Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DO PIAUÍ – UFPI CAMPUS PROFª CINOBELINA ELVAS – CPCE Bom Jesus - PI 2022.2 Testes de comparações de médias Professora: Priscila Alves Barroso https://www.google.com.br/url?sa=i&rct=j&q=&esrc=s&source=images&cd=&cad=rja&uact=8&ved=0ahUKEwjFjO_MsZXQAhWFfZAKHSeQBcEQjRwIBw&url=http://www.enforufpi.ufpi.br/&psig=AFQjCNGREE4WB32ABTfUxtI7LXk6BtPaVQ&ust=1478564741541443 Experimentos com apenas dois tratamentos (t = 2) - (tratamentos A e B): As hipóteses estatísticas relacionadas a tratamentos são denotadas por: Ho: µA = µB (Não existem diferenças entre os tratamentos) H1: µA ≠ µB (Existe diferença entre os tratamentos) OBS: Nesse caso a significância do TESTE F na ANOVA é suficiente para diferenciar estatisticamente os dois tratamentos, não necessitando da realização de testes posteriores. Experimentos envolvendo mais de dois tratamentos (t > 2): As hipóteses estatísticas relacionadas a tratamentos são denotadas por: Ho: µ1 = µ2 =...= µt (Não existem diferenças entre os tratamentos) H1: pelo menos µi ≠ µi’, p/ i≠i’ (Existe pelo menos um contraste ortogonal entre tratamentos diferentes de zero) OBS: Nesse caso a significância do TESTE F na ANOVA traduzirá apenas na existência de diferença significativa entre pelo menos dois tratamentos, não explicitando tais diferenças. ESTUDO DAS MÉDIAS PROCEDIMENTOS BÁSICOS: 1. TESTES DE COMPARAÇÕES MÚLTIPLAS ou TESTES DE COMPARAÇÃO DE MÉDIAS – Aplicados em situações em que os tratamentos são caracterizados por níveis qualitativos e, ou, eventualmente, níveis quantitativos do fator em estudo. 2. REGRESSÃO – Quando os tratamentos são caracterizados exclusivamente por níveis quantitativos do fator em estudo TESTE DE MÉDIAS Existem vários testes de comparação de médias: o Teste t de Student o Teste de Student-Newman-Keuls (SNK) o Teste de Tukey o Teste de Duncan o Teste de Dunnett o Teste de Scott-Knott o Comparações de grupos de médias (contrastes ortogonais) – Teste t ou teste F o Comparações de grupos de médias (contrastes ortogonais ou não ortogonais) - Teste de Scheffé. Conceitos : - Contraste de médias São relações lineares entre as médias verdadeiras dos tratamentos (m) de forma que a soma algébrica dos coeficientes das médias seja nula Ex. Relação linear das médias dos i tratamentos de um experimento : Y = c1m1 + c2m2 + .... cimi de forma que : c1 + c2 + ... ci = 0 → Supondo a média de 3 tratamentos: m1 , m2 e m3 1. Comparar a média dos tratamentos 1 e 2 2. Comparar a média do tratamento 1 vs a média dos tratamentos 2 e 3 Conceitos : - Estimativa do contraste Num experimento não temos as médias verdadeiras dos tratamentos (m) de forma que o verdadeiro valor do contraste (Y) não pode ser calculado só estimado (Ŷ) Exemplo: se num experimento as estimativas das médias dos tratamentos foram: m1 = 20 m2 = 12 m3 = 22 Ŷ1 = m1 – m2 Ŷ2 = m1 – m3 Ŷ3 = 2m1 - m2 - m3 → Como fica as estimativas ? Teste de Tukey ❖ Idealizado por Tukey (1953); “Comparing Individual Means in the Analysis of Variance” (Biometrics. 5 (2): 99–114. JSTOR 3001913). ❖ É um teste de comparação múltipla entre todas as médias dos tratamentos duas a duas; ❖ Teste muito rigoroso – Controla bem o erro tipo I (é exato), mas permite o aumento do erro tipo II. ❖ Por ser muito rigoroso tem sido aplicado geralmente a 5% de significância ❖ É exato quando o contraste tem o mesmo número de repetições ❖ É o mais utilizado nos experimentos https://www.jstor.org/stable/3001913 Aplicação : a) Calcular o contrastes das médias duas a duas ( diferenças entre duas médias) b) Calcular a diferença mínima significativa representada por Δ ∆ = 𝑞 √𝑄𝑀𝑅 √𝑟 q = é a amplitude total estudentizada (tabelado ) r = repetições c) Comparar cada estimativa do contraste em valor absoluto com a diferença mínima significativa Δ (׀ Ŷ׀) Se ׀Ŷ׀ ≥ Δ , o teste é significativo , as duas médias diferem Se ׀Ŷ׀ < Δ , o teste é não significativo, ou seja as duas médias não diferem d) Indicar a significância no contraste Exemplo 