Chave para escolha de testes estatísticos com uma ou duas variáveis
|
|
- Sabina Camelo Castilho
- 7 Há anos
- Visualizações:
Transcrição
1 Chave para escolha de testes estatísticos com uma ou duas variáveis Atenção, após a escolha do teste, é importante a leitura do capítulo correspondente de um livro de estatística, um site da internet, do manual do software que você usa, ou a consulta a uma pessoa com experiência na análise. Algumas explicações e receitas são apresentadas após as tabelas, mas há detalhes importantes que não puderam ser tratados aqui. Há vários sites na internet que podem ajudar (e.g. É fortemente recomendado que se verifique com um exercício resolvido do teste escolhido em um livro ou site se você está realizando corretamente o teste antes de utilizá-lo com seus dados. Tabela 1: Testes com uma variável (propriedade) Valores binários têm freqüências compatíveis com freqüências esperadas? Valores categóricos têm freqüências compatíveis com freqüências esperadas? Um valor ou um conjunto de valores quantitativos são compatíveis com valores pré-determinados de média e desvio padrão em contexto de distribuição normal? Um conjunto de valores quantitativos é compatível com uma média prédeterminada com desvio padrão indeterminado em contexto de distribuição normal? A distribuição observada de uma variável com medidas quantitativas é compatível com distribuições teóricas esperadas? Binomial exato; teste z por aproximação (a) Qui2 ou teste g (b) Teste z (c) Teste t para uma amostra (d) Kolmogorov Smirnov (KS); Shapiro-Whikes (e) Tabela 2: Testes com duas variáveis (propriedades) pareadas A diferença entre valores quantitativos pareados tem distribuição que pode ser considerada normal. Diferença entre dados ordinais pareados ou entre dados quantitativos pareados com distribuição das diferenças sem normalidade. Diferença entre dados binários (+, -) pareados ou diferença entre dados ordinais ou quantitativos pareados representada por [+, - ou zero]. teste t pareado (duas variáveis pareadas) = teste t para uma amostra com as diferenças. (g) teste Wilkoxon Pareado (duas variáveis). (h) Sign test (duas variáveis)=(teste de prop. simples. 1 var. dif.). (i) Tabela 3: Testes com duas variáveis (propriedades) não pareadas V. dep Binário (Categ. de 2) V. ind. Teste de 2 prop., Binário T. Exato de (cat. de 2) Fisher ou T.C. (j) Tabela de Categórico Contingência (k) Ordinal Quantitativo Mann- Whitney; Cochrans TLT (l 2 ) Regressão Logística (r) *Ver explicação abaixo no texto da tabela 3. Categórico Tabela de Contingência (TC) (k) Tabela de Contingência (k) Dicotomizar VI ou VD e usar teste apropriado (Max. Balanço) (p) Dicotomizar VI ou VD (Max. Balanço) (p) Ordinal ou Quantitativo Situação I* Mann- Whitney 2S_KS(l 1 ) Kruskal-Wallis ou Friedman (n) Correlação de Postos (q)/ RNL Correlação de Postos (q)/ RNL Quantitativo Situação II* Teste t (de 2 grupos) (m) Análise de Variância (o) Correlação de Postos (q)/ RNL Pearson/ Regressão Linear (s) 1
2 Tabela 4: Testes com 1 Variável dependente e 2 variáveis independentes Y (v. dep.) X1 (VI1) X2 (VI2) Teste Categórico Categórico Categórico Tabela de Contingência de 3 vias (t) Binário Quantitativo Quantitativo/ Binário Regressão logística múltipla (u) Quantitativo Categórico Categórico Análise de Variância de 2 Vias (v) Quantitativo Quantitativo Binário ANCOVA (w) Quantitativo Quantitativo Quantitativo Regressão Múltipla (x) Tabela 1- Testes com uma única variável. Os citados aqui são testes de aderência ( goodness of fit ) em que verificamos a compatibilidade de um valor ou de uma amostra com proporções, valores ou modelos previamente estabelecidos. Exemplos: a razão sexual está dentro do esperado (50%)? As freqüências observadas de tons de vermelho em rosas estão dentro da razão esperada de alelos pela segunda a lei de Mendel (9:3:3:1)? Este crânio fóssil único é significativamente maior que as medidas de vários crânios de outra localidade? Estas medidas de mercúrio estão significativamente maiores do que a média recomendada pelo governo? A distribuição de freqüências de tamanhos de peixes se ajusta a uma distribuição normal? Estes testes são geralmente denominados testes de uma amostra, mas a denominação testes com uma única variável é mais apropriada na abordagem EPR (Entidade- Propriedade-Relação) adotada neste curso. (OBS- estes testes geralmente não pedem gráficos, mas, se necessário, destas situações podem ser representadas conforme as seções I e II da apostila de gráficos.) a) Variável binária. Considere esta situação: Fulano disse que tem uma técnica para distinguir machos de fêmeas de pintinhos com 2 meses, o que é importante para granjas. De 20 pintinhos ele acertou 16 com a técnica, mas esta proporção de acertos é significativamente maior que 50% (acaso)? Temos um problema de proporção que é resolvido no Mystat12 assim: [Analyze/ Hip. Test/ Prop./ Single Proportion/ Number of trials=20; Number of successes=16; Proportion=0.5; Alternative type: greater than]. Explicando: é proporção simples ( single proportion ) porque estamos comparando uma proporção obtida com uma esperada; o número de casos total ( number of cases ) é 20; o número de casos favoráveis (number of successes) é 16 e a chance unitária de sucesso ( chance de acertar o sexo chutando =0.5- Proportion ). A pergunta é unicaudal porque você quer saber se ele acerta mais que 50% e não diferente de 50% (alternative type). Entretanto, se você precisar de uma taxa de acerto igual ou superior a 75%, para valer a pena descartar os filhotes machos, mude Proportion para O resultado no Mystat12 é apresentado com testes Binomiais Exatos ou testes Z. Com tamanhos amostrais pequenos (N<30), o Mystat12 fará o teste Binomial Exato que é o melhor neste caso. Em tamanhos amostrais maiores, este teste não era feito porque era demorado e trabalhoso no passado (sem computadores) e adotava-se aproximações da curva normal (aparentemente isto foi mantido por tradição). Em tamanhos amostrais médios (30 a 100), opte pela probabilidade apresentada em Normal Aproximation e em tamanhos amostrais grandes (>100), opte por Large sample test. 2
3 b) O teste de Qui2 de uma via com três ou mais categorias no Mystat12 pode ser feito apenas se a hipótese nula tiver proporções homogêneas (e.g. 25% em cada uma de 4 categorias): [Analyze/ One way freq. tab.] Se as proporções não forem homogêneas (e.g. a proporção 9:3:3:1 da 2ª lei de Mendel), o mais prático é se fazer o teste online disponível em alguns sites (e.g. tml- Acessado em 2009). Neste site entre proporções esperadas em Expected proportions assim: 9/16; 3/16, etc. e as observadas em Observed Frequency e depois pressione calculate. Se não estiver online, use o arquivo que está no pacote estatístico em Programas/ Testes no Excel/ A1_Qui2_Prop_ hetero.xls. Copie o arquivo com outro nome e modifique o exemplo com os seus dados. O teste G é uma alternativa ao Qui2 recomendada em alguns livros, mas não é muito diferente, de forma que não a abordaremos. Este teste não admite hipóteses unicaudais. c) Utilizamos o teste Z: a) quando queremos verificar se um valor está significativamente diferente (bicaudal) ou maior ou menor (unicaudal) que o esperado para uma variável que apresenta distribuição normal, tendo uma média e um desvio padrão pré-determinados; b) quando queremos verificar se um conjunto de valores está significativamente diferente (bicaudal) ou maior ou menor (unicaudal) que o esperado para uma variável que apresenta distribuição normal, tendo uma média e um desvio padrão pré-determinados. Vamos começar com um exemplo da primeira situação: Você suspeita estar com uma taxa alta de glicose no sangue, faz um exame e obtém o valor 95mg/dl. A taxa normal de glicose no sangue é de 85±15 mg/dl em jejum de 8 horas. Você verifica se este valor está significativamente maior que o esperado no Excel pela fórmula: [=DIST.NORMP(PADRONIZAR(X,M,DP)] (unicaudal