Viabilidade de uso do delineamento composto central

Nazar Barata Mateus1*, Dcio Barbin2 e Armando Conagin3

Departamento de Estatstica, Universidade Estadual de Maring, Av. Colombo, 5790, 87020-900, Maring, Paran, Brasil. 3 Escola Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo. Instituto Agronmico de Campinas. *Author for correspondence.
2 1

RESUMO. O delineamento composto central um delineamento simtrico e de segunda ordem, constitudo de duas partes: o fatorial 2k, com um ou mais pontos centrais, e a parte axial. O objetivo deste trabalho foi o de verificar, com simulaes, a viabilidade do uso desse tipo de delineamento nas reas de pesquisas de campo, como em Agronomia; em laboratrios de Fitopatologia, Virologia e Entomologia, em pesquisas onde o coeficiente de variao no superior a 6%; e na indstria qumica, com coeficiente de variao abaixo de 3%. Atravs das simulaes, verificou-se que seu uso no conveniente em reas de pesquisa, cujo coeficiente de variao seja superior a 6%, quando se buscam estimativas de resposta e dos pontos timos e tambm em pesquisas de campo, como na Agronomia, mesmo quando se repetem todos os tratamentos, pois se observam muitas respostas e pontos bem longe do esperado.
Palavras-chave: delineamento composto central, delineamento de segunda ordem, superfcie de resposta.

ABSTRACT. Viability of center composite design. The center composite design is symmetrical, of second order, and constituted of two parts: the factorial 2k, with one or more central points, and the axial. The aim of this research has been to verify, through simulations, the design type in field experiments, for instance, in Agronomy; in laboratory bioassays in Phytopathology, Virology and Entomology with variation coefficient not superior to 6%; and in chemical industry experiments with variation coefficient inferior to 3%. It has been verified that its use is not recommended when variation coefficient is over 6% when best points are expected; likewise, in field research, even with repetition of treatments, since responses and points do not meet expected values.
Key words: center composite design, design of second order, response surface.

A partir de delineamentos de tratamentos mais complexos, que utilizam todas as combinaes dos fatores em estudo, vrias tentativas tm sido feitas para reduo do nmero de pontos experimentais, atravs de tcnicas como a de confundimento e de repetio fracionada. Alm destas tcnicas, com o objetivo da reduo do nmero de pontos experimentais, foi criada a tcnica que utiliza os delineamentos compostos. Eles foram desenvolvidos, inicialmente, por Box e Wilson (1951) para estudo de funes polinomiais de resposta na indstria, onde o erro experimental, em geral, bem pequeno, e as condies do experimento so mais facilmente controlveis. Nessas condies, comum repetir apenas um tratamento, no caso, o relativo ao ponto central. Posteriormente, foram adaptados a outros ramos da cincia. Vrias modificaes tm sido propostas tendo como base os delineamentos compostos centrais e no centrais.
Acta Scientiarum

Dentre os delineamentos padres, o Delineamento Composto Central (DCC) considerado um delineamento timo. De acordo com Atkinson e Donev (1992), os delineamentos compostos pertencem a uma famlia de delineamentos eficientes, os quais requerem poucos ensaios para sua realizao. Quanto s medidas de eficincia, Lucas (1976) e Donev e Atkinson (1988), mostram que o DCC se comporta bem de acordo com os critrios D e G de otimizao. Alm disso, ele possui caractersticas interessantes para a busca do ponto que d a resposta tima, que so: um nmero menor de tratamentos em relao aos fatoriais completos e pode ser realizado seqencialmente, de forma a caminhar no sentido da otimizao do sistema, isto , atravs da execuo de uma parte do experimento (aplicando experimentos fatoriais 2k ou frao-experimento de primeira ordem) atravs da tcnica do caminhamento ascendente timo (steepest ascent).
Maring, v. 23, n. 6, p. 1537-1546, 2001

1538

Mateus et al.

Isso consiste em chegar regio que contm o timo e, ento, comparar a parte do delineamento, que consiste dos pontos axiais, com o objetivo de avaliar a parte curvilnea a existente, de forma a chegar soluo tima, que maximiza os resultados do sistema. Esta ltima caracterstica uma das mais interessantes do delineamento, pois, segundo Montgomery e Myers (1995) e Khury e Cornel (1987), a maioria das aplicaes da metodologia de superfcie de resposta de natureza seqencial. O objetivo deste trabalho, apresentado na forma de dissertao (Mateus, 2001), foi o de verificar, atravs de simulaes, a viabilidade do uso desse tipo de delineamento nas reas de pesquisas de campo, como em Agronomia, em que o coeficiente de variao muitas vezes superior a 10%; em laboratrios de Fitopatologia, Virologia e Entomologia, em pesquisas onde o coeficiente de variao no superior a 6%; e na indstria qumica, com coeficiente de variao abaixo de 3%. Inicialmente, em um trabalho de pesquisa, buscam-se quais fatores ou variveis provveis so importantes no estudo de superfcie de resposta. Isto conduz, normalmente, a um delineamento experimental que relacione esses fatores com o objetivo de eliminar as variveis sem importncia. Este tipo de experimento chamado de experimento de filtragem - screening experiment (escolha das variveis que so importantes na anlise e descartar as que no tm influncia na resposta que se pretende estudar). Alm disso, necessrio definir a regio que contm o timo. esta a situao que torna o DCC um delineamento bastante interessante. Duas situaes distintas podem ocorrer, segundo Myers (1971): o caso em que a regio experimental usada na vizinhana do timo e aquele em que o timo real est longe da regio experimental. Na prtica, porm, o pesquisador espera que esta ltima situao no ocorra. Neste caso, o pesquisador prudente certamente planejaria sua pesquisa de forma que os ensaios estivessem na regio experimental na qual ele acha que o timo esteja localizado. Entretanto, ele poderia iniciar seu trabalho com completa ignorncia a respeito da regio adequada e, ento, poderia desenvolver um plano experimental de forma a caminhar de uma regio distante do verdadeiro timo para a regio que contivesse as condies desejveis. Como muitas pesquisas demandam tempo e muitas vezes o nmero de ensaios grande, isto, na maioria das vezes, torna essas pesquisas inviveis em termos econmicos.
Acta Scientiarum

