AULA 2 Prof. Dr. Márcio A. Fiori -

Slides:



Advertisements
Apresentações semelhantes
Analise de Regressão Parte 2.
Advertisements

CAPÍTULO 7 TESTE DE HIPÓTESE
Análise de Variância da Regressão
Cássio Luís Fernandes de Oliveira
CAPÍTULO 7 TESTE DE HIPÓTESE
Importância do Ajustamento de Observações
DELINEAMENTO COMPLETAMENTE CASUALIZADO
MANOVA Análise de variância multivariada
MB751 – Modelos de previsão
PLANEJAMENTO E ANÁLISE DE EXPERIMENTOS
Distribuição F Considere duas populações com distribuição de Gauss com médias 1, 2 e variâncias 12 e 22 . Retire uma amostra aleatória de tamanho.
Inferências para uma amostra
TESTE DE HIPÓTESES PARA A MÉDIA POPULACIONAL 
ANOVA Prof. Herondino.
ME623A Planejamento e Pesquisa. Não Interação no Modelo de 2 Fatores A presença de interação tem um impacto na interpretação dos dados No entanto, se.
ME623A Planejamento e Pesquisa
Cálculo Numérico / Métodos Numéricos
Aula 08 Medidas de posição - Prof. Diovani Milhorim
Etapa Estatística Planejamento Análise Estatística Efeito de sequência
LCE0602-Estatística Experimental
Sistema de equações lineares
COMPARAÇÕES DE MÉDIAS DE TRATAMENTOS
Regressão Múltipla Profas: Gardênia da Silva Abbad Elaine Rabelo Neiva
Aula 5 - Método experimental ou de seleção aleatória
Aula 10 Medidas de dispersão Prof. Diovani Milhorim
Estatística e Probabilidade
Teste de Hipóteses Pontos mais importantes: -objectivo
2.3 Experimentos Fatoriais 22 Efeitos das Interações
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2015 Análise de Variância (ANOVA) Camilo Daleles Rennó
ANÁLISE DOS DADOS DE EXPERIMENTO
TESTE DE HIPÓTESES TESTE t STUDENT
Regressão e Previsão Numérica.
Planejamento Experimental
análise dos estimadores
Revisão básica Distribuição normal: conhecido o valor de z, podemos dizer qual a probabilidade de encontrar valores entre quaisquer dois números. Por.
ERROS E TRATAMENTO DE DADOS ANALÍTICOS
Estimativas de grandezas cap 2. e cap 3 Média Desvio Padrão e Variância Definições importantes Distribuição Normal Teorema do limite central Hipóteses.
Álgebra Linear e Geometria Analítica
Disciplina Engenharia da Qualidade II
Aula 4 – Estatística- Conceitos básicos
Introdução a planejamento e otimização de experimentos
Metodologia da Pesquisa em Ensino de Ciências I
Análise Exploratória de Dados
ME623A Planejamento e Pesquisa
ANOVA.
Testes de Hipóteses.
Treinamento Quando são criadas, as RNA ainda não são capazes de resolver os problemas, elas precisam ser treinadas, ensinadas, do mesmo jeito que as pessoas,
COMPARAÇÃO DE MÉDIAS TESTE DE TUKEY.
MEDIDAS DE DISPERSÃO As medidas de dispersão, como o nome sugere, servem para analisar o grau de dispersão dos dados em torno da média. Exemplo. Amostra.
Estatística e Probabilidade
Prof. Marllus Gustavo Ferreira Passos das Neves
Análise de Variância (ANOVA)
AULA 6 Planejamento Experimental
INTERVALOS DE CONFIANÇA
Sistemas de Controle III N8SC3
Probabilidade Teste de hipóteses para duas médias:
MEDIDAS DE TENDÊNCIA CENTRAL MEDIDAS DE DISPERSÃO
PPGTI AULA 3 Prof. Dr. Márcio A. Fiori –
QUI 154/150 – Química Analítica V Análise Instrumental
Métodos Estatísticos Aplicados às Ciências Biológicas 10ª aula.
MEDIDAS DE DISPERSÃO Profa Ana Clara Guedes. MEDIDAS DE DISPERSÃO Observe os dois quadros abaixo e compare a Dispersão dos pontos azuis, em torno do ponto.
GESTÃO E GARANTIA DA QUALIDADE
Aula 6 – Sistemas Lineares
AULA 4 Prof. Dr. Márcio A. Fiori - Planejamento Experimental.
NOÇÕES DE INFERÊNCIA ESTATÍSTICA
Estimação e Intervalo de Confiança. Estimação Frequentemente necessitamos, por meio das amostras, conhecer informações gerais da população. A estimação.
Estatística Inferencial. É um processo de tomada de decisão baseado em probabilidades e pode ser de dois tipos: - Estimação de parâmetros – usando a informação.
Inferência 1:Estimação de Parâmetros Relembrando o Teorema Central do Limite Da aula anterior: a) Os estimadores da média e da s 2 são não viciados e de.
Estatística: Aplicação ao Sensoriamento Remoto SER ANO 2016 Teste de Hipótese Camilo Daleles Rennó
Como construir modelos empíricos. Nos modelos estudados, cada fator foi fixado em dois níveis Por esta razão temos que nos contentar com uma visão limitada.
Transcrição da apresentação:

