Minitab - Resumo dos Comandos - Alunos da FOSJC Unesp

Prévia do material em texto

Alguns Comandos do MINITAB 
 
Instrução 1: digitar Ctrl+L ... aparece um espaço em branco – uma janela em branco 
Instrução 2: digitar o comando selecionado (um dos comandos abaixo mencionados) nesse espaço em 
branco 
Instrução 3: clicar em Submit commands 
 
comando = mean 
Média 
mean c1 
comando = center 
Padronização Z (mudança de escala) 
valores em c1 
em c2 os valores de Zx 
comando = stdev 
Desvio padrão (dp) 
stdev c1 
onde Zx = (valor x – média)/dp 
 
a tecla F3 ... apaga todos os comandos 
presentes em Ctr+L 
center C1 C2 
 
 
as quatro operações algébricas ( + - X / ) 
comando = ADD 
Somo as colunas c1 c2 c3 e o resultado (a 
soma) aparece em c4 
ADD c1 c2 c3 c4 
 
ADD comando = add c1 10 c2 
SUBTRACT comando = subtract c1 10 c2 
MULTIPLY comando = multiply c1 5 c2 
DIVIDE comando = divide c1 10 c2 
comando = DESCRIBE 
describe c1 
 
os valores de idade em c1, por exemplo, e teremos o resultado da 
estatística descritiva (média, desvio padrão e etc.) na Session 
comando = DESCRIBE BY 
 
describe c1; 
by c2. 
 por exemplo: os valores de idade em c1 e em c2 sexo (letra m para o 
sexo masculino e letra f para o sexo feminino) teremos o resultado da 
estatística descritiva (média, desvio padrão e etc...) na Session segundo o 
sexo (masculino e feminino) 
comando = Print com a constante k1 
let k1 = sqrt(42) 
print k1 
 
o resultado é apresentado na Session 
Data Display 
K1 6.48074 
 
sqrt = square root = raiz quadrada( 42 = 6,48074 
 
comando = LET 
let c3 = c1 + c2 
soma os valores das colunas c1 e c2, e o resultado vai para a coluna c3 
Inserir o número 15 na segunda linha da coluna c1: let c1(2) = 15 
Elevar ao quadrado os números da coluna c1: let c2 = c1**2 
comando = N tamanho da amostra (resultado expresso com a constante k1, por exemplo) 
let k1 = n(c1) 
print k1 
comando = COUNT 
tamanho da amostra (resultado expresso com a constante k2, mas poderia ser k3, k4... etc ) 
let k2 = count(c1) 
print k2 
 
 
comando = NAME 
(designamos nomes às colunas) 
name c1 "A" 
name c2 "B" 
name c3 "C" 
comando = SORT 
(ordena os valores) 
sort c1 c1 resultado em c1 
ou 
sort c1 c2 resultado em c2 
 
comando = STACK 
(empilha os valores) 
stack C1-C4 C5 
o resultado, valores empilhados de c1 até c4, em 
c5 
 2 
comando = COPY 
copy c1 c7 
os dados de C1 são copiados para c7 
comando = rmean 
 
média da linha 
(rmean >>> r = row = linhas; mean = média) 
exemplo rmean c1-c5 c6 
 
C1 C2 C3 C4 C5 C6 
10 20 30 40 50 30 
10 10 20 20 30 18 
calcula as médias dos valores das linhas das colunas c1 
até c5 e o resultado é apresentado em c6 
comando = cdf = cumulative distribution function 
 
Cálculo da área (probabilidade) de uma curva Normal (de menos infinito até o valor Z ou X) 
caso a) estatística Z = 1 Normal (média = 0.0 e dp = 1.0) 
 
CDF 1; 
Normal 0.0 1.0. 
caso b) valor da variável X (que segue a Normal) = 35 Normal (média = 50.0 e dp = 5.0) 
 
CDF 35; 
Normal 50.0 5.0. 
 
Procedimento inverso para obter o valor 
da estatística Z correspondente à 
probabilidade igual a 2,5% 
 
InvCDF 0.025; 
Normal 0.0 1.0. 
 
 
Procedimento inverso para obter o valor da variável X 
correspondente à probabilidade igual a 5% 
 
InvCDF 0.05; 
Normal 50.0 5.0. 
comandos para gráficos 
comando = HIST 
hist c1 
histograma dos valores de c1 
comando = BOXP 
boxp c1 
box-plot dos valores de c1 
comando = DOTP 
dotp c1 
dotplot dos valores de c1 
comando = fitline 
linha de regressão; diagrama de dispersão; r
2
 poder explicativo do modelo de ajuste (fit) linear 
fitline c2 c1 
 
 nas colunas: c1 e c2 os valores das variáveis numéricas (peso e 
altura, por exemplo) 
comando = CORR coeficiente de correlação (r) 
 corr c2 c1 
correlação ordinal de Spearman 
rank c1 c3 
rank c2 c4 
corr c3 c4 
comando = RANK 
 nas colunas: c1 e c2 os valores das variáveis numéricas (peso 
e altura, por exemplo) 
rank c1 c3 assinala em c3 as posições dos valores de c1 
 
comando = SET 
para inserir números em c1 
exemplo: 2 2 3 3 3 3 
set c1 
2(2) 3(4) 
 end 
comando = SET em seqüência (I) 
Set C1 
1( 1 : 10 / 1) 2 
End. 
duas vezes o nº 1, duas vezes o nº 2 
duas vezes o nº 3, duas vezes o nº 4 e etc... até 10 
e essa seqüência uma vez (e de um em um) 
na coluna c1 haverá 20 números 
 
 
 
 3 
comando = SET em seqüência (II) 
Set C2 
1( 1 : 10 / 2) 3 
End. 
três vezes o nº 1; três vezes o nº 3; três vezes o nº 5; três vezes o nº 7 
e ; três vezes o nº 9 e essa seqüência uma vez (e de dois em dois: 1 3 5 7 9) na coluna c2 haverá 15 números 
comando = Arbitrary Set of Numbers SET em seqüência (III) 
consigo inserir, em C1, os números -1 e +1, um de cada vez, e toda a seqüência 5 vezes 
terei 10 valores em C1 
-1+1-1+1-1+1-1+1 e etc 
Set C1 
5( -1 +1 )1 
End. 
 
comando = CODE 
os dados em C1 (mínimo = 18 e 
máximo = 26, por exemplo) 
e em C2 o resultado 
 