De acordo com Davies (1954), nem sempre possvel a pesquisa de uma regio completa, principalmente quando o erro experimental muito grande, pois necessrio um grande nmero de ensaios para se obter a preciso adequada para a explorao da regio completa, a qual muito grande. J no caso em que o erro experimental se torna pequeno, como por exemplo, nas pesquisas em laboratrios ou certos tipos de processos na indstria, onde essas condies que afetam o experimento podem ser controladas dentro de pequenos intervalos, possvel o estudo em uma pequena regio. Logo, apresentando-se esta situao (erro experimental pequeno) e o pesquisador no conhecendo a vizinhana do timo, no necessrio explorar toda regio que contm esse timo. Basta, atravs de experimentos seqenciais, descobrir a regio vizinha que contm esse ponto. Sabendo-se que o delineamento composto central (DCC) possibilita ao pesquisador, para um determinado nmero de fatores, escolher entre os tipos ortogonais, no ortogonais e/ou rotacionais permitindo ainda a sua diviso ortogonalmente em blocos, bem como se poder trabalhar com um nmero bem menor de combinaes entre fatores com seus respectivos nveis do que os fatoriais completos, este trabalho tem como um dos objetivos, tentar mostrar, atravs da reviso bibliogrfica, que se trata de um delineamento bastante flexvel. Batista (1976) verificou tambm que os experimentos fatoriais constitudos por muitos tratamentos proporcionam maior nmero de graus de liberdade para a estimativa do desvio do modelo, o qual, na maioria das vezes, no significativo. Haaland (1989), na rea de Biotecnologia, dentro de imunologia, diz que, no desenvolvimento de anticorpos monoclonais, comum a escolha do conjunto de variveis baseada na experincia e preferncia pessoal. Contudo, com o fim de viabilidade comercial da produo destes anticorpos, necessria uma aproximao que otimize o processo de produo. Segundo este autor, muitas variveis com seus nveis requerem muitas unidades experimentais, devido complexidade do processo que, no caso, fisiolgica e implica que os resultados experimentais sejam objeto de variabilidade inerente. Quando diz isto, o autor est fazendo referncia ao uso de unidades como ratos, por exemplo, os quais devem ser preparados, e isto significa que, muitas vezes, do incio do processo at a obteno do resultado experimental, demandado certo tempo, alm da necessidade de aloj-los e aliment-los adequadamente. Podem decorrer at vrias semanas,
Maring, v. 23, n. 6, p. 1537-1546, 2001

Viabilidade de uso do delineamento composto central

1539

o que torna caro o processo de produo de anticorpos neste tipo de experimento. Portanto, segundo ele, h necessidade, primeiro, de uma filtragem, ou seja, da escolha das variveis realmente importantes para otimizao do processo e, segundo, da necessidade de poucos pontos experimentais para anlise das respostas. Em suas aplicaes, Haaland (1989) indica, para escolha de fatores, o fatoriais 2k ou 2k-p e, para anlise de superfcie de resposta, o delineamento composto central, o delineamento cubo de face centrada (o DCC de =1) e o delineamento Box-Behnken; e para cada um, ele indica o nmero de pontos centrais adequados. Segundo Jorge e Freitas (1987), embora tenham sido criadas extenses do DCC, aumentando-se os pontos, para ensaios agronmicos, a utilizao deste delineamento, em preferncia aos fatoriais, foi questionada por Yates (1951). Pois, embora se concorde com as vantagens dos delineamentos de Box sobre os fatoriais, tais como o menor nmero de unidades experimentais, a adaptabilidade experimentao seqencial, a menor sensibilidade a afastamentos do modelo assumido para a superfcie de resposta, ele diz, segundo estes autores, que essas vantagens s seriam relevantes na experimentao industrial, onde os erros so pequenos. Tambm, Draper e Herzberg (1968), ao se referirem aos muitos delineamentos compostos disponveis para estudo de superfcies de respostas, comentam que alguns eram j freqentemente usados, na prtica, enquanto outros tinham ainda somente interesse terico; entretanto estes poderiam vir a ser teis, no futuro, pois acreditam na possibilidade de se desenvolverem novas tcnicas, com o objetivo de se alcanar um maior controle das condies envolvidas no experimento, tornando possvel, assim, a obteno do erro experimental o menor possvel. E, se isso ocorrer, pode-se reformular os conceitos sobre o uso dos delineamentos compostos na pesquisa agronmica. A maior dificuldade de um experimento de campo, em especial, o agronmico, est em controlar as influncias de vrios fatores externos ao experimento, o que no se verifica na indstria, em especial a qumica, de fiao e outras. o valor de que particulariza os DCCs, pois o mesmo pode ser escolhido para tornar os coeficientes de regresso ortogonais, ou para minimizar o desvio que resulta ser a forma verdadeira da superfcie de resposta, se esta no for quadrtica, ou para dar ao delineamento a propriedade de ser rotacional, isto , todos os pontos so eqidistantes do ponto central. A ortogonalidade
Acta Scientiarum

