COMPARAÇÃO DE DUAS APROXIMAÇÕES DO TESTE t COM VARIÂNCIAS HETEROGÊNEAS ATRAVÉS DE SIMULAÇÃO
|
|
- Luna Morais Viveiros
- 6 Há anos
- Visualizações:
Transcrição
1 COMPARAÇÃO DE DUAS APROXIMAÇÕES DO TESTE t COM VARIÂNCIAS HETEROGÊNEAS ATRAVÉS DE SIMULAÇÃO RESUMO - Neste trabalho, buscou-se avaliar o aumento de riscos de se tomar decisões erradas (erro tipo I e tipo II) na comparação de duas médias populacionais. Para se avaliar as probabilidades de se cometer os erros, duas populações foram simuladas computacionalmente, sendo aplicado o teste t para comparar as médias populacionais em diferentes amostras extraídas das mesmas. O teste t foi aplicado através das aproximações de Satterthwaite (946) e de (957). O número de erros cometidos em duas mil repetições foram computados para os níveis de significância de 5% e de %. Nas situações de médias populacionais iguais, foram avaliadas as probabilidades de se cometer o erro tipo I; nos demais casos, foram avaliadas as probabilidades de se cometer o erro tipo II. Para cada uma das situações simuladas foram considerados diferentes tamanhos de amostra, diferentes razões entre variâncias populacionais e várias diferenças entre as médias populacionais. Com variâncias populacionais iguais, as probabilidades de se cometer o erro tipo I foram praticamente as mesmas TERMOS DE INDEXAÇÃO: Erro tipo I, erro tipo II, teste t, variâncias desiguais LÍVIA COSTA BORGES DANIEL FURTADO FERREIRA dos níveis nominais estabelecidos, utilizando-se as aproximações de Satterthwaite e de. À medida que se aumentou a diferença entre as médias populacionais, ainda nas situações de variâncias populacionais iguais, a porcentagem de erro tipo II diminuiu consideravelmente, aumentando o poder do teste, como era esperado. Para todos os casos em questão, quando se aumentou o tamanho da amostra, houve uma redução nas probabilidades do erro tipo I ou do erro tipo II. A razão entre variâncias populacionais não exerceu influência na porcentagem de erro tipo I, mas exerceu influência considerável na porcentagem de erro tipo II. Quando se aumentou a razão entre as variâncias populacionais, o poder do teste ficou comprometido. A porcentagem de erro tipo II reduziu-se à medida que se aumentaram a diferença entre médias populacionais e o tamanho da amostra, reduzindo, entretanto, a razão entre variâncias. O tipo de aproximação (Satterthwaite ou de Cochran e Cox) utilizado para a realização do teste t não influenciou o poder do teste. COMPARING TWO APPROACHES OF t TEST WITH HETEROGENEOUS VARIANCE USING SIMULATIONS ABSTRACT - This work aims to evaluate the risk of making a wrong decision (type I and type II errors) when two populations means are compared. To measure the empirical probabilities for type I and type II errors, two populations were computationally simulated. The t test was applied for comparing the two samples means extracted from the two populations. The t test was applied with Satterthwaite (946) and Cochran and Cox (957) approaches. The number of errors in two thousand replications was measured at the nominal level of significance of 5% and %. For each situation different sample sizes, different population variance ratios and different population means differences were considered. With equal population INDEX TERMS: Type I error, type II error, t test, heterogeneous variance means the type I error was the same, below the nominal level, for both Satterthwaite and Cochran and Cox approaches. Increasing the difference of populations means, with population variances ratio of, the type II error rates decrease. For all situations, when the sample sizes are increased there is a reduction of the empirical error rates. The variance ratios do not change the type I error rates, but reduce the power of the t test when this ratios increase. The empirical error rates decrease with the increasing of the difference of population means, with the increasing sample size and with the reduction of variances ratios. The Satterthwaite or Cochran and Cox approaches do not change the power of the t test.. Acadêmica do 8 módulo do curso de Agronomia da UNIVERSIDADE FEDERAL DE LAVRAS (UFLA), bolsista do CNPq.. Eng. Agr., Dr.., Professor Adjunto do Departamento de Ciências Exatas UFLA - Caixa Postal Lavras - MG, bolsista CNPq.
2 39 INTRODUÇÃO Em muitas situações, na experimentação agropecuária, o pesquisador se depara com o problema de comparar médias de duas populações ou tratamentos independentes. Essa comparação pode ser realizada sem nenhuma dificuldade quando as variâncias das duas populações em que as amostras foram obtidas são iguais. No entanto, os resultados podem ser seriamente comprometidos quando se viola essa pressuposição básica requerida. Esse caso é geralmente encontrado pelo experimentador. Quando σ σ (variâncias populacionais diferentes), a fórmula da estimativa da variância da diferença entre as duas médias amostrais independentes (X X ),é: S S S = + X X n n Conseqüentemente, o teste da hipótese µ =µ é dado por: X X t = S S + n n No entanto, esta quantidade (t ) não segue a distribuição de t de Student, sob a hipótese de igualdade das médias populacionais. Duas aproximações diferentes para o teste foram obtidas por Behrens (99) e Fisher (94) e por Aspin (949), citados por Snedecor e Cochran (98). No entanto, ambas requerem tabelas especiais. Uma outra aproximação, derivada por Satterthwaite (946), refere-se ao cálculo do número de graus de liberdade para t, de tal forma que a distribuição de t possa ser usada. Os graus de liberdade (t ) calculados, dessa forma, são: S S + n n υ= S S n + n n n υ deve ser arredondado para o inteiro mais próximo, quando for utilizar as Tabelas de t de Student. Uma quarta aproximação é a de Cochran e Cox (957). Por essa aproximação a estatística t é comparada com o valor da distribuição t de Student, fornecido por: w t w t t * + = w + w em que, t * refere-se ao valor determinante da região de rejeição da hipótese de igualdade das médias S S populacionais; w = e w = ; t e t são os valores tabelados da distribuição t (unilateral) com n - e n n n - graus de liberdade, respectivamente, no nível de significância estipulado previamente. Quando os valores das variâncias