Análise de Variância
|
|
- Nathalia Carlos Carvalho
- 7 Há anos
- Visualizações:
Transcrição
1 Análise de Variância Júlio Osório Comparação de mais de duas médias No Capítulo anterior consideraram-se estudos onde se pretendiam comparar duas médias ( teste t de Student para duas amostras): : H0 µ µ Em muitas situações, o investigador precisa comparar várias médias (mais de duas) Comparar os efeitos de 5 doses de uma fitohormona sobre o crescimento em altura de plantas de buganvília: : µ µ µ µ 0 H µ Comparar os teores de cafeína de 6 marcas de chá verde: H : µ µ µ µ µ µ Nestes casos, usa-se o método da Análise de Variância (ANOVA).
2 Comparação de mais de duas médias Numa primeira tentativa de encontrar resposta para o problema proposto, seriamos tentados a realizar todas as comparações possíveis das médias dos 5 tratamentos, tomadas duas a duas, pelo método clássico do t de Student: H H H H µ µ µ 3 µ : : : : 4 µ ; H µ ; 3 H µ ; 4 H µ µ µ µ : : : 3 µ ; 3 H µ ; 4 H µ 5 µ µ µ ; 4 H µ ; Todavia, este procedimento resulta não só moroso, como também muito pouco preciso. Karl Pearson (94) demonstrou que se adoptarmos à partida um nível de significância nominal α, a probabilidade de se cometer o erro de tipo I quando se utilizam múltiplos testes t para encontrar diferenças entre todos os pares possíveis de um número k de médias é sempre superior a α, e tanto mais elevado quanto maior for k. 0 0 : : 5 0 : µ µ 5 0 testes t de Student para comparar 5 médias! Comparação de mais de duas médias Por exemplo, no nosso caso concreto, se pretendêssemos comparar as 5 médias adoptando um nível de significância nominal α0.05, teríamos para o conjunto dos 0 testes t de Student um nível de significância real de 0.3! Número de médias a comparar (k) Nível de significância nominal α0.05 α0.0 α
3 Comparação de mais de duas médias Para se testarem hipóteses do tipo: H H 0 : µ µ... µ : Nem todasas k s são iguais utiliza-se o procedimento estatístico da Análise de Variância, que deve o seu nome e muito do seu desenvolvimento inicial a R.A. Fisher, e para o qual J.W. Tukey propôs o acrónimo de ANOVA (de ANalysis Of VAriance ). µ i µ k ANOVA: Generalidades O investigador controla uma ou mais de uma variáveis independentes Essas variáveis chamam-se factores Cada uma delas pode apresentar dois ou mais níveis O investigador observa/mede os efeitos na variável dependente Resposta aos níveis da variável independente Delineamento Experimental: é o plano (ou esquema) utilizado para testar as hipóteses 3
4 ANOVA: Generalidades Análise de Variância Factor Único Vários Factores ANOVA Unifactorial ANOVA Multifactorial ANOVA: Premissas A validade dos resultados da ANOVA pressupõe que os dados cumpram as seguintes condições: Independência e aleatoriedade dos erros (Seleccionam-se amostras aleatórias das populações). As populações devem ter distribuição normal. As populações devem ter variâncias iguais (homogéneas). 4
5 ANOVA Unifactorial Serve para testar a igualdade de duas ou mais (k) médias populacionais. Variáveis: Uma variável independente (um factor) medida em escala nominal. Uma variável independente medida em escala de intervalo ou de razão. Dois ou mais (k) níveis ou modalidades no factor Utiliza-se para analizar os resultados dos delineamentos completamente casualizados. ANOVA Unifactorial: Exemplo Fez-se um estudo destinado a comparar o teor de cafeína de seis marcas comerciais de chá verde (Lipton, Tetley, Gorreana, Twinings, Delta e Ahmad). Quatro pacotes de chá verde de cada uma das 6 marcas foram analisados para a quantificação da cafeína. Questão: Há evidência para sustentar, ao nível de 5%, que existem diferenças significativas entre os teores médios de cafeína das seis marcas de chá verde? 5
6 ANOVA Unifactorial: Exemplo Teores de cafeína em seis marcas de chá verde Marca de chá verde Pacote Lipton Tetley Gorreana Twinings Delta Ahmad Só há um FACTOR (Variável Independente), que é a MARCA DE CHÁ VERDE. O FACTOR único apresenta 6 NÍVEIS (as 6 marcas de chá), denominadas TRATAMENTOS. A RESPOSTA (Variável Dependente) é o TEOR DE CAFEÍNA. ANOVA Unifactorial: Hipóteses H 0 : µ µ µ 3... µ k As médias das k populações são iguais Não há efeito dos tratamentos f(x) µ µ µ 3 X H : Nem todas µ j s são iguais Pelo menos uma média é diferente das outras Há efeito dos tratamentos É incorrecto dizer µ µ... µ k f(x) µ µ µ 3 X 6
7 ANOVA Unifactorial: Cálculo Compara dois tipos de variação para testar a igualdade das médias. A comparação faz-se com base na razão de duas variâncias. Se a variação devida aos tratamentos exceder a variação aleatória, conclui-se que as médias não são todas iguais. As fracções de variação devidas ao efeito dos tratamentos e aos efeitos aleatórios (erro experimental) obtêm-se decompondo a variação total dos dados. ANOVA Unifactorial: Cálculo Variação total Variação devida a tratamentos Soma dos quadrados dos tratamentos Soma dos quadrados entre os grupos + Variação aleatória (erro experimental) Soma dos quadrados do erro Soma dos quadrados dentro dos grupos 7