Code (18:20) 19 (20:22) 21 
(22:24) 23 (24:26) 25 C1 C2 
os números de C1 serão representados em C2 
 
os números entre 18 e 20 serão representados pelo número 19 
os números entre 21 e 22 serão representados pelo número 21 
os números entre 23 e 24 serão representados pelo número 23 
os números entre 25 e 26 serão representados pelo número 25 
 
comando = SPLIT worksheet 
dividir a Planilha segundo uma variável (coluna) 
C1 ... data ; C2 .. age; C3 …education; C4 .. sexo e etc… 
SPLIT worksheet segundo a variável sexo (por exº) e assim teremos duas planilhas (uma para sexo 
masculino e a outra para o sexo feminino) 
Split; 
By 'Sexo'. 
comando = SUBSET 
Subconjunto ou uma amostra da Planilha (população) 
as linhas de 10 a 20, por exemplo, vão ser escolhidas para a nova planilha (nome: ALFA) 
Subset; 
Rows 10:20; 
Name "ALFA"; 
Include. 
comando = SUBSET CONDITION 
Subconjunto ou uma amostra da Planilha (população) 
com o mouse ir no menu do Minitab e selecionar>>Data>> Subset worksheet>... dou nome à 
amostra (subset) 
Rows that match = Condition… (IMC >30) 
nesse exemplo, IMC são os valores do índice de massa corporal (IMC= Peso/altura
2
) 
 
Gráfico de Colunas (médias) comando = = CHART (I) uma coluna vs grupos 
C1 ...os valores numéricos (idade por exemplo) 
C2 ... Grupos (a variável sexo, por exemplo) 
Chart Mean( c1 ) * c2; 
Bar. 
Gráfico de Colunas (médias) comando = CHART (II) duas colunas justapostas 
C1 e C2 os valores ... = peso e altura (por exemplo) 
Chart Mean( C1 - C2 ); 
Overlay; 
Bar. 
 4 
Gráfico de Colunas (médias) comando = CHART (III) duas colunas vs grupos 
C1 e C2 os valores ... = peso e altura (por exemplo) 
segundo C3 ... = grupos (sexo,por exemplo) 
Chart Mean( C1 - C2 ) * C3; 
Overlay; 
Bar. 
 
comando = TABLE 
é igual a XTABLE C1 C2 (crosstabulation ou cruzamento de variáveis) 
em C1 a coluna sexo por exemplo 
em C2 a coluna tabagismo por exemplo 
 
TABLE C1 C2 com média e desvio padrão 
em C1 a coluna sexo por exemplo 
em C2 a coluna tabagismo por exemplo 
em C3 os valores numéricos (batimento cardíaco, por exemplo) 
table c1 c2; 
mean c3; 
stdev c3. 
 
 
comando = EXPAND 
Macro EXPAND 
% expand c1 c2 c3 
em C1 ... os valores numéricos (escores, por exemplo)em C2 as freqüências (número de vezes, contagem); 
em C3 …nessa coluna os valores expandidos (resultado) 
pode ser útil juntar o comando describe ao comando expand 
% expand c1 c2 c3 
describe c3 
o símbolo % especifica que é arquivo macro 
Confira: há vários arquivos tipo macro na pasta Macros criada no teu HD, quando foi instalado o programa no teu micro (o 
local dos macros usual é c:>>arquivos de programas>>Minitab 14>>macros>>gmed; gmean..) 
Conheça: para saber a finalidade de cada macro selecionar com o mouse no menu do Minitab>> Tools>>Notepad (= bloco de 
notas)>>abrir todos os arquivos e selecionar. 
comando = RANDOM 
gerar 1000 números em C1 
com média 100 e dp =10 
Random 1000 C1; 
Normal 100 10. 
pode ser útil juntar o comando describe ao comando RANDOM 
Random 1000 C1; 
Normal 100 10. 
describe c1 
Alterar o tipo de dados 
do tipo texto para tipo numérico, por 
exemplo 
com o mouse ir no menu do Minitab e 
selecionar>> 
Data > Change Data Type 
 
Gerar dados aleatórios com o mouse 
com o mouse ir no menu do Minitab e selecionar>> 
Calc >Random Data>> selecionamos uma curva (Normal, 
por exemplo) e especificamos os seus parâmetros (média e 
desvio padrão) 
Generate (1000) rows of data em C1 (store) 
 
 
 
 5 
Teste Qui-quadrado 
com o mouse ir no menu do 
Minitab e selecionar>> 
 
Stat > Tables > Cross-Tabulation 
and Chi-Square 
 
 
Estatística descritiva 
com o mouse ir no menu do Minitab e selecionar>> 
 
 
Stat > Basic Statistics > 
Display Descriptive Statistics 
 
Teste t de Student 
com o mouse ir no menu do Minitab e selecionar>> 
Testes-T ou Z Stat > Basic Statistics > 
1-Sample Z 
1-Sample t 
2-Sample t 
Paired t 
 
 
Teste de proporção 
1 ou 2 amostras 
com o mouse ir no menu do Minitab e selecionar>> 
Stat >Basic Statistics > 
1 Proportion 
2 Proportions 
comando = TWOSAMPLE 
Teste t de Student 
duas médias (amostras independentes) 
Intervalo de 
Confiança (diferença) de médias 
IC (95%) 
C1 …dados da amostra I 
C2 …dados da amostra II 
TwoSample C2 C1 ou C1 C2 
comando = PAIRED 
Teste t de Student 
Duas médias (amostras dependentes, pareadas) 
Intervalo de Confiança (diferença) de médias 
IC (95%) 
C1 …dados da amostra I 
C2 …dados da amostra II 
Paired C2 C1 ou C1 C2 
 
Teste de Kruskal Wallis Multiple Comparisons (teste de Dunn-Bonferroni) MACRO 
em C1, em C2, em C3 .. os valores dos grupos a serem comparados entre si 
%krusmc C1 C2 C3; 
unstacked; 
Falpha 0.05. 
Teste de Kruskal Wallis Multiple Comparisons (teste de Dunn-Bonferroni) MACRO 
com um grupo Controle 
em C2 e em C3 .. os valores dos grupos a serem comparados, apenas, com o C1 (controle) 
%krusmc c2 c3; 
control c1; 
unstacked; 
Falpha 0.05. 
comando = Teste de Mann-Whitney 
Mann-Whitney C1 C2; 
Alternative 0. 
comando = KAPPA 
Índice de concordância 
com os dados nas colunas c1 e c2 
C1 ... sexo, por exemplo (masculino e feminino) 
C2 ... tabagismo, por exemplo (fuma e não fuma) 
XTABS C1 C2; 
Kappa. 
comando = ChiSquare 
com os dados nas colunas c1 e c2 
C1 ... sexo, por exemplo (masculino e feminino) 
C2 ... tabagismo, por exemplo (fuma e não fuma) 
 
