Desvendando a Estatística com o R Commander
|
|
- Olívia Amado Fontes
- 8 Há anos
- Visualizações:
Transcrição
1 UTFPR - Universidade Tecnológica Federal do Paraná Desvendando a Estatística com o R Commander Prof. MSc. Jonas Joacir Radtke
2 Sumário 1 Introdução p Instalação do R Commander p Dados no R Commander p Importação de Dados p Transformação de Dados p Conversão de Dados p Estatística Descritiva p Gráficos p Medidas Descritivas p Testes de Hipóteses de Uma Amostra p Teste de Shapiro-Wilk para Normalidade da População p Testes de Hipóteses de Duas Amostras p Teste t para Amostras Pareadas p Teste t para Amostras Independentes p Testes de Hipóteses de Mais de Duas Amostras p Análise de Variância para Um Fator (ANOVA) p Teste de Tukey p Teste de Levene para Homogeneidade da Variância p. 41 Referências Bibliográficas p. 43
3 Anexo A -- Tabela da distribuição Normal p. 44 Anexo B -- Tabela da distribuição t de Student p. 45 Anexo C -- Tabela da distribuição F de Fisher p. 46 Anexo D -- Tabela da Distribuição de Intervalos de Student p. 47 Anexo E -- Tabela dos Coeficientes para o Teste de Shapiro-Wilk p. 48 Anexo F -- Tabela dos Valores Críticos do Teste de Shapiro-Wilk p. 49
4 3 1 Introdução O presente material pretende apresentar de forma bastante sucinta as ideias relacionadas as diversas ferramentas estatísticas abordadas. O foco principal deste texto é ajudar o leitor a resolver problemas estatísticos utilizando o software R com a interface gráfica R Commander. O R é um programa estatístico muito utilizado no meio acadêmico e comercial. Dentre as vantagens de utilização deste programa está o fato de ser gratuito e muito robusto. A criação de uma interface gráfica para o R, denominada R Commander, ampliou muito o número de adeptos a este programa. Tal interface permite a exploração de todo o potencial do R de forma simples e amigável. Convém resaltar que a utilização direta de softwares amigáveis, sem o prévio conhecimento dos fundamentos da metodologia, pode constituir um grande risco e levar o usuário a interpretações perigosamente equivocadas (RODRIGUES; IEMMA, 2005). 1.1 Instalação do R Commander O primeiro passo para a utilização do R Commander é a instalação do programa R. O download deste programa pode ser feito no seguinte site: Após o download e a instalação do programa R, o próximo passo é a instalação dos pacotes básicos para o funcionamento da interface gráfica. Para tanto, abra o programa R e siga os seguintes passos: [Pacotes] [Instalar pacote(s)] (Fig. 1.1). Na sequência, escolha um espelho para o download e em seguida o pacote Rcmdr.
5 1.1 Instalação do R Commander 4 Figura 1.1: Instalação de pacotes no R. Para inicializar o R Commander digite o seguinte comando no terminal do R: > require(rcmdr) Na primeira vez que o R Commander for inicializado será solicitada a instalação de vários pacotes necessários para o seu correto funcionamento. Aceite a solicitação, escolha o espelho para download dos pacotes e aguarde a finalização da instalação e a abertura do R Commander (Fig. 1.2). Figura 1.2: Visão geral do R Commander.
6 1.2 Dados no R Commander Dados no R Commander Os dados utilizados pelo R Commander podem ser digitados diretamente nele, seguindo os seguintes passos: [Dados] [Novo conjunto de dados...], e em seguinda escolhendo um nome para o conjunto de dados. Contudo, na prática, os resultados são digitados em planilhas eletrônicas para posteriormente serem importados para os programas estatísticos Importação de Dados A forma mais comum de obter os dados para o R Commander é através de arquivos oriundos de planilhas eletrônicas dos programas Microsoft Excel ou OpenOffice Calc. Ambos os programas possuem uma opção de salvar as planilhas como arquivos de texto puro (com extensão CSV, do inglês, Comma Separated Values). Importação de Arquivos do Excel O R Commander possui uma opção de importação dos dados de planilhas do Excel e de arquivos CSV. A importação de arquivos de dados do Excel pode ser executada através dos seguintes passos: [Dados] [Importar arquivos de dados] [de conjunto de dados do Excel, Access, dbase...] (Fig. 1.3). Figura 1.3: Importação de dados de arquivos do Excel. Uma janela será aberta para que seja informado o nome do conjunto de dados. Na sequência, outra janela será aberta para que seja selecionado o arquivo do Excel. Após escolher o arquivo de origem dos dados será solicitada a planilha do arquivo que deve ser importada, caso o arquivo possua mais de uma planilha.
7 1.2 Dados no R Commander 6 Importação de Arquivos CSV Todas as planilhas de arquivos do Excel e do Calc podem ser salvas com extensão CSV. Para fazer isto, abra o arquivo no programa Excel ou Calc e execute os seguintes passos: [Arquivo] [Salvar como...]. Na janela que abrir informe o nome do arquivo e, logo abaixo, escolha a opção CSV (separado por vírgulas) no Excel ou Texto CSV (.csv) no Calc. Apesar do Excel informar que o os campos serão separados por vírgula, eles serão separador por ponto e vírgula. No Calc uma janela será aberta para escolher o delimitador de campo, que deve ser alterado para ponto e vírgula (Fig. 1.4), porque, no Brasil, a vírgula é utilizada como separador de decimais. Figura 1.4: Escolha do delimitador de campo para arquivos CSV no Calc. A importação de dados de arquivos com extensão CSV é realizada de forma similar a de arquivos do Excel. Observando que os arquivos com extensão CSV são arquivos de texto puro, cujos campos são separados por ponto e vírgula (;), siga os seguintes passos: [Dados] [Importar arquivos de dados] [de arquivos texto, clipboard ou URL...] (Fig. 1.5). Figura 1.5: Importação de dados de arquivos com extensão CSV. Na janela que abrirá escolha um nome para o conjunto de dados, altere o separador de campos para Outro - Defina: [;] e o separador de decimais para Vírgula [,] (Fig. 1.6). Logo após, será aberta uma janela para informar o nome do arquivo com formato CSV que deseja importar.
8 1.2 Dados no R Commander 7 Figura 1.6: Definição de parâmetros para importação de dados de arquivos com extensão CSV. Cuidados na Elaboração e Importação de Planilhas de Dados Cuidados ao digitar os dados nas planilhas: O nome das variáveis de uma determinada coluna deve estar na primeira linha; Não devem ser utilizados caractéres especiais (ç, ascentos, entre outros) nos dados informados na planilha; A planilha deve conter apenas o nome da variável e os dados do experimento. A utilização de células mescladas não é permitida. Dicas: Evite a utilização de nomes compostos e/ou muito compridos; Exclua todas as linhas e colunas da planilha que já haviam sido utilizadas e que não pertençam ao conjunto de dados do experimento; Visualize os dados no R Commander clicando em Ver conjunto de dados para certificar-se que que foram carregados de forma correta.
9 1.2 Dados no R Commander Transformação de Dados Em algumas situações é necessário realizar a transformação dos dados amostrais, com o objetivo de atingir determinadas exigências de certos testes estatísticos (pressupostos). A transformação obtida geralmente melhora a aproximação dos dados à distribuição normal. A normalidade dos dados é uma exigência comum para a aplicação de testes de hipótese. Se a suposição de normalidade dos dados não é aceitável, podemos adotar a estratégia de transformação da variável. Transformações são nada mais do que uma forma de reescrever os dados numa unidade diferente. Em muitas situações práticas a escolha da transformação para melhorar a aproximação à distribuição normal não é óbvia. Segue abaixo algumas transformações comumente utilizadas: Contagens: x - Contribui para tornar as variâncias muito menores e desta forma mais facilmente obter homocedasticidade (variâncias iguais). ( ) 1 x Proporções: 2 log ou arcsen( x) - Contribuem para alterar a forma da 1 x distribuição dos dados. Correlações: Fisher: z(x)= 1 ( ) 1+x 2 log 1 x Concentrações: log(x) ou ln(x) - Contribui para tornar as variâncias muito menores e desta forma mais facilmente obter homocedasticidade. Para ilustrar como é realizada a transformação de dados no R Commander tomamos como exemplo os valores apresentados na tabela abaixo. Tabela 1.1: Dados amostrais referentes ao número diário de peças defeituosas em uma linha de produção O primeiro passo é a digitação destes valores em um única coluna no R Commander, conforme apresentado na seção anterior (1 a coluna da Fig. 1.7).
10 1.2 Dados no R Commander 9 Figura 1.7: (raiz_cont). Planilha do R Commander com os dados originais (cont) e transformados Para criar uma nova variável com os dados transformados deve-se seguir os seguintes passos: [Dados] [Modificação de variáveis no conjunto de dados...] [Computar nova variável...] (Fig. 1.8). Figura 1.8: Opção no R Commander para criar uma variável transformada. Uma janela será aberta para informar o nome da nova variável e a expressão matemática para calcular os valores desta variável (raiz=sqrt, arcsen=asin, log 10 = log10 e ln=log).
11 1.2 Dados no R Commander 10 Figura 1.9: transformação. Configuração do nome da nova variável e da expressão para realizar a Os resultados da nova variável, chamada raiz_cont, são apresentados na segunda coluna da figura 1.7. Como podemos observar pelos histogramas apresentados na figura abaixo, a variável transformada se ajusta mais a forma de um sino (distribuição normal) do que a variável original. Esta conclusão pode ser estatísticamente comprovada por um teste de hipóteses (seção 3.1). Figura 1.10: Histogramas da variável original (cont) e da variável transformada (raiz_cont) Conversão de Dados Muitas vezes necessita-se converter dados amostrais em formato numérico para um fator, ou vice-versa. O R Commander possui uma opção para fazer isto de forma automática. Para exemplificar o uso desta opção considere o seguinte exemplo: Exemplo: A tabela abaixo possui a nota de estatística de uma amostra de 8 alunos. Deseja-se saber qual o conceito de cada aluno. Alunos com nota maior ou igual a 9 devem ter conceito A, entre 7,5 e 8,9 conceito B, entre 6 e 7,4 conceito C e conceito D para notas menores que 6.