8 ANOVA Unifactorial: Cálculo ( Total ) ( X X ) + ( X X ) + K + ( X ) Resposta, X X ij X X Grupo Grupo Grupo 3 Desvios de todos os dados relativamente à média global do estudo ANOVA Unifactorial: Cálculo Resposta, X ( X X ) + n ( X X ) + + n ( X ) (trat.) n K k k X X 3 X X X Grupo Grupo Grupo 3 Desvios das médias dos tratamentos relativamente à média global do estudo 8
9 (erro) ANOVA Unifactorial: Cálculo ( X X ) + ( X X ) + K + ( X ) Resposta, X kn X k X 3 X X Grupo Grupo Grupo 3 Desvios dos dados de cada grupo relativamente à média do próprio grupo ANOVA Unifactorial: Cálculo Graus de Liberdade Totais (N-) Graus de Liberdade dos Tratamentos (k-) + Graus de Liberdade do (N-k) k nº de tratamentos (grupos) n nº de dados em cada grupo N nº total de dados no estudo k.n 9
10 ANOVA Unifactorial: Cálculo O critério do teste é o estatístico F, que é a razão de duas variâncias (ou Quadrados Médios, QM s), a dos tratamentos (QM Tratamentos ) e a do erro (QM ): QM QM Tratamentos Gl Gl Tratamentos Tratamentos : k Tratamentos N k F QM QM Tratamentos amostra, com k- graus de liberdade N k Teste F ANOVA Unifactorial: Cálculo Critério: Se H 0 fôr verdadeira (µ i s todas iguais), então FQm trat /QM erro. Não rejeitar H 0 Rejeitar H 0 α Rejeitar H 0 se F amostra fôr elevado, isto é se: F amostra ( k ) F α N k 0 F F α ( k, N k) Este teste é sempre unilateral! 0
11 ANOVA Unifactorial: Cálculo Quadro ANOVA Origem da Variação Graus de Liberdade Soma dos Quadrados dos Desvios Quadrado Médio (Variância) Tratamentos k - trat. QM trat trat /(k - ) N - k erro QM erro Total - trat erro /(N - k) F QM trat QM erro Total N - Total ANOVA Unifactorial: Exemplo Teores de cafeína em seis marcas de chá verde Lipton Tetley Gorreana Twinings Delta Ahmad Totais n i T i Σx ij
12 ANOVA Unifactorial: Exemplo Cálculo do Termo de Correcção (TC) e do Somatório dos Quadrados dos Desvios Total ( TOTAL ) TC T N ,375 GL TOTAL 6 4 TOTAL i j X 4 3 ij TC ,375 79,65 ANOVA Unifactorial: Exemplo Cálculo Somatório dos Quadrados dos Desvios dos Tratamentos ( Tratamentos ) GL i 6 Tratamentos i Tratamento Tratamentos Ti ni s TC ,375,375
13 ANOVA Unifactorial: Exemplo Cálculo Somatório dos Quadrados dos Desvios do ( ) GL 79,65,375 57, TOTAL Tratamento s ANOVA Unifactorial: Exemplo Cálculo do Quadrado Médio dos Tratamentos (QM Tratamentos ) e do Quadrado Médio do (QM ) QM Tratamentos GL Tratamentos Tratamentos, ,475 QM GL 57,5 8 3,8 3
14 ANOVA Unifactorial: Exemplo Cálculo do valor amosstral de F (F amostra ) F amostra QM QM Tratamentos 4,475 3,8 7,695 0,77 ANOVA Unifactorial: Exemplo H 0 : µ µ µ 6 H : Nem todas µ i s são iguais α 0,05 F GL 5 GL 8 Valor Crítico: α 0,05 F Estatístico F: amostra Decisão: QM QM Rejeitar H 0 a α 0,05 Conclusão: Tratamentos 4,475 7,695 3,8 Há evidência para concluir que o teor médio de cafeína não é igual em todas as marcas de chá verde. 4
15 ANOVA Unifactorial: Exemplo Tabela do F de Snedecor F 0,05 (5/8),77 ANOVA Unifactorial: Exemplo O cômputo da Análise de Variância costuma ser sistematizado e apresentado numa tabela, conhecida por Quadro ANOVA, onde se materializa a decomposição da Soma dos Quadrados dos Desvios Total e do Número Total de Graus de Liberdade. Quadro ANOVA Origem da variação Entre grupos (Marcas de chá) GL QM F amostra F α α0.05 α0.0 α0.00 5,375 4,475 7,694 (***),77 4,5 6,8 Dentro dos 8 57,50 3,8 grupos () TOTAL 3 79,65 5
16 Conclusões: ANOVA Unifactorial: Exemplo Há diferenças significativas entre as seis marcas de chá verde no que ao teor de cafeína diz respeito. Para esclarecer quais as marcas que têm idêntico valor para o teor médio de cafeína e quais diferem a esse respeito, tem que se realizar testes pós-anova para comparações múltiplas de médias. Dentre os vários testes pós-anova descritos na literatura, serão abordados aqui o Teste de Student- Neuman-Keuls (Teste S-N-K) e o Teste de Tukey. ANOVA Unifactorial: Exemplo Médias ordenadas por ordem crescente de grandeza Tratamentos Tetley Delta Ahmad Twinings Lipton Gorreana QM 3,8 Médias 37,00 38,5 38,5 39,75 40,50 0,8944,00 n 4 Teste de Student-Newman- Keuls (S-N-K) Comparação Diferença p q0.05(p,8) -padrão AMS p Significância Gorreana vs. Tetley 7,00 6 4,49 0,89 4,0 * Gorrena vs. Delta 5,75 5 4,8 0,89 3,8 * Gorreana vs. Ahmad 5,75 4 4,00 0,89 3,57 * Gorreana vs. Twinings 4,5 3 3,6 0,89 3,5 * Gorrena vs. Lipton 3,50,97 0,89,65 * Lipton vs. Tetley 3,50 5 4,8 0,89 3,8 ns Lipton vs. Delta,5 4 4,00 0,89 3,57 ns Lipton vs. Ahmad,5 3 3,6 0,89 3,5 ns Lipton vs. Twinings 0,75,97 0,89,65 ns Twinings vs. Tetley,75 4 4,0 0,89 3,57 ns Twinings vs. Delta,50 3 3,6 0,89 3,5 ns Twinings vs. Ahmad,50,97 0,89,65 ns Ahmad vs. Tetley,5 3 3,6 0,89 3,5 ns Ahmad vs. Delta 0,00,97 0,89,65 ns Delta vs. Tetley,5,97 0,89,65 ns * médias significativamente diferentes ao nível de 5%, porque a sua diferença excede a Amplitude Mínima Significativa (AMS). ns médias não significativamente diferentes ao nível de 5%, porque a sua diferença é inferior à Amplitude Mínima Significativa (AMS). 6
17 ANOVA Unifactorial: Exemplo Tabela dos Testes S-N-K e Tukey Amplitudes Studentizadas para GL erro 8 e α0,05 ANOVA Unifactorial: Exemplo Apresentação do Resultado do Teste S-N-K Marca de chá Gorreana Média 44,00 a Grupos de Significância Lipton 40,50 b Twinings 39,75 b Ahmad 38,5 b Delta 38,5 b Tetley 37,00 b Médias que partilham letras no grupo de significância não são significativamente diferentes! 7