propicia a estimao independente para os coeficientes do modelo e a rotacionalidade propicia varincias idnticas para pontos situados mesma distncia do centro, em qualquer direo. De acordo com Atkinson e Donev (1992), o efeito dos pontos centrais faz diminuir a eficincia dos delineamentos como medida de otimalidade D. Os delineamentos, que o autor chama de BoxDraper, por terem as caractersticas de rotacionalidade e um nmero de 2 a 4 pontos centrais (na ausncia de tornar o delineamento em blocos ortogonais), tm reduzidas as bordas da regio experimental, permitindo assim a reduo do efeito de vis dos termos de maior ordem que so omitidos do modelo, o que, segundo o autor, apesar de diminuir os custos, reduz a eficincia das medidas de otimalidade D ou G, pois o D-timo abrange a regio experimental, pelo menos para os modelos lineares. Haaland (1989) diz que, embora haja flexibilidade quanto ao nmero de pontos centrais, necessrio pelo menos um. Multiplicar este ponto fortemente recomendado nos trs tipos de delineamentos indicados por ele. Ainda, de acordo com este autor, os pontos centrais melhoram as estimativas dos efeitos quadrticos e possibilitam graus de liberdade adicionais para o erro. Alm disso, os pontos centrais permitem informao extra quanto ao centro da regio experimental, onde os melhores valoresresposta esto freqentemente localizados. Sanches et al. (1987) apontam que, na anlise de um experimento utilizando superfcie de resposta, com o objetivo de conseguir os nveis dos nutrientes que do produo mxima, pode ocorrer que a funo de produo estimada tenha ponto de sela. Neste trabalho, eles procuraram comparar vrios delineamentos, todos utilizando apenas trs fatores, entre eles, o fatorial 33, os DCCs com = 1,214 e = 2, cada um com apenas um ponto central (15 pontos no total), o delineamento central com duas estrelas ( e 2) e um ponto central ( = 0,704377838) e o delineamento duplo central (dois cubos) com 29 pontos, um com = 1,51 e outro com = 1. Concluram que, para os trs primeiros delineamentos, o ponto mximo experimental (que o ponto de maior valor da resposta estimada na regio experimental), ligeiramente mais prximo do ponto de mximo real, do que o ponto de mximo estimado (nos casos onde encontrado). Miranda (1976) faz um estudo de adubao de milho (usa o DCC 15 pontos, com = 2), comparando as superfcies de respostas e seus coeficientes, durante vrios anos, em cinco regies diferentes de So Paulo, e nota as respostas
Maring, v. 23, n. 6, p. 1537-1546, 2001

1540

Mateus et al.

diferentes para os mesmos experimentos e pontos fora da regio estudada em determinados anos em que o experimento foi executado. Segundo este autor e Conagin et al. (1999), isto se deve a fatores, tais como, condies climticas, propriedades fsicas e qumicas do solo, do estado de sanidade das plantas, de pragas e das tcnicas de cultivos adotadas, o que torna o coeficiente de variao alto. Mesmo o fatorial 33, que mais eficiente, Conagin et al. (1999) dizem que ocorre a obteno de pontos de sela, o que dificulta a interpretao dos resultados experimentais com superfcie de resposta. Apesar das tentativas do uso do DCC em reas de pesquisa, onde o erro experimental alto, percebe-se, pelos trabalhos com ensaios agronmicos de Miranda (1976), Conagin et al. (1999), Pereira e Perecin (1985), Pimentel Gomes e Campos (1972), Sanches et al. (1987), que, quando se ajusta uma superfcie quadrtica com o objetivo de buscar o timo, tem-se pouco sucesso, havendo a ocorrncia, na maioria das vezes, de pontos de sela, ou at o aparecimento de pontos bem fora da regio de interesse na pesquisa, mesmo quando se repetem todos os tratamentos. Tanto Miranda (1976) como Pimentel Gomes e Campos (1972) utilizaram-se de vrios conjuntos de dados experimentais. Os outros trabalhos foram baseados em simulaes de experimentos. De acordo com estudos realizados por Perez Valdez (2000), os experimentos, para se obter a modelagem matemtica da etapa fermentativa do processo de produo de vacina contra salmonelose bovinos, foram realizados utilizando os planejamento fatorial e planejamento composto central. Embora, de acordo com este autor, ambas as tcnicas no sejam as mais adequadas, modelos de terceira ordem foram propostos, mostrando serem mais apropriados que os modelos de segunda ordem. O objetivo deste trabalho o de verificar at que ponto os trs DCCs (considerados delineamentos timos) so adequados para estimar uma superfcie de resposta levando-se em conta a variabilidade experimental. Material e mtodos De acordo com estudos j efetuados por Pimentel Gomes e Campos (1972), Miranda (1976) entre outros, quanto maior as dificuldades de controle de um experimento, estes delineamentos em estudo no so viveis. Portanto, o que se quer neste trabalho descobrir at que ponto ele pode ser usado de forma a se obter os resultados mais prximos da verdade. Para tanto, foram simulados experimentos para 3
Acta Scientiarum