12 1.2 Dados no R Commander 11 Tabela 1.2: Notas de estatística de uma amostra de 8 alunos. 8,3 7,4 6,2 9,1 2,8 4,7 7,1 7,7 O primeiro passo é informar ou importar estes valores para o R Commander (1 a coluna da Fig. 1.11). Figura 1.11: Notas e conceitos de estatística na amostra de alunos no R Commander. Para converter cada nota em um conceito (fator), siga os seguintes passos: [Dados] [Modificação de variáveis no conjunto de dados...] [Recodificar variável...] (Fig. 1.12). Figura 1.12: Opção no R Commander para conversão de dados. Uma janela será aberta para informar o nome da nova variável e as definições para recodificação (Fig. 1.13). O comando : é utilizado para indicar sequência, ou seja, a primeira linha da definição abaixo diz que o conceito D corresponde as notas entre 0 e 5,9. O resultado da conversão é apresentada na segunda coluna da figura A conversão de fatores para dados numéricos segue a mesma metodologia.
13 1.2 Dados no R Commander 12 Figura 1.13: Configuração no R Commander do nome da nova variável e das definições para recodificação.
14 13 2 Estatística Descritiva A estatística descritiva é um ramo da estatística que aplica várias técnicas para descrever e sumarizar um conjunto de dados. O tratamento dos dados na estatística descritiva tem como objetivo organizá-los e resumi-los, a fim de facilitar a interepretação de uma determinada variável através de uma amostra. Para compreender as diversas ferramentas da estatística descritiva considere o seguinte exemplo. Exemplo: Na tabela abaixo são apresentadas 48 medidas em milímetros do comprimento de uma peça, por sinal, uma das características essenciais da peça. Tabela 2.1: Medidas em milímetros do comprimento de uma amostra de 48 peças. 101,22 99,06 97,57 100,81 100,92 99,92 100,41 99,14 100,00 99,79 99,57 100,24 98,87 101,16 100,01 99,07 100,27 100,41 99,96 99,85 101,47 99,98 102,14 98,47 101,78 101,17 101,73 100,17 100,82 98,98 99,18 100,98 100,42 99,25 100,81 98,13 101,55 100,35 100,63 98,94 Uma tabela de números não é nada interessante para um engenheiro que deseja analisar a qualidade das peças produzidas. A questão que a estatística descritiva deseja responder é de como este conjunto de informações pode ser apresentado de forma resumida e de fácil interpretação. A forma correta de informar o conjunto de dados da tabela 2 no R Commander é através de uma tabela com apenas uma única coluna, pois todos os dados são referentes a mesma amostra.
15 2.1 Gráficos Gráficos Sem a menor dúvida, a melhor maneira de analisar uma série de dados é graficamente. A tentativa de ver padrões e tendências em uma relação de dados escritos em uma tabela certamente resultará em fracasso, especialmente quando o número de dados é grande. Para criar um gráfico (histograma) dos resultados apresentados na tabela 2, o primeiro passo é determinar em quantas classes (k) os valores serão divididos. Este valor comumente é dado pela raiz quadrada do tamanho da amostra (n), ou seja, k= n= 40 6,3245 (2.1) Assim, para este exemplo, podemos utilizar 6 ou 7 classes no histograma. Optaremos por 6 classes. O próximo passo é calcular a amplitude total (A T ) da amostra, que é dada pela diferença entre o maior e o menor valor observado (x i ), ou seja, por: A T = max 1 i n x i min 1 i n x i = 102,14 97,57=4,57 (2.2) Para definir o intervalo referente a cada classe calcula-se a amplitude de classe (A C ), dada A C = A T k = 4,57 = 0,7617 (2.3) 6 O início da primeira classe pode ser arredondado para baixo para utilizar um valor que facilite a interpretação do gráfico. A amplitude de classe também pode ser arredondada, para cima ou para baixo, com o mesmo objetivo. Tais arredondamentos podem variar um pouco o número de classes pré-definido sem perda da qualidade do resultado. A determinação do intervalo correspondente a cada classe é realizada tomando-se como base o menor valor da amostra (ou o valor arredondado) e somando-se sucessivamente a amplitude de classe. A cada soma é definido um intervalo correspondente a uma das classes. Arredondando a amplitude de classe para 1mm e iniciando a primeira classe em 97mm, obtemos da tabela 2 os seguintes resultados:
16 2.1 Gráficos 15 Tabela 2.2: Tabela de frequências do comprimento de uma amostra de 48 peças. Classe Ponto médio Frequência Frequência relativa ,5 1 2,5% ,5 5 12,5% , ,0% , ,0% ,5 7 17,5% ,5 1 2,5% Total ,0% A frequência de cada classe é obtida verificando-se quantos valores da amostra estão contidos em cada intervalo. A notação indica que o intervalo é fechado no valor a esquerda e aberto no valor da direita. O histograma dos valores da tabela 2.1 é construído desenhando-se retângulos justapostos com altura proporcional a frequência de cada classe (Fig. 2.1). frequency Conjunto1$comprimento Figura 2.1: Histograma de frequências dos comprimentos de uma amostra de 40 peças. Importando ou digitando os valores no R Commander, podemos gerar o histograma apresentado na figura 2.1 efetuando os seguintes passos: [Gráficos] [Histograma...] (Fig. 2.2).
17 2.2 Medidas Descritivas 16 Figura 2.2: Opção no R Commander para criação de histograma de uma variável do conjunto de dados ativo. Na janela aberta (Fig. 2.3) deve-se escolher a variável a ser plotada e o número de classes utilizado no histograma. O R Commander ajusta este valor caso julge necessário para melhorar a apresentação do gráfico. Figura 2.3: Configuração para criação de um histograma no R Commander. 2.2 Medidas Descritivas Medidas descritivas são valores que resumem uma característica de um conjunto de dados. Podem ser utilizadas de forma alternativa ou complementar ao uso de gráficos, para descrever e explorar dados quantitativos. Todas as medidas descrivivas apresentadas nesta seção podem ser obtidas no R Commander seguindo os seguintes passos: [Estatísticas] [Resumos] [Resumos numéricos...] (Fig. 2.4). A escolha de quais variáveis e medidas serão apresentadas é realizada na janela que se abrirá. Os resultados são apresentados na janela de resultados do R Commander com a seguinte notação: mean, sd e cv, respectivamente para a média, o desvio padrão e o coeficiente de variação.
18 2.2 Medidas Descritivas 17 Figura 2.4: Opção no R Commander para obtenção das principais medidas descritivas. Média A média (ou média aritmética) é uma das principais medidas descritivas. Ela fornece uma valor típico do conjunto de dados. Duas médias aritméticas diferentes são consideradas ao longo deste material, a média populacional (µ) e a média amostral (x). A primeira, em geral, não pode ser encontrada, pois para isto teriamos que conhecer todos os valores de uma população. Comumente podemos determinar apenas a média amostral, pois avaliamos a propriedade de uma amostra de tamanho finito e bastante limitado. A média amostral é dada pela soma de todos os valores amostrais (x i ) dividido pelo tamanho da amostra (n), ou seja, x= n i=1 n x (2.4) Para determinar a média dos valores apresentados na tabela 2, somamos os comprimentos de todos os parafusos e em seguida dividimos o resultado pelo tamanho da amostra (n = 40), ou seja, x= 101,22+99,06+97,57+100, ,63+98,94 40 = 100,13 (2.5) Mediana Além da média, uma propriedade de um conjunto de dados pode ser resumido utilizando a mediana (M d ). Esta medida tem o mesmo objetivo da média, mas é menos sensível a valores discrepantes. Para determinar a mediana devemos colocar os dados amostrais em ordem crescente. A mediana é dada pelo dado amostral que divide tal ordenação ao meio. A posição (l) do valor da mediana na ordenação é dada por: l = n+1 2 (2.6)
19 2.2 Medidas Descritivas 18 a l. Se l for fracionário, toma-se como mediana a média dos valores de posições mais próximas Para os dados amostrais da tabela 2 temos que a posição da mediana é dada por l =(40+ 1)/2 = 20,5. Colocando os dados em ordem crescente observamos que os valores de posição 20 e 21 são respectivamente iguais a 100,17 e 100,24. Logo, a mediana é M d = (100, ,24)/2 = 100,205. Quartis e Extremos Os quartis são valores que junto com a mediana dividem a amostra em quatro partes iguais, cada uma contendo 25% dos dados. Na prática, podemos utilizar os cálculos realizados para obter uma mediana para a primeira metade dos dados (valores menores do que a mediana) e outra mediana para a segunda metade (valores maiores que a mediana). Estes dois divisores são chamados respectivamente de quartil inferior (Q I ) e quartil superior (Q S ). Para os dados amostrais da tabela 2 temos que a mediana tem posição l = 20,5. Arredondando este valor para baixo calculamos a posição do quartil inferior [l =(20+1)/2= 10,5]. Assim, o valor do quartil inferior é dado pela média dos valores das posições 10 e 11, ou seja, Q I =(99,18+99,25)/2= 99,215. O valor do quartil superior pode ser calculado utilizando a(s) mesma(s) posição(ões) já determinadas para o quartil inferior, a diferença é que para o quartil superior conta-se a posição do último para o primeiro, como se os dados fossem ordenados decrescentemente. Portanto, o quartil superior é igual a Q S =(100,92+100,82)/2= 100,87. Os extremos inferior E I e superior E S são dados, respectivamente, pelo menor e maior valor observado na amostra. Nos dados amostrais apresentados na tabela 2 temos que o extremo inferior (E I ) é igual a 97,57 e o extremo superior (E S ) igual a 102,14. Variância e Desvio Padrão Tão importante quanto as medidas de tendência central (média e mediana) são as medidas de dispersão, variância e desvio padrão. Tais medidas são grandezas estatísticas que representam como os dados se espalham ao redor da média, ou seja, exprimem o quão dispersos estão os dados. O desvio padrão e a variância populacionais são representados pelas letras σ e σ 2, respectivamente. O desvio padrão e a variância amostrais são representados pelas letras s e
20 2.2 Medidas Descritivas 19 s 2, respectivamente, e podem ser calculados por n (x i x) 2 i=1 s= = n n i=1 x 2 i n x 2 n (2.7) e s 2 = n i=1 (x i x) 2 n = n i=1 x 2 i n x 2 n (2.8) Coeficiente de Variação Muitas vezes, em situações práticas, precisamos comparar a variabilidade de dois ou mais conjuntos de dados. Ocorre que tais conjuntos podem estar descritos com diferentes unidades de medidas, por exemplo: metros e quilos, impossibilitando a comparação através das variâncias ou dos desvios padrão. Para viabilizar comparações desse tipo, definiu-se o Coeficiente de Variação (cv), que presta-se para comparar dispersões relativas de distribuições de dados, de mesma unidade ou de unidades diferentes. Tal medida exprime a variação em relação a média e, independe de unidades de medidas: cv= ( s x) 100% (2.9)
21 20 3 Testes de Hipóteses de Uma Amostra A estatística inferencial é um conjunto de técnicas utilizadas com o objetivo de determinar uma característica da população a partir dos valores de uma amostra. Os testes de hipótese fazem parte destas técnicas. Hipótese estatística é uma suposição sobre algum parâmetro da população, que será posta à prova através do teste de hipótese. De forma geral, os testes de hipóteses são elaborados a partir de duas hipóteses, nula (H 0 ) e alternativa (H 1 ). Na hipótese nula (H 0 ) as diferenças observadas em relação aos valores esperados, são consideradas fruto do acaso, devido a aleatoriedade dos dados. Na hipótese alternativa (H 1 ) considera-se que tais diferenças são devidas ao fato da população ter realmente tal característica. A relação existente entre as variáveis é traduzida pelo valor de p (ou, p-valor). Para valores de p < α rejeita-se a hipótese nula, ou seja, a probabilidade das diferenças registadas na amostra serem devidas ao acaso é muito pequena (existe portanto grande probabilidade de estas diferenças existirem de fato na população). No caso de p > α, diz-se não existir evidência suficiente para rejeitar a hipótese nula (logo, aceita-se H 0 ). Protocolo para a realização de um teste de hipóteses: (a) Enunciar claramente as hipóteses H 0 e H 1 ; (b) Fixar o nível de significância (α). Em geral α = 0,05 (5%); (c) Calcular o valor da estatística do teste, que depende do parâmetro que se deseja testar; (d) Decisão: Se p>α aceita-se H 0, caso contrário, rejeita-se H 0 ; (e) Enunciar claramente a conclusão do teste.
