1. UTILIZAÇÃO DA TÉCNICA DE PLANEJAMENTO DE EXPERIMENTOS PARA A
COMPREENSÃO DO EFEITO DE ALGUNS FATORES SOBRE A QUEIMA DE
CALORIAS, CONSIDERANDO A LÓGICA DE UM APLICATIVO UTILIZADO POR
ATLETAS DE RUA
Robson Luis Monteiro da Silva1
Resumo: Praticar exercícios físicos como meio de manter ou melhorar a saúde está se tornando
hábito não só de atletas profissionais. Muitas pessoas com o objetivo de ter uma vida mais
saudável têm incorporado ao seu dia-a-dia a prática de exercícios tais como a corrida. Este
artigo apresenta a proposta de aplicação de análise de experimento para compreender como
fatores tais como velocidade, distância e elevação influenciam a variável resposta queima de
calorias de um atleta de rua. Para aplicação de proposta coletou-se dados referentes às
medições de uma série de monitoramento de atividade de corridas com o aplicativo para
smartphone Runkeeper. Os resultados obtidos através das análises apontam que a aplicação da
técnica é possível e foi bem sucedida.
Palavras-chave: Atividade física. Análise de experimento. Aplicativo Runkeeper.
1 INTRODUÇÃO
Vive-se uma verdadeira fusão de possibilidades que a tecnologia está proporcionando às
pessoas. Umas destas possibilidades é a praticidade de uso de aplicativos para smartphones,
alguns dos quais podem nos ajudar a monitorar nossos aspectos de saúde e qualidade de vida. Em
paralelo a isso se observa o aumento de pessoas mais conscientes para práticas de atividades
físicas seja pela melhoria das condições sociais e econômicas, bem como o acesso ao
conhecimento pela internet. Desta sinergia surgem os atletas de rua que buscam saúde e
qualidade de vida, incentivados pelo uso da tecnologia ao alcance de todos. Este artigo propõe
apresentar uma avaliação do efeito dos fatores velocidade, distância e elevação sobre a queima de
calorias durante uma atividade física de corrida de rua. As informações quantitativas sobre os
fatores e o efeito a ser observado foram obtidas por meio do uso do aplicativo para smarthphone
Runkeeper. A análise dos efeitos será feita utilizando-se a técnica estatística de planejamento de
experimentos e o software Minitab®.
Essa avaliação propiciará ao atleta de rua identificar qual fator, ou combinação entre
fatores, mais influencia a variável resposta queima de calorias.
2 REFERENCIAL TEÓRICO
2.1 Atividade Física
Conforme Assumpção, Morais & Fontoura (2002) a atividade física é definida por
Caspersen & Power & Christerson (1985) como, "qualquer movimento corporal, produzido pelos
músculos esqueléticos, que resulte em gasto energético maior que os níveis de repouso".
Pode-se acrescentar que é também qualquer esforço muscular pré-determinado, destinado
a executar uma tarefa. O termo refere-se em especial aos exercícios executados com o fim de
1
Pós-graduando em Engenharia da Qualidade pela UniSociesc. E-mail: robsonluis2@yahoo.com.br.

