Podemos dividir os "design experiments" em três tipos:
1) Completely Randomized Design (one-way ANOVA)
2) Randomized Block Design
3) Complete Two-factor Factorial Experiment (two-way ANOVA)
O "Completely Randomized Design (one-way ANOVA)" envolve a comparação de médias de k tratamentos, baseados em amostras aleatórias independentes n1, n2, ..., nk observações. Neste caso, os tratamentos são designados aleatoriamente para as amostras independentes ou unidades experimentais, retiradas de cada uma das k populações alvo. Então, com o cálculo do teste estatístico F entre amostras e dentro de cada amostra, pode-se determinar se existe diferença entre as médias populacionais. Quanto maior a diferença nas variações, maior será a evidência para indicar a diferença em pelo menos duas das médias da população.
Já o "Randomized Block Design", é um design no qual são comparados os k tratamentos dentro de cada um do b blocos. Os k tratamento são aleatoriamente designados, um para cada uma das unidades dentro de cada bloco. Neste caso, realizamos dois tipos de teste: um para saber se há diferença entre as médias do tratamento e outro para saber se blocar em itens foi efetivo para reduzir a variação item a item.
No "Complete Two-factor Factorial Experiment (two-way ANOVA)", o objetivo é investigar o efeito de duas variáveis (fatores) no valor médio da variável dependente (resposta). As unidades experimentais são medidas para várias combinações dos níveis dos fatores, onde cada combinação entre níveis de diferentes fatores é um tratamento. Portanto, um experimento com um fator de três níveis e outro fator com dois níveis terá seis tratamentos a serem trabalhados.
Para saber mais:
McClave, JT; Benson, PG; Sincich, T. Statistics for business and economics (9th edition). Prentice Hall, 2004.
Imagem:
http://www.tj.rs.gov.br/site_php/noticias/imagem.php?codigo=1746
Nenhum comentário:
Postar um comentário