fatores utilizando coeficientes de variao de 3%; 6%; 10%; 15% e 21%, de forma a abranger as reas j citadas anteriormente. O modelo estimado um elipside, cujo ponto timo um ponto de timo. Para cada um desses coeficientes de variao, foram gerados experimentos utilizando trs delineamentos, cada um com um ponto central, que so os seguintes: - DCC com = 1; - DCC ortogonal com = 1,216; - DCC rotacional com =1,682. A superfcie de resposta estimada : Yu = 0 + 1X1u + 2X2u + 3X3u + 11X1u2 + 22X2u2 + 33X3u2 + + 12X1uX2u + 13X1uX3u + 23X2uX3u + u (1)

onde X1u, X2u e X3u so as variveis referentes aos fatores; 0 (ponto de interseo), 1, 2, 3 (referentes aos efeitos lineares), 11, 22, 33 (referentes aos efeitos quadrticos), 12, 13, 23 (referentes aos efeitos de interao dupla), so os coeficientes de regresso obtidos pelo mtodo de mnimos quadrados; e u (u = 1, ..., 15) o erro experimental correspondente a Y, com disbribuio N(0, 2) e so no correlacionados. E seja k o nmero de fatores a serem combinados e sejam os nveis codificados de cada varivel (fatores) Xi: -1 e +1 na parte fatorial. Define-se o DCC como o conjunto constitudo dos seguintes tratamentos: (1, 1, ..., 1); (-1, 1, ..., 1); . . .; (-1, -1, ..., -1) totalizando F = 2k ou F = 2k - p (caso se tome um fatorial fracionado) combinaes (tratamentos). Adicionando-se a estes as (2k + nc) combinaes: (0, 0, ... , 0), o conjunto de vetores nulos; e (- 0 ... 0); ( 0 ... 0); (0 - ... 0); (0 ... 0); ... ; (0 0 ... -); (0 0 ... ), que so os 2k pontos axiais ou estrelas, tem-se um total de F pontos fatoriais, mais 2 k pontos axiais e mais nc pontos centrais. Como visto na definio, o DCC constitudo basicamente de uma parte fatorial (ou frao de um fatorial) com dois nveis (que permite estimar todos os efeitos de primeiro grau e os efeitos das interaes), e de pontos axiais ou estrela nos nveis e + de cada fator para o nvel mdio dos demais fatores que partem de um ponto ou mais pontos localizados no centro do delineamento. Segundo Montgomery e Myers (1995), a natureza seqencial do delineamento torna-se bvia.
Maring, v. 23, n. 6, p. 1537-1546, 2001

Viabilidade de uso do delineamento composto central

1541

Os pontos fatoriais representam um delineamento de varincia tima para o modelo de primeira ordem ou primeira ordem mais interao dupla. O DCC um delineamento que foi desenvolvido com o objetivo de permitir encontrar o ponto de resposta mxima ou mnima, em ensaios com k fatores, cada um com cinco nveis, e com um nmero de pontos inferior a outros tipos de delineamentos utilizados, por exemplo, o fatorial 3k. A Figura 1 a representao grfica de um DCC para k = 3 fatores. A simulao de cada um dos experimentos foi feito utilizando um programa do SAS, o qual usa a funo RANNOR, na gerao dos efeitos aleatrios u (u = 1, ..., 15), obtendo-se, desta forma, os valores de Yu com distribuico normal com: E(Yu) = 0 + 1X1u + 2X2u + 3X3u + 11X1u2 + 22X2u2 + 33X3u2 + + 12X1uX2u + 13X1uX3u + 23X2uX3u e V(Yu) = 2 A funo RANNOR produz valores de uma varivel aleatria, normalmente distribuda com mdia zero e varincia igual a um, usando a transformao de Box e Muller (1958). Para cada combinao coeficiente de variao e tipo de delineamento, sero gerados cem experimentos, totalizando, desta forma, para cada coeficiente de variao, 300 experimentos. Portanto, foi gerado um total de 1500 experimentos. Utilizando a funo RANNOR, em conjunto com o comando DO, foram utilizadas sementes com cinco algarismos (sorteados com reposio), que em funo do coeficiente de variao e mdia fixados, geraram quinze erros aleatrios u, os quais foram diminudos dos Ys obtidos a partir da curva escolhida e do delineamento fixado (em conseqncia, os Xis foram fixos dependendo apenas do delineamento). Para o modelo em estudo foram adotados os seguintes coeficientes paramtricos referentes aos efeitos lineares, quadrticos e das interaes:
Efeitos Linear Quadrtico X1 200 -160 X2 220 -180 X3 180 -170

Nesta simulao de dados, foi utilizado o valor 4000 como mdia do experimento. Usando os resultados desta simulao de dados, foram calculados as porcentagens de pontos crticos que estavam dentro ou fora do campo pesquisado e os tipos de pontos crticos. Foram ainda calculadas as porcentagens de respostas significativas de cada componente do modelo nas combinaes delineamento com coeficiente de variao. A anlise de superfcie de resposta (RS) foi feita utilizando o mtodo de anlise cannica (descrita por Myers, 1971; Box e Draper, 1986; Montgomery e Myers, 1995; Barros Neto et al., 1996) atravs de programa realizado no SAS, que utiliza o comando PROC RSREG.

