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; Hipóteses: Teste F Necessidade de continuar a análise estatística dos dados;
Níveis do fator são quantitativos: análise de regressão; Níveis do fator são qualitativos: comparações múltiplas;
COMPARAÇÕES MÚLTIPLAS A técnica de comparações múltiplas permite testar hipóteses do tipo: onde: é a média populacional do i-ésimo tratamento ou nível do fator, com i = 1,..., I; é o número de repetições referente ao i-ésimo nível do fator ou tratamento, podendo = J para todo i; é o coeficiente associado a ou negativos; Impondo a restrição de que denomina-se contraste., podendo assumir valores positivos, a função linear Y
Um estimador não tendencioso de Y é cuja estimativa é dada por tal que:
Como Sob a hipótese de que
Se é um contraste quando com cuja a estimativa é obtida através de:
MÉTODO DOS CONTRASTES ORTOGONAIS APLICAÇÃO DO TESTE F O método dos contrastes ortogonais consiste em: Definir um conjunto de (I -1) contrastes ortogonais, representados por Y(h), com h = 1,,(I -1). Obs.: Define-se que dois contrastes: e para
Decompor os (I - 1) graus de liberdade associado à SQTratamentos, em (I - 1) componentes com um grau de liberdade, referente a soma de quadrados devido a Y(h), representada por SQY(h), de tal forma que: onde:
Seja um estimador não viezado de, cuja estimativa é dada por: tal que e independentes. Se para todo i = 1,,I então:
E a soma dos quadrados para Y(h) é: como, então:
Este método permite testar as seguintes hipóteses: através da aplicação do teste F (Snedecor), da seguinte maneira: Assim, pelo teste F, rejeita-se H 0, ao nível α de significância, quando F h F (α,1,n) onde n é o número de graus de liberdade do resíduo.
Exemplo - teste F Os dados apresentados a seguir referem-se ao enchimento de latas por seis máquinas, obtidos de um experimento instalado segundo o delineamento inteiramente casualisado. A B C D E F 11,95 12.18 12,16 12,25 12,1 12,24 12 12,11 12,15 12,3 12,04 12.5 12,25 12,30 12,08 12,1 12,02 12,69 12,10 12,5 12,1 12,25 12,02 12,33 Testemos o seguinte conjunto de contrates:
Que podem ser escritas da seguinte maneira: As suas estimativas são obtidas de: h 1-0,55 2-0,79 3-0,55 4-0,41 Hipóteses: 5-1,58 Temos que:
Assim: Análise de Variância com Aplicação de Contrastes Ortogonais para as Maquinas Causas de Variação h SQY(h) 1 0,006 2 0,078 3 0,0189 4 0,021 5 0,312 GL SQ QM F Y(1) 1 0,006 0,390 Y(2) 1 0,078 4,844 Y(3) 1 0,0189 1,174 Y(4) 1 0,021 1,304 Y(5) 1 0,312 19,379 Maquinas 5 0.439 Resíduo 18 0,289 0,0161 Como não há evidências para aceitar e e concluindo-se que: De e de
APLICAÇÃO DO TESTE T Este método é recomendado, também, quando se deseja testar: para h = 1,,(I - 1). E, ainda, os contrastes de interesse devem ser ortogonais. Um estimador não tendencioso de é: e independentes.
Além disso: Para o caso de para todo i, então: A estatística do teste é: Que segue distribuição t de Student com n graus de liberdade.
Se, rejeita-se H 0, ao nível α de significância, e concluise que o valor obtido para é significativo.
Exemplo - teste T Consideremos o conjunto de contrastes do exemplo do teste F. Vamos testar as hipóteses: Pela aplicação do teste t: h 1 0.63 2 2.20 3 1.08 4 1.14 5 4.41 Como, não há evidências para aceitar e e conclui-se que: De e de
MÉTODO DE SCHEFFÉ O Método de Scheffé, utilizado para testar contrastes, mesmo que estabelecidos a posteriori deve ser aplicado apenas nos casos em que o valor de F for significativo. É indicado para testar as hipóteses: Onde:
Um estimador não tendencioso de Y é: Onde é um estimador não tendencioso de e independentes. Temos que: Para o caso de para todo i, então:
Os intervalos de confiança para todos os contrastes Y, com coeficiente de confiança 100(1- α)%, são obtidos de: Quando para todo i, então: Rejeita-se H 0, ao nível α de significância quando
Exemplo - teste de Scheffé Um experimento completamente casualisado foi conduzido para investigar o efeito da vitamina b12 e antibióticos na alimentação de suínos. A resposta foi a média de ganho de peso diário. Antibióticos Sejam os contrastes e as hipóteses a serem testadas são: A tabela de análise de variância é: Vitamina B12 0 5 1,30 1,26 0 1,19 1,21 1,08 1,19 1,05 1,52 40 1,00 1,56 1,05 1,55 Causas de Variação GL SQ QM F p-valor Antibiotico 1 0.020833 0.020833 5.6818 0.0442922 Vitamina 1 0.218700 0.218700 59.6455 0.00005622 Antibiotico:Vitamina 1 0.172800 0.172800 47.1273 0.0001290 Residuo 8 0.029333 0.003667
, Para o primeiro contraste temos que: Assim, um intervalo de confiança para Y é: E, portanto: Então, a um nível de significância de 5%, não há evidências para rejeitar, ou seja, não se identificou diferença entre o tratamento sem antibiótico dentre os tratamentos com ou sem vitamina.
