Desenhos fatoriais: princípios e aplicações

Projeto experimental em Python

James Chapman

Curriculum Manager, DataCamp

Entendendo o desenho fatorial

Estude múltiplas variáveis independentes/fatores em um experimento
Teste toda combinação de níveis dos fatores
Descubra efeitos diretos e interações entre fatores

Um experimento mostrando como condições de luz e tipo de fertilizante afetam o crescimento das plantas.

¹ Imagem gerada com DALL·E 3

Exemplo de dados de desenho fatorial

Fator 1 (Light_Condition) — dois níveis: Full Sunlight e Partial Shade
Fator 2 (Fertilizer_Type) — dois níveis: Synthetic e Organic
Variável de resposta/dependente: Growth_cm

plant_growth_data.head()

   Plant_ID  Light_Condition  Fertilizer_Type  Growth_cm
0         1    Full Sunlight        Synthetic  16.489735
1         2    Partial Shade          Organic  18.361689
2         3    Full Sunlight        Synthetic  18.039459
3         4    Full Sunlight          Organic  12.682425
4         5    Full Sunlight          Organic  21.480601

Organizando dados para visualizar interações

plant_growth = pd.pivot_table(plant_growth_data, 
                              values='Growth_cm',
                              index='Light_Condition',
                              columns='Fertilizer_Type', 
                              aggfunc='mean')


plant_growth

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Visualize interações com mapa de calor

import seaborn as sns
import matplotlib.pyplot as plt
sns.heatmap(plant_growth, 
            annot=True, 
            cmap='coolwarm',
            fmt='g')
plt.show()

Mapa de calor do crescimento das plantas

Interpretando interações

Light_Condition     Organic   Synthetic
Full Sunlight       20.602       19.869
Partial Shade       20.246       20.326

Interações: como o efeito de um fator varia conforme o nível de outro
Interação significativa → fatores não atuam de forma independente

Desenhos fatoriais vs. blocos ao acaso

Vários tratamentos e interações
Decomponha efeitos multivariados e interações
Pode exigir mais sujeitos

Um experimento mostrando como condições de luz e tipo de fertilizante afetam o crescimento das plantas.

Agrupe sujeitos semelhantes em desenhos randomizados
Controle a variância dentro do bloco
Cada tratamento testado em todo bloco

Dois blocos contendo cubos com cores atribuídas aleatoriamente.

¹ Imagens geradas com DALL·E 3

Vamos praticar!

Projeto experimental em Python