ChiSquare C1 C2 
 6 
comando = REGR regressão linear 
nas colunas C1(abcissa) e em C2(ordenada) os valores 
numéricos regr c2 1 c1 
 
comando = PLOT 
scatterplot = diagrama de dispersão 
plot c1*c2 
 
comando = ANOVA one-way = 1 fator 
na coluna C1 os valores numéricos e em C2 os códigos 
dos níveis do fator (dos grupos) 
anova C1 = C2 
ou 
GLM C1= C2 
 
comando = ANOVA two-way = 2 fatores 
na coluna C1 os valores numéricos e em C2 e em C3 os 
códigos dos níveis dos fatores 
anova C1 = C2!C3 
ou 
GLM C1 = C2!C3 
 
Comando = TUKEY após ANOVA 1-way em C1 os dados em C2 os grupos 
oneway c1 c2; 
tukey. 
 
Criar arquivos executáveis (exec terminação mtb) usando comandos 
No menu do Minitab, com o mouse, após executar uma determinada tarefa é possível conhecer os 
comandos executados pelo programa e, ainda, após selecioná-los – clicar no mouse-lado direito - copiá-los, 
salvá-los SAVE AS como EXEC files (com terminação mtb, por exemplo) para numa outra ocasião voltar a 
utilizá-lo 
Window >Project Manager >History ou Ctrl+Alt+H aí conheceremos os comandos a serem 
copiados e salvos 
Para executar um arquivo exec o procedimento, no menu do Minitab, com o mouse é: File > Other 
Files > Run An Exec >> Select file>>.... e selecionamos o arquivo exec >> Abrir 
 
Escrever um Macro Global 
No menu do Minitab ir no Tools>Notepad ... digitar 
Digitar gmacro na primeira linha 
Digitar o nome do macro na segunda linha (preferência um nome simples) 
.......... digitar os vários comandos ......... 
endmacro na última linha 
Exemplo de um arquivo macro elaborado pelo usuário 
gmacro 
beta 
set c1 
10(10) 10(15) 10(20) 
end 
set c2 
10(8) 10(12) 10(15) 
end 
set c3 
10(25) 10(30) 10(35) 
end 
describe c1 c2 c3 
endmacro 
salvar com terminação mac na pasta MACRO beta.mac o nome é beta porque escolhi 
beta na segunda linha de comando do arquivo macro 
e para rodar ou Executar arquivo Macro digitar %beta no espaço que aparece após Ctrl+L 
assim: %beta <enter> 
Para Executar arquivo Macro (***.mac) a partir do disquete (no drive a) 
Por exemplo, o arquivo beta.mac (fora de pasta no drive a com o disquete) 
no espaço que aparece após Ctr+L é só digitar 
%a:beta 
 7 
 
Classificação de 3 colunas by C1 
 
Classificação de 3 colunas by C1 
 
na coluna C1 eu tenho, por exemplo, os nomes que 
devem ser colocados em ordem alfabética, mas as 
demais colunas C2 C3 e C4 devem seguir os nomes em 
C1 
em C2, por exemplo, o sexo 
em C3, por exemplo, a idade; em C4, por exemplo, o 
peso 
Sort c1 c2-c4 c1 c2-c4; 
By c1 c1 c1 c1. 
_______________________________ 
Classificação de 4 colunas by C1 
idem colunas anteriores; 
em C5, por exemplo, a altura 
Sort c1 c2-c5 c1 c2-c5; 
By c1 c1 c1 c1 c1. 
 
TALLY com porcentagem 
Contagem e % das colunas 
tally c1 c2; 
counts; 
percents. 
Teste Exato de Fisher 
p-valor é bilateral 
XTABS C1 C2; 
Fisher. 
 
 
comando = TESTE de Tukey 
(anova 1-way) 
com IC e p-valor 
# valores (dados) na coluna C1 
#fator na coluna C2 
GLM c1 = c2; 
Pairwise c2; 
Tukey. 
comando = TESTE de Tukey 
(anova 2-way) 
com IC e p-valor 
# valores (dados) na coluna C1 
# fator na colunas C2 e C3 
GLM c1 = c2! c3; 
means c2!c3; 
Pairwise c2!c3; 
Tukey. 
 
 
teste t- Student 
com 
Summarized data 
duas amostras independentes 
TwoT 23 13.3 1.7 19 12.4 1.8 
Sample Size: 23 e 19 
Mean: 13.30 and 12.40 
Standard deviation: 1.7 and 1.8 
Gráfico de médias 
plot of means 
c1 os dados 
em c2, sexo, por exº 
em c3, QI, por exeº 
interact c3 c2; 
responses c1. 
 
 
comando = ANCOVA 
C1 … sexo por exº 
C2 … QI por exº 
C3 … valores 
C4 … idade (covariado) 
GLM c3 = c1!c2; 
Covariates c4; 
means c1!c2. 
comando = LET para módulo 
let c1 = abs(c1) 
comando = LET para Média Geométrica 
let c2 = ANTILOG(SUM(LOGT(C1)/COUNT(C1))) 
comando = LET para exponencial (ex) onde e = 2.7183 
let c2 = exp(c1) 
 
 
Expressão lógica do comando LET 
= ou EQ igual a ... exemplo, let c2 = (c1=5) ou let c2 = c1 EQ 5 
- = ou NE não igual a a ... exemplo, let c2 = (c1=-5) ou let c2 = c1 NE 5 
< ou LT menor que ... exemplo, let c2 = c1 LT 5 
> ou GT maior que ... exemplo,let c3 = c1 GT 5 
< = ou LE menor ou igual a ... exemplo, let c4 = c1 LE 5 
> = ou GE maior ou igual a ... exemplo, let c5 = c1 GE 5 
 8 
 
 
comando = GMED 
macro 
cálculo da mediana 
obtém-se a mediana de valores 
tabelados (ou agrupados) 
dados em C1 
em C2 as freqüências 
 
%gmed C1 C2 
Cálculo do p-valor da estatística F após o teste 
ANOVA 
 Fcalculado = 11.36 
 
cdf 11.36 k1; 
F 4 20. 
let k2 = 1-k1 
print k2 
obs.: k2 é o p-valor obtido associado ao Fcalculado 
os números 4 e 20 são os gl 
 
%DOTP C1 C2 C3; macro 
ONEPAGE. 
o default é mediana e quartis 
 
%DOTP C1 C2 C3; macro 
OPTION 2; média±dp 
ONEPAGE. 
 