Figura 1. Representao esquemtica do DCC rotacional para k=3 fatores

Seja o modelo de superfcie de resposta de segunda ordem dada a seguir e considere este modelo ajustado conforme notao matricial:

y = bo + x' b + x' B x
onde bo, o coeficiente do intercepto; x = [ x1, x2, x3]; b = [b1, b2, b3], B a matriz k x k simtrica
b11 b12/2 b13/2 b22 b23/2 B = b33

Em relao X1X2, X1X3 e X2X3, os coeficientes paramtricos foram, respectivamente, - 51, - 40 e 44. Coeficientes estes que deram origem a um elipside.
Acta Scientiarum

e xs = - B-1 b/2 o vetor que leva ao ponto estacionrio. A natureza do ponto estacionrio foi determinada pelos sinais do autovalores da matriz B. Alm disso, a magnitude deste autovalores pode ser til na

Maring, v. 23, n. 6, p. 1537-1546, 2001

1542

Mateus et al.

interpretao do ponto estacionrio (xs) e da curva estimados. Os sinais dos s (autovalores relativos matriz B) determinam a natureza de xs, e magnitude relativa dos autovalores ajuda o pesquisador a entender melhor o sistema de resposta: 1. Se 1, 2 e 3 so todos negativos, o ponto estacionrio ponto de resposta mxima; 2. Se 1, 2 e 3 so todos positivos, o ponto estacionrio ponto de resposta mnima; 3. Se 1, 2 e 3 diferem quanto aos sinais, o ponto estacionrio um ponto de sela. Resultados e discusso Na simulao, admitiram-se 4000 como valor mdio do experimento e fez-se variar a preciso experimental, considerando-se coeficientes de variao populacional de 3, 6, 10, 15 e 21%. Foram simulados, para cada tipo de delineamento, 100 experimentos por coeficiente de variao populacional, totalizando 500 experimentos por delineamento. Portanto, um total de 1500 experimentos. Esses experimentos foram divididos em intervalos de coeficiente do experimento por delineamento em [0%;3%], (3%;6%], (6%;10%], (10%;15%], (15%;21%] e maior que 21%. Tambm foi feita a anlise usando os seguintes intervalos de coeficiente do experimento: [0%;4%), [4%;7%), [7%;11%), [11%;16%), [16%;22%) e maior ou igual a 22%. O clculo dos testes estatsticos foram feitos usando-se o SAS. Os testes de qui-quadrado foram realizados cruzando os dados de freqncia observada em cada um dos delineamentos dentro de cada intervalo de coeficiente experimental: de ponto de mximo total com a de pontos que no so de mximo; de ponto de mximo dentro dos nveis -1 e 1 com a de pontos que esto fora; do total de pontos crticos dentro dos nveis -1 e 1 com a de pontos que esto fora e do total de regresses que foram significativas com as que no foram significativas.
Delineamento DCC Rotacional DCC Ortogonal DCC com =1 (Cub.) Freq. de A Freq. de B

zc = (p1 -p2)/[p(1-p)(1/n1 + 1/n2)]1/2 onde p1 e p2 so as propores dos dois conjuntos de dados a serem testados; n1 e n2 o tamanho das amostras dos dois conjuntos de dados a serem testados p a proporo amostral combinada: p = (p1n1 + p2n2)/(n1 + n2) As hipteses a serem estudadas so: H0: as duas propores so iguais e H1: p1 < p2 ou p1> p2. Tomando o coeficiente de variao igual a zero, para os trs delineamentos, foram obtidos os seguintes resultados atravs do mtodo de anlise cannica de superfcie de resposta: ponto estacionrio de mximo: xs = (0,496; 0,491; 0,408) e a resposta estacionria ys = 4140,274, para os trs delineamentos. As Tabelas 1 a 6 mostram as porcentagens de pontos estacionrios (de mximo, de mnimo e de sela), dentro de cada intervalo de coeficiente experimental e tambm dentro dos nveis (-1, 1), [1,618;1,618] e fora desses nveis. Mostram tambm a porcentagem de experimentos em que a regresso foi significativa dentro de cada intervalo de coeficiente experimental.
Tabela 1. Quantidade de experimentos por intervalo de coeficiente experimental (1a opo) do DCC Rotacional com = 1,682
Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) [0;3] (3;6] (6;10] (10;15](15;21] >21 Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** 94 6 4 2 82 82 10 8 2 8 3 3 2 100 94 6 89 10 6 4 1 75 72 3 16 12 4 9 5 4 95 85 9 1 72 26 17 9 2 48 38 8 2 24 21 3 29 14 15 44 29 13 2 54 42 29 13 4 45 34 10 1 18 6 12 38 14 21 2 9 7 2 44 48 32 16 8 50 29 16 5 14 4 7 3 36 11 25 4 3 1 35 59 40 19 6 51 25 22 4 22 5 16 1 27 >15 39 54 36 18 7 51 27 19 5 18 4 12 2 31 8 22 1 2 1 1

Total mximo sela mnimo [-1,618;1,618]*** Total mximo sela mnimo Fora**** Total mximo sela mnimo Reg. sign. Total mximo sela mnimo

5 21 1

Nota: A refere-se, por exemplo, a ponto de mximo total e B refere-se aos pontos que no so de mximo

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo; *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

O teste para verificar se h diferena entre duas propores foi o teste de significncia, como dado a seguir:
Acta Scientiarum

Observando-se as Tabelas de 1 a 6, nota-se que medida que o coeficiente experimental aumenta, o nmero de experimentos em que a regresso foi significativa e o nmero de pontos de mximo
Maring, v. 23, n. 6, p. 1537-1546, 2001

Viabilidade de uso do delineamento composto central

1543

diminuem. Por outro lado, aumentam os pontos de mnimo e de sela.