18 ANOVA Unifactorial: Exemplo Apresentação do Resultado do Teste S-N-K Tetley (37,00) Delta (38,5) Ahmad (38,5) Twinings (39,5) Lipton (40,50) Gorreana (44,00) Médias unidas por um mesmo traço não são significativamente diferentes! Gorreana tem mais cafeína que todas as ouras marcas As outras marcas não diferem entre si ANOVA Unifactorial: Exemplo Médias ordenadas por ordem crescente de grandeza Tratamentos Tetley Delta Ahmad Twinings Lipton Gorreana Médias 37,00 38,5 38,5 39,75 40,50 44,00 Teste de Tukey Comparação Diferença p q0.05(p,8) -padrão AMS p Significância Gorreana vs. Tetley 7,00 6 4,49 0,89 4,0 * Gorrena vs. Delta 5,75 5 4,49 0,89 4,0 * Gorreana vs. Ahmad 5,75 4 4,49 0,89 4,0 * Gorreana vs. Twinings 4,5 3 4,49 0,89 4,0 * Gorrena vs. Lipton 3,50 4,49 0,89 4,0 ns Lipton vs. Tetley 3,50 5 4,49 0,89 4,0 ns Lipton vs. Delta,5 4 4,49 0,89 4,0 ns Lipton vs. Ahmad,5 3 4,49 0,89 4,0 ns Lipton vs. Twinings 0,75 4,49 0,89 4,0 ns Twinings vs. Tetley,75 4 4,49 0,89 4,0 ns Twinings vs. Delta,50 3 4,49 0,89 4,0 ns Twinings vs. Ahmad,50 4,49 0,89 4,0 ns Ahmad vs. Tetley,5 3 4,49 0,89 4,0 ns Ahmad vs. Delta 0,00 4,49 0,89 4,0 ns Delta vs. Tetley,5 4,49 0,89 4,0 ns * médias significativamente diferentes ao nível de 5%, porque a sua diferença excede a Amplitude Mínima Significativa (AMS). ns médias não significativamente diferentes ao nível de 5%, porque a sua diferença é inferior à Amplitude Mínima Significativa (AMS). 8
19 ANOVA Unifactorial: Exemplo Apresentação do Resultado do Teste de Tukey Marca de chá Gorreana Média 44,00 a Grupos de Significância Lipton 40,50 a b Twinings 39,75 b Ahmad 38,5 b Delta 38,5 b Tetley 37,00 b Médias que partilham letras no grupo de significância não são significativamente diferentes! ANOVA Unifactorial: Exemplo Apresentação do Resultado do Teste de Tukey Tetley (37,00) Delta (38,5) Ahmad (38,5) Twinings (39,5) Lipton (40,50) Gorreana (44,00) Médias unidas por um mesmo traço não são significativamente diferentes! Lipton ocupa uma posição charneira entre Gorreana e as restantes marcas., O Teste de Tukey é mais conservador que o S-N- K! 9
20 ANOVA Multifactorial Há vários (dois ou mais) factores ou variáveis independentes. Cada um deles pode ter dois ou mais níveis. A análise estatística é uma ANOVA a vários critérios de classificação dos dados. Como exemplo, considera-se o caso mais simples: o dos delineamentos factoriais duplos. Poupam tempo e trabalho, e enriquecem a pesquisa: Num só empreendimento experimental, obtém-se a informação que só se conseguiria realizando dois ensaios separados, um para cada factor individual. Permitem controlar os efeitos de factores secundários que, introduzindo variação espúria nos resultados, dificultam a comparação dos efeitos do factor de interesse primordial. Possibilitam a análise das interacções entre factores. ANOVA Multifactorial: Cálculo Variação devida ao factor A + Variação Total Variação devida ao factor B + Variação devida à interacção de A com B + Variação aleatória (erro experimental) 0
21 ANOVA Multifactorial: Cálculo Graus de liberdade do factor A (a-) + Graus de liberdade totais (N-) Graus de liberdade do factor B (b-) + Graus de liberdade da interacção de A com B [(a-)(b-)] + Graus de liberdade do erro(n-ab) ANOVA Multifactorial: Cálculo Neste caso, há lugar ao cálculo de três estatísticos F, um relativo ao factor A, outro ao factor B e outro para a interacção A x B: F QM QM A A amostra, com a- graus de liberdade N ab F QM QM B B amostra, com b- graus de liberdade N ab Rejeitar a H 0 da igualdade dos efeitos dos níveis de A se: F A amostra ( a ) F α N ab Rejeitar a H 0 da igualdade dos efeitos dos níveis de B se: F B amostra ( b ) F α N ab F AB amostra com QM QM AB, ( a )(. b ) graus de liberdade N ab Rejeitar a H 0 da inexistência de interacção se: ( a. )( b ) amostra α F AB F N ab
22 ANOVA Multifactorial: Exemplo No decurso de um estudo sobre os efeitos da solução de lavagem e do tipo de forno utilizado sobre a remoção térmica da pele dos amendoins, foram testados três tipos de solução de lavagem (cloreto de potássio, cloreto de sódio e água) e três tipos de forno (forno de convecção, forno de microondas e forno convencional). Cada combinação solução-tipo de forno foi testada em três lotes de amendoim (três repetições de cada tratamento ), tendo-se registado como variável de resposta a percentagem de amendoins descascados observada em cada caso. Questões: Há evidência nos dados para se concluir, ao nível de 5%, que o efeito da solução de lavagem sobre a percentagem de amendoins descascados varia com o tipo de forno utilizado? Que conclusões se podem tirar para os diversos tipos de solução e de forno? ANOVA Multifactorial: Exemplo Solução de Lavagem Convecção Forno Microondas Convencional Total KCl Σ NaCl Σ H O Σ Total
23 ANOVA Multifactorial: Exemplo Decomposição de Total e GL Total Forno GL Forno Subgrupos Solução GL Solução Interacção GL Interacção GL ANOVA Multifactorial: Exemplo Cálculo do Termo de Correcção (TC) e do Somatório dos Quadrados dos Desvios Total ( TOTAL ) TC T N ,37 GL TOTAL TOTAL i j k 7 6 X ijk TC 33054, 7445, ,85 3