2. manter a saúde física, mental e espiritual; em outras palavras a "boa forma". Añez & Petroski
(2002) afirmam que o gasto calórico durante as atividades físicas varia com a dosagem
(intensidade e duração) do esforço e peso do indivíduo, entre outros fatores. No detalhamento da
atividade física encontram-se diversas formas e modos de praticá-la, desde uma simples
caminhada até esportes mais complexos. Uma das formas mais praticadas atualmente é a corrida
de rua, para a qual basta ter um bom par de tênis, ruas razoavelmente seguras e uma boa
avaliação médica.
2.2 Aplicativo Runkeeper
O aplicativo foi desenvolvido pela empresa ©Fitnesskeeper, Inc. com sede na cidade de
Boston, Massachusets, EUA, e é oferecido nas lojas virtuais para Android® e Iphone®. Segundo
a empresa, o aplicativo consiste em programa que com base no sistema de navegação por satélite
GPS (Global Positioning System) e parametrização de medidas, monitora a atividade física
desejada pelo usuário. De acordo com Molly Plaehn, do Suporte a Comunidade na
©Fitnesskeeper (2014), o programa baseia-se em fórmulas padrão de cálculo de calorias, e usa
dados tais como distância, tempo (velocidade) e elevação, bem como, o peso inserido do usuário.
Conforme a ©Fitnesskeeper (2014) o aplicativo permite aos usuários acompanhar as
atividades de fitness (como caminhada, corrida e ciclismo, dentre outros) e ver estatísticas
detalhadas em torno de seu ritmo, distância e tempo. O aplicativo rastreia as estatísticas, o
progresso e aplica coaching que permite ao usuário avançar em seu progresso. Enquanto realiza
sua atividade, o usuário pode ouvir e controlar música, medir sua frequência cardíaca e tirar fotos
para compartilhar. Este aplicativo acompanha o desempenho no tempo, fornecendo aos usuários
um histórico das atividades, seu progresso em relação às metas e notificação de recordes
pessoais. As figuras 1 e 2 mostram telas do aplicativo onde se inicia o monitoramento das
atividades selecionadas.
Figura 1 – Monitoramento das atividades Figura 2 – Monitoramento das atividades
Fonte: Aplicativo Runkeeper (2014). Fonte: Aplicativo Runkeeper (2014).

3. As figuras 3 e 4 ilustram as telas do aplicativo, como exemplos onde se ficam registradas
informações sobre as atividades executadas pelo usuário. A figura 5 ilustra um registro do
percurso efetuado em um dos ensaios realizados conforme estudo.
Figura 3 – Registro de informações Figura 4 - Registro de informações
Fonte: Aplicativo Runkeeper (2014) . Fonte: Aplicativo Runkeeper (2014)
Figura 5 – Registro de percurso
Fonte: Aplicativo Runkeeper (2014).
2.3 Planejamento e Análise de Experimentos
Conforme Drumond (2008) cita que Werkema & Aguiar (1996), conceituam experimento
como um procedimento no qual alterações propositais são feitas nas variáveis de entrada de um
processo ou sistema, de modo que possam avaliar as possíveis alterações sofridas pela variável
resposta, como também as alterações. Existem vários tipos de planejamento de experimento, que
variam de acordo com a aplicação. O quadro 1 apresenta alguns.

4. Quadro 1 - Tipos de planejamento de experimentos
Planejamento Tipo de aplicação Informações fornecidas
Completamente
aleatorizado com
único fator
Apropriado quando somente um fator
experimental está sendo estudado
Estimativas e comparações dos efeitos
dos tratamentos
Estimativas da variância
Fatorial
Apropriado quando vários fatores são
estudados em dois ou mais níveis
inclusive suas interações
Estimativas e comparações dos efeitos
dos fatores
Estimativas dos efeitos das interações
Estimativas da variância
Fatorial 2k Apropriado quando existe k fatores com
2 níveis
Estimativas e comparações dos efeitos
dos fatores
Estimativas dos efeitos das interações
mais baixas
Estimativas da variância
Fatorial 2k
fracionado
Apropriado quando existem muito
fatores (k é muito grande)
Estimativas e comparações dos efeitos
de vários fatores
Estimativas dos efeitos de interações
(algumas)
Fonte: adaptado de Juran apud Werkema & Aguiar (1996).
Ainda de acordo com Montgomery (2012) um experimento planejado é um teste ou série
de testes, no qual são feitas mudanças propositais nas variáveis de entrada de um processo,
possibilitando observar e identificar mudanças correspondentes na resposta de saídas. O processo
como mostra a figura 6, pode ser visualizado como uma combinação de máquinas, métodos e
pessoas, que transforma um material de entrada em um produto de saída.
Figura 6 - Modelo geral de um processo
.
Fonte: Montgomery (2012)
Este produto de saída pode ter uma ou mais característica qualidade ou resposta. Algumas das
variáveis processo x1, x2, ..., xp são controláveis, enquanto outras, z1, z2, ..., zq são não controláveis
(embora possam ser controláveis para efeito do teste). Algumas vezes, esses fatores não