22 3.1 Teste de Shapiro-Wilk para Normalidade da População Teste de Shapiro-Wilk para Normalidade da População Um fato importante a ser ressaltado é que a validade dos resultados obtidos através dos testes de hipótese paramétricos (teste t, análise de variância, entre outros) é fortemente dependente da normalidade dos dados analisados. Salvo raras exceções, resultados de análises estatísticas efetuadas através de métodos paramétricos não são confiáveis se os dados não pertencem a amostras extraídas de populações com distribuições normais (RODRIGUES; IEMMA, 2005). O teste de Shapiro-Wilk é utilizado para verificar se a amostra provém, ou não, de uma população com distribuição normal. Portanto, este teste é baseado nas seguintes hipóteses: H 0 : H 1 : A amostra provém de uma população normal A amostra não provém de uma população normal O primeiro passo para aplicação do teste de Shapiro-Wilk é a ordenação crescente dos dados amostrais. Assim, denotamos x 1 o menor e x n o maior valor observado. O próximo passo é o cálculo do valor da constante b, determinada da seguinte forma: b= n/2 i=1 a n i+1 (x n i+1 x i ) (3.1) em que os x i são os valores amostrais ordenado e os a n i+1 são constantes tabeladas cujos valores são apresentados no anexo E. O valor observado da estatística do teste de Shapiro-Wilk é denotata por W o e obtido através da seguinte expressão: W o = n i=1 b 2 (x i x) 2 = n i=1 b 2 x 2 i n x 2 (3.2) Os valores críticos para o teste de Shapiro-Wilk são apresentados no anexo F. Quanto maior o valor observado da estatística (W o ), maior são as evidências de que os dados são normais, assim, caso o valor de W o seja maior do que o valor crítico W c, aceita-se H 0, ou seja, aceita-se que a amostra provém de uma população com distribuição normal. Exemplo: Avaliar a normalidade dos dados de uma amostra aleatória do comprimento de 10 peças.
23 3.1 Teste de Shapiro-Wilk para Normalidade da População 22 Tabela 3.1: Dados referentes ao comprimento, em centímetros, de 10 peças de uma amostra aleatória. 1,90 2,22 2,10 1,69 1,52 2,75 2,31 1,98 1,42 1,99 Solução manual: Ordenando os dados amostrais fornecidos pela tabela 3.1 obtemos x 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 x 9 x 10 1,42 1,52 1,69 1,90 1,98 1,99 2,10 2,22 2,31 2,75 i n i+1 a n i+1 x n i+1 x i a n i+1 (x n i+1 x i ) ,5739 2,75 1,42 0, ,3291 2,31 1,52 0, ,2141 2,22 1,69 0, ,1224 2,10 1,90 0, ,0399 1,99 1,98 0,0004 Obtendo os valores de a da tabela do anexo E e multiplicando pela diferença entre os valores de x n i+1 e x i, conforme apresentado na tabela acima, podemos calcular o valor de b através da equação 3.1, donde obtemos b= n/2 i=1 a n i+1 (x n i+1 x i )=0,7633+0,2600+0,1135+0,0245+0,0004= 1,1617 (3.3) Utilizando a equação 3.2 podemos determinar o valor observado da estatística (W o ) do teste de Shapiro-Wilk, dado por: W o = n i=1 b 2 x 2 i n x2 = 1, , , ,75 2 = 0,972 (3.4) 10 1,9882 Considerando que o valor observado da estatística (W o ) é maior do que o valor crítico (W c = 0,842), dado pela tabela do anexo F, aceita-se H 0, ou seja, concluimos que a amostra provém de uma população com distribuição normal.
24 3.1 Teste de Shapiro-Wilk para Normalidade da População 23 Solução com o R Commander: Para aplicar o teste de Shapiro-Wilk aos dados amostrais da tabela 3.1 com o R Commander, o primeiro passo é carregar tais valores no programa. Os dados devem ser informados em uma única coluna. Como visto na seção 1.2, uma das formas de carregar estes dados é digitá-los diretamente no R Commander (Fig. 3.1). Figura 3.1: Digitação dos dados amostrais diretamente no R Commander. Em seguida podemos aplicar o teste de Shapiro-Wilk seguindo os seguintes passos: [Estatísticas] [Resumos] [Teste de normalidade de Shapiro-Wilk...] (Fig. 3.2). Figura 3.2: Aplicação do teste de Shapiro-Wilk no R Commander. Uma janela será aberta para informar qual variável do conjunto de dados ativo deve ser avaliada (Fig. 3.3). Figura 3.3: Configuração da variável para o teste de Shapiro-Wilk no R Commander.
25 3.1 Teste de Shapiro-Wilk para Normalidade da População 24 Dois resultados do teste são apresentados na janela de resultados do R Commander, o valor observado da estatística, W o = 0,9713, e o p-valor = 0,9024. Considerando que o p-valor é maior do que o nível de significância de 5% (α = 0,05), aceita-se H 0, ou seja, concluimos que os dados amostrais provém de uma população com distribuição normal.
26 25 4 Testes de Hipóteses de Duas Amostras 4.1 Teste t para Amostras Pareadas O chamado teste t é apropriado para comparar dois conjuntos de dados quantitativos, em termos de seus valores médios. Nesta seção, trataremos do caso em que os dados são pareados. Os pressupostos para a aplicação deste teste são os seguintes: Dados pareados; Normalidade da distribuição da variável de interesse (D). As hipóteses do teste t são dadas a respeito da média populacional. Na hipótese nula (H 0 ) admite-se que não há diferença entre as médias populacionais das duas amostras, enquanto que a hipótese alternativa (H 1 ) admite que há diferença. A hipótese alternativa pode ser formulada considerando simplesmente diferença (bilateral) ou admitindo-se que uma média é maior do que a outra (unilateral), dependendo do contexto do problema. Exemplo: H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 (bilateral) A estatística do teste t para dados pareados baseia-se nos valores observados da variável D, definida pela diferença de valores de cada par de dados do experimento. Num estudo antes-e-depois: D i =(medida depois) i (medida antes) i (4.1) Para encontrar a estatística do teste, precisamos calcular a média (D) e o desvio padrão (s D ) das diferenças, definidos respectivamente por: n D i i=1 D= e s D = n n i=1 (D i D) 2 = n 1 n i=1 D 2 i n D 2 n 1 (4.2)
27 4.1 Teste t para Amostras Pareadas 26 em que n é o tamanho da amostra (número de pares observados). A estatística do teste é conhecida como estatística t para dados pareados, definida por: t = D n s D (4.3) O último passo é utilizar a tabela da distribuição t (anexo B) para determinar o p-valor, utilizando o valor calculado de t e o número de graus de liberdade, dado por: gl = n 1 (4.4) Caso o p-valor seja menor do que o nível de significância (α) rejeita-se H 0, ou seja, concluimos que existe diferença significativa entre as médias ao nível de significância adotado. Caso contrário, aceita-se que a diferença observada na amostra é devida apenas ao acaso (aleatoriedade dos dados amostrais), e que as populações possuem médias iguais. Exemplo: Tendo interesse em estudar os efeitos de determinada dieta alimentar sobre o aumento do peso corporal em cobaias adultas, um investigador tomou uma amostra de 9 cobaias. Determinou seus pesos antes e três meses após a administração da nova dieta. Com os dados a seguir, analise o efeito da nova dieta, para α = 0,05. Tabela 4.1: Peso das cobaias antes e depois da aplicação da nova dieta. Antes: Depois: Hipóteses: As hipóteses deste problema são dadas em relação a média, por: H 0 : µ D = µ A ou µ D µ A = 0 H 1 : µ D > µ A ou µ D µ A > 0 (unilateral) Na hipótese nula (H 0 ) considera-se a situação onde a dieta não altera o peso das cobaias, ou seja, o peso médio das cobaias antes da nova dieta será o mesmo que o peso médio depois da nova dieta. Em contrapartida, a hipótese alternativa (H 1 ) considera a situação onde a nova dieta provoca aumento do peso médio das cobaias, ou seja, a peso médio das cobaias depois da nova dieta será maior do que o peso médio antes da nova dieta.