populacionais distanciam-se um do outro, o viés do teste proposto σ aumenta. Portanto, para grandes valores da razão, σ o teste da hipótese µ =µ e os intervalos de confiança podem ser seriamente comprometidos. Os riscos de se cometer o erro tipo I, ou seja, de rejeitar uma hipótese verdadeira, e o do tipo II, de aceitar uma hipótese falsa, aumentam consideravelmente. Com o aumento desses erros, o pesquisador tem uma elevada probabilidade de tomar uma decisão errada. Por essas razões, foi realizado o presente trabalho, tendo por objetivo avaliar o aumento dos riscos de se tomar uma decisão errada (erro tipo I e erro tipo II), com o aumento da diferença entre as variâncias populacionais, através de simulação computacional, utilizando-se as aproximações de Satterthwaite (946) e de Cochran e Cox (957). METODOLOGIA Para se avaliar as probabilidades de se cometer o erro tipo I e o erro tipo II, duas populações foram geradas através de simulação computacional. Para a geração dessas populações, os seguintes parâmetros foram considerados: sem perda de generalidade, a variância da população foi considerada igual a um (σ = ), e a da população obedecerá os valores da razão σ σ =,, 4, 8 e 6. Para cada uma dessas situações, as populações foram geradas com médias iguais e com médias diferentes. Para este último caso, foi considerada as diferenças padronizadas entre as médias populacionais de,, 3 e 4. Para cada uma das diferentes situações, foram retiradas amostras independentes de cada população, sendo aplicado o teste t para a hipótese da igualdade entre as médias populacionais, H : µ =µ. Os tamanhos amostrais foram: (a) n = e n =; (b) n =3 e n =3; (c) n = e n =3. O teste t foi realizado através das aproximações de Satterthwaite (946) e de Cochran e Cox (957). O número de erros cometidos nas duas mil repetições foi computado para os níveis de significância de 5% e de %. Nas situações em que as médias populacionais são iguais, foi avaliada a probabilidade de se cometer o erro tipo I. Nos demais casos, foi avaliada a probabilidade de se cometer o erro tipo II. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
3 39 Para a geração das amostras, foi utilizado o método de Monte Carlo, considerando-se o modelo estatístico para cada população: y i = µ + e i em que, y i é o valor do i-ésimo elemento amostral observado, µ é a média paramétrica, e e i é o valor do erro amostral não observável associado, com distribuição NID (, σ ). Esse modelo foi adotado para cada população, com os parâmetros µ e σ estipulados anteriormente, conforme a situação. Para a obtenção do valor de e i, foi usado um algoritmo em Pascal para inversão da função da distribuição normal, conforme procedimento relatado por Dachs (988), baseado no teorema da probabilidade integral. Baseado nesse teorema, se U U (,) (uniforme -) e sendo F a função de distribuição normal, então: z i = F - (U) tem função de densidade de probabilidade N(, ). Esse valor foi então multiplicado por σ para obtenção dos valores de e i. ( Morgan, 995). RESULTADOS E DISCUSSÃO Variâncias populacionais iguais Nas Tabelas e, observou-se que quando as variâncias populacionais são iguais ( σ σ = ), a probabilidade de se cometer o erro tipo I, tanto para o nível de significância de % como para o de 5%, nas duas mil repetições, está de acordo com os níveis nominais adotados, indicando uma alta confiabilidade do teste, utilizando-se tanto a aproximação de Satterthwaite como a de. TABELA - Porcentagem de erros computados para o nível de significância de %, através dos procedimentos de Satterthwaite e de, para diferentes tamanhos amostrais, com diferenças de médias populacionais de,,, 3 e 4, com variâncias populacionais iguais. Porcentagem de erro (α =%) µ -µ Satterthwaite,5, 7,8 7,9 n =n = 7,45 7, 3,, 4,,,3,45,9,55 n = e n =3,, 3,, 4,,,95,6,5,9 n =n =3,, 3,, 4,, Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
4 393 TABELA - Porcentagem de erros computados para o nível de significância de 5%, através dos procedimentos de Satterthwaite e de, para diferentes tamanhos amostrais, com diferenças de médias populacionais de,,, 3 e 4, com variâncias populacionais iguais. µ -µ Porcentagem de erro (α = 5%) Satterthwaite 4,9 4,7 45,55 43, n =n =,,5 3,, 4,, 4,9 5,45 8, 8, n = e n =3,, 3,, 4,, 5, 4,75,6 3,95 n =n =3,, 3,, 4,, À medida que se aumenta a diferença entre médias populacionais, ainda para essa mesma situação, ou seja, variâncias populacionais iguais, a porcentagem de erro tipo II diminui consideravelmente. Para diferenças entre médias populacionais pequenas como, a porcentagem de erro tipo II é muito alta, indicando um baixo poder do teste, tanto para a aproximação de Satterthwaite como para a de, aumentando o risco de se tomar decisões erradas, ou seja, aumentando as chances de se aceitar hipóteses falsas. O poder do teste aumenta consideravelmente com o aumento do tamanho da amostra, tanto para o nível de significância de % como para o de 5%, considerando-se uma mesma diferença de médias. O aumento do valor nominal de α, taxa de erro tipo I, provocou uma redução nas taxas de erro empíricas, para o erro tipo II, quando considera-se uma mesma situação, comprovando o fato de que os dois tipos de erro são negativamente correlacionados. Tamanho de amostra Como se pode observar na Figura, a porcentagem de erro tipo I obtida por simulação através dos procedimentos de Satterthwaite, está de acordo com os níveis nominais de significância, que são aqueles níveis pré-estabelecidos de 5% e de %. Foi obtido os intervalos de confiança para esses limites, sendo que para o nível de % e 5%, com 99% de confiança, os limites superiores desses intervalos foram:,73% e 6,39%, respectivamente. Nenhum valor desses erros observados superaram os limites de confiança para os níveis nominais. Para essa situação, não se nota a influência dos graus de liberdade (GL) na confiabilidade do teste. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