inferior) ou [=DIST.NORMP(-PADRONIZAR (X,M,DP)] (unicaudal superior) onde X é a o valor, M é a média e DP é o Desvio Padrão. No exemplo teríamos [=DIST.NORMP(-PADRONIZAR(95,85,15)]. Note que se trata de um teste unicaudal superior, pois queríamos saber se o valor obtido é significativamente maior que o padrão, daí a necessidade do sinal - antes de PADRONIZAR. Se a Hipótese for bicaudal, utiliza-se a fórmula [2*(1-DIST.NORMP(ABS(PADRONIZAR(X,M,DP)))]. Outra situação que pede o teste Z é quando temos vários valores para comparar com uma média e desvio padrão pré-determinados, por exemplo, se verificarmos um conjunto de valores de taxas de glicose de várias pessoas para saber se esta população está com glicose acima do normal. Neste caso, é mais simples entrar os dados no MYSTAT12 em uma coluna com o nome da variável (e.g. cglicose), entrar em [Analyse/ Hypotesis Testing/ Mean/ one sample z test], e entrar a média e desvio padrão pré-determinados. Se você estiver apenas com valores de média, desvio padrão e número de medidas de uma amostra (por exemplo, se estiver analisando dados secundários de outro trabalho), pode usar a Tabela Excel do pacote estatístico Programas [Testes no Excel/ A2_Teste Z_1Var_7-11-1_.xls]. Salve uma cópia do arquivo e modifique o exemplo com os seus dados. 3
4 d) Quando estamos querendo verificar se um conjunto de valores está significativamente diferente do esperado (i.e. uma média pré-determinada), mas o desvio padrão da população está indeterminado, então utilizamos o teste t para uma variável. Por exemplo, você recebeu um relatório dos técnicos da SEMA com medidas de Oxigênio, coliformes fecais e ph da água de lagos de parques urbanos para verificar se estão dentro dos padrões exigido pela legislação estadual. Se você tem a base inteira de dados, você pode entrar no MYSTAT12 [Analyse/ Hypotesis testing/ Mean/ One sample t test] entrando uma variável por vez, seu valor limite (mínimo de oxigênio, máximo de coliformes fecais e ideal de ph) e realizar respectivamente testes unicaudais inferior, superior e bicaudal entrando os valores de referência. Se você recebeu apenas os dados de médias, desvios padrões (das amostras) e número de amostras, você poderá utilizar a Tabela Excel em Programas/ Testes no Excel/ A3_Teste t_1var_7-11-1_.xls. Salve uma cópia do arquivo e modifique o exemplo com os seus dados. e) Os testes t e z são aplicáveis para variáveis quantitativas em um contexto de variável com distribuição normal. Uma alternativa quando isto não ocorre é a utilização do teste de Kolmogorov Smirnov (KS). Este teste verifica se a distribuição de dados em uma amostra se ajusta a um modelo pré-definido (forma genérica) e a uma posição pré-definida (média). Uma das aplicações deste teste é justamente para se verificar se uma distribuição de dados se ajusta ou não à forma de uma distribuição normal*. Outra utilidade é se verificar se um conjunto de dados se ajusta ou não a outras distribuições (p.ex. Uniforme, Uniforme Discreta, Poisson, Lognormal, Exponencial, Logística). Uma terceira aplicação é como um análogo do teste Z. Admitindo-se que uma situação se ajusta a uma determinada distribuição não normal, é possível se avaliar se a média dos valores de uma população está diferente de um valor padrão. Por exemplo, além da distribuição normal, um dos modelos mais comuns em biologia é a distribuição Poisson, que é uma distribuição esperada quando temos medidas discretas (p. ex. número de galhas em folhas) de organismos com distribuição aleatória com poucos indivíduos na maioria das unidades amostrais e muitos indivíduos em algumas unidades. Imagine que a utilização de um agrotóxico seja recomendada apenas se o número médio de galhas for superior a duas galhas por folha. Para avaliar isto você recolhe 30 folhas aleatoriamente. Você pode aplicar o teste KS no MYSTAT12 entrando os valores em uma variável (p. ex. Ngalhas) e entrando em [Analyse/ Fitting distributions/ Discrete] com o valor 2 para média. Se análises anteriores indicaram que o teste de Poisson descreve bem a distribuição dos dados nesta situação, então um resultado significativo de KS indica uma diferença de média. O MYSTAT12 fornece um gráfico com o teste; é essencial se realizar também uma análise gráfica, para ver o que exatamente mudou: forma, média ou ambos. Testes análogos podem ser realizados para outras distribuições no menu fitting distributions, entretanto, pode ser importante uma consulta a um estatístico se você não entende muito de distribuições. (*Obshá outras opções populares para verificação da normalidade como os testes Shapiro-Wilkes e Anderson Darling.) Tabela 2. Testes com uma variável calculada a partir de duas medidas da mesma entidade com desenho amostral pareado. g) Suponha a questão: há mais baratas silvestres de dias do que de noite em cada metro quadrado de serrapilheira na floresta? Se a avaliação se baseia em amostras não pareadas, temos uma análise para verificar se a variável número de baratas está relacionada à variável dia/noite, cada metro quadrado é uma unidade amostral (entidade). Na análise pareada, a unidade amostral é o par e as propriedades são os níveis da variável independente implícita. Neste exemplo as variáveis são o número de baratas de dia e o número de baratas de noite (a variável independente implícita é o período dia/noite e a dependente implícita é o número de baratas). A análise se baseia na diferença entre dia e noite. O teste t pareado é paramétrico e tem a premissa de normalidade, que precisa ser verificada. Crie uma outra variável: diferença diaxnoite para avaliar se há normalidade [DATA/ Transform/ Let/ Dif=V2-V1] para verificar esta premissa [Graph/ Dot density/ Dif X variable]. Se a distribuição for muito fora da normalidade, use o teste de Wilkoxon (G), do contrário utilize um teste t 4
5 pareado. No Mystat12: Analyze/ Hip Test/ Mean/ Paired T test (se utilizar os dados das variáveis com as medidas de cada situação por par) ou Analyze/ Hip test./ mean/ One sample T test (se utilizar as diferenças). (Obs. Os gráficos para esta situação estão representados na seção VII da apostila de gráficos.) h) No Mystat12: Analyze/ Non Parametric tests/ Wilkoxon. (Lembre planilha com entidade=par e as propriedades são os níveis da variável independente implícita). Trata-se de um teste que ranqueia os resíduos (positivos e negativos) totais e testa se a diferença das posições é significativamente diferente de zero (duas caudas). (Obs. Os gráficos para esta situação estão representados na seção VII da apostila de gráficos.) i) Este teste é aplicável especialmente para casos de variáveis binárias pareadas. Ele pode ser aplicado para variáveis quantitativas, e o programa vai considerar as diferenças. No Mystat: Analyze/ Non Parametric Test/ Sign (lembre, entidade=par). Se você ainda não tiver os dados entrados na planilha, o mais fácil é contar os sinais + e e ir para o teste Binomial (= teste de 1 proporção) Mystat12: Analyze/ Hyp Test./ Propor/ Simple Prop. e entrar opção aggregate ; N em number of trials ; o número de positivos em successes P=0.05; e a alternativa se será unicaudal ou bicaudal. (Obs. Os gráficos para esta situação estão representados na seção III da apostila de gráficos, mas sem representação da relação pareada.) Tabela 3. São os testes mais utilizados, pois medem a relação entre duas propriedades com desenho amostral não pareado. Legenda complementar à tabela 3: Quantitativo Situação I: a) número de níveis >= 3 e <= 6, ou b) forte desvio da normalidade na freqüência de Y para cada nível de X, ou c) forte desvio de homogeneidade de variâncias de Y em cada nível de X (exceto X Binário). Realizar a estatística nãoparamétrica desta coluna ou transformar os dados (ver obs. abaixo). Quantitativo Situação II: a) número de níveis superior a 10 e b) normalidade na freqüência de Y em todos os níveis de X c) Homogeneidade de