AULA 2 Prof. Dr. Márcio A. Fiori -

TESTES F e V Testes F e V O teste básico para análise de variância é o teste z de R. A Fisher, hoje geralmente substituído pelos seus equivalentes F de G. W. Snedecor, ou V, de F. G. Brieger. Todos os testes comparam variâncias ou os respectivos desvios padrões. Se S12 e S2 são as estimativas das variâncias a comparar, então: e Logo: Prof. Dr. Márcio A. Fiori -

TESTES F e V Exemplo: Supondo a seguinte análise da variância de um experimento com 4 tratamentos e 6 repetições: Prof. Dr. Márcio A. Fiori - Causa de variaçãoG. L.S. Q.Q. M.Desvio Padrão Tratamentos332,6410,883,30 Resíduo2028,801,441,20 Total2361,44

TESTES F e V O teste F: F = 10,88/1,44 = 7,56 As tabelas de F dão o valor 3,10 para o nível de 5 % de probabilidade, e 4,94 para o nível de 1 %. Este resultado significa que há uma probabilidade de 95 % de obter, por simples acaso, um valor de F igual ou inferior 3,10 e há probabilidade de 5 % de obter os valores de F superiores a 3,10. Analogamente, é de 1 % a probabilidade de que o valor de F exceda 4,94 e é de 99 % a probabilidade de que o F não exceda a 4,94. No caso o valor de F excede a 4,94, excede o limite de 1 % e se diz significativo ao nível de 1 %. Isto significa que há uma probabilidade inferior a 1 % de que o valor de F observado tenha ocorrido pelo acaso. - Prof. Dr. Márcio A. Fiori -

TESTES F e V O teste V: V = 3,30/1,20 = 2,75 As tabelas de V dão o valor 1,76 com 5 % de probabilidade, e 2,22 para o nível de 1 % - Prof. Dr. Márcio A. Fiori -

TESTE t O teste t: O teste t pode ser usado para comparar médias. Para sua aplicação conscienciosa é necessário: 1)As comparações feitas pelo teste t devem ser escolhidas antes de serem examinados os dados; 2)Podem-se fazer no máximo tantas comparações quantos são os graus de liberdade para tratamentos, e os contrastes devem ser ortogonais - Prof. Dr. Márcio A. Fiori -

TESTE t O teste t: Contraste: São exemplos de contraste: Se m1, m2, m3 e m4 são as verdadeiras médias dos quatro tratamentos de um experimento, Y1 = m1 – m2 Y2 = m1 + m2 + m3 – 3m4 O que caracteriza um contraste é que se as médias que nele ocorrem são todas iguais, o contraste deve ser nulo. Com efeito, m1=m2=m3=m4 = M, temos: Y1 = M – M = 0 Y2 = M + M + M – 3M = 0 - Prof. Dr. Márcio A. Fiori -

TESTE t Para que isto ocorra a soma dos coeficientes deve ser nula. Considerando os contrastes: Y1 = m1 – m2 + 0.m3 = m1 – m2, Y2 = m1 + m2 – 2 m3. Os coeficientes do primeiro contraste são: 1-10 e os do segundo são: 11-2 Se multiplicarmos o primeiro coeficiente de Y1 pelo primeiro de Y2, e assim por diante, obteremos: 1-10 e a soma destes números é zero. Dizemos então que os contrastes Y1 e Y2 são ortogonais. Prof. Dr. Márcio A. Fiori -

TESTE t Num experimento com quatro médias m1, m2, m3, m4, há três graus de liberdade para tratamentos e podemos, então, obter três contrastes ortogonais, como os seguintes: Y1 = m1 – m2; Y2 = m1 + m2 – 2m3; Y3 = m1 + m2 + m3 – 3m4 Mas os seguintes também serviriam: Y1’ = 3m1 – 2m2 – m3 Y2’ = m2 – 2m3 + m4 Y3’ = 3m1 + 5m2 – m3 – 7m4 Prof. Dr. Márcio A. Fiori -