5. controláveis são chamados fatores de ruído. Como objetivos de um experimento pode-se afirmar
que seriam:
a) Determinação de quais variáveis são mais influentes na resposta, y.
b) Determinação do valor a ser atribuído aos x’s influentes de modo que y esteja perto da
exigência nominal.
c) Determinação do valor a ser atribuído aos x’s influentes de modo que a variabilidade em y seja
pequena.
d) Determinação do valor a ser atribuído aos x’s influentes de modo que os efeitos das variáveis
não controláveis sejam minimizados.
Quando há vários fatores de interesse em um experimento, um planejamento fatorial deve
ser usado. Em tais experimentos, aos fatores variam juntos. Especificamente, por um experimento
fatorial quer-se dizer que em cada tentativa completa ou replicação do experimento, são
investigadas todas as combinações possíveis dos níveis dos fatores. Assim se há dois fatores A e
B, com a níveis para o fator A e B níveis para o fator B, então cada replicação contém todas as ab
combinações possíveis.
O efeito de um fator é definido como a mudança na resposta produzida por uma mudança
no nível do fator. Isso é chamado efeito principal, por que se refere aos fatores principais no
estudo. Por exemplo, considere os dados na figura 7. Nesse planejamento fatorial, ambos os
fatores A e B tem dois níveis, denotados por “–” e “+”. Esses dois níveis são chamados “baixo”
e “alto”, respectivamente. O efeito principal do fator A é a diferença entre a resposta média no
nível alto de A e a resposta média no nível de A ou
(1)
Figura 7 – Um experimento fatorial com dois fatores
Fonte: Montgomery (2012)
Isto é, mudar o fator A do nível baixo (–) para o nível alto (+) causa um aumento na
resposta média de 20 unidades. Analogamente, o efeito principal de B é
(2)

6. Em alguns experimentos, a diferença na resposta entre os níveis de um fator não é a
mesma em todos os níveis dos outros fatores. Quando isso ocorre, há uma interação entre os
fatores. Por exemplo, considere os dados da figura 8. No nível baixo do fator B, o efeito de A é
A = 30 – 10 = 20
e no nível alto do fator B, o efeito de A é
A = 0 – 20 = - 20
Como o efeito de A depende do nível escolhido para o fator B, há uma interação entre A e B.
Figura 8 – Um experimento fatorial com interação
Fonte: Montgomery (2012)
Os métodos apresentados anteriormente para planejamentos fatoriais com k = 2 fatores,
cada um com dois níveis, podem ser facilmente estendidos a mais de dois fatores. Por exemplo,
considere k = 3 fatores, cada um com dois níveis. Este é um planejamento fatorial 23
, e tem oito
combinações fator-nível. O planejamento permite que três efeitos principais sejam estimados (A,
B e C) junto com as três interações de dois fatores (AB, AC e BC) e uma interação de três fatores
(ABC).
Ainda segundo Da Silva & Sant’anna (2009) considerando um experimento contendo 3
fatores (A, B e C), cada um com 2 níveis, o planejamento usado para estimar todos os efeitos
possíveis é o fatorial total. Entende-se por efeito de um fator a variação na resposta produzida por
uma mudança no nível do fator. O conjunto com todos os efeitos possíveis, efeitos principais, de
cada fator, e efeitos de interações entre fatores para este exemplo são descritos no quadro 2.
Quadro 2 - Efeitos possíveis para um fatorial total com 3 fatores em 2 níveis
Efeitos principais Interações de 2º modo Interações de 3º modo
A AB ABC
B AC
C BC
Fonte: adaptado de Da Silva & Sant’anna (2009)
Camargo & Moreira & Vaccaro referenciam que a organização dos dados e respostas de
um experimento é conhecida por alguns autores como matriz experimental. A tabela 1 representa