Para o segundo contraste temos que: Assim, um intervalo de confiança para Y é: E, portanto: Então, a um nível de significância de 5%, não há evidências para aceitar, ou seja, se identificou diferença entre o tratamento com antibiótico dentre os tratamentos com ou sem vitamina.
Para o terceiro contraste temos que: Assim, um intervalo de confiança para Y é: E, portanto: Então, a um nível de significância de 5%, não há evidências para rejeitar, ou seja, não se identificou diferença entre o tratamento sem antibiótico e sem vitamina com o tratamento com antibiótico e sem vitamina.
Portanto, a combinação do tratamento com antibiótico e do tratamento com vitamina foi o que produziu melhores resultados.
MÉTODO DE TUKEY I( I 1) É recomendado quando se deseja testar todos os contrastes 2 do tipo Y, para 1 i i' I, cujas hipóteses são: i i' H 0 : i i ' 0 ou H 0 : i i' H a : ' 0 i i ou Ha : i i' Considerando um estimador não tendencioso de, tal que e independentes, demostra-se que : 1 1 P[[( yi yi' ) q(,1, n) Vˆ( yi yi' )] i i' [( yi yi' ) q(,1, n) Vˆ( yi yi' )]] 1 2 2 para os I( I 1) 2 contrastes.
Onde é a amplitude total estudentizada, encontrada na tabela de Tukey, com nível α de significância, I médias envolvidas e n graus de liberdade associado a Vˆ( ). y i y i' A diferença mínima significativa (DMS) obtida para o teste, ao nível α de significância é: Rejeita-se H 0, ao nível α de significância, quando Yˆ y i y i' DMS
Exemplo - Teste de Tukey Os dados apresentados a seguir referem-se a produção (Kg/100 m 2 ), de 4 variedades de milho, obtidos de um experimento instalado segundo o delineamento em blocos ao acaso. Fazendo a análise de variância: Causas de variação Variedade Blocos A B C D Totais I 34 26 37 23 120 II 26 37 45 28 136 III 33 42 39 30 144 IV 36 34 41 37 148 V 31 36 53 32 152 Totais 160 175 215 150 700 GL SQ QM F p-valor Blocos 4 160 40 Variedades 3 490 163,33 6,5333 0.007219 Resíduo 12 300 25 Como p-valor é significativo a um nível de 5%, temos, pelo teste de Tukey:
Tratamento Média Fazendo a diferença entre as médias dos tratamentos vem que: Médias comparadas A 32 B 35 C 43 D 30 Assim, temos que as médias dos tratamentos A e D são significativamente diferentes da média do tratamento C a um nível de significância de 5%. Ou seja, a variedade C é a mais produtiva. Diferença entre as médias A-D 2 B-D 5 C-D 13 B-A 3 C-A 11 C-B 8
MÉTODO DE DUNCAN É indicado para testar qualquer contraste entre duas médias de tratamentos, ou seja: H H a 0 : i i ' 0 : ' 0 i i ou ou H Ha 0 : i i' : i i' Leva em consideração o número de médias ordenadas em ordem crescente ou decrescente e abrangidas pelo contraste, representado por k.
A diferença mínima significativa (D k ) obtida para o teste, ao nível α de significância é: onde é a amplitude total estudentizada, a nível de proteção α, para k médias abrangidas e n graus de liberdade associado ao QMResíduo, obtida nas tabelas do teste de Duncan. Rejeita-se H 0, ao nível α de significância quando Onde e são estimadores não tendenciosos de i e respectivamente, além de serem independentes. i '
Exemplo - teste de Duncan Consideremos os dados apresentados na tabela abaixo, para comparar o efeito de cinco drogas na diminuição da pressão arterial: A B C D E Controle 25 10 18 23 11 8 17-2 8 29 23-6 27 12 4 25 5 6 21 4 14 35 17 0 15 16 6 33 9 2 Para fazer esse experimento um médico tomou 30 pacientes e dividiu-os ao acaso em seis grupos: o grupo controle recebeu um placebo e os outros grupos receberam, cada um, uma das drogas. Os valores apresentados na tabela são a diminuição da pressão arterial, dada pela diferença entre a pressão arterial no início e no fim do experimento.