5 394 Observou-se na Figura que a porcentagem de erro tipo I obtida por simulação através dos procedimentos de, também está dentro dos níveis nominais de significância, mostrando que, nessa situação, os graus de liberdade (GL) também não influenciam significativamente a confiabilidade do teste. 6 5% % 5 % erro tipo I FIGURA - Porcentagem de erro tipo I para o teste t realizado através da aproximação de Satterthwaite, computada para os níveis de significância nominais de e 5%. GL 6 5% % 5 4 % erro tipo I GL FIGURA - Porcentagem de erro tipo I para o teste t realizado através da aproximação de, computada para os níveis de significância nominais de e 5%. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
6 395 Estudando a porcentagem de erro tipo II através dos procedimentos de Satterthwaite, observou-se na Figura 3 que quando a diferença entre médias populacionais é pequena (µ - µ =) e quando há poucos graus de liberdade (GL=), a porcentagem de erro tipo II é alta, chegando a 9%, afetando drasticamente o poder do teste. Com o aumento dos graus de liberdade (GL), a porcentagem de erro tipo II tende a diminuir, tanto para o nível de significância de 5% como para o de %. Observou-se também que a porcentagem de erro tipo II tem um acréscimo, como era esperado, com a redução dos níveis nominais de significância de 5% para %. Observou-se na Figura 4, que quando a diferença entre médias populacionais é maior (µ -µ =4), a porcentagem de erro tipo II obtida diminuiu consideravelmente, sendo que apenas 7 graus de liberdade foram suficientes para reduzir os níveis de erro para praticamente zero. Observou-se que com o aumento da diferença entre médias populacionais e com o aumento dos graus de liberdade, há uma menor porcentagem de erro tipo II e, portanto, um aumento no poder do teste. Estudando a porcentagem de erro tipo II através dos procedimentos de, observou-se na Figura 5 que quando a diferença entre médias populacionais é baixa (µ -µ =) e os graus de liberdade são inferiores a 5, a porcentagem de erro tipo II alcançou o valor de 97% no nível nominal de % de significância, com graus de liberdade inferiores a 5. Com o aumento dos graus de liberdade, houve uma tendência de diminuição do erro, para o nível de significância de e 5%. Com o aumento da diferença entre médias populacionais (µ -µ =4), ocorreu considerável redução na porcentagem de erro tipo II obtida por meio do procedimento de. Com poucos graus de liberdade, observaram-se erros de 5%, ao nível de % de significância (Figura 6). Com o aumento dos graus de liberdade, o erro tendeu a diminuir, sendo que, a partir de 5, as taxas de erros foram aceitáveis, como observado no procedimento de Satterthwaite. A razão entre variâncias populacionais não exerceu influência na porcentagem de erro tipo I. Observou-se nas Figuras 7 e 8, que a porcentagem de erro tipo I, obtida por simulação através dos procedimentos de Satterthwaite e de, respectivamente, está de acordo com os níveis nominais de significância (abaixo de,73% e 6,39% para % e 5%, respectivamente), mesmo com o aumento da razão entre variâncias populacionais. De maneira análoga, nota-se que o aumento do tamanho da amostra não influenciou a porcentagem de erro tipo I observada. 5% % FIGURA 3 - Porcentagem de erro tipo II para o teste t realizado através da aproximação de Satterthwaite com µ - µ =, computada para os níveis de significância nominais de e 5%. GL Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
7 % % GL FIGURA 4 - Porcentagem de erro tipo II para o teste t realizado através da aproximação de Satterthwaite, com µ - µ =4, computada para níveis de significância nominais de e 5%. 5% % GL FIGURA 5 - Porcentagem de erro tipo II para o teste t realizado através da aproximação de, com µ -µ =, computada para os níveis de significância nominais de e 5%. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
8 % % GL FIGURA 6 - Porcentagem de erro tipo II para o teste t realizado através da aproximação de, com µ -µ = 4, computada para os níveis de significância nominais de e 5%. 6 5 % erro tipo I 4 3 (,) (, 3) (3, 3) FIGURA 7 - Porcentagem de erro tipo I para o teste t realizado através da aproximação de Satterthwaite, com tamanhos amostrais n = e n = ; n = e n =3; n =3 e n =3, para diferentes razões entre variâncias populacionais, computada para os níveis de significância e 5%. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
9 % erro tipo I 4 3 (, ) (, 3) (3, 3) FIGURA 8 - Porcentagem de erro tipo I para o teste t realizado através da aproximação de, com tamanhos amostrais n = e n = ; n = e n =3 ; n =3 e n =3, para diferentes razões entre variâncias populacionais, computada para os níveis de significância e 5%. Considerando-se a porcentagem de erro tipo II, observada nos procedimentos de Satterthwaite e de, nota-se que essa foi altamente influenciada pela razão entre variâncias e pela diferença entre médias populacionais. A porcentagem de erro tipo II reduziu-se, à medida que se aumentou a diferença entre médias e se reduziu a razão entre variâncias ( σ σ ). Observou-se na Figura 9 que em situações nas quais a diferença entre médias populacionais é pequena (µ -µ =) e a razão entre variâncias populacionais é grande ( σ σ =6), para pequenos tamanhos de amostra, a porcentagem de erro tipo II chegou a 96% para o nível de significância de %. Considerando-se os tipos de aproximação (de Satterthwaite e de ) utilizados para a realização do teste, verificou-se que tiveram praticamente o mesmo poder. Pode-se observar, ainda na Figura 9, que a porcentagem de erro tipo II obtida por simulação, através dos procedimentos de Satterthwaite, foi praticamente a mesma em relação à obtida através do procedimento de. O que chama mais atenção é o fato de, com razão de variância de 6, a taxa de erro ter sido de aproximadamente 96,8%; e quando comparada com a situação em que as variâncias eram iguais (taxa de erro tipo II de 7,5%), houve uma elevação de 37,3%. Isso mostra a deficiência desses testes, mesmo usando as aproximações de Satterthwaite ou de, devido à grande redução do poder quando as variâncias são heterogêneas. Na Figura, observou-se que a porcentagem de erro tipo II diminuiu bastante quando consideraram-se diferenças entre médias populacionais maiores (µ - µ =4), mantendo o mesmo tamanho da amostra, para o nível de significância de %. Observou-se que a aproximação de apresentou uma maior porcentagem de erro tipo II, o que representa um poder do teste ligeiramente menor. Nesse caso, também verificou-se a mesma tendência nas taxas de erros tipo II, que eram nulas com variâncias iguais, e atingiram a magnitude de 5%, quando as variâncias apresentaram razões da ordem de 6. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