Tabela 2. Quantidade de experimentos por intervalo de coeficiente experimental (2a opo) do DCC Rotacional com = 1,682
Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** [0;4) [4;7) [7;11) [11;16)[16;22) 22 94 6 4 2 81 17 12 5 2 65 59 5 1 18 14 4 17 8 8 1 84 68 14 2 71 27 18 9 45 37 7 1 26 21 5 29 13 15 1 31 22 8 1 53 43 30 13 4 43 30 10 3 14 5 9 43 17 25 1 6 5 1 44 49 32 17 7 48 29 15 4 22 6 13 3 30 9 21 4 3 1 31 61 41 20 7 53 23 26 4 19 4 13 1 28 4 23 1 16 37 56 37 19 7 50 26 20 4 20 5 13 2 30 7 22 1 2 1 1

em que um dos autovalores estava prximo de zero (w1 = 0,97); tem-se neste caso uma situao de rising ridge.
Tabela 4. Quantidade de experimentos por intervalo de coeficiente experimental (2a opo) do DCC Ortogonal com = 1,216
Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** [0;4) [4;7) [7;11) [11;16)[16;22) 22 93 7 7 0 66 64 2 22 20 2 12 9 3 100 93 7 66 34 33 1 54 44 10 20 11 9 26 11 15 78 53 25 48 52 41 11 44 27 17 18 8 10 38 13 25 24 10 14 34 66 49 17 35 16 19 29 4 25 36 14 22 7 2 5 24 76 52 24 36 12 24 21 1 20 43 9 32 2 2 2 12 88 64 24 49 8 41 27 2 25 24 2 22 16 17 82 58 24 1 42 10 32 24 2 22 34 6 27 1 1 1

Total 86 Mximo 85 Sela 1 Mnimo Total 8 [-1,618;1,618]*** Mximo 6 Sela 2 Mnimo Fora**** Total 6 Mximo 3 Sela 3 Mnimo Reg. sign. Total 100 Mximo 94 Sela 6 Mnimo

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo; *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

Total Mximo Sela Mnimo [-1,618;1,618]*** Total Mximo Sela Mnimo Fora**** Total Mximo Sela mnimo Reg. sign. Total mximo Sela mnimo

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo; *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

Tabela 3. Quantidade de experimentos por intervalo de coeficiente experimental (1a opo) do DCC Ortogonal com = 1,216
Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** [0;3] (3;6] (6;10] (10;15](15;21] >21 >15 96 4 4 69 69 16 16 15 11 4 100 96 4 78 22 22 56 50 6 25 18 7 19 10 9 85 76 9 51 49 40 9 47 32 15 18 9 9 35 10 25 29 13 16 37 63 46 17 37 18 19 28 6 22 35 14 21 11 3 8 24 75 53 22 1 33 13 20 27 5 22 1 40 7 32 1 2 1 1 14 86 65 21 49 8 41 27 1 26 24 4 20 19 80 58 22 1 40 10 30 27 3 24 1 33 6 26 1 2 1 1

Tabela 5. Quantidade de experimentos por intervalo de coeficiente experimental (1a opo) do DCC com = 1
Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** [0;3] (3;6] (6;10] (10;15](15;21] >21 >15 88 12 12 65 60 5 21 15 6 14 12 2 100 88 12 65 35 32 3 45 35 10 24 16 8 31 14 17 92 61 31 36 64 54 10 42 21 21 17 8 9 41 8 33 27 8 19 16 84 65 19 51 12 39 20 18 2 29 2 27 9 9 11 89 69 20 53 3 50 18 3 15 29 5 24 2 2 3 97 71 26 53 3 50 25 25 22 22 7 93 69 24 53 3 50 22 2 20 25 23 2 1 1

Total Mximo Sela [-1,618;1,618]*** Total Mximo Sela Mnimo Fora**** Total Mximo Sela Mnimo Reg. Sign. Total Mximo Sela Mnimo

Total Mximo Sela Mnimo [-1,618;1,618]*** Total Mximo Sela Mnimo Fora**** Total Mximo Sela Reg. Sign. Total Mximo Sela Mnimo

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo; *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo; *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

Em relao aos experimentos simulados com o DCC rotacional, no intervalo de coeficiente experimental (10;11)%, ocorreu apenas um ponto
Acta Scientiarum Maring, v. 23, n. 6, p. 1537-1546, 2001

1544
Tabela 6. Quantidade de experimentos por intervalo de coeficiente experimental (2a opo) do DCC com = 1
% d e e xp e r ime n to s

Mateus et al.

120 100 80 60 40 20 0 .0|--|3 3.--|6 6.--|10 10.--|15 15.--|21 > 21 > 15

Quantidade de experimentos simulados dentro de cada intervalo (%) Intervalos de coef. exper. (%) Pto de mximo Pto de sela s--* s- ** Pto de mnimo (-1;1)*** [0;4) [4;7) [7;11) [11;16)[16;22) 22 81 19 19 58 54 4 21 15 6 21 12 9 100 81 19 58 42 38 4 44 30 14 26 16 10 30 12 18 76 49 27 35 65 53 12 48 21 27 15 7 8 36 7 30 24 4 20 11 89 70 19 42 6 36 23 2 21 35 4 31 7 7 9 91 69 22 58 4 54 16 2 15 26 4 22 3 97 70 27 54 3 51 24 24 22 22 16 6 94 69 25 56 3 53 20 1 19

ro t o rt cu b

Total Mximo Sela Mnimo [-1,618;1,618]*** Total Mximo Sela Mnimo Fora**** Total Mximo Sela Mnimo Reg. sign. Total Mximo Sela Mnimo

c o e fic ie n te e x p e r im e n ta l (%)