7. esta matriz para um experimento 23
, sendo os fatores representados por A, B e C e os níveis por
alto (+) e baixo (-). Todas as combinações entre os fatores e níveis são representadas, sendo a
notação dos rótulos seguida conforme a bibliografia. A representação geométrica dos fatores,
seus níveis e interações são apresentados na Figura 9.
Tabela 1 - Matriz experimental de um delineamento fatorial 23
Rodadas A B C Rótulos
1 - - - (1)
2 + - - a
3 - + - b
4 + + - ab
5 - - + c
6 + - + ac
7 - + + bc
8 + + + abc
Fonte: adaptado de Montgomery, 2012.
Figura 9 - Representação geométrica de um delineamento fatorial 23
Fonte: adaptado de Montgomery (2012)
Observar apenas os valores dos efeitos principais pode nada significar para o pesquisador,
seja pelo fato de não conhecer o processo em experimentação, ou pela falta de parâmetros para
decidir se os valores apresentados são significativos ou não. Deve-se agregar a informação de
potenciais interações entre os fatores testados e uma medida de significância dessas influências.
Além disso, o uso de gráficos para visualizar os efeitos principais e as interações auxilia na
interpretação e comunicação dos resultados. Para executar o experimento, Da Silva & Da Silva
elencam sete etapas que são relatadas abaixo:
a) Reconhecimento e relato do problema: deve haver um claro relato do problema e quais os
objetivos do experimento, buscando a solução do problema;

8. b) Escolha dos fatores e dos níveis: devem ser determinados os fatores e seus níveis. É
importante investigar todos os fatores que possam influenciar as respostas do processo;
c) Seleção da variável resposta: após a definição dos fatores, é necessário selecionar a variável
resposta, que fornece informação sobre o processo;
d) Escolha do planejamento experimental: deve ser escolhido o modelo de experimento
levando em consideração o tamanho da amostra (número de replicações), seleção de uma ordem
adequada de rodadas para as tentativas experimentais e se a formação de blocos ou outras
restrições de aleatorização estão envolvidas;
e) Realização do experimento: na execução do experimento, é de grande importância monitorar
o processo, para assegurar que tudo esteja sendo feito conforme o planejado;
f) Análise dos dados: se o experimento foi planejado corretamente e realizado conforme o
planejado, então os métodos estatísticos exigidos para a análise não será complexo;
g) Conclusões e recomendações: devem-se elaborar as conclusões e recomendações. Uma vez
analisado os dados, o experimento deve propiciar conclusões prática sobre os resultados e
recomendar um plano de ação para a tomada de decisão a respeito do processo estudado.
3 ESTUDO DE CASO
Existem softwares para a execução dos cálculos estatísticos que são usados para planejar e
processar as informações trabalhadas em um planejamento de experimento fatorial 2k
. Neste
trabalho os resultados dos experimentos apresentados foram processados através do software
Minitab® versão 16. O objetivo com o estudo de caso foi utilizar a técnica de planejamento de
experimentos para buscar a compreensão do efeito dos fatores velocidade, distância e elevação
sobre a queima de caloria, para corredores de rua amadores considerando a lógica do aplicativo
para smartphone Runkeeper (2014).
O estudo de caso foi realizado considerando o tipo de planejamento de experimento
fatorial 2k
. A tabela 2 relaciona os fatores com matriz planejada pelo Minitab®, na opção create
factorial design, para execução dos ensaios.
Tabela 2 – Ensaios realizados para o estudo de caso
Velocidade (km/h) Distância (km) Elevação (m) Calorias Perdidas
8 4 50 360
8 5 35 405
7 4 35 339
8 4 35 444
7 5 35 358
7 5 35 368
8 5 50 488
7 4 50 395
7 4 50 384
7 4 35 373
8 5 35 401
8 4 35 398
8 5 35 378
7 5 35 384
8 4 35 395
7 5 50 354