Variâncias de Y em cada nível de X (exceto X Binário). Realizar estatística paramétrica desta coluna. Situações intermediárias: Em situações intermediárias, dependerá do pesquisador assumir uma postura mais conservadora (escolhendo situação I) ou levemente ousada (escolhendo situação II). O número de níveis é a quantidade de valores diferentes efetivamente medidos e.g. 10; 10,5; 10,5 e 11 são 3 níveis. O teste t tem a opção de cálculo com e sem homogeneidade de variâncias. Pode-se assumir a premissa de normalidade com base em conhecimento preliminar seguro sobre a natureza de Y ou utilizar testes de normalidade (e.g. Shapiro- Wilkes) em cada nível, neste caso, o teste só é confiável com n>15 para cada nível; Um tamanho amostral recomendado para teste de regressão/pearson é n>30 (desde que não haja um desvio forte do balanço); Alguns autores consideram que estes tamanhos amostrais são conservadores. No caso de variável dependente Y ter distribuição não normal em cada nível de X ou heterogeneidade de variância entre níveis, pode-se tentar uma transformação dos dados [log (Y+1), Raiz quadrada de (Y+0,5) ou Arcoseno Y] para tentar se obter a normalidade e homogeneidade de variância. A transformação dos dados, se necessária, é recomendada porque os testes paramétricos fornecem uma descrição matemática da relação, a estatística não paramétrica apenas testa a existência da relação. j) Quando há uma variável independente e uma dependente, o teste mais poderoso é o de duas proporções. Por exemplo, verificar se há uma relação entre o sexo do estudante (VI) e se ele sabe nadar (VD) com 20 meninos que sabem e 10 que não sabem e 9 meninas que sabem e 22 que não sabem. No Mystat12: [Analyze/ Hypotesis testing/ Proportions/ Equality of two proportions]. Em sample1 entre em number of trials o total do primeiro nível da variável independente (30 meninos) e em number of Successes entre o número de ocorrências do primeiro nível da dependente (20 5
6 meninos) e em sample2 entre o total do segundo nível da variável independente (31 meninas) e entre em number of Successes o número de ocorrências do primeiro nível da dependente (9 meninas). Se o teste for uma relação sem variáveis independente e dependente (e.g. V1= afinidade por matemática [sim ou não] e V2= afinidade por ciências [sim ou não]), o teste mais poderoso é o Teste Exato de Fisher e é errado se utilizar o teste de duas proporções. No Mystat12: [Analyze/ Tables/ Two way/ Measures/ Fisher Exact Test]. Nos dois testes é apresentada a probabilidade do teste bicaudal (PB). Para se obter a probabilididade do teste unicaudal (PU) nestes dois testes, divide-se a PB por 2 se a tendência vai na direção de rejeição de H 0, do contrário PI= 1-(PB/2). Tabelas de contingência também podem ser utilizadas, mas são menos exatas, especialmente para tamanhos amostrais pequenos. (Obs. Os gráficos para esta situação estão representados na seção III da apostila de gráficos.) k) As Tabelas de Contingência (TC) (no Mystat12: [Analyze/ Tables/ Two way/ uma variável vai em row variable e a outra em column variable ]) devem ser utilizadas com muito cuidado. Freqüentemente são utilizadas sem independência real das unidades amostrais, o que é inapropriado. Quanto mais células na Tabela de Contingência, mais fraco é o teste, de forma que é recomendado que se agrupe categorias em X e/ou em Y (se chegar a 2x2 mudar para opção de testes a descritos acima). Se a freqüência em alguma célula for inferior a 5, então deve-se realizar uma correção de Yates (aba measures, opção Yates corrected chi square). (Obs. Os gráficos para esta situação estão representados na seção III da apostila de gráficos.) l) O teste Mann-Whitney (MW) pode ser utilizado com variável independente binária e dependente categórica (l 1 ) ou o oposto (l 2 ). A variável binária é denominada grouping variable e a quantitativa selected variable. O teste MW no Mystat12 está em [Analyse/ Non Parametric tests, Kruskal], o programa automaticamente fará este teste o ao detectar que a grouping variable é binária. Quando você está na dúvida se vai utilizar o Teste t ou o Mann-Whitney, realize o primeiro no Mystat12, pois quando o programa realiza o Teste t, ele mostra automaticamente um gráfico que ajuda a verificar qualitativamente a normalidade e a homogeneidade das variâncias. Este teste não é recomendado caso haja um forte desbalanço entre os níveis da variável independente, ou distribuições bem diferentes em uma situação com alta proporção de nós (empates, ties ). Neste caso, é recomendável utilizar um teste de permuta (não abordado neste curso- consulte um estatístico). O Cochrans Test For Linear Trend é um teste alternativo para a mesma situação. Está em Analyze/ Tables/ Two-Way/ entra x e y/ Marca aba Measures/ marca Cochrans test for Linear Trend. Outro teste aplicável na situação l 1 é o teste Kolmogorov-Smirnov para 2 amostras. Este teste é apropriado quando queremos comparar diferença de distribuição entre duas amostras e está em Analyse/ Non parametric tests/ 2 sample KS (Obs. Os gráficos para esta situação estão representados na seção IV da apostila de gráficos. Os gráficos de l 1 diferem de l 2 ) m) O Teste t no Mystat12 está em [Analyze, Hypothesis testing, mean, two sample t test]. Ao realizar o teste, um gráfico é mostrado, verifique se o número de níveis e a normalidade são apropriados para um teste paramétrico. Se não estiverem, considere a possibilidade de transformar os dados (ver seção 3.5 da apostila texto) e repita o teste com a nova variável. A homogeneidade de variâncias não é obrigatória para este teste. Foi criada uma opção de variâncias separadas (a primeira probabilidade no output dos resultados) para lidar com esta situação. Como esta opção serve até para quando as variâncias são iguais, o recomendado é que ela seja utilizada sempre. Provavelmente os programas de estatística mantêm a opção de variâncias agrupadas apenas por uma questão de tradição. O Teste t admite hipóteses unicaudais (opção alternative types ). Se o teste for bicaudal e as variâncias forem agrupadas, o resultado será o mesmo de uma Análise de Variância. (Obs. Os gráficos para esta situação estão representados na seção IV da apostila de gráficos.) 6
7 n) Há duas situações nesta condição. Se houver independência entre as unidades amostrais, utilizamos o teste de Kruscal-Walis; mas se houver um desenho em blocos com independência entre os níveis da variável independente implícita (ou repeated factor - ver apostila teórica) utilizamos o teste de Friedman. Para o teste KW no Mystat12: [Analyze, Non Parametric tests, Kruskal] informe a variável dependente em Selected variable, a variável independente em grouping variable. Detectada uma diferença estatisticamente significativa, pode se utilizar múltiplos testes Mann Whitney para o contraste (teste das diferenças entre níveis) de forma semelhante ao que se faz com o Teste Tukey em ANOVA. (Obs. Os gráficos para esta situação estão representados na seção IV da apostila de gráficos.) Para o teste de Friedman no Mystat12: [Analyze, Non Parametric tests, Friedman], há dois caminhos. Se você tem os dados em EPR que tem como entidade cada medida dentro de um bloco, informe as variáveis variável dependente em Selected variable, a variável independente em grouping variable e a variável que identifica os blocos em blocking variable. O segundo caminho é ter uma planilha EPR com o bloco como entidade e cada nível da variável independente implícita como uma variável. Neste caso, deve se entrar estas variáveis como dependente variable e nada na variável independente. Uma alternativa ao Friedman é o teste Quade [Analyze, Non Parametric tests, Quade] veja o Help do Mystat12 para mais informações. Friedman e Quade são análogos não paramétricos da Anova com medidas repetidas. (Obs. Os gráficos para esta situação estão representados na seção VII da apostila de gráficos.) o) Há duas