(a)
100 90 80 70 60 50 40 30 20 10 0
0|-- 4 4|-- 7 7|-- 11 11|-- 16 16|-- 22 22|-- ... 16|--...

rot ort cub

Nota: * s--: ponto de sela em que dois dos autovalores so negativos; ** s- : ponto de sela em que apenas um dos autovalores negativo. *** nvel mnimo e mximo por fator; **** fora dos nveis [-1,618; 1,618]

% de e xpe rime ntos

24 2 22

co e ficie n te e xp e rime n tal (%)

A Figura 1 confirma o resultado do teste quiquadrado e teste para verificar a diferena entre proporo de pontos de mximo por delineamento. Apenas no intervalo de coeficiente experimental [0;3]% no se verificou diferena significativa no nmero de pontos de mximo total por delineamento. A Figura 2 confirmam os testes de diferena de proporo de mximo dentro dos nveis -1 e 1, isto , h diferena significativa entre os delineamentos. Quando se trata do total de pontos estacionrios, utilizando-se o teste paramtrico para diferena de proporo, as propores de mximo em cada intervalo de coeficiente experimental se verificaram significativamente diferentes, principalmente em relao ao DCC rotacional, isto , o DCC rotacional sempre obteve um maior nmero de experimentos em que os pontos de mximo ficaram entre os nveis -1 e 1. Em relao ao nmero de regresses significativas, como pode ser verificado na Figura 3, em (a) e (b), observa-se que, dentro de cada intervalo de coeficiente experimental, no houve diferena significativa no nmero de experimentos por delineamento que obtiveram regresso significativa. S foi significativa no intervalo de coeficiente experimental (6;10]% apenas para dos DCC rotacional e ortogonal . A Tabela 7 mostra a proporo de delineamentos dentro do intervalo de resposta estacionria ys de 3800 a 3480, comparando os trs delineamentos.
Acta Scientiarum

(b)
Figura 1. Mostra a porcentagem de pontos de mximo obtidos em cada intervalo de coeficiente experimental por delineamento

90 80

% de experimentos

70 60 50 40 30 20 10 0 .0|--|3 3.--|6 6.--|10 10.--|15 15.--|21 > 21

rot ort cub

> 15

in te rv alo s d e c o eficien te s ex p e rim e n ta is

(a)
90 80 70

ro t o rt cub

% d e e xp e r im e n to

60 50 40 30 20 10 0 0 |- - 4 4 |- - 7 7 |- - 1 1 1 1 |- - 1 6 1 6 |- - 2 2 2 2 |- - ...

1 6 |- - ...

in te r va l o s d e c o e fic i e n te e xp e r im e n ta l

(b)
Figura 2. Em (a) e (b) comparam a porcentagem de pontos de mximo por delineamento dentro de cada intervalo de coeficiente experimental dentro dos nveis -1 e 1

Maring, v. 23, n. 6, p. 1537-1546, 2001

Viabilidade de uso do delineamento composto central

1545

120

% de experimentos

100 80 60 40 20 0 .0|--|3 3.--|6 6.--|10 10.--|15 15.--|21

rot ort cub

> 21

> 15

coe ficie nte e xpe rime ntal (%)

(a)
120 100

80 60 40 20 0 0|-- 4 4|-- 7 7|-- 11 11|-- 16

rot ort cub

16|-- 22

22|-- ...

16|--...

coeficiente de variao experimental (% )

(b)
Figura 3. Comparao dos trs delineamentos quanto porcentagem de regresses significativas

Tambm, comparando-se as propores de ponto de mximo e ponto de mximo dentro dos nveis -1 e 1, atravs do teste de significncia para duas propores, verifica-se que a diferena da proporo de pontos de mximo e ponto de mximo entre os nveis -1 e 1 entre os dois primeiros intervalos da Tabela 1, para o DCC rotacional no foi significativa.
Tabela 7. Proporo de delineamentos dentro do intervalo de resposta estacionria ys de 3800 a 3480, comparando os trs delineamentos
Intervalo cv DCC rotacional DCC ortogonal experimental (%) [0;3] [0;4) (3;6] [4;7) (6;10] [7;11) 98 97 90 77 61 65 91 90 90 87 62 57 DCC com =1 97 93 84 75 64 64