24 ANOVA Multifactorial: Exemplo Cálculo dos Somatórios dos Quadrados dos Desvios dos Subgrupos ( Subgrupos ) e do ( ) GL Subgrupos Subgrupos a bt 3x3 8 ij. n 0,9 + 0, , TC 7445,37 539,077 3 GL Total ab..( n ) 3.3.(3 ) 8 Subgrupos 5608,85 539,077 89,773 ANOVA Multifactorial: Exemplo Cálculo dos Somatórios dos Quadrados dos Desvios dos Factores A ( A ) e B ( B ), e da respectiva Interacção ( AB ) GL A T a 583, 6, 659,8 i TC 7445,37 333,303 A bn. 3.3 a 3 b T GL B B 668,0 475,0 7,0. j. + + TC 7445,37 353,630 an. 3.3 b 3 GLAB AB Subgrupos ( a ).( b ) (3 ).(3 ) 4 A B 539, , , ,44 4
25 ANOVA Multifactorial: Exemplo Quadro ANOVA Origem da variação GL QM Famostra α0.05 α0.0 α0.00 SUBGRUPOS 8 539, ,885 4,30 (***),5 3,7 5,76 Fα A (solução) B (forno) AxB (solução x forno) 333,303 66,65 0,35 (**) 3,56 6,0 0,39 353, ,85 09,69 (***) 3,56 6,0 0, ,44 363,536,58 (***),93 4,58 7,46 ERRO 8 89,773 6,099 TOTAL ,850 ANOVA Multifactorial: Exemplo Conclusões: Tanto a solução de lavagem como o tipo de forno utilizado tiveram efeitos significativos sobre o rendimento do processo de remoção da casca dos amendoins. Há evidência suficiente nos dados para se poder concluir a existência de uma interacção significativa destes dois factores. A interacção significativa significa, neste caso, que a resposta da percentagem de amendoins descascados às soluções de lavagem testadas varia com o tipo de forno utilizado (ou que a resposta ao tipo de forno variou com a solução empregue na lavagem dos amendoins). Uma maneira expedita de examinar a interacção consiste em fazer representações gráficas das médias dos subgrupos (eixo das ordenadas) em função dos níveis dos dois factores ( Gráficos de Perfil da Resposta). 5
26 ANOVA Multifactorial: Perfil da Resposta. Se as linhas fossem sensivelmente paralelas, isso sugeriria a não existência de interacção.. Não o sendo visivelmente, podemos concluir que o padrão de resposta da % de descascados às soluções variou com o tipo de forno a interacção solução x forno é significativa. ANOVA Multifactorial: Perfil da Resposta. Se as linhas fossem sensivelmente paralelas, isso sugeriria a não existência de interacção.. Não o sendo visivelmente, podemos concluir que o padrão de resposta da % de descascados ao tipo de forno variou com a solução de lavagem a interacção solução x forno é significativa. 6
27 ANOVA Multifactorial: Perfil da Resposta Tipo de forno Resultados do Teste de Tukey para Soluções Fazendo uma ANOVA a um critério em separado para os dados de cada tipo de forno, seguida do Teste de Tukey, podemos confirmar estes factos:. No forno de convecção, obtiveram-se melhores resultados com água e NaCl.. No forno de microondas, obtiveram-se melhores resultados com água. 3. No forno convencional, a água mostrou um desempenho intermédio entre KCl e NaCl. Convecção Microondas Convencional KCl H O NaCl KCl NaCl H O NaCl H O KCl 7
28 BLOCOS COMPLETOS CASUALIZADOS Júlio Osório Blocos Completos Casualizados Exemplo Efeitos de 4 dietas (A, B, C e D) sobre os acréscimos de peso em porquinhos-da-india. 5 animais/dieta em bom estado físico e com a mesma idade. O ensaio em vivário, animais em gaiolas individuais situadas sobre bancadas. Condições ambientais de luz, temperatura, humidade, ruído, etc. não eram homogéneas na estufa, e podem ter inflência sobre os acréscimos de peso dos animais. Constituiídos 5 blocos de unidades experimentais, isto é, 5 grupos de porquinhos-da-india. Cada bloco de animais consiste de 4 porquinhos-da-india, um para cada uma das 4 dietas. As 4 gaiolas de cada bloco foram arrumadas em posições vizinhas sobre a bancada do laboratório, e distribuíram-se os 5 blocos pela bancada por forma a corresponderem tanto quanto possível a diferentes condicionalismos ambientais. Considera-se que todos os membros de um mesmo bloco se encontram em idênticas condições, excepto no tocante, com é óbvio, à dieta alimentar. A atribuição da dieta a cada um dos indivíduos de um bloco foi feita por um processo aleatório.
29 Blocos Completos Casualizados Características Plano do ensaio e acréscimos de peso dos porquinhos-da-india ao fim do período de experiência. Bloco Bloco Bloco 3 Bloco 4 Bloco 5 C. A.4 C.4 D.3 A.4 D.3 C. B. B 3.0 D.5 A.5 B.9 D. A. C.5 B.7 D.0 A.4 C.0 B 3.3 Blocos Completos Casualizados Utilização Situações em que se suspeita ou se sabe à partida que certas unidades experimentais, tratadas de forma idêntica, responderão de forma diferente aos tratamentos: nos ensaios de campo, parcelas de terreno contíguas tendem a responder de forma mais semelhante que parcelas afastadas; os animais mais pesados de um grupo de animais com a mesma idade tendem a exibir uma taxa de acréscimo de peso distinta da dos animais mais leves; medições feitas no mesmo dia com um certo equipamento tendem a ser mais homogéneas que as feitas com o mesmo equipamento noutro dia; um lote de análises bioquímicas (envolvendo várias manipulações) tende a produzir resultados mais homogéneos quando é executado mesmo analista do quando o é por vários analistas.