TESTE t Testes dos contrastes Y1, Y2 e Y3 se as médias forem m1 = 26,0, m2 = 24,8, m3 = 22,8 e m4 = 24,0. O primeiro contraste: Y1 = m1 – m2 Y1 = 26,0 – 24,8 = 1,2 Erro padrão: Dado um contraste Y = c1m1 + c2m cnmn, onde o primeiro termo tem r1 repetições, o segundo r2 repetições, e assim por diante, então a estimativa da variância de Y é V = (c12/r1 + c22/r cn2/rn).s2, onde s é o desvio padrão residual. Prof. Dr. Márcio A. Fiori -

TESTE t Como a variância é o quadrado do erro padrão, este será: e = raiz(V) Para Y1 temos c1 = 1 e c2 = -1 e os outros coeficientes são nulos. Se o número de repetições for seis para todos os tratamentos, teremos: V = (1/6 + 1/6).s2 = 1/3.s2 Se s = 1,20, com 20 graus de liberdade, então: e = raiz(1/3.s2) = 0,693 Testando o contraste pelo teste t. O que geralmente se procura é verificar se esse contraste difere de zero. Calcula-se: t = (Y – 0)/e = 1,20/0,693 = 1,73 Prof. Dr. Márcio A. Fiori -

TESTE t Com 20 graus de liberdade, os limites de t são: para o nível de 5 % o valor é 2,09 e para o limite de 1 % o valor é de 2,84. Como o valor de t não atinge o valor limite de 5 % diz-se que não é significativo e conclui-se que o contraste Y1 provavelmente não difere de zero. Assim, podemos aceitar a hipótese de nulidade, a hipótese de que m1 e m2 são iguais. Assim, os demais contrastes poderão ser avaliados Prof. Dr. Márcio A. Fiori -

TESTE DE TUKEY O teste de TUKEY é aplicado para comparar todo e qualquer contraste entre duas médias de tratamentos. O teste é exato e de uso muito simples quando o número de repetições é o mesmo para todos os tratamentos. Calcula-se o valor de delta = q. s/raiz(r), onde q é o valor da amplitude total estudentizada ao nível de 5 % ou de 1 % de probabilidade; s é a estimativa do desvio padrão residual, e r é o número de repetições. No caso tratado com n= 4 tratamentos e n’ = 20 graus de liberdade para o resíduo, e o valor de q ao nível de 5 % de 3,96. Então, Delta = 1,94 Prof. Dr. Márcio A. Fiori -

TESTE DE TUKEY Então, todo contraste entre duas médias, isto é, do tipo: Y = mi – um, Cuja estimativa exceder o valor de delta = 1,94 será significativo ao nível de 5 % de probabilidade. Tal acontece com a diferença entre a maior e a menor das médias encontradas. Exemplo: Y = m1 – m3 = 26,0 – 22,8 = 3,2 Se adotarmos o nível de 1 % de probabilidade, teremos: Delta = 2,46 E o contraste será ainda significativo neste nível. Prof. Dr. Márcio A. Fiori -

TESTE DE DUNCAN Prof. Dr. Márcio A. Fiori - O teste de Duncan se aplica para a comparação de médias, porém com mais detalhe que o teste de Tukey. Tal como o teste de Tukey o teste de Ducan exige, para ser exato, que todos os tratamentos tenham o mesmo número de repetições. Para o uso do teste necessitamos tabelas especiais, uma para o nível de 5 % de probabilidade e outra para 1 % Considerando o exemplo anterior: D = z. s/raiz(r), onde r é o número de repetições, s é o desvio padrão e z (“shortest significant range) tirado das tabelas.

TESTE DE DUNCAN Prof. Dr. Márcio A. Fiori - Para avaliação entre a menor e maior média o número de 4 médias ordenadas: D4 = 3,18. 1,20/raiz(6) = 1,56 Para comparar a segunda colocada, logo abaixo da maior, com a menor de todas, teremos o contraste que abrange 3 médias: D3 = 3,120.1,20/raiz(6) = 1,52 Para comparar entre a maior média e a penúltima média: D2 = 2,95.1,20/raiz(6) = 1,45

TESTE DE DUNCAN Prof. Dr. Márcio A. Fiori - Assim, m1 não é significativamente diferente de m2, pois m1 – m2 = 1,2 e não excede a 1,45 Porém, m1 é significativamente superior a m4, pois m1 – m4 = 3,2, que excede D4 = 1,56 Ainda, m1 é significativamente superior a m3, pois m1 – m3 = 2,0, que excede D3 = 1,52

Exercício de sala Prof. Dr. Márcio A. Fiori - Sendo s= 10, com 20 graus de liberdade, r = 6, considerando as médias: m1 = 32,8, m2 = 32,6, m3 = 20,4, m4 = 20,1 e m5 = 20,0 Fazer as avaliações de Duncan.