28 4.1 Teste t para Amostras Pareadas 27 Solução manual: O primeiro passo é obter as diferenças entre o peso depois e o peso antes da nova dieta, dadas por: Tabela 4.2: Diferença entre os pesos antes e depois da aplicação da nova dieta. Diferença (D): O próximo passo é o cálculo da média e do desvio padrão da variável D, equações (4.2): s D = D= ( 1) = 2 (4.5) ( 1) = 2,0616 (4.6) 9 1 A estatística t é determinada utilizando-se a equação (4.3): 2 9 t = = 2,9104 (4.7) 2,0616 Utilizando a equação (4.4) determinamos o número de graus de liberdade: gl = 9 1=8 (4.8) Através da tabela da distribuição t de Student (anexo B) obtemos o p-valor, observando a linha correspondente ao gl = 8, verificando na tabela que t = 2,9104 está entre 1,860 e 2,306. Logo, como ilustrado na figura 4.1, a probabilidade de significância esta entre 0,005 e 0,01, ou seja, 0,005 < p-valor < 0,01. Figura 4.1: Utilização da distribuição t de Student com gl = 8 para obtenção da probabilidade de significância num teste unilateral com t = 2,9104. Considerando que o p-valor é menor do que 0,01, portanto, também é menor do que α = 0,05, rejeita-se H 0 e conclui-se que há diferença significativa entre as médias de peso ao nível
29 4.1 Teste t para Amostras Pareadas 28 de significância de 5%. Ou seja, concluimos que a nova dieta provoca aumento de peso nas cobaias ao nível de significância de 5%. Solução com o R Commander: Para resolver o problema utilizando o R Commander, o primeiro passo é o carregamento dos dados da tabela 4.1. Para isso, podemos digitá-los em uma planilha eletrônica do Excel ou diretamento do R Commander. Para testes pareados os resultados devem ser informados em duas colunas, neste caso, uma com os valores antes e outra com os valores depois da nova dieta (Fig. 4.2). Figura 4.2: Lançamento dos dados para o teste t para dados pareados no R Commander. Após os lançamento dos dados no próprio R Commander ou do carregamento dos dados a partir de um arquivo, o próximo passo é escolher o teste que deve ser aplicado. Para tanto, clique nas seguintes opções: [Estatísticas] [Médias] [Teste t (dados pareados)] (Fig. 4.3). Figura 4.3: Aplicação do teste t para dados pareados. Na janela que será aberta deve-se escolher as variáveis a serem comparadas, o nível de confiânça e a hipótese alternativa (Fig. 4.4).
30 4.2 Teste t para Amostras Independentes 29 Figura 4.4: Opções para a aplicação do teste t para dados pareados. Os resultados do teste são apresentados na janela de resultados do R Commander. Dentre outros valores é apresentado o valor da estatística t = 2,9104, e o p-valor = 0, Considerando que o p-valor é menor do que 0,05, rejeitamos H 0, ou seja, concluimos que a nova dieta provoca aumento de peso nas cobaias, ao nível de significância de 5%. 4.2 Teste t para Amostras Independentes Nesta seção o teste t é aplicado a casos onde desejamos comparar a média de duas amostras aleatórias. Ao contrário da seção anterior, trataremos do caso em que os dados não são pareados. Pressupostos para aplicação do teste t para amostras independentes: Aleatoriedade das amostras; Normalidade da distribuição da variável de interesse em cada grupo; Homogeneidade das variâncias amostrais dos grupos. O objetivo deste método é verificar se existe, ou não, diferença estatística significativa entre as médias de dois grupos. Logo, as hipóteses deste teste realizará a comparação entre a média de um grupo com a média de outro grupo. Para aplicar o teste t para amostras independentes precisamos calcular inicialmente a média e a variância de cada grupo, utilizando as seguintes fórmulas: x= n i=1 n x e s 2 = n i=1 x 2 n x 2 n 1 (4.9) Como o tamanho da amostra do grupo 1 pode ser diferente do grupo 2, utiliza-se o subscrito para identificar qual das amostras está sendo considerada. Assim, n 1, x 1 e s 2 1 são,
31 4.2 Teste t para Amostras Independentes 30 respectivamente, o tamanho da amostra, a média e a variância do grupo 1, enquanto que n 2, x 2 e s 2 2 são, respectivamente, o tamanho da amostra, a média e a variância do grupo 2. O número de graus de liberdade (gl) para o teste t para amostras independentes é dado por: gl = n 1 + n 2 2 (4.10) O desvio padrão agregado (s a ) é dado por: (n 1 1) s 2 1 s a = +(n 2 1) s 2 2 gl (4.11) A estatística do teste é dada por: x 1 x 2 t = 1 s a + 1 n 1 n 2 (4.12) O último passo é a obtenção do p-valor através da tabela da distribuição t (anexo B), utilizando os valores de gl e t calculados. Exemplo: Para comparar dois métodos, A e B de ensinar matemática para crianças, aplicou-se o método A num grupo de crianças e o método B em outro grupo. A comparação entre os dois grupos foi realizada através de uma avaliação que mensurou o conhecimento de matemática de cada criança. Os resultados obtidos são apresentados na tabela abaixo. Determine ao nível de significância de 5% se existe diferença nos resultados obtidos pelos diferentes métodos. Tabela 4.3: Notas da avaliação de matemática obtidas pela crianças submetidas a dois métodos de ensino diferentes. Método de ensino A Método de ensino B Hipóteses: As hipóteses para o teste são dadas por: H 0 : µ A = µ B ou µ A µ B = 0 H 1 : µ A µ B ou µ A µ B 0
32 4.2 Teste t para Amostras Independentes 31 A hipótese nula admite que não existe diferença entre os métodos de ensino, ou seja, em média os métodos produzem o mesmo resultado no desempenho dos alunos. Em contrapartida, a hipótese alternativa diz que existe diferença entre os métodos de ensino, ou seja, em média, os alunos submetidos ao método de ensino A terão desempenho diferente dos alunos submetidos ao método de ensino B. Solução manual: O primeiro passo para resolver o problema é o cálculo da média e do desvio padrão de cada um dos dois grupos, utilizando as equações (4.9) obtemos: x 1 = 49,9 x 2 = 44,7 s 1 = 5,9712 s 2 = 6,4987 (4.13) O número de graus de liberdade é dado pela equação (4.10), donde temos: gl = (4.14) Utilizando a equação (4.11) para calcular o desvio padrão agregado temos: s a = (10 1) 5, (10 1) 6, = 6,2405 (4.15) Utilizando a equação (4.12) obtemos a estatística do teste: 49,9 44,7 t = 1 6, = 1,8632 (4.16) 10 O próximo passo é obter o p-valor através da tabela da distribuição t (anexo B). Para tanto, olhamos na distribuição t a linha relacionada ao grau de liberdade (gl) igual a 18 e a coluna cujo intervalo contenha o valor de t = 1,8632 (Fig. 4.5).
33 4.2 Teste t para Amostras Independentes 32 Figura 4.5: Utilização da distribuição t de Student com gl = 18 para obtenção da probabilidade de significância num teste unilateral com t = 1,8632. Pela tabela da distribuição t de student (anexo B) obtemos um intervalo para o p-valor entre 0,025 e 0,05 para um teste unilateral. Lembrando que o problema dado é bilateral (H 1 : µ A µ B ), toma-se o dobro de cada um destes valores, obtendo-se então 0,05< p<0,1. Como o p-valor é maior do que o nível de significância (α = 0,05), aceita-se H 0, ou seja, ao nível de significância de 5%, conclui-se que não existe diferença no resultado médio obtido pelos diferentes métodos de ensino. Solução com o R Commander: O primeiro passo para resolver o problema com o R Commander é a digitação dos resultados obtidos no experimento. No teste t para amostras independentes os dados devem ser informados em duas colunas, uma com as notas e a outra com o método de ensino associado a cada nota (Fig. 4.6). No início de cada coluna deve ser informado um título para os dados. Figura 4.6: Digitação dos dados no Excel para aplicação do teste t para amostras independentes. Os dados digitados em uma planilha do Excel devem ser importados para o R Commander (conforme seção 1.2.1) informando um nome para o conjunto de dados. Para aplicar o teste
34 4.2 Teste t para Amostras Independentes 33 t para amostras independentes sobre o conjuto de dados ativo, siga os seguintes passos: [Estatísticas] [Médias] [Teste t para amostras independentes...] (Fig. 4.7) Figura 4.7: Aplicação do teste t para amostras independentes no R Commander. Uma janela será aberta para configurar as informações relativas ao teste: variáveis que contém o grupo e a resposta, o tipo de hipótese alternativa e o nível de confiança (Fig. 4.8). Figura 4.8: Configurações para aplicação do teste t para amostras independentes bilateral e com nível de confiança de 95%.. Os resultados do teste serão apresentados na janela de resultados do R Commander. Dentre os principais valores destacamos o valor da estatística t = 1,8632 e o p-valor = 0, Considerando que o p-valor é maior do que o nível de significância (α = 0,05) aceita-se H 0, ou seja, concluimos que não existe diferença significativa entre os dois métodos de ensino de matemática.