situações nesta condição. Se houver um desenho de independência entre as unidades amostrais (ausência de blocos), utilizamos o teste de ANOVA de uma via ; mas se houver um desenho em blocos (com uma segunda variável independente identificando blocos, ver apostila teórica), utilizamos o teste de ANOVA de medidas repetidas. A versão mais simples deste teste é quando os níveis da variável independente implícita ( repeated factor ou within subject factor ) são independentes (também chamada de Anova de blocos randomizados). Se este não for o caso, deve-se consultar uma pessoa que tenha afinidade com o teste para se obter ajuda. Para ANOVA de uma via no Mystat12: [Analyze, Analisys of Variance, Estimate Model]. Como qualquer teste com variável independente categórica, quanto maior o número de níveis mais fraco será o seu poder. Após a ANOVA, geralmente há o interesse de se determinar quais as diferenças entre grupos (níveis de da variável independente) que são significativas. Este teste chama-se contraste e é realizado pelo teste Tukey ou equivalente (Analyze, Analisys of Variance, Pairwise comparisons- esta opção não está disponível no Mystat12, só no Systat12, e neste só se abre após ter-se realizado o teste). Devido à falta da análise de contrastes no Mystat12, há duas opções para realizá-los a) transportar os dados para a planilha Excel Teste ANOVA_Tukey_8-6.XLS do pacote de programas (melhor salvar a planilha com outro nome para manter a original para outros testes), ou b) transportar os dados para o programa Stats4U disponível no pacote de programas do curso ou por um download atualizado em (Obs. Os gráficos para esta situação estão representados na seção IV da apostila de gráficos.) Embora o uso de um segundo programa seja um inconveniente, este programa é mais simples, didático e completo para ANOVA que o Mystat12. Para quem vai trabalhar realmente com problemas com ANOVA, o investimento compensa. A entrada de dados no Stats4U, seja direta ou por transferência de dados, é um pouco chata. A entrada direta é muito ruim, é melhor entrar em Excel ou em Mystat e salvar em Comma Separated (CSV) para importar neste formato ( import comma file ). Os fatores (variáveis independentes ou variáveis de blocos) precisam estar na forma de números inteiros. Após importar, entre em [variables/ Define] e coloque decimals=0 para os fatores, depois vá para [Edit/ Format Grid values], depois volte para [Variables/ Define] e mude Type=1 para os fatores, e depois 7
8 para [Edit/ Format grid values]. Para fazer a ANOVA vá para [Analyses/ Analyses of variance/ one, two or three way ANOVA]. Se preferir no Mystat12: [Analyze, Analisys of Variance, Estimate Model], informe as diferentes medidas todas em dependent variable(s), entre na aba repeated measures e coloque a para name, o número de níveis por bloco em levels e 1,2,3...(conforme o número de níveis) em metric (estas opções são válidas nas situações mais simples, ver help para situações mais complexas). O desenho em blocos é uma abordagem mais poderosa e segura de avaliar uma variável independente que a ANOVA de uma via. Normalmente não há interesse na diferença entre os blocos, ele apenas permite um controle melhor de variáveis de risco, por isto incluo esta análise nesta seção e não em ANOVA de dois fatores como tradicionalmente é feito. Este teste é equivalente ao teste t pareado, mas há mais que duas medidas para cada bloco. Como no teste t pareado, a entidade é o bloco e as propriedades são as diferentes medidas em cada bloco. Se você achou isto complicado, pode fazer a análise no Stats4U, que é bem mais simples e já dá as opções de contraste. Para fazer a ANOVA vá para [Analyses/ Analyses of variance/ Treatment by subject], as opções de contraste são diretas. (Obs. Os gráficos para esta situação estão representados na seção VII da apostila de gráficos.) Caso a seqüência das medidas em cada bloco não seja aleatória e haja alguma variável potencial de risco ligada a esta seqüência, então é necessária uma análise de circularidade. Consulte um texto sobre Anova de medidas repetidas ou split plot ANOVA para verificar como isto é feito (e.g. SplitplotANOVA_p420w13.pdf do pacote de textos). p) Existem técnicas avançadas que permitem realizar testes nestas condições, como a regressão Poison. Entretanto, elas requerem certas premissas, e geralmente é mais fácil dicotomizar uma ou ambas variáveis e usar um teste apropriado (conforme outras opções desta mesma tabela). A escolha depende do caso. Se a variável categórica Y pode ser reduzida a duas categorias, teríamos Mann Whitney para X ordinal e Regressão Logística para X Quantitativo. Se não puder, então a variável X poderia ser dicotomizada, o que resultaria em Tabela de contingência. Dar preferência à fusão que leve à menor diferença de número de casos entre os níveis da variável independente (melhor balanço). (Obs. Os gráficos para esta situação estão representados na seção VI da apostila de gráficos.) q) Relações não paramétricas monotônicas e regressão não linear. Em caso de variáveis dependentes e independentes ordinais ou se a análise de resíduos indicar uma relação não linear, então a forma de agir dependerá do problema: a) se o objetivo for apenas saber se há uma relação com previsão de aumento ou redução monotônicos (sem reversão de tendência), pode se utilizar o teste não paramétrico correlação de Spearman ou de Kendall. No Mystat12: Analyze/ Tables/ Two Ways/ entre X e Y/ na aba measures marque Spearman e Kendall. São muito semelhantes, uma opção é escolher o mais conservador dos dois.; b) se o objetivo inclui uma descrição da relação comparado a um modelo a priori, então ajustamos os dados a este modelo e verificamos se ele é significativamente superior a uma regressão. É interessante se verificar a existência de modelos flexíveis associados ao tipo de problema em estudo (e.g. curva de Brisbin, 1986 para crescimento). Pode-se basear na forma dos dados com uma curva com Smooth=LOWESS no gráfico Scatterplot. A partir de um modelo matemático (e.g. Y= a+b*x+c*x^2), pode se determinar os coeficientes pela função NONLIN do Mystat12: Analyze/ Regression/ Nonlinear/Loss e entrar o modelo trocando Y e X pelos nomes das variáveis (a menos que tenha muita segurança, é bom fazer isto junto com alguém experiente nas primeiras vezes); c) se não temos modelos a priori, podemos ajustar regressões polinomiais aumentando seus índices enquanto os resultados indicarem uma melhora significativa (Zar, 1984). Se se espera uma relação polinomial complexa, então é importante uma coleta de dados que maximize o número de níveis na variável independente. (Os procedimentos descritos aqui são relativamente complexos. Foram apresentados para se ter uma idéia do que se faz nesta situação, mas não serão 8