10 399 Satterthwaite FIGURA 9 - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras de tamanho n = e n =, com µ -µ =, para diferentes razões entre variâncias populacionais, computada para o nível de significância de %. 6 Satterthwaite FIGURA - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras de tamanho n = e n =, e com µ -µ = 4, para diferentes razões entre variâncias populacionais, computada para o nível de significância de %. Nas Figuras e, observou-se que com o aumento do tamanho da amostra, houve uma redução na porcentagem de erro tipo II. Essa redução ocorreu tanto na situação em que se tem pequenas diferenças entre Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
11 4 médias, como na situação em que se tem maiores diferenças entre médias. Quando se consideraram diferenças entre médias populacionais maiores (µ -µ = 4), a porcentagem de erro foi praticamente nula, mesmo com razões entre variâncias elevadas. Com um maior tamanho da amostra, as porcentagens de erro foram praticamente as mesmas para as aproximações de Satterthwaite e de, no nível de significância de %. As mesmas tendências foram verificadas quanto ao efeito da razão de variâncias para o poder do teste. No entanto, quando grandes amostras são usadas e maiores diferenças devem ser detectadas (Figura ), as taxas de erro são praticamente nulas. Considerando-se o nível de significância de 5%, verificou-se que o poder do teste também foi influenciado pela diferença entre médias populacionais, pela razão entre variâncias populacionais e pelo tamanho da amostra. Menor será o erro, à medida que forem maiores a diferença entre médias populacionais e o tamanho da amostra, e à medida que for menor a razão entre variâncias populacionais. Verificou-se que para o nível de significância de 5%, o poder do teste não foi influenciado pelas aproximações utilizadas (Satterthwaite ou Cochran e Cox). Na Figura 3, observou-se que quando se tem pequenas diferenças entre médias e pequenos tamanhos amostrais, a porcentagem de erro tipo II é elevada para o nível de significância de 5%, indicando um baixo poder do teste nessa circunstância. Satterthwaite FIGURA - Porcentagem de erro tipo II,sendo o teste t realizado através das aproximações de Satterthwaite e de, com amostras tamanho n =3 e n =3, e com µ -µ = 4, para diferentes razões entre variâncias populacionais, computada para o nível de significância de %. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
12 4..8 Satterthwaite FIGURA - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras tamanho n =3 e n =3, com µ -µ = 4, para diferentes razões entre variâncias populacionais, computada para o nível de significância de %. 9 Satterthwaite FIGURA 3 - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras tamanho n = e n =, com µ -µ =, para diferentes razões entre variâncias populacionais, computada para o nível de significância de 5%. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
13 4 Com o aumento do tamanho da amostra, observou-se nas Figuras 4 e 5 que houve uma redução na porcentagem de erro tipo II. Quando se tem maiores amostras e maiores diferenças entre médias (µ -µ =4), a porcentagem de erro é praticamente nula, indicando um alto poder do teste nessa circunstância 8 Satterthwaite FIGURA 4 - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras de tamanho n =3 e n =3, com µ -µ =, para diferentes razões entre variâncias populacionais, computada para o nível de significância de 5%...8 Satterthwaite FIGURA 5 - Porcentagem de erro tipo II para o teste t realizado através das aproximações de Satterthwaite e de, com amostras de tamanho n =3 e n =3, com µ -µ = 4, para diferentes razões entre variâncias populacionais, computada para o nível de significância de 5%. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
14 43 CONCLUSÕES Considerando-se o nível de significância de 5%, verificou-se que o poder do teste também foi influenciado pela diferença entre médias populacionais, pela razão entre variâncias populacionais e pelo tamanho da amostra. Menor será o erro, à medida que forem maiores a diferença entre médias populacionais e o tamanho da amostra, e à medida que for menor a razão entre variâncias populacionais. Verificou-se que para o nível de significância de 5%, o poder do teste não foi influenciado pelas aproximações utilizadas (Satterthwaite ou ). Na Figura 3, observou-se que quando se tem pequenas diferenças entre médias e pequenos tamanhos amostrais, a porcentagem de erro tipo II é elevada para o nível de significância de 5%, indicando um baixo poder do teste nessa circunstância.a) Nas situações em que se têm variâncias populacionais iguais (σ /σ ) a probabilidade de se cometer o erro tipo I ficou abaixo dos níveis nominais adotados, tanto para o nível de % como para o de 5%, indicando uma alta confiabilidade do teste. Nessa mesma situação, a porcentagem de erro tipo II diminuiu consideravelmente com o aumento da diferença entre médias populacionais. b) A porcentagem de erro tipo I obtida por simulação não foi influenciada pelos graus de liberdade, o que não aconteceu com a porcentagem de erro tipo II. Com o aumento dos graus de liberdade (GL) e com o aumento da diferença entre médias populacionais, houve uma redução na porcentagem de erro tipo II, aumentando, assim, o poder do teste. c) A razão entre variâncias populacionais não exerceu influência na taxa de erro tipo I obtida por simulação, enquanto a taxa de erro tipo II foi altamente influenciada pela razão entre variâncias. As taxas empíricas de erro tipo II reduziu à medida que se reduziu a razão entre variâncias e à medida que se aumentaram os tamanhos das amostras e das diferenças entre médias populacionais. d) Os tipos de aproximação (Satterthwaite ou ) utilizados na aplicação do teste não influenciaram o seu poder, sendo que as taxas empíricas de erros foram praticamente as mesmas para as duas aproximações. REFERÊNCIAS BIBLIOGRÁFICAS COCHRAN, W.G.; COX, G.M. Experimental designs. th ed. Singapure: John Wiley & Sons, pp. DACHS, J.N.W. Estatística computacional. Uma introdução ao Turbo Pascal. Rio de Janeiro: Livros Técnicos e Científicos, p. MORGAN, B. J.T. Elements of simulation. London: Chapman & Hall, p. SATTHERTHWAITE, F.E. An approximate distribution of estimates of variance components. Biometric Bulletin, London, v., p.-4, 946. SNEDECOR, G.W.; COCHRAN, W.G. Statistical methods. 7th Ed. Ames: The Iowa State University Press, p. Ciênc. e Agrotec., Lavras, v.3, n., p.39-43, abr./jun., 999