35 34 5 Testes de Hipóteses de Mais de Duas Amostras 5.1 Análise de Variância para Um Fator (ANOVA) A análise de variância (ANOVA) é um teste de hipóteses apropriado para comparar três ou mais conjuntos de dados quantitativos, em termos de seus valores médios. Nesta seção em particular, é tratado o caso onde apenas um único fator pode influenciar os resultados. Pressupostos para a aplicação da análise de variância (ANOVA): Aleatoriedade e independência; Normalidade dos valores da amostra em cada um dos grupos; Homogeneidade de variância dos grupos (variância iguais em todos os grupos). Considerando c grupos diferentes, as hipóteses consideradas na análise de variância são: H 0 : H 1 : µ 1 = µ 2 =...= µ c nem todas as médias são iguais Na hipótese nula (H 0 ) considera-se que o fator variado entre os grupos não afeta de forma significativa a média dos resultados obtidos. Em contrapartida, a hipótese alternativa (H 1 ) admite que ao menos uma das médias é diferente das demais devido ao fator considerado. O primeiro passo para obter a estatística F, utilizada na análise de variância, é o cálculo da média geral (x) e da média de cada grupo (x j, onde j indica o grupo). Estes valores são definidos por: x= c n j x i j j=1i=1 n (5.1)
36 5.1 Análise de Variância para Um Fator (ANOVA) 35 x j = n j x i j i=1 n j (5.2) onde c é o número de grupos, x i j é o i-ésimo valor do grupo j, n é o número total de amostras e n j é o número de amostras do grupo j. O próximo passo é o cálculo da variação total (S T ), da variação entre os grupos (S E ) e da variação dentro dos grupos (S D ). Estas variações são também conhecidas respectivamente como: soma dos quadrados total, soma dos quadrados entre os grupos e soma dos quadrados dentro dos grupos. As expressões para o cálculo destes valores são apresentados nas equações seguintes: S T = S E = S D = c j=1 n j i=1 ( x i j x) 2 (5.3) c 2 n j (x j x) (5.4) j=1 c j=1 n j i=1 ( x i j x j ) 2 (5.5) A variação dentro dos grupos pode ser calculada pela diferença entre a variação total S T e a variação entre os grupos S E, ou seja S D = S T S E (5.6) Na sequência devemos calcular a média total dos quadrados (M Q ), a média dos quadrados entre os grupos (M E ) e a média dos quadrados dentro dos grupos (M D ), dadas respectivamente por: M Q = S T n 1 M E = S E c 1 M D = S D n c Por fim, calcula-se o valor observado da estatística F (F o ), dada por (5.7) (5.8) (5.9) F o = M E M D (5.10) a qual segue uma distribuição F, com c 1 graus de liberdade no numerador e n c graus de liberdade no denominador. O valor do F crítico (F c ) é obtido da tabela da distribuição F (anexo C) considerando a
37 5.1 Análise de Variância para Um Fator (ANOVA) 36 (c 1)-ésima linha e a(n c)-ésima coluna. Se F o > F c rejeita-se H 0, caso contrário, aceita-se H 0 (Fig. 5.1). Figura 5.1: Gráfico da distribuição F com as regiões de aceitação e rejeição de H 0. Quando conclui-se pela análise de variância que existe diferença entre as médias dos grupos, não obtem-se quais dos grupos possui média diferente dos demais. Para responder tal questão utiliza-se um teste auxiliar chamado teste de Tukey, apresentado na sequência Teste de Tukey O teste de Tukey é um dos testes de comparação de média mais utilizados, por ser bastante rigoroso e de fácil aplicação. Este teste é utilizado para testar toda e qualquer diferença entre duas médias de tratamento. O teste de Tukey faz a comparação entre a média de dois em dois grupos. Para cada par de grupos (denotados por i e j) que serão comparados, o primeiro passo para aplicar o teste de Tukey é calcular o intervalo crítico (I c ) dado por: ( M D 1 I c = Q c + 1 ) 2 n i n j (5.11) onde Q c é o valor crítico da cauda superior, a partir da distribuição de intervalos de Student, possuindo c tratamentos e n c graus de liberdade no denominador (anexo D). Conhecido o intervalo crítico (I c ), deve-se calcular o módulo da diferença entre as médias dos grupos i e j, ou seja: x i x j (5.12)
38 5.1 Análise de Variância para Um Fator (ANOVA) 37 Quando esta diferença é maior do que o intervalo crítico conclui-se que existe diferença significativa entre as médias dos grupos i e j, caso contrário conclui-se que as médias dos grupos i e j são iguais. Exemplo: Você supervisiona a produção de uma padaria, cujos pães são fabricados com farinha oriunda de um dentre quatro diferentes fornecedores. A qualidade dos pães produzidos é uma característica importante que garante o aumento das vendas e consequentemente da produção. Estabeleça se os pães produzidos com as diferentes marcas de farinha são igualmente saborosos com base nos dados amostrais abaixo. Tabela 5.1: Notas atribuidas pela análise sensorial dos pães produzidos com a farinha de quatro diferentes fornecedores. Forncedor A Forncedor B Forncedor C Forncedor D n i=1 68,5 76,3 70,6 75,4 74,0 75,3 75,2 69,9 67,2 74,0 70,8 72,6 69,9 71,2 74,7 67,5 68,0 74,5 72,9 70,4 x 347,6 371,3 364,2 355,8 x j 69,52 74,26 72,84 71,16 Hipóteses: As hipóteses para a análise de variância são as seguintes: H 0 : H 1 : µ A = µ B = µ C = µ D ao menos uma das médias é diferente A hipótese nula (H 0 ) considera que as farinhas de todos os quatro diferentes fornecedores produzem em média pães com a mesma qualidade sensorial. Em contrapartida, a hipótese alternativa (H 1 ) considera o fato de que o fator fornecedor afeta a qualidade sensorial dos pães, dizendo que existe diferença em ao menos uma das médias comparada as outras.
39 5.1 Análise de Variância para Um Fator (ANOVA) 38 Solução manual: A média geral definida pela equação (5.1) fornece: x=71,945 (5.13) Os valores das médias de cada grupo são dados na tabela do problema. As variações total, entre grupos e dentro dos grupos, dadas respectivamente pelas equações (5.3), (5.4) e (5.6) fornecem S T = 160,7895 (5.14) S E = 63,2855 (5.15) S D = 160, ,2855= 97,5040 (5.16) Na sequência são obtidas as médias entre grupos e dentro dos grupos, utilizando as equações (5.8) e (5.9) obtemos M E = S E c 1 = 63,2855 = 21, (5.17) M D = S D n c = 97,5040 = 6, (5.18) Por fim, podemos calcular o valor de F observado (F o ) através da equação (5.10) F o = M E = 21,0952 = 3,4616 (5.19) M D 6,0940 Pela tabela da distribuição F com nível de significância de 5% (anexo C), considerando c 1 graus de liberdade no numerador e n c graus de liberdade no denominador, obtemos o valor do F crítico (F c = 3,24). Como o valor de F o > F c rejeita-se H 0, ou seja, concluimos que existe diferença sensorial média entre os diferentes fornecedores de farinha. Para identificar quais os pares de médias que são significativamente diferentes aplicamos o teste de Tukey. Como todos os grupos possuem amostras do mesmo tamanho, calcula-se apenas um único valor para o invevalor crítico. Pela valor da décima sexta coluna e terceira linha da tabela da distribuição de intervalos de Student (anexo D) obtemos o valor crítico da amplitude de Student (Q c = 3,65). Utilizando a equação 5.11 obtemos ( 6, I c = 4, ) = 4,4712 (5.20) 5 Por fim, calcula-se o módulo da diferença entre a médias para cada combinação de
40 5.1 Análise de Variância para Um Fator (ANOVA) 39 fornecedores, donde obtemos: A=B: x A x B = 69,52 74,26 = 4,74>4,4712 A= C : x A x C = 69,52 72,84 = 3,32<4,4712 A=D: x A x D = 69,52 71,16 = 1,64<4,4712 B= C : x B x C = 74,26 72,84 = 1,42<4,4712 B=D: x B x D = 74,26 71,16 = 3,10<4,4712 C=D: x C x D = 72,84 71,16 = 1,68<4,4712 Na comparação entre o valor absoluto das diferenças com o valor do intervalo crítico, observa-se que apenas os fornecedor A com o fornecedor B apresenta diferença significativa (denotada por ). Solução com o R Commander: A forma de informar os dados do experimento ao R Commander é similar a do teste t para amostras independentes. Novamente na primeira linha é colocada o nome de cada variável. Na primeira coluna é informado o fornecedor e na segunda coluna é informada a respectiva nota (Fig. 5.2). Figura 5.2: Digitação dos dados no Excel para aplicação da análise da variância pelo R Commander. Caso os dados forem digitados em uma planilha do Excel, o próximo passo é importá-la para o R Commander. Em seguida, para aplicar a análise de variância execute os seguintes passos: [Estatísticas] [Médias] [ANOVA para um fator (one way)...] (Fig. 5.3).
41 5.1 Análise de Variância para Um Fator (ANOVA) 40 Figura 5.3: Aplicação da análise de variância no R Commander. Uma janela será aberta para informar o nome da coluna que contém os grupos e a que contém a variável resposta. O teste de Tukey pode ser aplicado ativando-se a opção Comparação de médias 1 a 1 nesta janela (Fig. 5.4). Figura 5.4: Configuração da análise de variância no R Commander. Na janela de resultados do R Commander são apresentados os resultados inerentes a análise de variância. Dentre os principais resultados é apresentada uma tabela com a soma dos quadrados dentro dos grupos e entre os grupos ( Sum Sq ). Ao lado é apresentado as médias dentro dos grupos e entre grupos ( Mean Sq ) e em seguida o F observado ( F value ) e o p-valor ( Pr(>F) ) (Fig. 5.5). Figura 5.5: Principais resultados da análise de variância apresentados pelo R Commander. Caso o teste de Tukey tenha sido ativado, informações a respeito da comparação entre as médias obtidas pelos diferentes grupos serão apresentado na janela de resultados. Um resumo do teste é apresentado em uma tabela que mostra cada uma das comparações realizadas,
42 5.1 Análise de Variância para Um Fator (ANOVA) 41 juntamente com o valor da estatística t e o p-valor. Um código é apresentado onde é detectada diferença significativa entre as médias: para 10%, para 5% e para 1%. Figura 5.6: Principais resultados do teste de Tukey apresentados no R Commander. Exercício: Os próximos dados referem-se à redução no peso corporal de animais de laboratório submetidos a diferentes dietas. Os animais foram previamente divididos em cinco grupos, por faixa de peso no início do experimento. Compare as dietas entre si e verifique também se a redução no peso varia entre as faixas de peso. Use 0,05 como nível de significância no teste. Faixa de peso Dieta A Dieta B Dieta C Total (B) I II III IV V x x Teste de Levene para Homogeneidade da Variância Embora a análise de variância de fator único seja relativamente robusto com respeito ao pressuposto de variâncias iguais nos grupos, grandes diferenças nas variâncias dos grupos podem afetar seriamente o nível de significância e a eficácia do teste. Um dos procedimentos com alta eficácia estatística é o teste de Levene. Para testar a homogeneidade da variância, utilize as seguintes hipóteses: H 0 : H 1 : σ 2 1 = σ 2 2 =...=σ 2 c Nem todas as variâncias são iguais
43 5.1 Análise de Variância para Um Fator (ANOVA) 42 O primeiro passo para aplicar o teste de Levene é obter a mediana de cada grupo. Em seguida, calcula-se o valor absoluto da diferença entre cada valor amostral e a mediana do grupo a qual ele pertence. Sobre os resultados obtidos aplica-se a análise de variância. Caso o p-valor deste teste for maior do que o nível de significância, aceita-se H 0, ou seja, conclui-se que as variâncias são iguais em todos os grupos.