30 BCC: Exemplos de Factores que integram os Blocos Variável Perturbadora Unidade Experimental Gradiente de fertilidade Gradiente de humidade Diferenças no declive Composição do solo Orientação do Sol Fluxo de ar Distribuição do calor Idade Densidade local Género Idade Sócio-demografia Parcela de Terreno Localização na estufa Árvore Pessoa BCC: Regras para a implementação dos Blocos A fiabilidade da análise depende muito da forma como se constituem os Blocos: Com parcelas de terreno, os Blocos devem ficar perpendiculares ao gradiente do factor de perturbação que se quer controlar. Utilizam-se áreas de bordadura (isto é, de excusão) de tamanho apropriado para eliminar as interferências de parcelas vizinhas (isto é, para assegurar a independência das respostas), tanto entre como dentro dos blocos. O grande princípio é maximizar a homogeneidade dentro dos Blocos e, ao mesmo tempo, maximizar a heterogeneidade entre os Blocos. 3
31 BCC: Exemplo incorrecto Gradiente de humidade T T T5 T3 T4 T4 T T3 T5 T T T5 T T4 T3 T3 T4 T T T5 Efeitos dos tratamentos confundidos com efeitos da humidade! BCC: Exemplo correcto T T3 T5 T4 T Gradiente de humidade T5 T T3 T T4 T3 T T4 T5 T T4 T5 T T T3 O efeito do Bloco remove agora o efeito da humidade, possibilitando comparações correctas entre tratamentos!. 4
32 BCC: Vantagens e Desvantagens Vantagens: Permite controlar uma única fonte estranha de variação e remover o seu efeito da estimativa do erro experimental. Assegura maior flexibilidade no planeamento da experiência. Assegura maior flexibilidade na implementação e administração da experiência. Desvantagens: Geralmente inadequado quando há um número elevado de tratamentos, devido a eventual impossibilidade de assegurar a homogeneidade dentro dos Blocos. Problemas sérios com a análise se existir de facto uma interacção entre o factor em Blocos e os tratamentos, e não se tenha previsto a replicação dentro dos Blocos (solução: usar replicação dentro dos blocos quando possível). ANOVA em BCC: Cálculo Variação devida ao factor Blocos + Variação Total Variação devida ao factor Tratamentos + Embora haja factores (Blocos e Tratamentos), não se pode calcular a interacção! Variação aleatória (erro experimental) 5
33 ANOVA em BCC: Cálculo Graus de liberdade de Blocos (a-) + Graus de liberdade totais (ab-) Graus de liberdade de Tratamentos (b-) + Graus de liberdade do erro (a-). (b-) ANOVA em BCC: Cálculo TC T.. axb ν TOTAL b a TOTAL Y ij axb TC ν Blo cos Blo cos b b. j T a TC ν Tratamento s Tratamento s a a i. T TC b ν Total (a )x (b ) Blo cos Tratamento s 6
34 ANOVA em BCC: Cálculo Organizar os dados numa tabela Blocos x Tratamentos: Blocos A Dietas B C D T.j TC x T i TOTAL ν TOTAL ν TC x ( 4 )x( 5 ) ν Tratamento ν s Tratamento. s ( 4 )x( 5 ) TC ANOVA em BCC: Cálculo QUADRO ANOVA F α Origem da variação GL QM F amostra α0.05 α0.0 α0.00 Blocos (ns) Tratamentos (Dietas) (***) ERRO TOTAL Decisão e Conclusão: Rejeitar H 0. Conclui-se que existe uma diferença muito altamente significativa entre os ganhos médios de peso produzidos pelas 4 dietas ensaiadas. 7
35 BCC: Organização em Blocos e Controlo da Variação Espúria O interesse principal do investigador é comparar ganhos médios de peso alcançados com as quatro dietas. A variação que a heterogeneidade das condições ambientais introduz nos ganhos de peso representa uma fonte de variação estranha ao objectivo do ensaio (variação espúria). A menos que o investigador a consiga controlar, esta variação tem potencial para sobrepôr-se à das dietas, mascarando as eventuais diferenças entre dietas. Como consequência disto, há uma probabilidade elevada de se concluir (erroneamente) que não há diferença entre os efeitos das dietas, quando na realidade elas estão presentes no ensaio! Em teoria, comparações rigorosas só poderiam ser feitas se ele instalassem os animais sujeitos às quatro dietas num ambiente perfeitamente homogéneo. 8
EXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisTESTE DE COMPARAÇÃO MÚLTIPLA
SUMÁRIO 1 TESTE DE COMPARAÇÃO MÚLTIPLA Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais. Mas, entre
Leia maisDelineamento e Análise Experimental Aula 4
Aula 4 Castro Soares de Oliveira ANOVA Significativa Quando a aplicação da análise de variância conduz à rejeição da hipótese nula, temos evidência de que existem diferenças entre as médias populacionais.
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento Completamente 1. Quando usar? Casualizado (DCC) Este delineamento é usado quando as unidades experimentais
Leia maisDELINEAMENTO EM BLOCOS AO ACASO
DELINEAMENTO EM BLOCOS AO ACASO Sempre que não houver condições experimentais homogêneas, devemos utilizar o principio do controle local, instalando Blocos, casualizando os tratamentos, igualmente repetidos.
Leia maisEXPERIMENTAÇÃO AGRÍCOLA
EXPERIMENTAÇÃO AGRÍCOLA DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) Eng. Agrônomo: Francisco Bruno Ferreira de Sousa Bruno.uno2011@hotmail.com/ fbfsagro@gmail.com Contato: (99) 99199460 Objetivos: Estudar
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Caracterização o O delineamento inteiramente casualizado (DIC) é o mais simples de todos os delineamentos
Leia maisEXPERIMENTAÇÃO AGRÁRIA
EXPERIMENTAÇÃO AGRÁRIA Tema : Delineamentos experimentais básicos (DCC/DBCC/DQL) Delineamento de Blocos Completos Casualizados (DBCC) Quando usar? Quando as unidades experimentais não apresentam características
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br CARACTERIZAÇÃO o Em alguns experimentos pode-se ter fatores que estão interferindo na variável resposta,
Leia maisAnálise da Variância. Prof. Dr. Alberto Franke (48)
Análise da Variância Prof. Dr. Alberto Franke (48) 91471041 Análise da variância Até aqui, a metodologia do teste de hipóteses foi utilizada para tirar conclusões sobre possíveis diferenças entre os parâmetros
Leia maisCap. 9 Comparação entre tratamentos
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 004 Cap. 9 Comparação entre tratamentos APOIO: Fundação de Apoio
Leia maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Profª Railene Hérica Carlos Rocha 1. Introdução
Leia maisESQUEMA FATORIAL. Lucas Santana da Cunha Universidade Estadual de Londrina Departamento de Estatística
ESQUEMA FATORIAL Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 22 de julho de 2017 Esquema Fatorial Nos experimentos mais simples
Leia maisEsquema Fatorial. Lucas Santana da Cunha Universidade Estadual de Londrina
Esquema Fatorial Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 22 de junho de 2016 Muitos experimentos envolvem o estudo dos efeitos
Leia maisDELINEAMENTO FATORIAL. Profª. Sheila Regina Oro
DELINEAMENTO FATORIAL Profª. Sheila Regina Oro Existem casos em que vários fatores devem ser estudados simultaneamente para que possam nos conduzir a resultados de interesse. Experimentos fatoriais: são
Leia maisESTATÍSTICA EXPERIMENTAL. ANOVA. Aula 05
ESTATÍSTICA EXPERIMENTAL ANOVA. Aula 05 Introdução A ANOVA ou Análise de Variância é um procedimento usado para comparar a distribuição de três ou mais grupos em amostras independentes. A análise de variância
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 22 de outubro de 2018 Londrina 1 / 24 Obtenção de uma amostra Princípios básicos da experimentação Há basicamente duas