Comparação da robustez de alternativas do teste de igualdade de duas médias populacionais sob não normalidade por simulação Monte Carlo
Comparação da robustez de alternativas do teste de igualdade de duas médias populacionais sob não normalidade por simulação Monte Carlo Roberta Bessa Veloso Silva e Daniel Furtado Ferreira* Departamento
Leia maisUM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA
UM ESTUDO DO ERRO TIPO II EM UM TESTE DE HIPÓTESES PARA A MÉDIA CARRASCO, Cleber Giugioli 1 SILVA, Luciano Amaral da 2 7 Recebido em: 2013-04-29 Aprovado em: 2013-09-29 ISSUE DOI: 10.3738/1982.2278.894
Leia maisAvaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação
Avaliação Monte Carlo do teste para comparação de duas matrizes de covariâncias normais na presença de correlação Vanessa Siqueira Peres da Silva 1 2 Daniel Furtado Ferreira 1 1 Introdução É comum em determinadas
Leia maisUma Avaliação do Erro Tipo II no Uso do Teste t-student
Uma Avaliação do Erro Tipo II no Uso do Teste t-student Cleber Giugioli Carrasco Thiago Santana Lemes 1 Unidade Universitária de Ciências Exatas e Tecnológicas, Universidade Estadual de Goiás, UnUCET/UEG,
Leia maisPODER E TAXAS DE ERRO TIPO I DOS TESTES SCOTT-KNOTT, TUKEY E STUDENT-NEWMAN- KEULS SOB DISTRIBUIÇÕES NORMAL E NÃO NORMAIS DOS RESÍDUOS
PODER E TAAS DE ERRO TIPO I DOS TESTES SCOTT-KNOTT, TUKEY E STUDENT-NEWMAN- KEULS SOB DISTRIBUIÇÕES NORMAL E NÃO NORMAIS DOS RESÍDUOS Lívia Costa BORGES 1 Daniel Furtado FERREIRA 1 RESUMO: O objetivo deste
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 maisANÁLISE E TAXAS DE ERRO DE TESTES DE COMPARAÇÕES MÚLTIPLAS. Palavras-chave: Simulação Taxas de erro experimental Intervalo de confiança exato,
SILVA, S. S; SERAPHIN, J. C. Análise e Taxas de Erro de Testes de Comparações Múltiplas.In: CONGRESSO DE ANÁLISE E TAXAS DE ERRO DE TESTES DE COMPARAÇÕES MÚLTIPLAS SILVA, Sunamita Souza i ; SERAPHIN, José
Leia maisTESTES DE HIPÓTESES. Conceitos, Testes de 1 proporção, Testes de 1 média
TESTES DE HIPÓTESES Conceitos, Testes de 1 proporção, Testes de 1 média 1 Testes de Hipóteses População Conjectura (hipótese) sobre o comportamento de variáveis Amostra Decisão sobre a admissibilidade
Leia maisAULA 04 Teste de hipótese
1 AULA 04 Teste de hipótese Ernesto F. L. Amaral 03 de outubro de 2013 Centro de Pesquisas Quantitativas em Ciências Sociais (CPEQS) Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE ILHA SOLTEIRA FACULDADE DE ENGENHARIA DE ILHA SOLTEIRA
Nível: Histórico: Mestrado/Doutorado Disciplina aprovada em 24.08.94 Código Capes: ASP01005 Docente(s) Responsável(eis): Prof. Dr. EVARISTO BIANCHINI SOBRINHO Prof. Dr. WALTER VERIANO VALERIO FILHO Situação
Leia maisDE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)
1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância
Leia maisAULA 05 Teste de Hipótese
1 AULA 05 Teste de Hipótese Ernesto F. L. Amaral 03 de setembro de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario F. 2008. Introdução
Leia mais7 Teste de Hipóteses
7 Teste de Hipóteses 7-1 Aspectos Gerais 7-2 Fundamentos do Teste de Hipóteses 7-3 Teste de uma Afirmação sobre a Média: Grandes Amostras 7-4 Teste de uma Afirmação sobre a Média : Pequenas Amostras 7-5
Leia maisAULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS
1 AULAS 04, 05 E 06 AVALIAÇÃO UTILIZANDO EXPERIMENTOS Ernesto F. L. Amaral 14, 19 e 21 de março de 2013 Técnicas Avançadas de Avaliação de Políticas Públicas (DCP 098) Fonte: Curso Técnicas Econométricas
Leia maisDimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações
Dimensionamento de ensaios de não inferioridade para o caso de grupos paralelos e resposta binária: algumas comparações Introdução Arminda Lucia Siqueira Dimensionamento de amostras, importante elemento
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução Exemplos Testar se mais de metade da população irá consumir um novo produto
Leia maisAULA 11 Teste de Hipótese
1 AULA 11 Teste de Hipótese Ernesto F. L. Amaral 20 de setembro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisTestes de Hipóteses Paramétricos
Testes de Hipóteses Paramétricos Departamento de Matemática Escola Superior de Tecnologia de Viseu (DepMAT ESTV) Testes de Hipóteses Paramétricos 1 / 41 Introdução. Hipóteses Estatísticas. Erro Tipo I
Leia maisTamanho Amostral para Detecção de Diferenças Significativas entre Tratamentos
Tamanho Amostral para etecção de iferenças Significativas entre Tratamentos Marcos eon Vilela de Resende 1 José Alfredo Sturion José Carlos uarte Pereira 3 RESUMO No presente trabalho são apresentados
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU FACULDADE DE CIÊNCIAS AGRONÔMICAS PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA AGRICULTURA PLANO DE ENSINO IDENTIFICAÇÃO DA DISCIPLINA DISCIPLINA: Análise de Experimentos em Fitotecnia CURSO: Mestrado (X) Doutorado (X) DEPARTAMENTO RESPONSÁVEL:
Leia maisESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt
ESTATÍSTICA Distribuições qui-quadrado, t de Student e F de Snedecor Lucas Schmidt lucas.breniuk@hotmail.com Estimação de parâmetros Média Variância Proporção Estimação de parâmetros Média: " estimador
Leia maisPODER DO TESTE. Poder do Teste e Tamanho de Amostra para Testes de Hipóteses
PODER DO TESTE Poder do Teste e Tamanho de Amostra para Testes de Hipóteses 1 2 Tipos de erro num teste estatístico Realidade (desconhecida) Decisão do teste aceita H 0 rejeita H 0 H 0 verdadeira decisão
Leia maisIntervalo de confiança
Bioestatística Módulo 2: comparação entre conjuntos de coisas Relações de ordem entre coisas: >,
Leia maisUnidade IV Inferência estatística
Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses 4.6.
