1.4 Estimação dos Parâmetros do Modelo

A seguir, vamos apresentar estimadores para os parâmetros do modelo,

$y_{ij}=\mu + \alpha_{i}+\varepsilon_{ij}$

e intervalos de confiança. Como estimador da média geral,tomamos

$\widehat{\mu}=\overline{y}_{..}$

e para os efeitos tomamos

$\widehat{\alpha}_{i}=\overline{y}_{i.}-\overline{y}_{..}$

A média do $i$ -ésimo nível é dada por $\mu_{i}=\mu+\alpha_{i}$ . Então, um estimador pontual para $\mu_i$ é definido por

$\widehat{\mu}_{i}=\widehat{\mu}+\widehat{\alpha}_{i}=\overline{y}_{i.}$

Assim, se assumirmos que os erros $\varepsilon_{ij}$ são normalmente distribuídos e independentes, obtemos que a média $\overline{y}_{i.}$ (do nível i) tem distribuição Normal com média $\mu+\alpha_i$ e variância $\sigma^2/n_i$ . Utilizando o quadrado médio do erro (QME) como estimador de $\sigma^{2}$ , podemos construir um intervalo de confiança baseado na Distribuição t-Student. Desta forma, obtemos que:

$\frac{\displaystyle\frac{(\overline{y}_{i.}-\mu_i)}{\sqrt{\sigma^2/n_i}}}{\displaystyle \sqrt{\frac{QME}{\sigma^2}}}=\frac{\displaystyle(\overline{y}_{i.} - \mu_i)}{\displaystyle \sqrt{ \mbox{QME}/\displaystyle n_i}}$

tem distribuição t-Student com ( $N - k$ ) graus de liberdade. Portanto, o intervalo com confiança de $(1-\alpha)100\%$ para a média do $i$ -ésimo nível é definido por

$\overline{y}_{i.}-t(1-\alpha/2, N - k)*\sqrt{\frac{\displaystyle \mbox{QME}}{\displaystyle n_i}} ~~\leq~~\mu_i ~~\leq~~ \overline{y}_{i.}+t(1-\alpha/2, N - k)*\sqrt{\frac{\displaystyle QME}{\displaystyle n_i} }.$

A Tabela Distribuição t-Student do Apêndice apresenta os valores da estatística $t$ -Student.

Temos que

$\frac{\overline{y}_{i.}-\mu_i}{\sqrt{\sigma^2/n_i}}\sim\mbox{ N(0,1)}$

para todo $i=1,\ldots,k$ e são independentes. Então,

$\frac{\displaystyle\overline{y}_{i.}-\overline{y}_{l.}-(\mu_i-\mu_l)}{\displaystyle\sigma\sqrt{\frac{1}{n_i}+\frac{1}{n_l}}}\sim\mbox{ N(0,1)}.$

Da mesma forma, obtemos que

$\frac{\displaystyle\frac{\overline{y}_{i.}-\overline{y}_{l.}-(\mu_i-\mu_l)}{\displaystyle\sigma\sqrt{\frac{1}{n_i}+\frac{1}{n_l}}}}{\displaystyle\sqrt{\frac{QME(N-k)}{\sigma^2(N-k)}}}=\frac{\displaystyle(\overline{y}_{i.}-\overline{y}_{l.})-(\mu_i-\mu_l)}{\sqrt{QME\left(\frac{1}{n_i}+\frac{1}{n_l}\right)}}\sim t_{(N-k)}.$

Assim, um intervalo com confiança de $(1-\alpha)100\%$ para a diferença entre a média de dois níveis é dado por

$(\overline{y}_{i.}-\overline{y}_{l.})-\Delta ~~\leq~~\mu_i-\mu_l~~\leq~~(\overline{y}_{i.} -\overline{y}_{l.})+\Delta$

onde,

$\Delta = t(1-\alpha/2, N - k)*\sqrt{QME \left(\frac{1}{n_i}+\frac{1}{n_l}\right)}$

Exemplo 1.4.1: Com os dados do Exemplo 1, da resistência da fibra sintética, vamos calcular as seguintes estimativas para a média geral e para os efeitos dos níveis.

^{clique aqui para efetuar o download dos dados utilizados nesse exemplo}