9 abordados neste curso introdutório.). (Obs. Os gráficos para esta situação estão representados na seção VI da apostila de gráficos.) r) A regressão logística no Mystat12 exige Y numérico. Se esta variável estiver na planilha como categórica ( string ), como sexo$= "m" ou "f", então deve se criar uma variável binária numérica correspondente, (e.g. if sexo$="m" then let M1F2= 1- e o mesmo para fêmeas). [Analyze, Regression, Logit]. (Obs. Os gráficos para esta situação estão representados na seção VI da apostila de gráficos.) s) Regressões/Correlações Lineares. A regressão linear [Analyze, Regression, Least Squares] e a correlação de Pearson [Analyze, Correlation, Simple, Pearson, Option Probabilities] apresentam o mesmo resultado (P calculado). O nome do teste para verificar uma relação linear entre duas variáveis contínuas é uma questão que gera confusão. Muitos livros dividem Correlação e Regressão em dois capítulos e os autores dizem que a primeira refere-se a um estudo de associação e a segunda ao estudo de causalidade. Entretanto, a questão da causalidade está na jurisdição do desenho amostral, não da análise de dados. Sokal & Rohlf (1988: pag. 564) explicam a questão mais profundamente. A medida de Correlação de Pearson descreve o quanto é forte a associação entre duas variáveis (seja devido a uma relação causal entre as duas ou devido a uma terceira). A relação linear (reta) é um calculo de coeficientes para passar uma reta. Este cálculo da reta pode ser de dois tipos. 1) Se tivermos uma variável independente com valores fixos e exatos, como normalmente ocorre em um experimento, então verificamos se a Regressão Linear (reta) simples ou Modelo I calculada pelo método dos mínimos quadrados é significativa e se os resíduos estão distribuídos de forma apropriada. Se estiver, verificamos P e acabou (não represente uma reta em um gráfico se P>α). Se os resíduos não estiverem OK, conforme a situação, transformamos os dados (para obter normalidade e homocedasticidade) ou utilizamos uma regressão não linear (curva). Uma regressão curvilinear pode ser obtida da forma descrita no item g. Aqui podemos comparar estatisticamente se a relação curvilinear é significativa melhora significativamente o modelo em relação a uma regressão linear simples. Para isto, crie a variável XQuad (XQuad=X^2) e entre ela em regressão linear de mínimos quadrados com a fórmula do item g. 2). Se tivermos uma variável independente com valores aleatórios e/ou inexatos, então precisamos de uma Regressão Modelo II para determinar coeficientes mais apropriados de uma relação linear (reta). Há diferentes modelos, conforme o caso (aqui o assunto é ainda mais polêmico). Um modelo flexível é o Reduced Major Axis Regression que dá os coeficientes em [Analyse/Nonlinear/Loss] com a fórmula (Y-(a+b*X))^2/ABS(b) na caixa Expression (substitua X e Y pelas variáveis independente e dependente). (Obs. Os gráficos para esta situação estão representados na seção V da apostila de gráficos.) Tabela 4. A inclusão de duas variáveis em um estudo experimental possibilita a avaliação de interações entre variáveis independentes. Como vimos acima, a análise de uma única variável independente já envolve diversas premissas. A situação se complica com a segunda variável dependente. Continua valendo a normalidade e a homogeneidade de variâncias. Adicionalmente, é necessário que haja independência entre as variáveis independentes. É fácil realizar estes testes, e ai mora o perigo. No caso de ANOVA de duas vias com duas variáveis fixas não há problema, mesmo se houver desbalanço. Entretanto, se uma ou ambas variáveis tiverem níveis ao acaso e houver desbalanço, então é necessário um cuidado especial no cálculo de F. O programa OpenStat me parece o melhor para fazer isto, mas encontrei diferenças nos valores calculados com o MYSTAT12, e não descobri ainda a razão destas diferenças. t) A tabela de contingência de três vias no Mystat12 está em Analyze/ Tables/ Multiway u) A regressão múltipla está em Analyze/ Regression/ Logit/ Model v) A ANOVA de duas vias está em Analyze/ ANOVA/ com X1 e X2 em factor w) A ANCOVA de duas vias está em Analyze/ ANOVA/ com a X1 quantitativo em covariate e X2 categórico em factor. x) A ANOVA de duas vias está em Analyze/ ANOVA/ com X1 e X2 em covariate. 9
Chaves e Guias de uso para testes e gráficos básicos
Chaves e Guias de uso para testes e gráficos básicos Testes e gráficos são ferramentas de análise complementares no estabelecimento e descrição de relações. Uma tendência pode parecer significativa em
Leia maisVariância pop. * conhecida Teste t Paramétrico Quantitativa Distribuição normal Wilcoxon (teste dos sinais, Wilcoxon p/ 1 amostra)
Testes de Tendência Central (média, mediana, proporção) Classificação Variável 1 Variável 2 Núm ero Gru pos Dependência Teste Z Paramétrico Quantitativa - 1 - Premissas Variância pop. * conhecida Teste
Leia maisConceitos centrais em análise de dados
Conceitos centrais em análise de dados Conceitos básicos em Estatística Estatística Ciência que tem por objetivo orientar a coleta, o resumo, a apresentação, a análise e a interpretação dos dados. Divide-se
Leia maisPOPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA TIPOS DE VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS CLASSIFICAÇÃO DAS VARIÁVEIS 1) TIPOS DE VARIÁVEIS
POPULAÇÃO X AMOSTRA INTRODUÇÃO À BIOESTATÍSTICA População (N) representa o conjunto de todas as unidades experimentais que apresentam características em comum Amostra (n) representa uma parte do todo.
Leia maisEscolha dos testes INTRODUÇÃO À BIOESTATÍSTICA QUANTIFICAÇÃO DOS GRUPOS DO ESTUDO PESQUISA INFERÊNCIA ESTATÍSTICA TESTE DE HIPÓTESES E
Escolha dos testes INTRODUÇÃO À BIOESTATÍSTICA Determinada a pergunta/ hipótese Recolhidos os dados Análise descritiva = Estatística descritiva QUAIS TESTES ESTATÍSTICOS DEVEM SER REALIZADOS?? PROFESSORA:
Leia maisProf. Dr. Alfredo J Rodrigues. Departamento de Cirurgia e Anatomia Faculdade de Medicina de Ribeirão Preto Universidade de São Paulo
Bioestatística Básica RCA 5804 1. Experimentos no qual o sujeito recebe + de 1 tratamento 2. Alternativas para teste T e Análise de Variância 3. Correlação Prof. Dr. Alfredo J Rodrigues Departamento de
Leia maisTestes de Hipóteses. : Existe efeito
Testes de Hipóteses Hipótese Estatística de teste Distribuição da estatística de teste Decisão H 0 : Não existe efeito vs. H 1 : Existe efeito Hipótese nula Hipótese alternativa Varia conforme a natureza
Leia maisEstatística Analítica
Teste de Hipótese Testes Estatísticos 2 Teste de Hipótese Testes Estatísticos 3 1 Teste de Hipótese Testes Estatísticos 4 Principais Testes: Teste Qui-quadrado Teste T de Student Teste ANOVA Teste de Correlação
Leia maisCapítulo 6 Estatística não-paramétrica
Capítulo 6 Estatística não-paramétrica Slide 1 Teste de ajustamento do Qui-quadrado Testes de independência e de homogeneidade do Qui-quadrado Testes dos sinais e de Wilcoxon Teste de Mann-Whitney Teste
Leia mais1 Que é Estatística?, 1. 2 Séries Estatísticas, 9. 3 Medidas Descritivas, 27
Prefácio, xiii 1 Que é Estatística?, 1 1.1 Introdução, 1 1.2 Desenvolvimento da estatística, 1 1.2.1 Estatística descritiva, 2 1.2.2 Estatística inferencial, 2 1.3 Sobre os softwares estatísticos, 2 1.4
Leia maisBioestat 5.0. Rafael de Oliveira Xavier. Lab. Ecologia e Conservação, Departamento de Botânica, UFSCar
Bioestat 5.0 Rafael de Oliveira Xavier Lab. Ecologia e Conservação, Departamento de Botânica, UFSCar O Bioestat é um programa criado em 1998 por José Márcio Ayres e colaboradores, com o apoio de vários
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisExame de Recorrência de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recorrência de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: 6/6/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste
Leia maisAnálise de Dados da Avaliação II
Interfaces Pessoa Máquina Análise de Dados da Avaliação II Cap. 11 Análise dos Dados de Avaliação 15 Melhor e Pior? Melhor e Pior? Melhor e Pior? Resumo Análise Estatística Amostra Variáveis (dependentes
Leia maisAjustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão.
Glossário Ajustar Técnica usada na análise dos dados para controlar ou considerar possíveis variáveis de confusão. Análise de co-variância: Procedimento estatístico utilizado para análise de dados que
Leia maisSummary of Comments on VQEB_tutorial_LC50_prob_stat_2011.pdf
1 2 3 4 5 Summary of Comments on VQEB_tutorial_LC50_prob_stat_2011.pdf Page: 1 Number: 1 Author: mrebelo Subject: Sticky Note Date: 27/03/11 14:19:35 Oi, seja bem vindo ao meu tutorial para calcular a
Leia maisCONSULTADORIA INFORMÁTICA, LDA. Análise Bivariada
CONSULTADORIA INFORMÁTICA, LDA. Análise Bivariada Testes Paramétricos Os procedimentos estatísticos e as conclusões são baseados na distribuição subjacente aos dados disponíveis em estudo. Fazem uso de
Leia maisIV.4 Análise de Dados da Avaliação IV AVALIAÇÃO IV.4 ANÁLISE DE DADOS DA AVALIAÇÃO. Interactive System Design, Cap. 10, William Newman. Melhor e Pior?