Leia maisERRO ADEQUADO PARA COMPARAÇÃO DE MÉDIAS EM CASOS DE HETEROGENEIDADE DAS VARIÂNCIAS ( 1 )
ERRO ADEQUADO PARA COMPARAÇÃO DE MÉDIAS EM CASOS DE HETEROGENEIDADE DAS VARIÂNCIAS ( 1 ) TOSHIO IGUE ( 2 ), ARMANDO CONAGIN ( 3 ), VIOLETA NAGAI ( 2 ) e LUÍS A. AMBRÓSIO ( 2 ) RESUMO Para verificar se
Leia maisTestes de Hipótese para uma única Amostra - parte I
Testes de Hipótese para uma única Amostra - parte I 26 de Junho de 2014 Objetivos Ao final deste capítulo você deve ser capaz de: Estruturar problemas de engenharia como testes de hipótese. Entender os
Leia maisERRO TIPO I E PODER DE CINCO TESTES DE COMPARAÇÃO MÚLTIPLA DE MÉDIAS
ERRO TIPO I E PODER DE CINCO TESTES DE COMPARAÇÃO MÚLTIPLA DE MÉDIAS Luís Henrique GIRARDI 1 Alberto CARGNELUTTI FILHO 2 Lindolfo STORCK 2 RESUMO: O objetivo deste trabalho foi avaliar os testes t, Tukey,
Leia maisEstatística Aplicada
Estatística Aplicada Testes de Hipóteses Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TESTES DE HIPÓTESES Inferência estatística: tomar decisões sobre a população com base
Leia maisProf. a Dr. a Simone Daniela Sartorio de Medeiros. DTAiSeR-Ar
Teste de hipótese para a média de populações normais Prof. a Dr. a Simone Daniela Sartorio de Medeiros DTAiSeR-Ar Teste de hipóteses para média de populações normais Objetivo: avaliar afirmações sobre
Leia maisModificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento
Modificação do teste de Tukey para uso sob heterocedasticidade e desbalanceamento Paulo César de Resende Andrade 1 Lucas Luciano Barbosa 1 Regiane Teixeira Farias 1 Ana Luisa de Castro Pereira Martins
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisEXEMPLOS DE CÁLCULO DO TAMANHO AMOSTRAL. Desenvolvido por Lucas Lima Ayres
EXEMPLOS DE CÁLCULO DO TAMANHO AMOSTRAL Desenvolvido por Lucas Lima Ayres Belo Horizonte/2015 1 1. INTERVALOS DE CONFIANÇA PARA UMA PROPORÇÃO 1.1. ASSINTÓTICO 1.1.1. ASSINTÓTICO SIMPLES 1.1.1.1.BILATERAL
Leia maisTeste modificado de Tukey: avaliação do poder e eficiência
Teste modificado de Tukey: avaliação do poder e eficiência Paulo César de Resende Andrade 1 Alailson França Antunis 1 Douglas Mendes Cruz 1 Jéssica Rodrigues Andrade 1 Valdeane Figueiredo Martins 1 1 Introdução
Leia maisRegression and Clinical prediction models
Regression and Clinical prediction models Session 4 Introducing statistical modeling Part 1 (Analysis of variance) Pedro E A A do Brasil pedro.brasil@ini.fiocruz.br 2018 Objetivos Introduzir a ideia de
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Introdução Hipóteses Estatísticas São suposições quanto ao valor de um parâmetro populacional
Leia maisMÉTODOS DE ESTIMATIVA DE y PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B CARACTERÍSTICA DO SOLO ( 1 )
MÉTODOS DE ESTIMATIVA DE y E @ PARA A FUNÇÃO DE NORMALIZAÇÃO DA DISTRIBUIÇÃO S B DE CARACTERÍSTICA DO SOLO ( 1 ) VIOLETA NAGAI, Seção de Técnica Experimental e Cálculo, e JOÃO ROBERTO FERREIRA MENK ( 2
Leia maisUnidade IV Inferência estatística
6//5 Unidade IV Inferência estatística 4.. Introdução e histórico 4.. Conceitos fundamentais 4.3. Distribuições amostrais e Teorema central do limite 4.4. Estimação de parâmetros 4.5. Testes de hipóteses
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisXIX CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA 27 de Setembro a 01 de Outubro
COMPARAÇÃO DOS MÉTODOS DE VERIFICAÇÃO DO AJUSTE DA DISTRIBUIÇÃO GUMBEL A DADOS EXTREMOS CARLOS JOSÉ DOS REIS 1, LUIZ ALBERTO BEIJO 2,GILBERTO RODRIGUES LISKA 3 RESUMO A distribuição Gumbel é muito aplicada
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL ESTUDO DE VARIABILIDADE DOS DADOS EXPERIMENTAIS Prof. Miguel Toledo del Pino, Eng. Agrícola (Dr.) INTRODUÇÃO Realizamos experimentos para compararmos os efeitos de tratamentos
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 maisStela Adami Vayego DEST/UFPR. Resumo 11 - Testes de Hipóteses
Resumo - Testes de Hipóteses.. Introdução Como para a estimação, o propósito dos testes de hipóteses é ajudar o pesquisador a tomar uma decisão referente a uma população, examinando uma amostra (a menos
Leia maisInferência via abordagens computacionalmente intensivas. Walmes Zeviani
Inferência via abordagens computacionalmente intensivas Walmes Zeviani Introdução A lógica dos testes de hipótese frequentistas: 1. Definir a hipótese nula e hipótese alternativa. 2. Determinar uma estatística
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 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 maisTestes de Hipóteses. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
Testes de Hipóteses Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM Testes de hipóteses O Teste de Hipótese é uma regra de decisão para aceitar ou rejeitar uma hipótese
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisDelineamento e Análise Experimental Aula 3
Aula 3 Castro Soares de Oliveira Teste de hipótese Teste de hipótese é uma metodologia estatística que permite tomar decisões sobre uma ou mais populações baseando-se no conhecimento de informações da
Leia maisEnrico A. Colosimo Depto. Estatística UFMG
Bioestatística F Conceitos de Teste de Hipóteses Enrico A. Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ f(x).4.35.3.25.2.15.1.5 Tabela Normal Padronizada Distribuicao Gaussiana com
Leia maisTeste de Hipóteses Paramétricos
Teste de Hipóteses Paramétricos Fundamentos de um teste de hipóteses Como construir testes de hipóteses para uma média. Como construir testes de hipóteses para uma proporção. Como construir testes de hipóteses
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda.perticarrari@unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisInferência a partir de duas amostras