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 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 maisANOVA FACTORIAL EXEMPLO 1. ANOVA TWO-WAY COM O SPSS. a capacidade de reconhecimento do odor materno
ANOVA FACTORIAL Quando a variável dependente é influenciada por mais do que uma variável independente (Factor) estamos interessados em estudar o efeito não só de cada um dos factores mas e também a possível
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 maisExperimentos em parcelas subdivididas e procedimentos para a aplicação dos testes de comparação de médias
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE UNIDADE ACADÊMICA DE CIÊNCIAS AGRÁRIAS DISCIPLINA: ESTATÍSTICA EXPERIMENTAL Experimentos em parcelas subdivididas e procedimentos para a aplicação
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 maisMINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE IV TESTES DE COMPARAÇÕES MÚLTIPLAS DE MÉDIAS EXPERIMENTAIS Profª Railene Hérica Carlos
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br UNIDADE EXPERIMENTAL OU PARCELA Unidade Experimental (ou Parcela) são os indivíduos (plantas ou animais)
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTES PARA COMPARAÇÃO DE MÉDIAS O teste F permite tirar conclusões muito gerais relacionadas com os
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 maisExperimentos Fatoriais
Experimentos Fatoriais Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos
Leia maisDelineamento e Análise Experimental Aula 5
Aula 5 Castro Soares de Oliveira Delineamentos Experimentais Delineamento experimental ou desenhos experimentais é o plano utilizado para realizar o experimento. Esse plano implica na maneira como os diferentes
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br TESTE DE TUKEY O teste de Tukey também pode ser usado como um complemento do Teste F da análise de variância.
Leia maisEXPERIMENTAÇÃO ZOOTÉCNICA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO ZOOTÉCNICA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br Introdução o Os ensaios em quadrados latinos levam em conta o controle local, aplicado em dois destinos:
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor
Leia maisDPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Morgana Pizzolato, Dr a. Aula 20 Introdução à otimização experimental e experimentos de um fator DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Projetos de Experimentos
Leia maisMINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para o Doutorado
Leia maisExperimentos em Parcelas Subdivididas
Experimentos em Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 08 de novembro de 2018 Londrina Tal como no caso de fatorial, o termo parcelas subdivididas não se refere a um tipo de delineamento
Leia maisConcurso Público para provimento de cargo efetivo de Docentes
Questão 01 Os dados, a seguir, são referentes às notas de cinco alunos de uma turma para as provas P 1 e P 2. P 1 = {2, 3, 4, 5, 6} P 2 = {2, 2, 4, 5, 7} Analisando os resultados, é possível afirmar que:
Leia maisDELINEAMENTO EXPERIMENTAL [1]
DELINEAMENTO EXPERIMENTAL [1] MESTRADO EM GESTÃO DA QUALIDADE E SEGURANÇA ALIMENTAR Docente: Susana Mendes Ano Letivo 2014/15 susana.mendes@ipleiria.pt RAZÕES PARA REALIZAR TRABALHOS DE INVESTIGAÇÃO Curiosidade
Leia maisLucas Santana da Cunha de outubro de 2018 Londrina
e Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 17 de outubro de 2018 Londrina 1 / 31 Obtenção de uma amostra Há basicamente duas formas de se obter dados para uma pesquisa
Leia maisCIRCULAR TÉCNICA N o 176 JANEIRO UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus
ISSN -45 CIRCULAR TÉCNICA N o 76 JANEIRO 99 UM ENSAIO FATORIAL DE ESPÉCIES E ADUBAÇÕES DE Eucalyptus Introdução Frederico Pimentel Gomes * Carlos Henrique Garcia ** Os ensaios fatoriais apresentam, em
Leia maisAula 13 Análise de Variância (ANOVA)
Aula 13 Análise de Variância (ANOVA) 1 Exemplo: Com o objetivo de avaliar o efeito no ganho de peso da utilização do farelo bruto na alimentação de frangos da linhagem Ross com um dia de idade, foi realizado
Leia maisEXPERIMENTOS EM PARCELAS SUBDIVIDIDAS
EXPERIMENTOS EM PARCELAS SUBDIVIDIDAS Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 29 de julho de 2017 Parcelas Subdivididas Tal
Leia maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari amanda@fcav.unesp.br INTRODUÇÃO Muitas vezes, embora se tenha cuidado no planejamento e Ao planejar um experimento, o pesquisador
Leia maisRoteiro de Aula Delineamentos Fatoriais 05/06/2018
Roteiro de Aula Delineamentos Fatoriais 05/06/2018 Hipóteses: As seguintes hipóteses podem ser testadas nos experimentos fatoriais 2x2: Fator A: { [ ] Fator B: { [ ] Interação A x B: { ( ) [ ] [ ] ( )
Leia maisEsquema Fatorial. Esquema Fatorial. Lucas Santana da Cunha 06 de outubro de 2018 Londrina
Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 06 de outubro de 2018 Londrina Nos experimentos mais simples comparamos níveis (tratamentos) de apenas um fator; Nos experimentos mais simples comparamos
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS (DBC)
DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DBC O delineamento em
Leia maisPROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II
PROBABILIDADE E ESTATÍSTICA INFERÊNCIA ESTATÍSTICA Parte II Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo TESTE PARA UMA PROPORÇÃO H0: p = p 0
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 maisTestes de hipóteses Paramétricos
Testes de hipóteses Paramétricos Modelos de análise de variância com um factor Teste de Bartlett Teste de comparações múltiplas de Scheffé Rita Brandão (Univ. Açores) Testes de hipóteses Paramétricos 1
Leia maisPrincípios de Bioestatística
Princípios de Bioestatística Análise de Variância Enrico A. Colosimo Departamento de Estatística Universidade Federal de Minas Gerais http://www.est.ufmg.br/~enricoc 2011 1 / 25 Introdução Existem muitas
Leia maisDIC com número diferente de repetições por tratamento
DIC com número diferente de repetições por tratamento Introdução Muitas vezes, embora se tenha cuidado no planejamento e Ao planejar um experimento, o pesquisador deve utilizar na execução do experimento,
Leia maisDelineamento e Análise Experimental Aula 7. Anderson Castro Soares de Oliveira
Aula 7 Castro Soares de Oliveira Experimentos Fatoriais Nos experimentos mais simples comparamos tratamentos de apenas um tipo ou fator. Em algumas situações existem vários fatores envolvidos em um experimento,
Leia maisLucas Santana da Cunha 27 de novembro de 2017
EXPERIMENTAÇÃO E ANÁLISE DE VARIÂNCIA Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 27 de novembro de 2017 Experimentação A experimentação se difundiu como
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Testes de Comparações Múltiplas
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Testes de Comparações Múltiplas Professora Renata Alcarde Sermarini Piracicaba Agosto 2016 Renata Alcarde Sermarini Estatística
Leia maisANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC)
ANÁLISE DE VARIÂNCIA DE DOIS CRITÉRIOS (DBC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 13 de dezembro de 2017 ANAVA dois critérios A análise de variância
Leia maisEstatística. Nos exercícios que se seguem, e caso seja necessário, considere que os pressupostos necessários à aplicação da ANOVA são verificados.