Mesmo utilizando-se a repetio de todos os tratamentos, constata-se, atravs dos dados utilizados por Miranda (1976) de adubao de milho (pesquisa de campo), que o DCC (com = 2 e k=3 fatores) mostrou-se pouco indicado para se chegar concluso das melhores doses de fertilizantes, pois as respostas obtidas foram consideradas muitas vezes absurdas. J no caso onde o coeficiente de variao experimental de no mximo de 6%, os trs delineamentos so considerados bons. Logo, em laboratrios de Fitopatologia, Virologia, Entomologia, ou outras reas de pesquisas, realizadas em ambiente fechado, onde o controle maior que no de campo (que em geral no ultrapassa o coeficiente de variao de 6%), os trs so indicados. O DCC rotacional apresentou melhores respostas que os outros dois, pois foi construdo visando estabilidade em toda regio do delineamento. O pior foi o DCC em que =1. E, como esperado, os trs delineamentos so ideais no caso onde o coeficiente de variao no ultrapasse 4%, como o caso de pesquisas em qumica e para alguns produtos industriais (onde o controle dos fatores externos ao processo de produo efetivo), como a confeco de fios de tecido, por exemplo. Quando o coeficiente de variao experimental for maior que 6% ser necessrio usar repeties por tratamento para que se possa diminuir a variao e isso torna o experimento muitas vezes invivel em termos de tempo e economia. Os trs delineamentos, quando no repetidos seus tratamentos, so s viveis dentro de situaes onde h um bom controle dos fatores que possam influenciar o experimento. Referncias
ATKINSON, A. C.; DONEV, A. N. Optimum experimental designs. Oxford: Clarendon Press, 1992. (Oxford Statistical Science Series 8) BARROS NETO, B. et al. Planejamento e otimizao de experimentos. Campinas: Editora da UNICAMP, 1996. (Srie Manuais). BATISTA, L.B. Determinao de para tornar ortogonal o delineamento composto central (box). 1976. Dissertao (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo, Piracicaba, 1976. BOX, G.E.P.; WILSON, K.B. On the experimental attainment of optimum conditions. J. Royal Stat. Soc., Oxford, v.B13, p.1-45, 1951. BOX, G.E.P.; MULLER, M.E. A note on the generation of random normal deviates. Tech. Rep., Princeton, n. 15, p. 610-612, 1958. Maring, v. 23, n. 6, p. 1537-1546, 2001

Os resultados mostram que nenhum dos trs delineamentos indicado para ser utilizado em pesquisas de campo, como na agronomia e em outras reas de pesquisa, onde no possvel um controle da influncia de fatores externos ao experimento, isto , onde o coeficiente de variao experimental muitas vezes superior a 10%.
Acta Scientiarum

% de experimentos

1546 BOX, G.E.P.; DRAPER, N.R. Empirical model building and response surfaces. New York: John Wiley, 1986 (Wiley Series in Probability and Mathematical Statistics) CONAGIN, A. et al. Sensibilidade dos delineamentos fatoriais 33, ()43 e (1/5)53 na definio dos pontos crtico.. Campinas: Instituto Agronmico de Campinas, 1999. (IAC, Boletim Cientficos n. 39). DAVIES, O.L. Design and analysis of industrial experiments. Edinburgh: Oliver and Boyd, 1954. DONEV, A. N.; ATKINSON, A.C. Na adjustment algorithm for the construction of exact D-optimum experimental designs. Technometrics, n.30, p.429-33, 1988. DRAPER, N. R.; HERZBERG, A.M. Futher second order rotable designs. Annual Mathematics Statistical, n.39, p.1995-2001, 1968. HAALAND, P.D. Experimental design in Biotechnology. New York: Marcel Dekker, 1989. JORGE, J.P.N.; FREITAS, L.M.M. O delineamento Box, modificado, em ensaio de correo e fertilizao de um latossolo vermelho-amarelo. Campinas: Instituto Agronmico, 1987. (IAC, Boletim Tcnico n. 12). KHURI, A.J.; CORNELL, J.A. Response surfaces: designs and analyses. New York: Marcel Dekker, 1987. LUCAS, J.M. Which Response Surface Design is Best. Technometrics, Alexandria, v. 18, n. 4, p.411-417, 1976. MATEUS, N.B. O delineamento composto central e sua viabilidade de uso em algumas reas de pesquisa. 2001. Dissertao (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo, Piracicaba, 2001. MIRANDA, L. E. C. de. Avaliao do efeito residual de fertilizantes atravs de coeficientes da superfcie de resposta ajustada a ensaios de adubao de milho (zea mays L.). 1976. Dissertao (Mestrado) - Escola Superior de Agricultura Luiz de Queiroz, Universidade de So Paulo, Piracicaba, 1976.

Mateus et al. MONTGOMERY, D.C.; MYERS, R.H. Response surface methodology: Process and product optimization using designed experiments. New York: John Wiley, 1995. MYERS, R.H. Response surface methodology. Boston: Allyn and Bacon, 1971. PEREIRA, G. T.; PERECIN, D. Eficincia de delineamentos (1/5) 53, em relao ao delineamento composto central (15 pontos). In: SIMPSIO DE ESTATSTICA APLICADA EXPERIMENTAO AGRONMICA, 1.; REUNIO ANUAL DA REGIO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 30, 1985, Piracicaba, 1985. Anais... Campinas: Fundao Cargill, 1985. p. 183-196. PEREZ VALDEZ, W. Modelagem matemtica da etapa fermentativa do processo de produo de vacina contra salmonelose bovina. 2000. Dissertao (Mestrado) - Escola Politcnica, Universidade de So Paulo, So Paulo, 2000. PIMENTEL GOMES, F; CAMPOS, H. The efficiency of factorial 33 designs as compared to a central composite rotatable design. Potash Rev., Basel, v.72, p. 1-3, 1972. SANCHES, A. et al. Ponto de sela e nveis timos em experimentos de adubao. In: SIMPSIO DE ESTATSTICA APLICADA EXPERIMENTAO AGRONMICA, 2, REUNIO ANUAL DA REGIO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 32, 1987, Londrina, 1987. Anais... Londrina: UEL, 1987. p. 132-146. SAS INSTITUTE, SAS/IML SOFTWARE: version 6. Cary, 1989. p.1070. YATES, F. Complex experiments. J. Royal Stat. Soc., Oxford, v.B2, p.181-247, 1951.
Received on March 19, 2001. Accepted on September 10, 2001.

Acta Scientiarum

Maring, v. 23, n. 6, p. 1537-1546, 2001