Inferência a partir de duas amostras Inferência a partir de duas amostras. Inferência sobre duas médias: amostras dependentes. Inferência sobre duas médias: amostras grandes e independêntes 3. Comparação
Leia maisTestes de Hipóteses. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Testes de Hipóteses Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução e notação Em geral, intervalos de confiança são a forma mais
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Um dos principais objetivos da estatística é a tomada de decisões a respeito da população,
Leia maisIntrodução à Bioestatística Turma Nutrição
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 9: Testes de Hipóteses - Conceitos Básicos e Testes para Média
Leia maisUNIVERSIDADE ESTADUAL PAULISTA CAMPUS DE BOTUCATU PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO
PROGRAMA DE PÓS-GRADUAÇÃO EM AGRONOMIA ENERGIA NA AGRICULTURA PLANO DE ENSINO DISCIPLINA: ANÁLISE DE EXPERIMENTOS EM FITOTECNIA ÁREA: DOMÍNIO ESPECÍFICO ( ) NÍVEL: MESTRADO ( X ) DOMÍNIO CONEXO (X ) DOUTORADO
Leia maisIntrodução à probabilidade e estatística II
Introdução à probabilidade e estatística II Testes de hipóteses para duas médias populacionais Prof. Alexandre G Patriota Sala: 98A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Testes de hipóteses
Leia maisEstimação parâmetros e teste de hipóteses. Prof. Dr. Alberto Franke (48)
Estimação parâmetros e teste de hipóteses Prof. Dr. Alberto Franke (48) 91471041 Intervalo de confiança para média É um intervalo em que haja probabilidade do verdadeiro valor desconhecido do parâmetro
Leia maisAvaliando Hipóteses. George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE
Avaliando Hipóteses George Darmiton da Cunha Cavalcanti Tsang Ing Ren CIn/UFPE Pontos importantes Erro da Amostra e Erro Real Como Calcular Intervalo de Confiança Erros de hipóteses Estimadores Comparando
Leia maisEstatística. Guia de Estudos P2
Estatística Guia de Estudos P2 1. Intervalo de Confiança Conceito extremamente importante que consiste em utilizar os valores amostrais obtidos através das fórmulas de Estatística Descritiva para encontrar
Leia maisIntervalos de Confiança - Amostras Pequenas
Intervalos de Confiança - Amostras Pequenas Teste de Hipóteses para uma Média Jorge M. V. Capela, Marisa V. Capela, Instituto de Química - UNESP Araraquara, SP capela@iq.unesp.br Araraquara, SP - 2016
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Descritiva Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br elcana@quimica.ufg.br Populações, Amostras e Distribuições População
Leia maisMétodos Quantitativos
Métodos Quantitativos Unidade 3 Estatística inferencial parte I Prof. Me. Diego Fernandes 1 Sumário Seção Slides 3.1 Noções de probabilidade 03 21 3.2 Distribuição dos estimadores 22 41 3.3 e 3.4 - Testes
Leia maisCapítulo 4 Inferência Estatística
Capítulo 4 Inferência Estatística Slide 1 Resenha Intervalo de Confiança para uma proporção Intervalo de Confiança para o valor médio de uma variável aleatória Intervalo de Confiança para a diferença de
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 2019 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 6 a Lista de Exercícios Teoria da Estimação pontual e intervalar 1) Marcar como verdadeira ou falsa as seguintes
Leia maisCE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO
CE001 - BIOESTATÍSTICA TESTE DO QUI-QUADRADO Ana Paula Araujo Correa Eder Queiroz Newton Trevisan DEFINIÇÃO É um teste de hipóteses que se destina a encontrar um valor da dispersão para duas variáveis
Leia maisEstatística Indutiva
Estatística Indutiva MÓDULO 7: INTERVALOS DE CONFIANÇA 7.1 Conceitos básicos 7.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição
Leia maisComparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo
Comparação de métodos para tratamento de parcelas perdidas em delineamento em blocos casualizados via simulação Monte Carlo Marcela Costa Rocha 1 Maria de Lourdes Lima Bragion 1 1 Introdução A perda de
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Variância amostral Método de Replicações Independentes Aula de hoje Para que serve a inferência estatística? Método dos Momentos Maximum Likehood
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisUma Introdução à Lógica da Modelagem Estatística
BIE5781 Aula 1 Uma Introdução à Lógica da Modelagem Estatística Inferência clássica x modelagem Testes de Significância Zar (1999) Biostatistical Analysis t de Student t = X Ȳ s exy William Gosset (1876-1937)
Leia mais1.1. Definições importantes
Parte I. Inferência Estatística Trata-se do processo de se obter informações sobre uma população a partir dos resultados observados numa amostra. De um modo geral, tem-se uma população com um grande número
Leia mais6- Probabilidade e amostras: A distribuição das médias amostrais
6- Probabilidade e amostras: A distribuição das médias amostrais Anteriormente estudamos como atribuir probabilidades a uma observação de alguma variável de interesse (ex: Probabilidade de um escore de
Leia maisOs testes. O teste de McNemar O teste de Wilcoxon O teste do sinais
Prof. Lorí Viali, Dr. http://www.mat.ufrgs.br/viali/ viali@mat.ufrgs.br Os testes O teste de McNemar O teste de Wilcoxon O teste do sinais O teste de McNemar para a significância de mudanças é aplicável
Leia maisMEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina
MEDIDAS DE DISPERSÃO Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Introdução INTRODUÇÃO A variabilidade entre elementos em torno do centro da distribuição é chamada medida de dispersão.