Comando = PARS 
Soma parcial acumulada dados em C1 e a soma acumulada em C2 
let c2 = PARS (c1) 
 
 
Comando = DO ENDDO 
 
gmacro 
DOENDDO 
DO k1 = 1:10 
let c1(k1) = 20 
let c2(k1) = 30 
ENDDO 
endmacro 
 
Exemplo. O resultado fica assim: 
C1 C2 
20 30 
20 30 
20 30 
20 30 
20 30 
20 30 
20 30 
20 30 
20 30 
20 30 
para rodar o macro DOENDO basta digitar %ENDOENDO no espaço após Ctr+L (submit Commands> 
 
Comando DO ENDDO 
duas vezes 
gmacro 
doenddo 
DO k1 = 1:3 
let c1(k1) = 5 
let c2(k1) = 10 
ENDDO 
DO k2 = 1:5 
let c3 = c1+c2 
let c4(k2) = sum (c3) 
ENDDO 
endmacro 
 
Exemplo. O resultado fica assim: 
 
C1 C2 C3 C4 
5 10 15 45 
5 10 15 45 
5 10 15 45 
 45 
 45 
 9 
 
ANOVA de MEDIDAS REPETIDAS 
 
Modelos RM ANOVA que devem ser especificados em General Linear Model 
RM ANOVA = anova de medidas repetidas 
STAT > ANOVA > General Linear Model 
dados (responses) em C1 
 
RM ANOVA (I) 
apenas uma variável dependente (A) 
model: A R; onde R is random factor 
em c2, fator repetido A; (dependente = within-subjects) 
em c3, fator R ... Réplicas (ou unidades experimentais); dados (responses) em C1 
GLM c1 = c2 c3; 
means c2; 
Pairwise c2; 
 Tukey; 
 NoCI; 
 GHistogram; 
 GNormalplot; 
 GFits. 
para se obter o teste de comparação múltipla de Tukey, quando se especifica o modelo RM 
ANOVA, o fator R deve ser considerado como efeito fixo (e não aleatório ou “random”) 
RM ANOVA (II) 
uma variável independente (fator A) e uma variável dependente (fator B) 
model: A!B R(A); onde R is random factor 
em c2, fator A (between-subjects) ; em c3, fator repetido B (dependente = within-subjects) 
em c4, fator R ... Réplicas (ou unidades experimentais); dados (responses) em C1 
GLM c1 = c2!c3 c4(c2); 
means c2!c3; 
Pairwise c2!c3; 
 Tukey; 
 NoCI; 
 GHistogram; 
 GNormalplot; 
 GFits. 
 
 
RM ANOVA (III) 
duas variáveis independentes ( A e B) e apenas uma variável dependente (C) 
model: A!B!C R(A B); onde R is random factor 
em c2 e em c3, fatores A e B (between-subjects) ; em c4, o fator repetido C 
(dependente = within-subjects); em c5, o fator R ... Réplicas (ou unidades experimentais); 
dados (responses) em C1 
 
GLM c1 = c2!c3!c4 c5(c2 c3); 
random c5; 
means c2!c3!c4; 
 GHistogram; 
 GNormalplot; 
 GFits. 
 
 10 
 
RM ANOVA (IV) 
 
três variáveis independentes ( A B C) e apenas uma variável dependente (D) 
 
model: A!B!C!D R(A B C); onde R is random factor 
 
em c2, c3 e c4, os fatores A, B e C (between-subjects); 
em c5, fator repetido C (dependente = within-subjects) 
em c6, o fator R ... Réplicas (ou unidades experimentais); dados (responses) em C1 
 
GLM c1 = c2!c3!c4!c5 c6(c2 c3 c4); 
random c6; 
means c2!c3!c4!c5; 
 GHistogram; 
 GNormalplot; 
 GFits. 
________________________________________________________________ 
 
RM ANOVA (V) 
 
nenhuma variável independente e duas variáveis dependentes (A e B) 
model: A!B A*R B*R R; onde R is random factor 
 
em c2 e em c3, os fatores repetidos A e B (dependente = within-subjects) ; 
 em c4, o fator R... Réplicas (ou unidades experimentais); 
dados (responses) em C1 
 
GLM c1 = c2!c3 c2*c4 c3*c4 c4; 
random c4; 
means c2!c3; 
 GHistogram; 
 GNormalplot; 
 GFits. 
para se obter o teste de comparação múltipla de Tukey, quando se especifica o modelo RM 
ANOVA, o fator R deve ser considerado como efeito fixo (e não aleatório ou “random”) 
RM ANOVA (VI) 
uma variável independente (A) e duas variáveis dependentes (B e C) 
model: A!B!C B*R C*R R(A); onde R is random factor 
 
em c2, o fator A (independente = between-subjects); em c3 e em c4, 
 os fatores repetidos B e C (dependente = within-subjects) ; em c5, o fator R ... Réplicas (ou unidades 
experimentais); 
dados (responses) em C1 
 