Os dados da tabela foram submetidos à análise de variância: Causas de Variação GL SQ QM F p-valor Tratamentos 5 2354,17 470,83 13,08 0.000003318 Resíduo 24 864,00 36,00 Total 29 3218,17 Temos que p-valor é menor que 0,05 (nível de significância). A ordem dos tratamentos, segundo a grandeza das médias apresentadas é: Controle B C E A D (2) (8) (10) (13) (21) (29) Para comparar a média do controle com a média do tratamento D temos: D k 36 3,276 8,79 5 Como 2 29 27, então a média de D é significantemente maior que a média do controle ao nível de 5%.
Podem ser feitas agora as comparações entre controle e A, e entre B e D: D k 36 3,226 8,66 5 Como 2 21 19 e 8 29 21, então a média de A é significantemente maior que a média do controle, e a média de D também é significantemente maior que a média de B. Podem ser testadas agora as diferenças de médias entre controle e E, entre B e A e entre C e D: D k 36 3,160 8,48 5 As diferenças de médias entre controle e E(11), entre B e A(13) e entre C e D(19) são todas significantes ao nível de 5%.
Podem ser então comparadas as médias de tratamentos correspondendo a intervalos que abrangem três médias. Nesse caso: As diferenças de médias entre controle e C(8), e entre B e E(5) não são significantes. Esses resultados são indicados sublinhando os respectivos intervalos: Controle B C E A D
As diferenças de médias entre C e A(11) e entre E e D(16) são significantes. Para comparar médias duas a duas calcula-se: D k 36 2,919 7,83 5 que pode ser utilizada para comparar E com A e A com D. As diferenças entre médias são, nos dois casos, iguais a 8, e são, portanto, significantes. O resultado final da aplicação do teste de Duncan é representado da seguinte maneira: Controle B C E A D
MÉTODO DE DUNNETT Este método é recomendado quando se deseja testar um contraste do tipo: c Y Onde: é a média populacional do tratamento testemunha ou controle e i é a média populacional do i-ésimo tratamento ou nível do fator. As hipóteses são do tipo: c i H H 0 a : c i 0 : 0 c i Para i = 1,, p; sendo p o número de tratamentos excluindo o controle ou a testemunha.
Para a totalidade dos contrastes Y tem-se: P[[ Yˆ t ˆ ( ; p, n) Vˆ( Yˆ)] Y [ Y t( ; p, n) Vˆ( Yˆ)]] 1 Onde: sendo e estimadores não tendenciosos de e respectivamente, além de serem independentes. associadas a n graus de liberdade. Rejeita-se H 0, ao nível α de significância quando: onde é obtido nas tabelas do teste de Dunnett.
Exemplo - teste de Dunnett Suponhamos que queremos comparar, no mesmo exemplo do teste de Duncan, as médias dos tratamentos apenas com a média do controle. A análise de variância está, mais uma vez, apresentada na tabela abaixo: Causas de Variação GL SQ QM F p-valor Tratamentos 5 2354,17 470,83 13,08 0.000003318 Resíduo 24 864,00 36,00 Total 29 3218,17 Temos que p-valor é menor que 0,05 (nível de significância). As médias dos grupos tratados podem ser comparadas com a média do grupo controle através do teste de Dunnett. Para isso, temos que : 72 72 t(, p, n) Vˆ( Yˆ) t(0.05,5,24) 2,70 10,25 5 5
As médias dos grupos tratados e a média do grupo controle estão apresentados na tabela abaixo: Fazendo os valores absolutos das diferenças entre as médias dos grupos tratados e a média do grupo controle: Controle e A: Controle e B: Controle e C: Controle e D: Controle e E: 2 21 19 2 8 6 2 10 8 2 29 27 2 13 11 Tratamento Média A 21 B 8 C 10 D 29 E 13 Controle 2 Temos que as médias dos tratamentos A, D e E diferem, a um nível de significância de 5%, da média do grupo do controle. Assim, podemos concluir que os tratamentos A, D e E apresentaram, em média, resultados melhores que o do controle.
Bibliografia NOGUEIRA, M. C. S., Experimentação Agronômica I conceitos, planejamentos e análise estatística. Piracicaba. São Paulo. 2007. PIMENTEL GOMES, F. Curso de Estatística Experimental, Livraria Nobel. São Paulo. São Paulo. 1990. VIEIRA, Sonia. Estatística Experimental.- 2ª ed. ATLAS São Paulo. São Paulo. 1999