9. B
AC
AB
BC
ABC
C
A
543210
Term
Standardized Effect
2,120
A V elocidade (km/h)
B Distancia (km)
C Elev ação (m)
Factor Name
Pareto Chart of the Standardized Effects
(response is Calorias Perdidas, Alpha = 0,05)
8 5 50 470
7 4 35 379
8 4 50 433
7 5 50 354
8 4 50 440
8 5 50 472
7 5 50 425
7 4 50 398
Fonte: O autor (2014)
A execução dos ensaios deu-se pela prática da atividade física corrida dentro de um
percurso padrão conforme demonstrado na figura 5. Tal percurso, realizado na cidade de Jaraguá
do Sul/SC, se iniciava na Rua Ângelo Torinelli, seguia-se pela Rua Reinoldo Rau, parte da Rua
Domingos da Nova e Rua Procópio Gomes, finalizando pela Rua Marina Frutuoso em direção de
volta a Rua Ângelo Torinelli onde se fecha o percurso. Após as práticas de atividades físicas
realizadas foram coletados os resultados de calorias perdidas calculadas pelo aplicativo.
3.1 Análises dos Dados
As informações dos ensaios foram inseridas no software Minitab para geração dos
gráficos de Pareto dos efeitos e gráfico de resíduos, através da opção Analyze Factorial Design.
Gráfico 1 – Gráfico de Pareto dos Fatores
Fonte: O autor (2014)
Observa-se na análise do gráfico 1- gráfico de Pareto que os efeitos dos fatores A (sendo
este com maior intensidade) e C (com menor intensidade) e a interação dos fatores A, B e C são
significativos.

10. 50250-25-50
99
90
50
10
1
Residual
Percent
480450420390360
50
25
0
-25
-50
Fitted Value
Residual
40200-20-40
6,0
4,5
3,0
1,5
0,0
Residual
Frequency
24222018161412108642
50
25
0
-25
-50
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for Calorias Perdidas
87
420
410
400
390
380
54
5035
420
410
400
390
380
Velocidade (km/h)
Mean
Distancia (km)
Elevação (m)
Main Effects Plot for Calorias Perdidas
Data Means
Gráfico 2 – Gráficos dos resíduos
Fonte: O autor (2014)
Observa-se na análise do gráfico 2 - gráficos de resíduos feitos sobre os resultados de
calorias perdidas obtidas para cada amostra que o gráfico de teste de normalidade e o histograma
indicaram distribuição normal dos resíduos. Já os gráficos de resíduos padronizados por
intensidade das respostas e por ordem dos experimentos apontam todas as amostras dentro de um
desvio padrão em relação à média das amostras, não havendo assim amostras a serem
descartadas. Com relação ao gráfico 3 – gráficos dos efeitos principais, o mesmo demonstra que
para a maximização da queima de calorias e relacionando os fatores significativos A (velocidade)
e C (elevação) cabe ao atleta de rua efetuar seu treinamento nos níveis de 8 km/ h e 50 m
respectivamente.
Gráfico 3 – Gráfico dos efeitos principais
Fonte: O autor (2014)

11. 54 5035
440
400
360
440
400
360
Velocidade (km/h)
Distancia (km)
Elevação (m)
7
8
(km/h)
Velocidade
4
5
(km)
Distancia
Interaction Plot for Calorias Perdidas
Data Means
Nos resultados do gráfico 4 – gráfico de interações, pode-se confirmar a interação dos
fatores ABC através do fator distância (fator B) no nível de 5 km interagindo ao nível de 50 m
para o fator C (elevação) e ao nível de 8 km/h para o fator A, para a mais alta resposta para
caloria perdida, aproximadamente 440 calorias.
Gráfico 4 – Gráfico de interações
Fonte: O autor (2014)
Após esta análise dos resultados recomenda-se como plano de ação, que se foque o
treinamento (processo) em executar o mesmo para a atividade corrida nos níveis máximos para os
fatores, ou seja, a 8 km/h e na elevação de 50 m e percurso de 5 km.
Desta forma teremos o melhor desempenho para a variável resposta (queima de calorias)
4 CONCLUSÃO
A proposta deste trabalho foi utilizar a técnica estatística de planejamento de
experimentos para obter-se a compreensão dos efeitos de determinados fatores sobre a queima de
calorias levando em consideração a lógica de aplicativo Runkeeper (2014) em atividade de
corridas de rua, atividades essas cada vez mais comuns.
Os resultados obtidos através das análises apontam que a aplicação da técnica é possível e
foi bem sucedida.
Observa-se que a aplicação da técnica mostrou-se adequada a dar as informações
importantes para que se possa otimizar e potencializar os treinos em níveis de fatores mais
adequados ao nível de calorias perdidas que se deseja.
O experimento nos mostrou e permite concluir que em uma atividade física de corrida a
distância (fator B) influencia, entretanto a velocidade (fator A) e elevação (fator C) são mais