GLM c1 = c2!c3!c4 c3*c5 c4*c5 c5(c2); 
random c5; 
means c2!c3!c4; 
 GHistogram; 
 GNormalplot; 
 GFits. 
 11 
comando = EXEC com LOOP 
 cálculo de médias de “n em n” linhas de valores em uma coluna C1; o 
resultado na coluna C2 
 
let k1 = k1+2 ou let k3 = k1+1 e etc... indica o loop 
que deve ser inicializado com 
let k1 =1 e let k3 = 1 
 
inicializar com 
na Session após Editor >> Enable 
Commands 
 
MTB > let k1 = 1 < enter> 
MTB > let k3 = 1 < enter> 
 
inicializar com 
na Session após Editor >> Enable Commands 
 
MTB > let k1 = 1 < enter> 
MTB > let k4 = 1 < enter> 
 
 
comando = EXEC com LOOP 
 
médias de 2 em 2 linhas 
 
Let k2 = k1+1 
Let c2(k3) = (c1(k1)+c1(k2))/2 
Let k1 = k1+2 
Let k3 = k3+1 
 
salvamos esses comandos 
são digitados no menu do 
Minitab>>Tools>>Notepad>> e salvos 
sob nome, por exº: 
means2rowsby2rows.mtb 
comando = EXEC com LOOP 
 
médias de 3 em 3 linhas 
 
Let K2=K1+1 
Let K3=K2+1 
Let C2(K4)=(C1(K1)+C1(K2)+C1(K3))/3 
Let K1=K1+3 
Let K4=K4+1 
 
salvamos esses comandos são digitados no menu do 
Minitab>>Tools>>Notepad>> e salvos sob nome, por 
exº: means3rowsby3rows.mtb 
 
salvar com terminação mtb 
 
comando = EXEC com LOOP 
médias de 5 em 5 linhas 
inicializar com 
na Session 
após Editor >> Enable 
Commands 
 
mtb>LET K1=1 < enter> 
mtb>LET K6=1 < enter> 
 
 Let K2=K1+1 
 Let K3=K2+1 
 Let K4 = K3+1 
 Let K5 = K4+1 
Let C7(K6)=(C6(K1)+C6(K2)+C6(K3)+C6(K4)+C6(K5))/5 
 Let K1=K1+5 
 Let K6=K6+1 
salvamos esses comandos são digitados no menu do 
Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: 
means5rowsby5rows.mtb 
 
 
 12 
 
comando = EXEC com LOOP == cálculo de médias de “n em n” linhas de valores em 
uma coluna C1; o resultado na coluna C2 (continuação) 
 
Três Possibilidades para executar o EXEC com LOOP 
 
Cálculo das médias de 2 em 2 linhas da coluna C1 
Exemplo (em C1 há 180 números) 
 
Primeira etapa. Inicialização na Session (duas formas possíveis) 
1ª) digitar na Session os dois comandos de inicialização: let k1=1 e let k3=1 
após Editor >> Enable Commands 
MTB > let k1=1 << enter >> 
MTB > let k3=1 << enter >> 
MTB > 
2ª) digitar Ctrl+L e no espaço em branco 
digitar os dois comandos de inicialização: let k1=1 e let k3=1 
e clicar em Submit commands 
 (fim da primeira etapa) (etapa comum às três possibilidades de executar o comando EXEC) 
 
 
 
Segunda etapa EXEC 
 
Primeira possibilidade (EXEC com o mouse no menu do Minitab) 
 
Segunda possibilidade (EXEC na Session) 
 
Terceira possibilidade (EXEC no espaço Ctrl+L) 
 
Primeira possibilidade (EXEC com o mouse no menu do Minitab) 
 
MTB > let k1=1 < enter > 
MTB > let k3=1 < enter > 
MTB > 
Agora com o mouse ir selecionar 
File > Other Files > Run An Exec k vezes no nosso caso queC1 tem 180 
valores 
180 / 2 = 90 vezes, ou seja, k = 90. nesse caso devo digitar o número 90 
Com o mouse select file means2rowsby2rows.mtb << abrir>> 
Continuação da Primeira possibilidade (EXEC com o mouse no menu do 
Minitab) 
Observação: 
na Session temos: 
Executing from file: C:\Arquivos de programas\MINITAB 14\CK 
Execs Loops Macros\means2rowsby2rows.mtb 
Esse é o caminho, o local onde se encontra o arquivo 
means2rowsby2rows.mtb 
Esse caminho, essa especificação, pode ser copiada (basta selecionar e ctrl+C) e 
 13 
colado no espaço Ctrl+L (terceira possibilidade) ou, novamente, se for o caso, na 
própria Session (segunda possibilidade). 
 
 
Segunda possibilidade (EXEC na Session) 
Após a inicialização: 
MTB > let k1=1 < enter > 
MTB > let k3=1 < enter > 
MTB > 
É para digitar EXEC seguindo de aspas o caminho para se chegar ao arquivo 
exec com nome de means2rowsby2rows.mtb 
MTB > EXEC "C:\Arquivos de programas\MINITAB 14\CK Execs Loops 
Macros\means2rowsby2rows.mtb" 90 
<< enter >> 
no nosso caso que C1 tem 180 valores (portanto 180/2 = 90 vezes) 
 
 
Terceira possibilidade (EXEC no espaço Ctrl+L) 
Edit >> Command Line Editor ou Ctrl+L 
Nesse espaço em branco temos de digitar a inicialização do looping: 
let k1 = 1 
let k3 = 1 
EXEC"C:\Arquivos de programas\MINITAB 14\CK Execs Loops 
 Macros\means2rowsby2rows.mtb" 90 
no nosso caso que C1 tem 180 valores (portanto 180/2 = 90 vezes) 
 
comando = CK capabilities com LOOP 
as médias dos valores de três colunas C1 C2 C3 são apresentadas em C4 
nas três linhas de C4 aparecem as médias respectivas das três colunas C1 C2 C3 
esses dois comandos: 
let c4(k1) = mean(CK1) 
let k1 = K1+1 ... indica o looping 
são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: 
meancolumnsckcapabilities com terminação mtb 
é necessário a inicialização do looping com let k1 = 1 
 
Primeira etapa. Inicialização na Session (duas formas possíveis) 
1ª) digitar na Session os dois comandos de inicialização: let k1=1 e let k3=1 
após Editor >> Enable Commands 
MTB > let k1=1 << enter >> 
MTB > let k3=1 << enter >> 
MTB > 
2ª) digitar Ctrl+L e no espaço em branco 
digitar os dois comandos de inicialização: let k1=1 e let k3=1 
e clicar em Submit commands 
 (fim da primeira etapa) (etapa comum às três possibilidades de executar o comando EXEC) 
 
 
 14 
 
Segunda etapa. EXEC com CK capabilities 
observação: a execução desse caso é similar ao caso anterior 
(média de 2 em 2 linhas) 
 
 
Primeira possibilidade (EXEC com o mouse no menu do Minitab) 
Segunda possibilidade (EXEC na Session) 
Terceira possibilidade (EXEC no espaço Ctrl+L) 
 
esses dois comandos: 
let c4(k1) = mean(CK1) 
let k1 = K1+1 
são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: 
meancolumnsckcapabilities com terminação mtb 
 
o comando EXEC CK capabilities deve ser efetuado K vezes, ou seja, se forem 3 colunas 
(C1 C2 C3), então, K = 3 
 
após Ctr+L: 
digitar Execute "C:\Documents and Settings\usuario\Meus 
documentos\meancolumnsckcapabilities.mtb" 3 
e clicar em Submit commands 
 
 
Os comandos de inicialização – primeira etapa - podem ser salvos sob um arquivo exec 
(com terminação mtb) e esse arquivo pode ser posto para ser executado dentro do 
arquivo exec – da segunda etapa. 
Assim, é possível rodar “um exec dentro de outro exec”. 
 