Leia mais6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA
6. NOÇÕES DE INFERÊNCIA ESTATÍSTICA 214 Problemas de inferência Inferir significa fazer afirmações sobre algo desconhecido. A inferência estatística tem como objetivo fazer afirmações sobre uma característica
Leia maisAPLICAÇÃO CONDICIONAL DE TESTES DE COMPARAÇÃO DE MÉDIAS A UM RESULTADO SIGNIFICATIVO DO TESTE F GLOBAL NA ANÁLISE DE VARIÂNCIA
APLICAÇÃO CONDICIONAL DE TESTES DE COMPARAÇÃO DE MÉDIAS A UM RESULTADO SIGNIFICATIVO DO TESTE F GLOBAL NA ANÁLISE DE VARIÂNCIA Josiane RODRIGUES 1 Sônia Maria De Stefano PIEDADE 1 Idemauro Antonio Rodrigues
Leia maisTeste de hipóteses. Estatística Aplicada Larson Farber
7 Teste de hipóteses Estatística Aplicada Larson Farber Seção 7.1 Introdução ao teste de hipóteses Uma hipótese estatística é uma alegação sobre uma população. A hipótese nula H 0 contém uma alternativa
Leia maisCONFIRMAÇÃO DA IMPRECISÃO DE RESULTADOS ESTATÍSTICOS OBTIDOS COM A UTILIZAÇÃO DO SOFTWARE EXCEL, ATRAVÉS DE SIMULAÇÃO DE DADOS
CONFIRMAÇÃO DA IMPRECISÃO DE RESULTADOS ESTATÍSTICOS OBTIDOS COM A UTILIZAÇÃO DO SOFTWARE EXCEL, ATRAVÉS DE SIMULAÇÃO DE DADOS LUCIANA DO NASCIMENTO LANCHOTE 1 Iniciação Científica, Bolsista CNPq, UFLA
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aula passada Para que serve a inferência estatística? Método dos Momentos Maximum Likehood Estimator (MLE) Teste de hipótese: definições Aula de hoje Teste
Leia maisParte 8 Testes de hipóteses Comparação de dois grupos
Parte 8 Testes de hipóteses Comparação de dois grupos Um objetivo frequente em estudos de diferentes áreas é a comparação de dois ou mais grupos (ou populações). Alguns exemplos: o Comparação dos salários
Leia maisHEP-5800 BIOESTATÌSTICA
HEP-58 BIOESTATÌSTICA UNIDADE IV INFERÊNCIA ESTATÍSTICA: TESTES DE HIPÓTESES Nila Nunes da Silva Regina I. T. Bernal I. QUADRO CONCEITUAL São procedimentos estatísticos que consistem em usar dados de amostras
Leia maisJosé Aparecido da Silva Gama¹. ¹Professor do Instituto Federal de Educação, Ciência e Tecnologia de Alagoas.
Estudo e Aplicação dos Testes de Hipóteses Paramétricos e Não Paramétricos em Amostras da Estação Fluviométrica Três Maria (MG) da bacia Hidrográfica do Rio São Francisco José Aparecido da Silva Gama¹
Leia maisINTRODUÇÃO À INFERÊNCIA ESTATÍSTICA. Prof. Anderson Rodrigo da Silva
INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA Prof. Anderson Rodrigo da Silva anderson.silva@ifgoiano.edu.br Tipos de Pesquisa Censo: é o levantamento de toda população. Aqui não se faz inferência e sim uma descrição
Leia maisTópicos Extras 1ª parte. Testes Não Paramétricos, Análise Multivariada, Outras Técnicas
Tópicos Extras 1ª parte Testes Não Paramétricos, Análise Multivariada, Outras Técnicas 1 2 Técnicas de dependência 3 4 Situações Comparar 3 tipos de rede de computadores, C1, C2 e C3, em termos do tempo
Leia maisInferência Estatística Básica. Teste de Hipóteses para uma média populacional Cálculo do Valor p
Inferência Estatística Básica Teste de Hipóteses para uma média populacional Cálculo do Valor p Exemplo 1 Um restaurante compra frangos abatidos inteiros com peso médio de 3 Kg há vários anos de um mesmo
Leia maisAula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição
Aula 5. Teste de Hipóteses II. Capítulo 12, Bussab&Morettin Estatística Básica 7ª Edição Procedimento teste de hipótese para proporção. Resumo. (1) Estabelecer as hipóteses: H: p = p 0 contra uma das alternativas
Leia maisInferência. 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média. Renata Souza
Inferência 1 Estimativa pontual de uma média 2 Estimativa intervalar de uma média Renata Souza Aspectos Gerais A estatística descritiva tem por objetivo resumir ou descrever características importantes
Leia maisAula 7. Testes de Hipóteses Paramétricos (II)
Aula 7. Testes de Hipóteses Paramétricos (II) Métodos Estadísticos 008 Universidade de Averio Profª Gladys Castillo Jordán IC e TH para comparação de valores médios µ X e µ Y de duas populações Normais.
Leia maisGE-814: Introdução à Avaliação Operacional
GE-814: Introdução à Avaliação Operacional Objetivo Que a audiência se familiarize com os testes estatísticos que visam estabelecer a garantia da performance de um sistema específico e comparações entre
Leia maisPlanejamento e Otimização de Experimentos
Planejamento e Otimização de Experimentos Um Pouco de Estatística Prof. Dr. Anselmo E de Oliveira anselmo.quimica.ufg.br anselmo.disciplinas@gmail.com Populações, Amostras e Distribuições População Amostra
Leia maisInferência Estatística
Inferência Estatística Profa Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Núcleo de Estatística e Informática HUUFMA email: alcione.miranda@terra.com.br Inferência Estatística Inferências
Leia maisConsiderações. Planejamento. Planejamento. 3.3 Análise de Variância ANOVA. 3.3 Análise de Variância ANOVA. Estatística II
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARAN PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula 8 Profa. Renata G. Aguiar Considerações Coleta de dados no dia 18.05.2010. Aula extra
Leia maisTESTE DE HIPÓTESE. Introdução
TESTE DE HIPÓTESE Introdução O teste de hipótese estatística objetiva decidir se uma afirmação sobre uma população, usualmente um parâmetro desta, é, ou não, apoiada pela evidência obtida dos dados amostrais.
Leia maisBIOESTATÍSTICA. Parte 5 Testes de Hipóteses
BIOESTATÍSTICA Parte 5 Testes de Hipóteses Aulas Teóricas de 05/05/2011 a 19/05/2011 5.1. Conceito de erro, estatística de teste, região de rejeição, nível de significância, valor de prova, potência do
Leia maisEstatística Aplicada. Teste de hipóteses ou teste de significância Cap. 11
Estatística Aplicada Teste de hipóteses ou teste de significância Cap. 11 Conceito Objetivo: decidir se uma afirmação sobre um parâmetro populacional é verdadeira a partir de informações obtidas de uma
Leia mais