INSTITUTO SUPERIOR POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA Ano Lectivo 007/008 Estatística Ficha n.º Nos exercícios que se seguem, e caso seja necessário, considere que os pressupostos necessários
Leia maisPlanejamento da pesquisa científica: incerteza e estatística. Edilson Batista de Oliveira Embrapa Florestas
Planejamento da pesquisa científica: incerteza e estatística Edilson Batista de Oliveira Embrapa Florestas Pesquisa em laboratórios na Embrapa Anos 70 Anos 80 Anos 90 Século 21 Precisão em Laboratórios:
Leia maisTestes de Hipóteses sobre a média: Várias Amostras
Testes de Hipóteses sobre a média: Várias Amostras Na aula de hoje veremos como comparar mais de duas populações, baseados em dados fornecidos por amostras dessas populações. A Análise de Variância (ANOVA)
Leia maisPLANIFICAÇÃO FACTORIAL UM PROCESSO OU SISTEMA PODE SER REPRESENTADO POR UM MODELO:
PLANIFICAÇÃO FACTORIAL UM PROCESSO OU SISTEMA PODE SER REPRESENTADO POR UM MODELO: OBJECTIVOS DA EXPERIÊNCIA: 1. DETERMINAR QUAL (AIS) DA (S) VARIÁVEL (EIS) x s INFLUENCIA (M) MAIS A RESPOSTA, y.. DETERMINAR
Leia mais09 de setembro de 2013
Programa de Pós-Graduação em Estatística e Experimentação Agronômica ESALQ/USP 09 de setembro de 2013 1 2 3 4 5 6 7 8 9 10 Conteúdo Contexto Quando o F da ANOVA está sendo utilizado para testar diferenças
Leia mais1 Desenho da investigação. 1.1 Definição e objectivos 1.2 Elementos do desenho
1 Desenho da investigação 1.1 Definição e objectivos 1.2 Elementos do desenho Definição: Plano e estrutura do trabalho de investigação; Conjunto de directivas associadas ao tipo de estudo escolhido Objectivos:
Leia maisb) 5 6 d) 1 6 e) 7 6
CONHECIMENTOS ESPECÍFICOS 21. Em estatística, duas medidas são de grande importância na análise de dados, medidas de tendência central e de dispersão. Dentre as medidas indicadas abaixo, são, respectivamente,
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 maisANOVA - parte I Conceitos Básicos
ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução
Leia maisDELINEAMENTO EM QUADRADO LATINO (DQL)
DQL DELINEAMENTO EM QUADRADO LATINO (DQL) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha Universidade Estadual de Londrina Departamento de Estatística 08 de julho de 2017 DQL Na Seção anterior
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 mais5.3 Experimentos fatoriais a dois fatores. Ambos os fatores são supostos fixos e os efeitos de tratamento são definidos como desvios da média tal que
5. Experimentos Fatoriais 5.3 Experimentos fatoriais a dois fatores. Modelo de Efeitos Y ijk = µ+τ i +β j +(τβ) ij +ɛ ijk, i = 1, 2,..., a j = 1, 2,..., b k = 1, 2,..., n Ambos os fatores são supostos
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 maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL Delineamento Inteiramente Casualizado - DIC Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO No DIC a distribuição dos tratamentos às unidades experimentais é feita inteiramente ao
Leia maisProjeto de Experimentos
Projeto de Experimentos O uso de Projeto de Experimentos conduz a uma seqüência estruturada de ensaios, que assegura o máximo de informação com um gasto mínimo de tempo/dinheiro. Entrada Processo Saída
Leia maisCOMPARAÇÕES MÚLTIPLAS
ESCOLA SUPERIOR DE AGRICULTURA LUIZ DE QUEIROZ COMPARAÇÕES MÚLTIPLAS Josiane Rodrigues Lilian Emerick Fernandes 2009 INTRODUÇÃO Comparação entre médias de tratamentos ou dos níveis de um fator de tratamentos;
Leia maisANÁLISE DE DADOS. Nome:
UNIVERSIDADE EDUARDO MONDLANE FACULADADE DE AGRONOMIA E ENGENHARIA FLORESTAL Departamento de Economia Agrária e Desenvolvimento Rural Secção de Economia Agrária ANÁLISE DE DADOS 31.05.2012 Nome: 1. Das
Leia maisUNIVERSIDADE DO ALGARVE Faculdade de Engenharia dos Recursos Naturais. Estatística Experimental. Trabalho Prático nº 4: Análise de Variância
UNIVRSI O LGRV aculdade de ngenharia dos Recursos Naturais statística xperimental Trabalho Prático nº 4: nálise de Variância SPSS nalyse o ompare Means o One-Way nova nalyse o General Linear Model o Univariate
Leia maisENGENHARIA DA QUALIDADE A ENG AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA
ENGENHARIA DA QUALIDADE A ENG 09008 AULA 8 PROJETOS DE EXPERIMENTOS - ANOVA PROFESSORES: CARLA SCHWENGBER TEN CATEN Tópicos desta aula Projetos de Experimentos Terminologia Passos de implementação Princípios
Leia maisANÁLISE DE VARIÂNCIA - ANOVA. Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM
ANÁLISE DE VARIÂNCIA - ANOVA Prof. Adriano Mendonça Souza, Dr. Departamento de Estatística - PPGEMQ / PPGEP - UFSM UM EXEMPLO DE APLICAÇÃO Digamos que temos 6 métodos de ensino aplicados a 30 crianças
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo. Delineamento Casualizado em Blocos
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Delineamento Casualizado em Blocos Estatística Experimental 5 de Outubro de 2016 1 / 20 DBC: Introdução Parcelas similares Delineamento
Leia maisAnálise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos
Análise de Variância com mais de duas variáveis independentes (mais de dois fatores) Na aula do dia 17 de outubro (aula #08) introduzimos a técnica de Análise de variância (ANOVA) a um fator, que resulta
