erro aleatório
X = seq(0,15,length = n) #criando a variável X
Y = b0+b1*X+e #criando a variável Y
m1 = lm(Y~X) #modelo linear sem outlier

#Inserindo os outliers em Y

out = 60 #um valor aleatório alto, para ser considerado outlier
Y2 = c(Y[1:14],out) #inserindo o outlier na variável Y
m2 = lm(Y2~X) #modelo linear com outlier

#Criando o gráfico das retas ajustadas pelo MQO para ambos os modelos

plot(X,Y, pch = 19, ylab = "", xlab = "X", xlim = c(-1,15),ylim = c(0,60),axes = T)
mtext("Y", side = 2,line = 3, las = 2)

abline(m1,lwd = 2, col = "red") #sem levar em consideração o outlier
abline(m2, lwd = 2, lty = 2, col = "blue") #levando em consideração o outlier

points(15,60,pch = 8,cex = 1.5) #outlier

#Estimativas dos parâmetros
m1;m2
summary(m1)
summary(m2)

#Regressão robusta com M-Estimador
library(MASS)
m3 = rlm(Y~X, psi = "psi.huber")
m4 = rlm(Y2~X, psi = "psi.huber")
summary(m3)
summary(m4)

#Criando o gráfico das retas ajustadas pelo M-estimadores para ambos os modelos

plot(X,Y, pch = 19, ylab = "", xlab = "X", xlim = c(-1,15), ylim = c(0,60),axes = T)
mtext("Y", side = 2,line = 3, las = 2)

abline(m3,lwd = 2, col = "red") #sem levar em consideração o outlier
abline(m4, lwd = 2, lty = 2, col = "blue") #levando em consideração o outlier

points(15,60,pch = 8,cex = 1.5) #outlier

terça-feira, 12 de maio de 2020

Aula 13/05/2020

1.        Repasso sobre fatoriais com interação, ver gráficos de barras;

2.        Fatorial como one way;

3.        Fatorial com testemunha;

4.        Gráficos de Controle:

                    Vídeo CEP - Controle Estatístico de Processos

htt                     ps://www.youtube.com/watch?v=6KqIC8JgOWA





Gráfico de Controle/Uniformidade para

 Lucro Liquido por Cliente por Mês







Cliente


LL/Cliente/mês ($R)

1

1356

2

1432

3

1234

4

1345

5

1256

6

1356

7

1298

8

1324

9

1356

10

1432

11

1234

12

1345

13

1256

14

1356

15

1298

16

1324

17

1356

18

1432

19

1234

20

1345

21

1256

22

1356

23

1298

24

1324

25

1570

26

1080





Mostrar gráficos de minha tese