IV AVALIAÇÃO IV.4 ANÁLISE DE DADOS DA AVALIAÇÃO Interactive System Design, Cap. 10, William Newman 1 Melhor e Pior? 2 1 Resumo Aula Anterior o Testes com utilizadores o Fases do Teste o Análise dos dados
Leia maisIntrodução. Amostragem, amostra aleatória simples, tabela de números aleatórios, erros
Estatística Aplicada 2007/2008 Programa Introdução às probabilidades. Distribuições. Amostragem. Testes de hipóteses. Análise da variância. Estatística não-paramétrica. Testes de ajuste do qui-quadrado.
Leia mais1) Como vou comparar 3 grupos realizo uma Anova one way:
Gabarito aula anova e teste não-paramétrico: 1) Como vou comparar 3 grupos realizo uma Anova one way: One-way ANOVA: AREA versus VIRUS Analysis of Variance for AREA Source DF SS MS F P VIRUS 2 215,54 107,77
Leia maisMétodos Quantitativos Aplicados
Métodos Quantitativos Aplicados Aula 6 http://www.iseg.utl.pt/~vescaria/mqa/ Tópicos apresentação Análise de dados bivariada: os casos dos testes de proporções para duas amostras independentes e emparelhadas
Leia maisFalha(s) nas pressuposições da ANOVA
Falha(s) nas pressuposições da ANOVA Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 Na prática, é comum que uma ou mais hipóteses não se verifique. A mais comum é não existir homocedasticidade.
Leia maisIntrodução 5 PREFÁCIO 15
Introdução 5 ÍNDICE PREFÁCIO 15 INTRODUÇÃO 1. INICIAÇÃO AO SPSS 17 1.1. File 19 1.2. Edit 20 1.3. View 22 1.4. Data 22 1.5. Transform 24 1.5.1. Criar novas variáveis 24 1.5.2. Inversão da ordem das categorias
Leia maisTESTES NÃO-PARAMÉTRICOS
Les-0773: ESTATÍSTICA APLICADA III TESTES NÃO-PARAMÉTRICOS AULA 3 26/05/17 Prof a Lilian M. Lima Cunha Maio de 2017 Revisão... Teste dos Sinais A Comparar valores de medianas de uma amostra com um valor
Leia maisBioestatística. Paulo Nogueira quarta-feira, 11 de Janeiro de 2012
Bioestatística Paulo Nogueira quarta-feira, 11 de Janeiro de 2012 Bioestatística? Bioestatística Biologia + Estatística (Portmanteau) Biometria Estatística aplicada às ciências da saúde Para que serve
Leia maisAPONTAMENTOS DE SPSS
Instituto de Ciências Biomédicas de Abel Salazar APONTAMENTOS DE SPSS Rui Magalhães 2010-1 - - 2 - Menu DATA Opção SPLIT FILE Permite dividir, de uma forma virtual, o ficheiro em diferentes ficheiros com
Leia maisModelos Lineares Generalizados - Verificação do Ajuste do Modelo
Modelos Lineares Generalizados - Verificação do Ajuste do Modelo Erica Castilho Rodrigues 21 de Junho de 2013 3 Uma outra medida usada para verificar o ajuste do modelo. Essa estatística é dada por X
Leia maisTipos de variáveis. Nominais ü Sexo ü Populações ü Espécies Ordinais ü Classes de magnitude = Categorias ordinais
Tipos de variáveis Categóricas Nominais ü Sexo ü Populações ü Espécies Ordinais ü Classes de magnitude = Categorias ordinais Quantitativas Contínuas ü Comprimento (razão) ü Peso (razão) ü Taxa de mutação
Leia mais([DPHGH5HFRUUrQFLDGH0pWRGRV(VWDWtVWLFRV
Data: 09/07/2003 ([DPHGH5HFRUUrQFLDGH0pWRGRV(VWDWtVWLFRV Duração: 2 horas Nome: N.º: Curso: Regime: Número de folhas suplementares entregues pelo aluno: Declaro que desisto (VWDSURYDFRQVLVWHHPTXHVW}HVGHUHVSRVWDDEHUWDHDVUHVSHFWLYDVFRWDo}HVHQFRQWUDPVHQDWDEHODTXHVHVHJXH
Leia maisPROCESSOS ESTOCÁSTICOS
PROCESSOS ESTOCÁSTICOS PNV 2452 TRATAMENTO E ANÁLISE DE DADOS 2015 MOTIVAÇÃO PARA A ANÁLISE DE DADOS Data Summary Number of Data Points = 30000 Min Data Value = 0.00262 Max Data Value = 982 Sample Mean
Leia maisTestes não paramétricos são testes de hipóteses que não requerem pressupostos sobre a forma da distribuição subjacente aos dados.
TESTES NÃO PARAMÉTRICOS Testes não paramétricos são testes de hipóteses que não requerem pressupostos sobre a forma da distribuição subjacente aos dados. Bioestatística, 2007 15 Vantagens dos testes não
Leia maisIntrodução à análise estatística com SPSS. Guião nº6: Medidas de associação
Introdução à análise estatística com SPSS Guião nº6: Medidas de associação Experiência sobre volume plasmático e o peso em 13 homens saudáveis Os investigadores pretendem descobrir se as variáveis volume
Leia maisUniversidade de Brasília - Y Instituto de Psicologia. Programa de Pós-graduação em Psicologia Social, do Trabalho e das Organizações.
Universidade de Brasília - Y Instituto de Psicologia Programa de Pós-graduação em Psicologia Social, do Trabalho e das Organizações. ROTEIRO PARA REALIZAÇÃO DO TESTE t de COMPARAÇÃO ENTRE MÉDIAS, CORRELAÇÕES
Leia maisÍNDICE. Variáveis, Populações e Amostras. Estatística Descritiva PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 CAPÍTULO 2
COMO USAR ESTE LIVRO ÍNDICE PREFÁCIO 15 NOTA À 3ª EDIÇÃO 17 COMO USAR ESTE LIVRO? 21 CAPÍTULO 1 Variáveis, Populações e Amostras 1.1. VARIÁVEIS ESTATÍSTICAS E ESCALAS DE MEDIDA 27 1.2. POPULAÇÃO VS. AMOSTRA
Leia maisEstimação e Testes de Hipóteses
Estimação e Testes de Hipóteses 1 Estatísticas sticas e parâmetros Valores calculados por expressões matemáticas que resumem dados relativos a uma característica mensurável: Parâmetros: medidas numéricas
Leia maisCurso de Especialização em Fisioterapia Traumato-Ortopédica / 2010 NOÇÕES DE STICA
Curso de Especialização em Fisioterapia Traumato-Ortopédica / 2010 NOÇÕES DE BIOSTATÍSTICA STICA Prof a. Lilian Pinto da Silva Faculdade de Fisioterapia Universidade Federal de Juiz de Fora lilian.pinto@ufjf.edu.br
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese duas médias (casos 1,,3) Teste de hipótese: variância Aula de hoje Goodness of fit: v.a. discreta Goodness of fit: v.a. contínua
Leia maisBioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES. Prof. Dr. Alfredo J Rodrigues
Bioestatística Básica RCA 5804 COMPARANDO GRUPOS INDEPENDENTES Prof. Dr. Alfredo J Rodrigues Departamento de Cirurgia e Anatomia Faculdade de Medicina de Ribeirão Preto Universidade de São Paulo alfredo@fmrp.usp.br
Leia maisANÁLISE ESTATÍSTICA com o SPSS Statistics
João Marôco 5 a. Edição ANÁLISE ESTATÍSTICA com o SPSS Statistics ANÁLISE ESTATÍSTICA com o SPSS Statistics 5ª Edição JOÃO MARÔCO É proibida toda e qualquer reprodução desta obra por qualquer meio físico
Leia maisCaros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina.