“um exec dentro de outro exec” 
Podemos criar um outro arquivo tipo exec para inicializar e executar outro arquivo exec, 
por exemplo, o arquivo aleska executa o arquivo means2rowsby2rows. 
Assim, sob nome de aleska.mtb com os comandos abaixo: 
 
let k1 = 1 
let k3 = 1 
EXEC "C:\Arquivos de programas\MINITAB 14\CK Execs Loops 
Macros\means2rowsby2rows.mtb" 10 
 
Obtém-se, simultaneamente, a inicialização e a execução do arquivo tipo exec 
means2rowsby2rows (com a execução do arquivo tipo exec sob nome aleska 
 
mtb ... é a terminação default do programa para arquivos tipo exec 
 
 15 
 
Split-plot ANOVA= parcelas subdivididas 
CRD = completely randomized design = experimento inteiramente casualizado 
Modelos Split-plot ANOVA que devem ser especificados em General Linear Model 
STAT > ANOVA > General Linear Model 
dados (responses) em C1 
Main Plot factor = Hard-to-change factor = HTG = fator principal em C2 
Sub-plot factor = Easy to-change factor = ETG = fator secundário em C3 
em C4 Whole Plot (WP) = a parcela maior, a principal que deve ser codificada de 
forma única (por exemplo, se HTG tiver 3 níveis e houver 3 repetições, então, WP 
ou seja, as parcelas principais devem ser numeradas de 1 até 9) 
CRD Split-plot 
Caso (I) 
1 main-plot factor ... MP e 1 sub-plot factor ... sp 
 
modelo: MP!sp WP(MP); onde WP ... whole plot é fator aleatório 
CRD Split-plot 
Caso (II) 
2 main-plot factors ... MP1 MP2 e 1 sub-plot factor ... sp 
 
modelo: MP1!MP2!sp WP(MP1 MP2); 
 onde WP ... whole plot é fator aleatório 
CRD Split-plot 
Caso (III) 
3 main-plot factors ... MP1 MP2 MP3 e 1 sub-plot factor ... sp 
 
modelo: 
MP1!MP2!MP3 sp MP1*sp MP2*sp MP3*sp WP(MP1 MP2 MP3); 
onde WP ... whole plot é fator aleatório 
CRD Split-plot 
Caso (IV) 
1 main-plot factor ... MP e 2 sub-plot factors ... sp1 and sp2 
 
modelo: MP!sp1!sp2 WP(MP); onde WP ... whole plot é fator aleatório 
CRD Split-plot 
Caso (V) 
2 main-plot factors ... MP1 MP2 e 2 sub-plot factors ... sp1 and sp2 
 
modelo: MP1!MP2!sp1!sp2 WP(MP1 MP2); 
onde WP ... whole plot é fator aleatório 
 
CRD Split-plot 
Caso (VI) 
1 main-plot factor ... MP1 e 3 sub-plot factors ... sp1 sp2 and sp3 
modelo: MP sp1 sp2 sp3 MP*sp1 MP*sp2 MP*sp3 sp1*sp2 sp1*sp3 
sp2*sp3 WP(MP); 
onde WP ... whole plot é fator aleatório 
 16 
Mudar de coluna Texto para coluna 
Numérica 
a C1está no formato texto C1-T e após 
Ctr+ L digitar é para digitar o comando: 
Numeric C1 C1 
Mudar de coluna Numérica para coluna 
Texto 
a C1 está no formato numérica C1 e após 
Ctr+ L é para digitar o comando: 
Text C1 C1 
 
comando = ANOVA three-way = 3 fatores 
na coluna C1 os valores numéricos e em C2, C3 e em C4 os códigos dos níveis dos 
fatores 
anova C1 = C2!C3!C4 ou GLM C1 = C2!C3!C4 
 
Dot Plot segundo 2 variáveis em cores diferentes 
não aparecem as médias e nem as medianas; só aparecem os pontos em cores 
diferentes correspondentes aos tipos de tratamento. 
C1 … os valores numéricos 
C2 ... por exº Tempo (códigos: 7 d; 14d; 21d e etc...) 
C3 ... por exº Tratamentos (códigos: 1: controle; 2: teste e etc...) 
Dotplot C1*C2; 
Group C3; 
Overlay; 
Dot C3. 
 
NESTED DESIGN 
If B nested in A, both crossed with C 
then A!B(A)!C 
Onde A!B(A)!C = A B(A) C A*C B*C = A!C B*C B(A) 
Um fator B nested in A, ambos cruzados com C 
B nested in A, both crossed with C then A!B(A)!C 
exemplo 
em C1 .. os valores... notas dos alunos 
em C2 ... o fator A … Estratégia de ensino (verbal e visual) 
em C3 ... o fator B ... Professores (códigos 1; 2; 3 e 4) 
em C4 ...o fator C … Sexo (masculino e feminino) 
modelo: A!B(A)!C ... Ctr+L ... digitar GLM C1 = C2!C4 C3(c2) C3*C4; random C3. 
 
 
Sexo 
(C) 
dos alunos 
Estratégia de Ensino (A) 
Visual (A1) Verbal (A2) 
Professores (B) 
B1 B2 B3 B4 
 
 
Masculino 
(C1) 
44 54 60 86 
33 53 47 89 
55 55 68 86 
57 57 72 81 
51 56 75 71 
 
 
Feminino 
(C2) 
37 56 54 55 
37 63 37 50 
30 60 58 44 
48 61 55 57 
50 48 61 56 
 
Professor aninhado na Estratégia. Ambos são fatorescruzados com os alunos. 
 