Leia maisUNIDADE V EXPERIMENTOS FATORIAIS (RC)
MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE CAMPINA GRANDE CENTRO DE CIENCIAS E TECNOLOGIA AGROALIMENTAR UNIDADE V EXPERIMENTOS FATORIAIS (RC) Profª Railene Hérica Carlos Rocha Pombal, PB. 1. Conceitos
Leia maisESTATÍSTICA EXPERIMENTAL
ESTATÍSTICA EXPERIMENTAL DQL Delineamento em Quadrado Latino Prof. Miguel Toledo del Pino, Dr. INTRODUÇÃO [1] Além dos princípios da casualização e repetição, é utilizado duas vezes o princípio de controle
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 2ª parte Experimentos inteiramente
Leia maisPROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL
PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) EXPERIMENTOS COM DOIS FATORES E O PLANEJAMENTO FATORIAL Dr Sivaldo Leite Correia CONCEITOS E DEFINIÇÕES FUNDAMENTAIS Muitos experimentos são realizados visando
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 maisEXPERIMENTAÇÃO AGRÍCOLA. Profa. Dra. Amanda Liz Pacífico Manfrim Perticarrari
EXPERIMENTAÇÃO AGRÍCOLA 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, com
Leia maisDELINEAMENTO INTEIRAMENTE CASUALIZADO. Profª. Sheila Regina Oro
DELINEAMENTO INTEIRAMENTE CASUALIZADO Profª. Sheila Regina Oro Delineamento experimental Para planejar um experimento é preciso definir os tratamentos em comparação e a maneira de designar os tratamentos
Leia maisBioexperimentação. Prof. Dr. Iron Macêdo Dantas
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia maisPrincípios da Experimentação
Princípios da xperimentação Júlio Osório Instrumentos básicos do processo de aquisição de novos conhecimentos científicos: observação experimentação 1 tapas do Método ientífico Questionar as ssumpções
Leia maisEstatística de Teste: Decisão: p α Rejeita-se H 0. Hipóteses: Ǝ i,j σ 1 σ 2 i,j=1,,k. Estatística de Teste: Decisão: p >α Não se rejeita H 0
Normalidade: H 0: Y i~n(µ i, σ i) H 1: Y i N(µ i, σ i) (i=1,,k) Estatística de Teste: (p=valor p-value) Se n < 50 Teste Shapiro-Wild Se n > 50 Teste Kolmogorov-Smirnov Homogeneidade p α Rejeita-se H 0
Leia maisMINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS
MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Eperimentação Agropecuária Prova do Processo Seletivo para o Mestrado
Leia maisUNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS GABARITO
UNIVERSIDADE FEDERAL DE LAVRAS DEPATAMENTO DE CIÊNCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para Mestrado 16- GABARITO N o de inscrição
Leia maisβ 1 x β j 1 x j 1 + β j (x j +k) β j 1 x j 1 +
INSTITUTO SUPERIOR DE AGRONOMIA ESTATÍSTICA E DELINEAMENTO 5 de Janeiro, 2016 SEGUNDO TESTE 2015-16 Uma resolução possível I 1. Em qualquer modelo linear, os graus de liberdade residuais são dados pela
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
DISCIPLINA BIOEXPERIMENTAÇÃO Exercício de experimento fatorial resolução passo-à-passo Os dados apresentados abaixo são uma adaptação do exemplo apresentado por Banzato e Kronka (199) Os dados são valores
Leia maisINTRODUÇÃO. Exemplos. Comparar três lojas quanto ao volume médio de vendas. ... ANÁLISE DE VARIÂNCIA. Departamento de Matemática ESTV.
INTRODUÇÃO Exemplos Para curar uma certa doença existem quatro tratamentos possíveis: A, B, C e D. Pretende-se saber se existem diferenças significativas nos tratamentos no que diz respeito ao tempo necessário
Leia maisCarlos Antonio Filho
Estatística II - Seção 04 Carlos Antonio Filho ESAGS 2 o semestre de 2017 Carlos Antonio Filho (ESAGS) Estatística II - Seção 04 2 o semestre de 2017 1 / 137 Comparação de médias de duas populações Vamos
Leia maisDELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES. Profª. Sheila Regina Oro
DELINEAMENTO EM BLOCOS CASUALIZADOS COM REPETIÇÕES Profª. Sheila Regina Oro Delineamento em Blocos Casualizados com Repetições (DBCr) Utilizado quando temos mais de uma repetição de cada tratamento dentro
Leia maisEstatística Aplicada
INSTITUTO SUPERIOR POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA Ano Lectivo 006/007 Estatística Aplicada Ficha n.º Nos exercícios que se seguem, e caso seja necessário, considere que os pressupostos
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 maisMétodos Estatísticos Avançados em Epidemiologia
1 / 44 Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Referência: Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 2 / 44
Leia maisDelineamento em Quadrado Latino (DQL)
Delineamento em Quadrado Latino () Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha 14 de março de 2019 Londrina Na Seção anterior introduziu-se o delineamento em blocos ao acaso como um delineamento
Leia maisANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC)
ANÁLISE DE VARIÂNCIA DE UM CRITÉRIO (DIC) Lucas Santana da Cunha http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 11 de dezembro de 2017 Uma análise de variância expressa uma medida
Leia maisSEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO DE CIÊNCIAS BIOLÓGICAS DECB
Governo do Estado do Rio Grande do Norte Secretaria de Estado da Educação e da Cultura - SEEC UNIVERSIDADE DO ESTADO DO RIO GRANDE DO NORTE UERN FACULDADE DE CIÊNCIAS EXATAS E NATURAIS FANAT DEPARTAMENTO
Leia mais