12. influentes para maximizar queima calórica, ou seja, deve se praticar a atividade física com mais
intensidade que necessariamente correr um percurso maior.
De maneira semelhante à aplicação de planejamento de experimento pode ser aplicada e é
útil a conhecer e permitir a melhoria de desempenho a qualquer atividade onde se possam definir
fatores mensuráveis as variáveis respostas.
REFERÊNCIAS
AÑEZ, Ciro. R. R; PETROSKI, Edio. L. O exercício físico no controle do sobrepeso corporal e
da obesidade. Revista Digital <http://www.efdeportes.com>, Buenos Aires, ano 8, n. 52, set.
2002.
ASSUMPÇÃO, Luís O. T.; MORAIS, Pedro Paulo de; FONTOURA, Humberto. Relação entre
atividade física, saúde e qualidade de vida. Notas Introdutórias. EF y Desp, v. 52, 2002.
CAMARGO, Luís F. R; MOREIRA, Vinicius; VACCARO, Guilherme L. R. Aplicação das
técnicas de planejamento e análise de experimentos no desenvolvimento de novos produtos em
uma empresa de saneantes. Estudos Tecnológicos em Engenharia, v. 5, n. 3, p. 404-420, 2009.
CASPERSEN, Carl J., POWEL, Kenneth E., CHRISTERSON, Gregory M. Physical Activity,
Exercise and Physical Fitness: Definition and Distinctions for Health-Related Research. Public
Health Reports. V.100, n.2, 126-131, 1985
DA SILVA, Christian R.; SANT’ANNA, Annibal P. Uma aplicação do planejamento de
experimentos na indústria farmacêutica. Sistemas & Gestão, v. 2, n. 3, p. 274-284, 2009.
DA SILVA, Helder A.; DA SILVA, Messias B.. Aplicação de um projeto de experimentos
(DOE) na soldagem de tubos de zircaloy-4. Revista eletrônica produção, v. 1, n.1, p41, set.dez
2008.
DRUMOND, Juliovany. Aplicação do planejamento de experimentos na indústria siderúrgica.
Engenharia de produção e sistemas. Udesc. Joinville, 2008.
MONTGOMERY, Douglas C. Introdução ao controle estatístico da qualidade. Rio de Janeiro:
LTC, 2012.
Runkeeper; Fitnesskeeper. Disponível em: < http://runkeeper.com>. Acesso em: 02 nov. 2014.
WERKERMA, M. C. C.; AGUIAR, S. Planejamento e análise de experimentos: como identificar
as principais variáveis influentes em um processo. Belo Horizonte: Fundação Christiano Ottoni,
1996.
USE OF THE TECHNICAL OF DESIGN OF EXPERIMENTS FOR UNDERSTANDING
THE EFFECT OF SOME FACTORS ON BURN CALORIES, CONSIDERING THE
LOGIC OF AN APP FOR USE BY ATHLETES OF STREET
Abstract: To practice physical exercise as a means to maintain or improve health is becoming
habit not only professional athletes. Many people with the goal of having a healthier life have
incorporated into their day-to-day practice of exercises such as running. This article presents a
proposal for implementing analysis experiment to understand how factors such as speed,
distance and elevation influence the response variable burning calories. For application of
proposed data was collected for the measurement of a series of activity monitoring races with
Runkeeper smartphone app. The results obtained through the analyzes indicate that the technique
is feasible and has been successful.
Keywords: Physical activity, Analysis of experiment, Runkeeper app.