1: T1- Clone 1, T2- Clone 2, T3- Clone 3, T4- Clone 4 e T5- Clone 5 R1 R2 R3 R4 TOTAIS T1 550 542 572 567 2231 T2 600 624 654 658 2536 T3 620 614 625 657 2516 T4 700 754 710 712 2876 T5 625 648 694 674 2641 Fonte de Variação GL SQ QM F Tratamentos 4 54292,5 13573,125 24,3202 ** Resíduo (Erro) 15 8371,5 558,1 Total 19 62664 a) Peso médio do disco (g) m1 = 557,75 m2 = 634 m3 = 629 m4 = 719 m5 = 660,25 Crop Protection (2019) Exemplo 2: Médias para 5 variedades : m1 = 100,2 r = 4 m2 = 137,2 Qmr = 286,11 m3 = 139,7 GLr = 12 m4 = 129,8 m5 = 124,6 Aplicar Tukey a 5% m3 = 139,7 a m2 = 137,2 ab m4 = 129,8 ab m5 = 124,6 ab m1 = 100,2 b Ŷ1 = m1 – m2 = -37 ns Ŷ2 = m1 – m3 = -39,5 * Ŷ3 = m1 – m4 = -29,6 ns Ŷ4 = m1 – m5 = -24,4 ns Ŷ5 = m2 – m3 = -2,5 ns Ŷ6 = m2 – m4 = 7,4 ns Ŷ7 = m2 – m5 = 12,6 ns Ŷ8 = m3 – m4 = 9,9 ns Ŷ9 = m3 – m5 = 15,1 ns Ŷ10 = m4 – m5 = 5,2 ns Resultado: DMS = 38,14 Teste de Dunnet ❖ Utilizado quando as únicas comparações que interessam ao experimentador são aquelas entre determinado tratamento padrão (geralmente controle ou testemunha) e cada um dos demais tratamentos ❖Assim: para i tratamentos , tenho i – 1 contrastes (comparações). ❖Aplicação : a) Calcular a estimativa dos contrastes b) Valor critico é dado por : d = td . s(Ŷ) Em que : Desvio padrão do contraste→ s (Ŷ) = √𝑣(Ŷ) Variância do contraste→ 𝑣 Ŷ = 2. 𝑄𝑀𝑅/𝑟 c) Comparar cada estimativa do contraste em valor absoluto (׀Ŷ ׀) com o valor do teste d Se ׀Ŷ׀ ≥ d, o teste é significativo , as duas médias diferem Se ׀Ŷ׀ < d , o teste é não significativo, ou seja as duas médias não diferem d) Indicar a significância no contraste Exemplo 2: Médias para 5 variedades : m1 = 100,2 (Controle) r = 4 m2 = 137,2 Qmr = 286,11 m3 = 139,7 GLr = 12 m4 = 129,8 m5 = 124,6 Aplicar Dunnet a 5% Ŷ1 = m1 – m2 = -37 Ŷ2 = m1 – m3 = -39,5 Ŷ3 = m1 – m4 = -29,6 Ŷ4 = m1 – m5 = - 24,4 Médias com letras igual a testemunha, não diferem pelo teste de Dunnet a 5% de probabilidade Communications in Soil Science and Plant Analysis (2019) Teste de t de Student ❖ Utilizado para testar médias de dois tratamentos ou médias de dois grupos de tratamentos ❖ Para aplicação correta: ❖ Os contrastes devem ser estabelecidos antes de obtidos os dados ❖Os contrastes devem ser ortogonais entre si - Dois contrastes são ortogonais quando a soma algébrica dos produtos dos coeficientes das medias é nula . ‘ ❖ H0: Y = 0 H1 : Y ҂ 0 Verificar se os contrastes são ortogonais Ŷ1 = m1 – m2 Ŷ2 = m1 + m2 -2m3 Verificar se os contrastes são ortogonais Ŷ1 = m1 – m2 Ŷ2 = m1 - m3 O número de contrastes ortogonais e igual ao GL de tratamento ❖Aplicação : a) Calcular a estimativa dos contrastes ~pré-estabelecidos b) Calcular o valor do teste t : tcal = Ŷ s(Ŷ) Em que : s (Ŷ) = √𝑣(Ŷ) 𝑣 Ŷ = (𝑐12 + 𝑐22 +⋯ . 𝑐𝑖2). 𝑄𝑀𝑅/𝑟 c) Procurar o valor de t tab em função do número de graus de liberdade do resíduo c) Comparar cada estimativa de t em valor absoluto (׀ tcal׀) com o valor do t tabelado Se ׀tcal׀ ≥ t tab, o teste é significativo , as duas médias diferem Se ׀tcal׀ < t tab , o teste é não significativo, ou seja as duas médias não diferem d) Indicar a significância no valor de t Exemplo 2: 5 variedades : Co 413 m1 = 100,2 (Controle) r = 4 CB 40/19 m2 = 137,2 Qmr = 286,11 CB 40/69 m3 = 139,7 GLr = 12 CB 41/70 m4 = 129,8 CB41/76 m5 = 124,6 Testar contraste Co vs CB Testar CB41/70 vs CB 41/76 Testar a ortogonalidade Ŷ1 = 4 m1– m2 – m3 – m4 – m5 Ŷ2 = m1 - m3 Teste t para o primeiro contraste Se ׀tcal׀ ≥ t tab, o teste é significativo , as duas médias diferem Se ׀tcal׀ < t tab , o teste é não significativo, ou seja as duas médias não diferem Aplique o teste t para o segundo contraste Slide 1 Slide 2 Slide 3 Slide 4: ESTUDO DAS MÉDIAS Slide 5 Slide 6: TESTE DE MÉDIAS Slide 7 Slide 8 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23 Slide 24 Slide 25 Slide 26 Slide 27 Slide 28 Slide 29 Slide 30 Slide 31 Slide 32 Slide 33 Slide 34 Slide 35 Slide 36 Slide 37 Slide 38 Slide 39 Slide 40 Slide 41 Slide 42 Slide 43 Slide 44 Slide 45
Compartilhar