Caros Alunos, segue a resolução das questões de Estatística aplicadas na prova para o cargo de Auditor Fiscal da Receita Municipal de Teresina. De forma geral, a prova manteve o padrão das questões da
Leia maisCURSO BÁSICO SPSS Rosangela A. B. Assumpção 2008
CURSO BÁSICO SPSS Rosangela A. B. Assumpção 2008 Observações: O objetivo desse material não é apresentar todas as opções disponíveis no SPSS, mas sim apresentar alguns comandos básicos mais utilizados
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisEspecialização em Engenharia de Processos e de Sistemas de Produção
Especialização em Engenharia de Processos e de Sistemas de Produção Projetos de Experimento e Confiabilidade de Sistemas da Produção Prof. Claudio Luis C. Frankenberg 3ª parte Conforme foi apresentado
Leia maisStela Adami Vayego DEST/UFPR
Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais, nem são
Leia maisi j i i Y X X X i j i i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisTeste de Hipótese. Comparação entre médias de dois grupos de dados 22/05/2009. Conteúdo. Valor de P. Tipos de Erro. Tipos de Erro
Conteúdo Teste de hipótese Erros tipo I e II Teste t de Student ANOVA Qui-quadrado Teste de Hipótese Hipótese de Pesquisa (H 1 ) Prediz a relação entre variáveis Diferenças entre grupos Não é testada estatisticamente
Leia maisModelos de Análise de Variância
Modelos de Análise de Variância Delineamento Completamente Aleatorizado: k tratamentos, r réplicas (balanceado) yi iid ~ N ; i i Normalidade Variância constante ( homocedasticidade ) Independência Análise
Leia maisTópicos em Gestão da Informação II
Tópicos em Gestão da Informação II Aula 04 Medidas de posição relativa Prof. Dalton Martins dmartins@gmail.com Gestão da Informação Faculdade de Informação e Comunicação Universidade Federal de Goiás Determinando
Leia maisStela Adami Vayego DEST/UFPR
Resumo 1 Testes de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisPor que testes não-paramétricos?
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Métodos Estatísticos Avançados em Epidemiologia Aula 3 Testes Não-Paramétricos: Wilcoxon Mann-Whitney Kruskal-Wallis
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisVerificando as pressuposições do modelo estatístico
Verificando as pressuposições do modelo estatístico Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar 1 As pressuposições do modelo estatístico: 1) os efeitos do modelo estatístico devem ser
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese: média Teste de hipótese duas médias (casos 1,,3) Aula de hoje Teste de hipótese: variância Goodness of fit: v.a. discreta Goodness
Leia maisINSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 EXAME: DATA 24 / 02 / NOME DO ALUNO:
INSTITUTO SUPERIOR DE CONTABILIDADE E ADMINISTRAÇÃO PORTO Ano lectivo 2009/20010 Estudos de Mercado EXAME: DATA 24 / 02 / 20010 NOME DO ALUNO: Nº INFORMÁTICO: TURMA: PÁG. 1_ PROFESSOR: ÉPOCA: Grupo I (10
Leia maisESTATÍSTICA INFERENCIAL. Prof. Dr. Guanis de Barros Vilela Junior
ESTATÍSTICA INFERENCIAL Prof. Dr. Guanis de Barros Vilela Junior As Hipóteses A Hipótese Nula (H 0 ) é, em geral, uma afirmação conservadora sobre uma situação da pesquisa. Por exemplo, se você quer testar
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia maisStela Adami Vayego Estatística II CE003/DEST/UFPR
Resumo 1 Teste de hipóteses não paramétricos Os métodos não-paramétricos fazem poucas suposições sobre a natureza das distribuições dos dados. Não exige que as distribuições nas populações sejam normais,
Leia maisAula de hoje. Associação e Proporções. Tabela 2x2 (valores esperados dados hipotéticos) Tabela 2x2 (valores esperados dados reais)
sedentarismo sedentarismo sedentarismo Aula de hoje Associação e Proporções Tabelas de Contingência Teste de c Teste de c Quando estamos comparando amostras cuja variável de interesse é qualitativa com
Leia mais(a) Teste e IC para Duas Variâncias. (b) Teste para médias. Duas Amostras de Teste T e IC
Exercício 1 Contexto: amostras independentes de populações normais (a) Teste e IC para Duas Variâncias Método Hipótese nula Variância(Primeiro) / Variância(Segundo) = 1 Hipótese alternativa Variância(Primeiro)
Leia maisTeste de hipóteses. Testes de Hipóteses. Valor de p ou P-valor. Lógica dos testes de hipótese. Valor de p 31/08/2016 VPS126
3/8/26 Teste de hipóteses Testes de Hipóteses VPS26 Ferramenta estatística para auxiliar no acúmulo de evidências sobre uma questão Média de glicemia de um grupo de animais é diferente do esperado? Qual
Leia mais1. Iniciação ao IBM-SPSS 22
Índice Prefácio 17 Introdução 1. Iniciação ao IBM-SPSS 22 1.1. Ficheiro de dados 22 1.2. Definição de variáveis e casos 22 1.3. Análise estatística 27 1.4. Gráficos 28 1.5. Ajudas 29 1.6. Junção de informação
Leia maisO teste qui-quadrado. A variável teste é: χ E. Os testes. Hipóteses e Cálculo H 0 : As variáveis são independentes H 1 : As variáveis são dependentes
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste Qui-Quadrado O teste exato de Fisher O teste de Kolmogorov-Smirnov O teste de U de Mann-Whitney O teste de Wilcoxon
Leia maisA UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE:
A UTILIZAÇÃO DE MÉTODOS ESTATÍSTICOS NO PLANEJAMENTO E ANÁLISE DE ESTUDOS EXPERIMENTAIS EM ENGENHARIA DE SOFTWARE (FONTE: ESELAW 09 MARCOS ANTÔNIO P. & GUILHERME H. TRAVASSOS) 1 Aluna: Luana Peixoto Annibal
Leia maisAnálise Multivariada Aplicada à Contabilidade
Mestrado e Doutorado em Controladoria e Contabilidade Análise Multivariada Aplicada à Contabilidade Prof. Dr. Marcelo Botelho da Costa Moraes www.marcelobotelho.com mbotelho@usp.br Turma: 2º / 2016 1 Agenda
Leia maisi j i i Y X X X i j 1 i 2 i i
Mario de Andrade Lira Junior lira.pro.br\wordpress lira.pro.br\wordpress Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida do grau de ligação entre duas variáveis Usos Regressão
Leia maisAULA 8 Experimentos multinomiais e tabelas de contingência
1 AULA 8 Experimentos multinomiais e tabelas de contingência Ernesto F. L. Amaral 05 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas
Leia maisTestes (Não) Paramétricos
Armando B. Mendes, DM, UAç 09--006 ANOVA: Objectivos Verificar as condições de aplicabilidade de testes de comparação de médias; Utilizar ANOVA a um factor, a dois factores e mais de dois factores e interpretar
Leia mais24/09/17. O que é uma hipótese? Testes de hipótese. Três tipos básicos de perguntas. E qual é a sua hipótese? Três tipos básicos de perguntas
O que é uma hipótese? rof. Dr. Fabio Carmona Hipótese é uma declaração a priori, ou seja, preditiva, sobre a relação entre duas ou mais variáveis. Em outras palavras, é o que se acredita que seja a resposta
Leia maisPlanejamento e Pesquisa 1. Dois Grupos
Planejamento e Pesquisa 1 Dois Grupos Conceitos básicos Comparando dois grupos Testes t para duas amostras independentes Testes t para amostras pareadas Suposições e Diagnóstico Comparação de mais que
Leia maisApostila de estatística básica Minitab Organizador: Daniel Magalhães Lima. Autores:
Apostila de estatística básica Minitab Organizador: Daniel Magalhães Lima Autores: Sumário Importando dados... 3 Explorando dados Tendência central, dispersão e gráficos... 3 Teste de normalidade... 3
Leia maisAula 03 Estatística, Correlação e Regressão
BIS0005-15 Bases Computacionais da Ciência Aula 03 Estatística, Correlação e Regressão http://bcc.compscinet.org Prof. Rodrigo de Alencar Hausen hausen@ufabc.edu.br 1 Medidas de tendência central: Média,
Leia maisUniversidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística
Universidade Federal do Pará Instituto de Ciências Exatas e Naturais Faculdade de Estatística Bacharelado em Estatística Disciplina: Estatística Aplicada Professores: Héliton Tavares e Regina Tavares Aluna:
Leia maisTUTORIAL - Importação de dados de coleta de larvas de Aedes aegypti na Bairro de Higienópolis no município do Rio de Janeiro para o SPRING
TUTORIAL - Importação de dados de coleta de larvas de Aedes aegypti na Bairro de Higienópolis no município do Rio de Janeiro para o SPRING Descrição do dado: os dados aqui trabalhados possuem as coordenadas
Leia maisTESTE t-student TESTE IGUALDADE DE VARIÂNCIAS
UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA TESTE t-student TESTE IGUALDADE DE VARIÂNCIAS BELÉM 2014 TAIS MEDEIROS SILVA 201107840019 TESTE t-student TESTE
Leia maisApontamentos de Introdução às Probabilidades e à Estatística
i Índice 1. Introdução 1 1.1. Enquadramento e objectivos 2 1.2. Organização 5 1.3. Noções base da Estatística 7 1.3.1. Distinção entre população e amostra 8 1.3.2. Amostragem 10 1.3.3. Unidade estatística
Leia maisCapítulo 6 Estatística não-paramétrica
Capítulo 6 Estatística não-paramétrica Slide 1 Teste de ajustamento do Qui-quadrado Testes de independência e de homogeneidade do Qui-quadrado Algumas considerações Slide 2 As secções deste capítulo referem-se
Leia maisA presença de Outliers interfere no Teste f e no teste de comparações múltiplas de médias
A presença de Outliers interfere no Teste f e no teste de comparações múltiplas de médias CHICARELI, L.S 1 ; OLIVEIRA, M.C.N. de 2 ; POLIZEL, A 3 ; NEPOMUCENO, A.L. 2 1 Universidade Estadual de Londrina
Leia maisMétodos Quantitativos para Ciência da Computação Experimental Aula #4
Métodos Quantitativos para Ciência da Computação Experimental Aula #4 Jussara Almeida DCC-UFMG 2014 Measurements are not to provide numbers, but insights Metodologia de Comparação de Sistemas Experimentais
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE41 Aula passada Teste de hipótese duas médias (casos 1,,3) Aula de hoje Teste de hipótese: variância Goodness of fit: v.a. discreta Goodness of fit: v.a. contínua
Leia maisTeste de Hipóteses = 0 = 0
Teste de Hipóteses Nos estudos analíticos, além da descrição estatística, às vezes é necessário tomar uma decisão. O teste de hipóteses é um procedimento estatístico que tem por objetivo ajudar o pesquisador,
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisGraphing Basic no Excel 2007
Graphing Basic no Excel 2007 Tabela de Conteúdos 1. Inserindo e formatando os dados no Excel 2. Criando o gráfico de dispersão inicial 3. Criando um gráfico de dispersão de dados de titulação 4. Adicionando
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste de Kruskal-Wallis (Análise de variância de uma classificação por postos) O teste qui-quadrado William Henry Kruskal
Leia maisAula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS. *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC);
Aula Prática 02 Estatística Experimental DELINEAMENTO CASUALIZADO EM BLOCOS *Planejamento do Experimento Delineamento Casualizado em Blocos (DBC); proc plan; factors blocos=3 ordered parcelas=9 ordered;
Leia maisCORRELAÇÃO. Flávia F. Feitosa
CORRELAÇÃO Flávia F. Feitosa BH1350 Métodos e Técnicas de Análise da Informação para o Planejamento Junho de 2015 Revisão Inferência Estatística: Método científico para tirar conclusões sobre os parâmetros
Leia maisTestes de Hipóteses Não Paramétricos
ACH4513 INFERÊNCIA ESTATÍSTICA 2º Sem/2017 Testes de Hipóteses Não Paramétricos Prof. Marcelo S. Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto Referência: W.O.Bussab, P.A.Morettin. Estatística
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 6 Distribuições Contínuas (Parte 02) Leitura obrigatória: Devore, Capítulo 4 Chap 6-1 Distribuições de Probabilidade Distribuições de Probabilidade Distribuições de Probabilidade
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estatística Não Paramétrica
Estatística: Aplicação ao Sensoriamento Remoto SER 204 - ANO 2018 Estatística Não Paramétrica Camilo Daleles Rennó camilo@dpi.inpe.br http://www.dpi.inpe.br/~camilo/estatistica/ (1 melhor; 4 pior)............
Leia maisBioestatística. Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho
Bioestatística Mestrado Saúde Materno Infantil 2005 Prof. José Eulálio Cabral Filho Medidas de Dispersão Desvio padrão Medida da variabilidade dos valores em torno da média. ( xi DP= n 1 x) 2 É mais fiel
Leia maisCoeficiente de Assimetria
Coeficiente de Assimetria Rinaldo Artes Insper Nesta etapa do curso estudaremos medidas associadas à forma de uma distribuição de dados, em particular, os coeficientes de assimetria e curtose. Tais medidas
Leia maisExame de Recurso de Métodos Estatísticos. Departamento de Matemática Universidade de Aveiro
Exame de Recurso de Métodos Estatísticos Departamento de Matemática Universidade de Aveiro Data: /7/6 Duração: 3 horas Nome: N.º: Curso: Regime: Declaro que desisto Classificação: As cotações deste exame
Leia maisENADE Exame Nacional de Desempenho de Estudantes. Instituições do Ensino Superior do Município de São Paulo
PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO PUC-SP MÉTODOS QUANTITATIVOS DE PESQUISA EMPÍRICA Prof. Dr. ARNOLDO HOYOS ENADE 9 Exame Nacional de Desempenho de Estudantes Instituições do Ensino Superior
Leia maisUNIVERSIDADE DE SÃO PAULO
UNIVERSIDADE DE SÃO PAULO ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ Centro de Métodos Quantitativos Programa de Curso e de Algumas Noções s da Disciplina LCF-5759 Bioestatística Prof. Dr. Hilton Thadeu
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ESTATÍSTICA Ano Lectivo 2018/2019
Programa da Unidade Curricular ESTATÍSTICA Ano Lectivo 2018/2019 1. Unidade Orgânica Ciências Humanas e Sociais (1º Ciclo) 2. Curso Psicologia 3. Ciclo de Estudos 1º 4. Unidade Curricular ESTATÍSTICA (20309)
Leia maisTÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO
TÉCNICAS EXPERIMENTAIS APLICADAS EM CIÊNCIA DO SOLO Mario de Andrade Lira Junior lira.pro.br\wordpress REGRESSÃO X CORRELAÇÃO Diferença Regressão - equação ligando duas ou mais variáveis Correlação medida
Leia maisExame Final de Métodos Estatísticos
Exame Final de Métodos Estatísticos Data: de Junho de 26 Duração: 3h. Nome: Curso: Declaro que desisto N. Mec. Regime: As cotações deste exame encontram-se na seguinte tabela. Responda às questões utilizando
Leia maisESTUDO DO PERFIL E DOS EFEITOS DE UM PROGRAMA DE INTERVENÇÃO FISIOTERAPEUTICO EM CANDIDATOS A TRANSPLANTE DE FÍGADO
Name of Journal: World Journal of Transplantation ESPS Manuscript NO: 24238 Manuscript Type: Randomized Controlled Trial De: Câmara de Pesquisa Estatística / FCM Para: Vivian Limongi - Cirurgia Data: 02/Abr/2014
Leia maisAnálise de Significância Estatística na Comparação entre Sistemas de Sumarização Automática
Universidade de São Paulo - USP Universidade Federal de São Carlos - UFSCar Universidade Estadual Paulista - UNESP Análise de Significância Estatística na Comparação entre Sistemas de Sumarização Automática
Leia maisANOVA - Etapas de Análise
ANOVA - Etapas de Análise Entender o Delineamento Estrutura de Tratamento Aleatorização das Unidades Amostrais Aleatorização das Unidades Experimentais aos Tratamentos Adotar um Modelo Estrutural e Distribucional
Leia maisAPRESENTAÇÃO DO SPSS
APRESENTAÇÃO DO SPSS O Statistical Package for Social Science for Windows (SPSS) - O SPSS e um software estatístico que permite a utilização de dados em diversos formatos para gerar relatórios, calcular
Leia mais