 17 
Para gerar a figura da Curva Normal – área hachuriada = probabilidade 
macro %NCRVTAIL 
 
%NCRVTAIL 0.10 
 
padrão bilateral 
média = 0 e dp = 1 
 
%NCRVTAIL 0.10; 
PARAMS 50 5. 
 
bilateral 
média = 50 e dp =5 
 
%NCRVTAIL 0.10; 
Lower. 
 
padrão unilateral inferior 
média = 0 e dp = 1 
 
%NCRVTAIL 0.10; 
PARAMS 50 5; 
LOWER. 
 
unilateral inferior 
média = 50 e dp =5 
%NCRVTAIL 0.10; 
Upper. 
 
padrão unilateral superior 
média = 0 e dp = 1 
 
%NCRVTAIL 0.10; 
PARAMS 50 5; 
UPPER. 
 
unilateral superior 
média = 50 e dp =5 
 
Z
 
43210-1-2-3-4
Area under Standard Normal Curve

-1.64485 1.64485
0.05 0.05
 
 
Data
 
706560555045403530
Area under Normal Curve

41.7757 58.2243
0.05 0.05
 
 
 18 
 
 
comando = WSTAT 
macro 
cálculo da média 
obtém-se a média de valores tabelados 
(ou agrupados) 
 
dados em C1 
em C2 as freqüências 
 
após Ctr+L digitar 
 
%WSTAT C1 C2 
o resultado na Session 
comando = expand e describe 
 
macro 
cálculo da média 
obtém-se a média de valores tabelados 
(ou agrupados) 
 
dados em C1 
em C2 as freqüências 
 
após Ctr+L digitar 
 
%expand c1 c2 c3 
describe c3 
 
 
 
Estatística Descritiva de uma Tabela de distribuição de freqüências 
macro 
dados em C1 
em C2 as freqüências 
após Ctr+L digitar 
 
%wstat c1 c2 ... para se obter a média 
%gmed c1 c2 ... para se obter a mediana 
 %expand c1 c2 c3 
describe c3 ... para se obter a média e o desvio padrão 
 
comando = GMEAN 
macro 
 
cálculo da média geométrica 
dados em C1 
 
após Ctr+L digitar 
 
%gmean c1 
 
 
gmean = G = raiz quadrada do produto 
entre A e H 
G = (A x H)[1/2] 
A ... média aritmética 
H ... média harmônica 
Intervalo de Confiança para a Média 
Para IC(95%) 
após Ctr+L digitar 
OneZ C1; 
Sigma 0.17. 
................................ 
Para IC(90%) 
após Ctr+L digitar 
OneZ C1; 
Sigma 0.17; 
Confidence 90.0. 
................................ 
Para IC(99.74%) 
após Ctr+L digitar 
OneZ C1; 
Sigma 0.17; 
Confidence 99.74. 
................................ 
 
 
............................. 
t- Student 
Para IC (95%): 
após Ctr+L digitar 
 oneT c1 
............................. 
Para IC (98%): 
após Ctr+L digitar 
 
oneT c1; 
confidence 98. 
............................. 
Intervalo de 
Confiança para a 
Proporção 
N = 20; evento = 7 
após Ctr+L digitar 
POne 20 7; 
UseZ. 
 
 19 
 
 
Intervalo de confiança para a variância (IC) 
Variância = desvio padrão ao quadrado; 
 σ2 = (dp)2 
 
Fórmula: σ2 = gl(s2) / 2gl 
 
Exemplo resolvido: 
Se forem conhecidos o “n” (tamanho da amostra) e a variância amostral, então, qual é o 
IC para a variância, sob nível de 80%? 
 
n = 10 e, portanto, gl = n-1=10-1=9; 
s2 = 2.25 
 
para IC(80%) 
100,00% – 80,00% = 20,00% 
sobra para as laterais o valor de 20% e teremos 10% e 10% 
o Minitab apresenta a área de - infinito até 2 
 
após Ctr+L digitar: 
invcdf 0.90 k1; 
chis 9. 
print k1 
 
invcdf 0.10 k2; 
chis 9. 
print k2 
 
let k3 = (9*2.25)/k1 
print k3 
 
let k4 = (9*2.25)/k2 
print k4 
Data Display 
K1 14.6837 ... é o valor de 2superior 
 
Data Display 
K2 4.16816 ... é o valor de 2inferior 
 
Data Display 
K3 1.37908 esse é o valor de σ2inferior = 1.38 
 
Data Display 
K4 4.85826 esse é o valor de σ2superior = 4.86 
 
Resposta. 
IC(80%):Probab.(1.38 ≤ σ2 ≤ 4.86) = 80% 
 
 
 
 20 
macro HBINS 
macro que apresenta a freqüência e percentual de observações que 
caem default bins criadas pelo histograma. 
dados em C1 
 
uso de midpoints 
 
%HBINS 20.5 40.5 2 C1 
permite especificar os mesmos intervalos de um histograma para apresentar a tabela com os limites de 
intervalo e as freqüências 
o primeiro intervalo do histograma de seus dados em C1 tem um midpoint igual a 
20.5, o último intervalo de seu histograma tem um midpoint de 40.5, 
e o incremento entre os midpoints é 2. 
macro HBINS 
uso de cutpoints 
o primeiro intervalo do histograma de seus dados começa em 20; 
o último intervalo de seu histograma termina em 40 
 e a largura dos intervalos é 2 
%HBINS 20 40 2 C1; 
# cutpoint. 
O primeiro argumento após o %HBINS é sempre o menor midpoint/cutpoint, o segundo 
argumento é sempre o maior midpoint/cutpoint, o terceiro argumento é o incremento e o último 
argumento é a coluna dos dados. 
Exemplo 1. Números que seguem a Normal (mínimo = 57 e máximo = 132). 
Random 100 C1; 
 Normal 100.0 15.0. 
minimum c1 
maximum c1 
%HBINS 57 132 20 c1; 
cutpoint. 
Row Intervals Frequencies Percents 
 1 57 to 77 9 9.677 
 2 77 to 97 36 38.710 
 3 97 to 117 48 51.613 
 4 Totals 93 100.000 
 