44 43 Referências Bibliográficas BARBETTA, P. A. Estatística aplicada às Ciências Sociais. 7. ed. Florianópolis, SC: Ed. da UFSC, FOX, J. The R Commander: A basic-statistics graphical user interface to R. Hamilton, Ontario, Canada, September v. 14, n. 9. LEVINE, D. M. et al. Estatística: teoria e aplicações. Rio de Janeiro: LTC, RODRIGUES, M. I.; IEMMA, A. F. Planejamento de experimentos e otimização de processos: Uma estratégia sequencial de planejamentos. 1. ed. Campinas, SP: Casa do Pão Editora, TEAM, R. D. C. R: A Language and Environment for Statistical Computing. Vienna, Austria, Disponível em: <
45 ANEXO A -- Tabela da distribuição Normal 44
46 ANEXO B -- Tabela da distribuição t de Student 45
Aula 4 Estatística Conceitos básicos
Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a
Leia maisEstatística II Antonio Roque Aula 9. Testes de Hipóteses
Testes de Hipóteses Os problemas de inferência estatística tratados nas aulas anteriores podem ser enfocados de um ponto de vista um pouco diferente: ao invés de se construir intervalos de confiança para
Leia maisLISTA DE INTERVALO DE CONFIANÇA E TESTE DE HIPÓTESES
Monitora Juliana Dubinski LISTA DE INTERVALO DE CONFIANÇA E TESTE DE HIPÓTESES EXERCÍCIO 1 (INTERVALO DE CONFIANÇA PARA MÉDIA) Suponha que X represente a duração da vida de uma peça de equipamento. Admita-se
Leia mais1. Os métodos Não-Paramétricos podem ser aplicados a uma ampla diversidade de situações, porque não exigem populações distribuídas normalmente.
TESTES NÃO - PARAMÉTRICOS As técnicas da Estatística Não-Paramétrica são, particularmente, adaptáveis aos dados das ciências do comportamento. A aplicação dessas técnicas não exige suposições quanto à
Leia maisTUTORIAL PARA PREPARAÇÃO E IMPORTAÇÃO DE DADOS PARA. Os dados de suas coletas devem ser organizados em uma planilha eletrônica, de modo
TUTORIAL PARA PREPARAÇÃO E IMPORTAÇÃO DE DADOS PARA ESTIMATIVAS DE RIQUEZA DE ESPÉCIES Softwares utilizados: Excel, EstimateS e Statistica. Preparação dos dados Os dados de suas coletas devem ser organizados
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisRevisão: Noções básicas de estatística aplicada a avaliações de imóveis
Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.
Leia maisExemplos de Testes de Hipóteses para Médias Populacionais
Exemplos de Testes de Hipóteses para Médias Populacionais Vamos considerar exemplos de testes de hipóteses para a média de uma população para os dois casos mais importantes na prática: O tamanho da amostra
Leia maisA finalidade dos testes de hipóteses paramétrico é avaliar afirmações sobre os valores dos parâmetros populacionais.
Prof. Janete Pereira Amador Introdução Os métodos utilizados para realização de inferências a respeito dos parâmetros pertencem a duas categorias. Pode-se estimar ou prever o valor do parâmetro, através
Leia maisManual do Usuário. Protocolo
Manual do Usuário Protocolo Índice de capítulos Parte I - Processos............................... 01 1 - Buscar................................ 01 2 - Listar................................ 02 3 - Abertura..............................
Leia maisPesquisa Estatística. Estatística Descritiva. Gestão Ambiental Prof. Luiz Rogério Mantelli
Gestão Ambiental Prof. Luiz Rogério Mantelli Pesquisa Estatística Estatística Descritiva São técnicas utilizadas para descrever um conjunto de dados ou apresentá-lo de forma resumida. 1.Gráficos descritivos:
Leia maisANÁLISE DE VARIÂNCIA ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças cada
Leia maisEng Civil Washington Peres Núñez Dr. em Engenharia Civil pela Universidade Federal do Rio Grande do Sul
PESQUISA ANÁLISE DE CARACTERÍSTICAS DE QUALIDADE DE MISTURAS ASFÁLTICAS PRODUZIDAS NA ATUALIDADE NO SUL DO BRASIL E IMPACTOS NO DESEMPENHO DE PAVIMENTOS FLEXÍVEIS. MANUAL DE OPERAÇÃO DO BANCO DE DADOS
Leia maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
Leia maisCap. 12 Testes Qui- Quadrados e Testes Não-Paramétricos. Statistics for Managers Using Microsoft Excel, 5e 2008 Prentice-Hall, Inc.
Cap. 1 Testes Qui- Quadrados e Testes Não-Paramétricos Statistics for Managers Using Microsoft Excel, 5e 008 Prentice-Hall, Inc. Chap 1-1 Final de curso... tempo de recordar : ) Cap. 9 Fundamentos de testes
Leia maisANÁLISE DE DADOS ESTATÍSTICOS COM O MICROSOFT OFFICE EXCEL 2007
ANÁLISE DE DADOS ESTATÍSTICOS COM O MICROSOFT OFFICE EXCEL 2007 2 Professor Claodomir Antonio Martinazzo Sumário 1 Introdução... 03 2 Instalação da ferramenta Análise de Dados... 04 3 Estatística Descritiva...
Leia maisGráficos estatísticos: histograma. Série Software ferramenta
Gráficos estatísticos: histograma Série Software ferramenta Funcionalidade Este software permite a construção de histogramas a partir de uma tabela de dados digitada pelo usuário. Gráficos estatísticos:
Leia maisManual do Usuário do Produto EmiteNF-e. Manual do Usuário
Manual do Usuário Produto: EmiteNF-e Versão: 1.2 Índice 1. Introdução... 2 2. Acesso ao EmiteNF-e... 2 3. Configurações Gerais... 4 3.1 Gerenciamento de Usuários... 4 3.2 Verificação de Disponibilidade
Leia maisSimulado Informática Concurso Correios - IDEAL INFO
Simulado Informática Concurso Correios - IDEAL INFO Esta prova de informática é composta por 20 (vinte) questões de múltipla escolha seguindo o molde adotado pela UnB/CESPE. O tempo para a realização deste
Leia maisAula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística
Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa
Leia maisCapítulo 3 Modelos Estatísticos
Capítulo 3 Modelos Estatísticos Slide 1 Resenha Variáveis Aleatórias Distribuição Binomial Distribuição de Poisson Distribuição Normal Distribuição t de Student Distribuição Qui-quadrado Resenha Slide
Leia maisMANUAL DA SECRETARIA
MANUAL DA SECRETARIA Conteúdo Tela de acesso... 2 Liberação de acesso ao sistema... 3 Funcionários... 3 Secretaria... 5 Tutores... 7 Autores... 8 Configuração dos cursos da Instituição de Ensino... 9 Novo
Leia maisEXCEL NA ANÁLISE DE REGRESSÃO
EXCEL NA ANÁLISE DE REGRESSÃO _2010_03_Exercicio _Regressão_exemplo O gerente de uma loja de artigos escolares, cada semana, deve decidir quanto gastar com propaganda e que atrativo (por exemplo preços
Leia maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisSistemas Operacionais. Curso Técnico Integrado Profa: Michelle Nery
Sistemas Operacionais Curso Técnico Integrado Profa: Michelle Nery Conteúdo Programático CONTAS DE E GRUPOS DE O Microsoft Management Console - MMC Permissões de Segurança de um Console Contas de Usuários
Leia maisTécnicas Multivariadas em Saúde. Comparações de Médias Multivariadas. Métodos Multivariados em Saúde - 2015. Roteiro. Testes de Significância
Roteiro Técnicas Multivariadas em Saúde Lupércio França Bessegato Dep. Estatística/UFJF 1. Introdução 2. Distribuições de Probabilidade Multivariadas 3. Representação de Dados Multivariados 4. Testes de
Leia maisDesenvolvimento de uma Etapa
Desenvolvimento de uma Etapa A Fase Evolutiva do desenvolvimento de um sistema compreende uma sucessão de etapas de trabalho. Cada etapa configura-se na forma de um mini-ciclo que abrange as atividades
Leia maisCADERNOS DE INFORMÁTICA Nº 1. Fundamentos de Informática I - Word 2010. Sumário
CADERNO DE INFORMÁTICA FACITA Faculdade de Itápolis Aplicativos Editores de Texto WORD 2007/2010 Sumário Editor de texto... 3 Iniciando Microsoft Word... 4 Fichários:... 4 Atalhos... 5 Área de Trabalho:
Leia maisConectar diferentes pesquisas na internet por um menu
Conectar diferentes pesquisas na internet por um menu Pré requisitos: Elaboração de questionário Formulário multimídia Publicação na internet Uso de senhas na Web Visualização condicionada ao perfil A
Leia mais1. Criar uma nova apresentação
MANUAL DO Baixa da Banheira, 2006 1. Criar uma nova apresentação Para iniciar uma sessão de trabalho no PowerPoint é necessário criar uma nova apresentação para depois trabalhar a mesma. Ao iniciar uma
Leia maisAPOIO À ATIVIDADE DE ANÁLISE DESCRITIVA DESENVOLVIDA NA OFICINA ESTATÍSTICA PARA TODOS"
APOIO À ATIVIDADE DE ANÁLISE DESCRITIVA DESENVOLVIDA NA OFICINA ESTATÍSTICA PARA TODOS" ANÁLISE DOS DADOS COLETADOS usando o RCOMMANDER (associado ao R) Lisbeth K. Cordani& Ângela Tavares Paes (2013) A
Leia maisIV TESTES PARA DUAS AMOSTRAS INDEPENDENTES
IV TESTES PARA DUAS AMOSTRAS INDEPENDENTES Estes testes se aplicam a planos amostrais onde se deseja comparar dois grupos independentes. Esses grupos podem ter sido formados de duas maneiras diferentes:
Leia maisManual Rápido de Registro e Configuração do DJPDV
Página 1 Manual Rápido de Registro e Configuração do DJPDV Juliana Rodrigues Prado Tamizou www.djsystem.com.br (15) 3324-3333 Rua Coronel Aureliano de Camargo,973 Centro - Tatuí SP - 18270-170 Revisado
Leia maisMANUAL DE UTILIZAÇÃO. Produtos: Saúde Pró Faturamento Saúde Pró Upload. Versão: 20130408-01
Produtos: Saúde Pró Upload Versão: 20130408-01 Sumário 1 APRESENTAÇÃO... 3 2 LOGIN... 4 3 VALIDADOR TISS... 7 4 CONFIGURAÇÃO DO SISTEMA... 10 4.1 DADOS CADASTRAIS MATRIZ E FILIAL... 11 4.2 CADASTRO DE
Leia maisApresentação de Dados em Tabelas e Gráficos
Apresentação de Dados em Tabelas e Gráficos Os dados devem ser apresentados em tabelas construídas de acordo com as normas técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística
Leia maisFigura 1: tela inicial do BlueControl COMO COLOCAR A SALA DE INFORMÁTICA EM FUNCIONAMENTO?
Índice BlueControl... 3 1 - Efetuando o logon no Windows... 4 2 - Efetuando o login no BlueControl... 5 3 - A grade de horários... 9 3.1 - Trabalhando com o calendário... 9 3.2 - Cancelando uma atividade
Leia maisGuia de Acesso para os Cursos Online
Sumário Apresentação... 3 1. Como saber qual disciplina faz parte do meu Módulo?... 4 2. Como saber a ordem das aulas que devo assistir?... 6 3. Como faço para assistir aos vídeos e visualizar os materiais
Leia maisBalanço Energético Nacional 2012. Manual do Sistema de Coleta de Dados para o BEN 2012
Balanço Energético Nacional 2012 Manual do Sistema de Coleta de Dados para o BEN 2012 Fevereiro de 2012 Apresentação O Balanço Energético Nacional BEN é o documento tradicional do setor energético brasileiro,
Leia maisAula 9 ESCALA GRÁFICA. Antônio Carlos Campos
Aula 9 ESCALA GRÁFICA META Apresentar as formas de medição da proporcionalidade entre o mundo real e os mapas através das escalas gráficas. OBJETIVOS Ao final desta aula, o aluno deverá: estabelecer formas
Leia maisThemis Serviços On Line - Publicações
Nome do documento Guia do Usuário Themis Serviços On Line - Publicações Sumário Introdução:... 3 1 - Cadastro dos Usuários do Themis Serviços On Line:... 3 2 - Acesso ao Sistema Themis Serviços On Line:...
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisRESPOSTAS DAS QUESTÕES ANULADAS OU COM MUDANÇA DE GABARITO
RESPOSTAS DAS QUESTÕES ANULADAS OU COM MUDANÇA DE GABARITO CARGO: ASSISTENTE EM ADMINISTRAÇÃO - PROVA DE MATEMÁTICA: Questão 23: Não ficou explícito, no comando da questão O número de possibilidades de
Leia maisUNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM
Unidade 2 Distribuições de Frequências e Representação Gráfica UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Calcular
Leia maisPrimeiros passos das Planilhas de Obra v2.6
Primeiros passos das Planilhas de Obra v2.6 Instalação, configuração e primeiros passos para uso das planilhas de obra Elaborado pela Equipe Planilhas de Obra.com Conteúdo 1. Preparar inicialização das
Leia maisSistema de Gerenciamento de Projetos V 1.01 MANUAL DO COORDENADOR
Roteiro para utilização do GEP Versão de referência: GEP V1.00 Índice analítico I Apresentação... 2 I.1 Controles básicos do sistema;... 2 I.2 Primeiro acesso... 2 I.3 Para trocar a senha:... 3 I.4 Áreas
Leia maisManual de Instalação SIM/SINASC
Manual de Instalação SIM/SINASC Agosto/2009 Versão 2.2 Índice CAPÍTULO 01 INTRODUÇÃO... 4 CAPÍTULO 02 - PERFIL DO HARDWARE... 5 CAPÍTULO 03 INSTALADOR SIM SINASC 2.2... 6 CAPÍTULO 04 - MODO DE INSTALAÇÃO...
Leia maisMedical Office 2015 Instruções de Instalação e Configuração
Medical Office 2015 Instruções de Instalação e Configuração 1) Faça o download do Medica Office através do nosso site www.medicaloffice.com.br opção do Download; 2) Após realizado o download do arquivo
Leia maisESTUDANDO ESTATÍSTICA DESCRITIVA COM AUXÍLIO DO SOFTWARE CALC
DIRETORIA DE PESQUISA E PÓS-GRADUAÇÃO/GERÊNCIA DE PESQUISA PROJETO: TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO NO PROCESSO DE ENSINO E APRENDIZAGEM DE MATEMÁTICA ESTUDANDO ESTATÍSTICA DESCRITIVA COM AUXÍLIO
Leia maisOrientações para Usuários
Sistema de Gestão de Certificados Eletrônicos Orientações para Usuários Organizadores de evento Controladores de qualidade Objetivos do Sistema Os principais objetivos da concepção do sistema são: automatização,
Leia maisDúvidas Freqüentes IMPLANTAÇÃO. 1- Como aderir à proposta AMQ?
Dúvidas Freqüentes IMPLANTAÇÃO 1- Como aderir à proposta AMQ? A adesão é realizada através do preenchimento e envio do Formulário de Cadastramento Municipal no site do projeto. O gestor municipal da saúde
Leia maisFMEA (Failure Model and Effect Analysis)
Definição FMEA (Failure Model and Effect Analysis) Conceitos Básicos A metodologia de Análise do Tipo e Efeito de Falha, conhecida como FMEA (do inglês Failure Mode and Effect Analysis), é uma ferramenta
Leia maisManual do Teclado de Satisfação Online WebOpinião
Manual do Teclado de Satisfação Online WebOpinião Versão 1.2.3 27 de novembro de 2015 Departamento de Engenharia de Produto (DENP) SEAT Sistemas Eletrônicos de Atendimento 1. Introdução O Teclado de Satisfação
Leia maisAssessoria Técnica de Tecnologia da Informação - ATTI. Projeto de Informatização da Secretaria Municipal de Saúde do Município de São Paulo
Assessoria Técnica de Tecnologia da Informação - ATTI Projeto de Informatização da Secretaria Municipal de Saúde do Município de São Paulo Programa AMG Manual de Operação Conteúdo 1. Sumário 3 2. Programa
Leia maisPortal do Projeto Tempo de Ser
Sumário Portal do Projeto Tempo de Ser O que é um Wiki?...2 Documentos...2 Localizando documentos...3 Links...3 Criando um Documento...4 Criando um link...4 Editando um Documento...5 Sintaxe Básica...5
Leia mais3 Metodologia 3.1. Tipo de pesquisa
3 Metodologia 3.1. Tipo de pesquisa Escolher o tipo de pesquisa a ser utilizado é um passo fundamental para se chegar a conclusões claras e responder os objetivos do trabalho. Como existem vários tipos
Leia maisA SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO
A SEGUIR ALGUMAS DICAS PARA O DESENVOLVIMENTO DE UM PROJETO CIENTÍFICO DESENVOLVENDO UM PROJETO 1. Pense em um tema de seu interesse ou um problema que você gostaria de resolver. 2. Obtenha um caderno
Leia maisCapítulo SETE Números em Ponto Fixo e Ponto Flutuante
Capítulo SETE Números em Ponto Fixo e Ponto Flutuante 7.1 Números em ponto fixo Observação inicial: os termos ponto fixo e ponto flutuante são traduções diretas dos termos ingleses fixed point e floating
Leia maisFração como porcentagem. Sexto Ano do Ensino Fundamental. Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M.
Material Teórico - Módulo de FRAÇÕES COMO PORCENTAGEM E PROBABILIDADE Fração como porcentagem Sexto Ano do Ensino Fundamental Autor: Prof. Francisco Bruno Holanda Revisor: Prof. Antonio Caminha M. Neto
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisMOODLE NA PRÁTICA PEDAGÓGICA
Carmen Mathias Agosto - 2009 I. CADASTRO 1. Acessar o site de treinamento (teste): http://moodle_course.unifra.br/ 2. Faça o login, clicando em acesso no lado direito superior da tela: 3. Coloque seu nome
Leia maisManual das planilhas de Obras v2.5
Manual das planilhas de Obras v2.5 Detalhamento dos principais tópicos para uso das planilhas de obra Elaborado pela Equipe Planilhas de Obra.com Conteúdo 1. Gerando previsão de custos da obra (Módulo
Leia maisINSTALAÇÃO DO FIREFOX E JAVA PORTÁVEL CUSTOMIZADO PELO TRT DA 13ª REGIÃO
Poder Judiciário Justiça do Trabalho Tribunal Regional do Trabalho da 13ª Região INSTALAÇÃO DO FIREFOX E JAVA PORTÁVEL CUSTOMIZADO PELO TRT DA 13ª REGIÃO Por Ericson Benjamim Secretaria de Tecnologia da
Leia maisManual do Usuário. Menus: Produtor Rural, Propriedade Rural e GTA Módulo: Produtor Rural. dezembro de 13
Manual do Usuário Menus: Produtor Rural, Propriedade Rural e GTA Módulo: Produtor Rural dezembro de 13 Este documento foi produzido por Praça dos Açorianos, s/n CEP 90010-340 Porto Alegre, RS (51) 3210-3100
Leia maisCotagem de dimensões básicas
Cotagem de dimensões básicas Introdução Observe as vistas ortográficas a seguir. Com toda certeza, você já sabe interpretar as formas da peça representada neste desenho. E, você já deve ser capaz de imaginar
Leia maisTeste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares
Teste de Software: Um Breve Estudo do Importante Processo no Desenvolvimento de Softwares André Assis Lôbo de Oliveira Francisco Guerra Fernandes Júnior Faculdades Alves Faria, 74445190, Brasil andrelobin@hotmail.com,
Leia maisResolução de sistemas lineares
Resolução de sistemas lineares J M Martínez A Friedlander 1 Alguns exemplos Comecemos mostrando alguns exemplos de sistemas lineares: 3x + 2y = 5 x 2y = 1 (1) 045x 1 2x 2 + 6x 3 x 4 = 10 x 2 x 5 = 0 (2)
Leia maisPrestador de Serviços
Copyright 2014 - ControleNaNet Conteúdo A Ficha de Serviços...3 Os Recibos... 5 Como imprimir?... 6 As Listagens...7 Clientes... 9 Consulta...9 Inclusão... 11 Alteração... 12 Exclusão... 13 Serviços...
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisFale.com. Manual do Usuário
Fale.com Manual do Usuário Serviço Fale.com Índice 1. Introdução 3 2. Instalando o Fale.com 3 a. Configurando o áudio para atendimento pela Internet 9 3. Configurando o Fale.com 14 4. Utilizando o Fale.com
Leia maisManual de Utilização do PDV Klavix
Manual de Utilização do PDV Klavix Página 1/20 Instalando a partir do CD Se você recebeu um CD de instalação, rode o programa Instalador que se encontra no raiz do seu CD. Ele vai criar a pasta c:\loureiro
Leia mais5 Apresentação dos resultados estatísticos
5 Apresentação dos resultados estatísticos Neste capítulo são apresentados os resultados obtidos através do questionário aplicado no presente estudo e analisados estatisticamente com auxílio dos softwares
Leia maisQ-Acadêmico. Módulo CIEE - Estágio. Revisão 01
Q-Acadêmico Módulo CIEE - Estágio Revisão 01 SUMÁRIO 1. VISÃO GERAL DO MÓDULO... 2 1.1 PRÉ-REQUISITOS... 2 2. ORDEM DE CADASTROS PARA UTILIZAÇÃO DO MÓDULO CIEE... 3 2.1 CADASTRANDO EMPRESAS... 3 2.1.1
Leia maisTeste de Hipóteses e Intervalos de Confiança
Teste de Hipóteses e Intervalos de Confiança Teste de Hipótese e Intervalo de Confiança para a média Monitor Adan Marcel 1) Deseja-se estudar se uma moléstia que ataca o rim altera o consumo de oxigênio
Leia maisManual do Usuário - ProJuris Web - Biblioteca Jurídica Página 1 de 20
As informações contidas neste documento estão sujeitas a alterações sem o prévio aviso, o que não representa um compromisso da Virtuem Informática. As pessoas, organizações ou empresas e eventos de exemplos
Leia maisLibrix. A LIBERDADE DO LINUX COM A QUALIDADE ITAUTEC Guia de referência
Librix A LIBERDADE DO LINUX COM A QUALIDADE ITAUTEC Guia de referência índice Librix Introdução Librix...03 Manual Eletrônico...03 Opções de Suporte...03 Dicas para a Instalação Configurações Regionais...05
Leia maisPasso a Passo do Cadastro Produtos no SIGLA Digital
Página 1 de 15 Passo a Passo do Cadastro Produtos no SIGLA Digital O cadastro de produtos permite organizar as informações relativas a produtos e serviços, como grupo, marca, peso, unidades e outros, que
Leia maisDiagrama de fluxo de dados na Plataforma Vicon SAGA. Terminologias de bancos de dados: Banco de Dados, Tabela, Campos, Registros
Exercício Objetivo Aplicativo Exercício para ambientação com Sistemas de Informação e Bancos de Dados. O usuário criará modelará um banco de dados aplicado ao contexto de desastres; realizará cadastros
Leia maisEstatística II. Aula 7. Prof. Patricia Maria Bortolon, D. Sc.
Estatística II Aula 7 Prof. Patricia Maria Bortolon, D. Sc. Análise da Variância Objetivos do Aprendizado Nesta aula você aprenderá: A utilizar a análise de variância de fator único para testar diferenças
Leia maisSIE - SISTEMA DE INFORMAÇÕES PARA O ENSINO CADASTRO DE FUNCIONÁRIOS
SIE - SISTEMA DE INFORMAÇÕES PARA O ENSINO CADASTRO DE FUNCIONÁRIOS SANTA MARIA FATECIENS 2008 Este manual tem por finalidade apresentar as especificações detalhadas da aplicação de Cadastro de Funcionários,
Leia maisBR DOT COM SISPON: MANUAL DO USUÁRIO
BR DOT COM SISPON: MANUAL DO USUÁRIO BAURU 2015 2 BR DOT COM SISPON: MANUAL DO USUÁRIO Manual do usuário apresentado para auxiliar no uso do sistema SisPon. BAURU 2015 3 SUMÁRIO 1 Instalação... 5 1.1 Sispon...
Leia maisCriar um formulário do tipo Diálogo modal ; Alterar a cor de fundo de um formulário; Inserir botões de comando e caixas de texto;
FICHA OBJECTIVO Construir Construir formulários na base de dados Diplomas em Diário da República Um formulário é utilizado, em primeiro lugar, para introduzir, eliminar ou apresentar dados numa base de
Leia maisTONALIDADE X FREQUÊNICA
Som, notas e tons TONALIDADE X FREQUÊNICA O violão é um instrumento musical e o seu objetivo é fazer música. Música é a organização de sons em padrões que o cérebro humano acha agradável (ou pelo menos
Leia maisOpenOffice Calc Aula 4
OpenOffice Calc Aula 4 Objetivos: Apresentar a criação de um gráfico no CALC, a partir dos dados em uma planilha Apresentar os diversos tipos de gráficos e suas aplicações (gráfico de coluna, de linha,
Leia maisSISTEMA MEDLINK E-TISS PASSO-A-PASSO (USE JUNTO COM A VÍDEO AULA)
1 / 16 SISTEMA MEDLINK E-TISS PASSO-A-PASSO (USE JUNTO COM A VÍDEO AULA) Este guia passo-a-passo tem o objetivo de facilitar o entendimento: - da ordem de execução dos processos. - dos conceitos do sistema.
Leia mais16. O PRIMEIRO CARRO. O custo real de um carro financiado. Guia do Professor
ENSINO MÉDIO 16. O PRIMEIRO CARRO O custo real de um carro financiado SOFTWARES NECESSÁRIOS: MICROSOFT EXCEL 2000 SOFTWARE OPCIONAL: INTERNET EXPLORER Guia do Professor RESUMO Esta atividade vai ensinar
Leia maisDistribuição de probabilidades
Luiz Carlos Terra Para que você possa compreender a parte da estatística que trata de estimação de valores, é necessário que tenha uma boa noção sobre o conceito de distribuição de probabilidades e curva
Leia maisComo produzir e publicar uma apresentação online dinâmica (Prezi)
Como produzir e publicar uma apresentação online dinâmica (Prezi) Este módulo irá ensinar-lhe como produzir e publicar uma apresentação online dinâmica usando o programa Prezi. A produção de uma apresentação
Leia maisMANUAL DO SISTEMA. Versão 6.07
MANUAL DO SISTEMA Versão 6.07 Relatórios...3 Mix de Compra...3 Peças >> Relatórios >> Mix de Compra Peças...3 Mix de Vendas...4 Peças >> Relatórios >> Mix de Venda Peças...4 Tabela de Preços...6 Peças
Leia maisADMINISTRAÇÃO I. Família Pai, mãe, filhos. Criar condições para a perpetuação da espécie
1 INTRODUÇÃO 1.1 ORGANIZAÇÃO E PROCESSOS A administração está diretamente ligada às organizações e aos processos existentes nas mesmas. Portanto, para a melhor compreensão da Administração e sua importância
Leia maisSumário. 1. Instalando a Chave de Proteção 3. 2. Novas características da versão 1.3.8 3. 3. Instalando o PhotoFacil Álbum 4
1 Sumário 1. Instalando a Chave de Proteção 3 2. Novas características da versão 1.3.8 3 3. Instalando o PhotoFacil Álbum 4 4. Executando o PhotoFacil Álbum 9 3.1. Verificação da Chave 9 3.1.1. Erro 0001-7
Leia maisTutorial 7 Fóruns no Moodle
Tutorial 7 Fóruns no Moodle O Fórum é uma atividade do Moodle que permite uma comunicação assíncrona entre os participantes de uma comunidade virtual. A comunicação assíncrona estabelecida em fóruns acontece
Leia maisMATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução
MATEMÁTICA A - 12o Ano Probabilidades - Triângulo de Pascal Propostas de resolução Exercícios de exames e testes intermédios 1. A linha do triângulo de Pascal em que a soma dos dois primeiros elementos
Leia maisDescrição do Produto. Altus S. A. 1
Descrição do Produto O software MasterTool IEC é um ambiente completo de desenvolvimento de aplicações para os controladores programáveis da Série Duo. Esta ferramenta permite a programação e a configuração
Leia maisNotas de Cálculo Numérico
Notas de Cálculo Numérico Túlio Carvalho 6 de novembro de 2002 2 Cálculo Numérico Capítulo 1 Elementos sobre erros numéricos Neste primeiro capítulo, vamos falar de uma limitação importante do cálculo
Leia maisOFICINA DE POWER POINT
OFICINA DE POWER POINT Barra de Ferramentas Padrão Barra de Ferramentas Formatação Barra de Menus Modos de Visualização Painéis de Tarefas Barra de Ferramentas Desenho Profª. Maria Adelina Raupp Sganzerla
Leia maiswww.iepes.com.br SPSS for Windows Conceitos Básicos Prof. Estevam Martins stvm@uol.com.br
SPSS for Windows Conceitos Básicos Prof. Estevam Martins stvm@uol.com.br "Sou artista suficientemente para desenhar livremente com minha imaginação. A imaginação é mais importante que o conhecimento. O
Leia maisAuditoria Financeira
Auditoria Financeira Processo de Uso da Auditoria Financeira CADASTRO DE EMPRESA PARÂMETROS No Gerenciador de Sistemas, em Empresas\ Cadastro de Empresas, é necessário parametrizar os dados para a Auditoria
Leia maisTecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4
Tecnologia da Informação Prof. Mário Henrique de Souza Pardo Resumo Aula 4 1 MS-Excel Aplicando funções às suas fórmulas de Excel (continuação) Serão vistas, nesta aula as funções de busca e referência
Leia mais