 
Exemplo 2. Números que seguem a Normal (mínimo = 57 e máximo = 132). 
Random 100 C1; 
 Normal 100.0 15.0. 
minimum c1 
maximum c1 
%HBINS 57 132 20 c1 
Row Intervals Frequencies Percents 
 1 47 to 67 1 1.031 
 2 67 to 87 20 20.619 
 3 87 to 107 53 54.639 
 4 107 to 127 23 23.711 
 5 Totals 97 100.000 
 
 21 
Ctr+L Soma de matrizes ADD m1 m2 m3 print m3 
Ctr+L Subtração de matrizes Subtract m1 m2 m3 print m3 
 
Ctr+L Multiplicação de matrizes MULTIPLY m1 m2 m3 print m3 
Ctr+L Determinante da matriz %MATRXDET M1 K1 print k1 macro 
 
Ctr+L Cálculo do coeficiente de correlação entre duas colunas C1 e C2 
by Grupos (na coluna C3) 
corr c1 c2; 
by c3. 
 
exº. soma de matrizes 
Ctr+L 
ADD c1-c2 c6 
copy c6 m1 
ADD c3-c4 c7 
copy c7 m2 
ADD m1 m2 m3 
print m3 
copy m3 c8 
 
exº. subtração de matrizes 
Ctr+L 
ADD c1-c2 c6 
copy c6 m1 
ADD c3-c4 c7 
copy c7 m2 
Subtract m1 m2 m3 
print m3 
copy m3 c8 
 
exº. multiplicação de matrizes 
o resultado (matriz m3) encontra-se nas colunas c8 a c11 e na Session 
 m1 é do tipo (4 x 2) m2 é do tipo (2 x 4) 
 o produto m3 é, portanto, do tipo 4 x 4 
Ctr+L 
Copy c1 c2 m1 
Copy c3-c6 m2 
MULTIPLY m1 m2 m3 
Print m3 
Copy m3 c8-c11 
 
MATRIX TRANSPOSTA 
Exemplo as linhas passam a serem as colunas e vice-versa 
copy c1-c14 m1 
transpose m1 m2 
copy m2 c20-c31 
 
No início 12 linhas e 14 colunas. Após teremos: 12 colunas e 14 linhas 
O resultado aparece nas colunas c20 a c31 
DELETE rows 
delete 5 6 11 32 35 c1 
as linhas 5 6 11 32 e 35 de C1 são deletadas 
log na base 10 = logt = logten a volta é com antilog 
log na base E = logE a volta é com expo 
Let c2 = LOGT(c1) os valores estão em C1 
Let c2 = LOGE(c1) 
Let c2 = ANTILOG(c1) é a volta à base 10 
Let c3 = EXPO(c1) é a volta dos valores após log natural (base e) 
 22 
Regressão Linear – Previsão de valores 
Exemplo. Qual é o valor de Y (altura) para X: idade = 40 meses? 
C1 ... idade (meses) 
C2 ... altura (cm) 
Regress c2 1 c1; 
Predict 40. 
 
CHART gráfico de colunas contagem 
Exemplo: em C1 .. sexo; em C2 ... Escola 
chart c1 c2 
CHART função (exº: mean) gráfico de colunas 
Exemplo: em C1 .. idade; em C2 ... Peso; em C3 ... Escola 
chart mean(c1)*c3 
chart mean(c1 c2)*c3 
comando = INDPLOT individual values plot 
 
Exemplo: em C1 .. idade; em C2 ... Peso 
indplot c1 c2Gráfico de Colunas: Média±EPM (=erro padrão da média) 
Exemplo: em C1 ... idade; em C2 ... Peso; em C3 ... sexo 
indplot (c1 c2)*c3 
no menu com o mouse: Editor>>Add>>Data Display 
marca caixa (x) Bar e (x) Interval Bar e desmarca (x) (individual plot) 
seleciona, clica na barra de erro e selecione a opção Options (Standard Error) ; 
multiple = 1 
e selecione a opção Groups (selecione C3) aparece cores diferentes nas barras de 
erro e, também, nas colunas 
 
comando = INDPLOT com sobreposição (overlay) 
exemplo 1: indplot (c1 c2); 
overlay. 
exemplo 2: indplot (c5 c6 c7); 
overlay. 
Distribuição Binomial de Probabilidade (parâmetros n; x) 
Probabilidade pontual (PDF) 
Ctr+L 
PDF c1 c2; 
Binomial n p. 
Exemplo 1. Se n= 10; p = 0.3; então, em c1 inserir os valores de nº de eventos 
(sucessos). E, em C2, teremos os valores (resultados) de probabilidade (P) associados 
aos valores de C1. 
PDF c1 c2; 
Binomial 10 0.3. 
 
 23 
Distribuição Binomial de Probabilidade (parâmetros n; x) CONTINUAÇÃO 
é, ainda, possível obter todos os resultados possíveis de X sucessos na SESSION 
PDF; 
Binomial n p. 
 
Probabilidade cumulativa (CDF) 
Ctr+L 
CDF c1 c2; 
Binomial n p. 
 
Exemplo 2. Se n= 10; p = 0.3; então, em c1 inserir os valores de nº de eventos 
(sucessos). E, em C2, teremos os valores (resultados) de probabilidade cumulativa, 
somadas (P) associados aos valores de C1. 
CDF c1 c2; 
Binomial 10 0.3. 
 
é, ainda, possível obter todos os resultados possíveis de X sucessos na SESSION 
CDF; 
Binomial n p. 
comando Matrixplot 
em c1 ... tempo (em minutos) de estudo dos alunos 
em c2 ... nota na Prova de Bioquímica 
em c3 ... nota na Prova de Fisiologia 
em c4 ... nota na Prova de Histologia 
 
Matrixplot ( c2 c3 c4 ) *( c1 ); 
Symbol. 
matriz transposta 
Transpose inverter dados nas linhas para disposição em colunas 
comando: em c1 até c6 estão dados que vão para c7 e c8 (após colunas em uso= after) 
Transpose C1-C6; 
 After. 
PERCENTILE macro 
%PERCENTILE C1 C2 C3 
dados em C1; os valores de percentil em C2; a resposta em C3 
 
FIGURA DE BARRAS EMPILHADAS (I) – o valor médio foi calculado, a partir das 
colunas c2 a c5, e representado no gráfico de barras 
chart mean(c2-c5)*c1; 
overlay; 
stack; 
bar. 
em c1, por exemplo, elementos Carbono, Oxigênio, Fósforo que somados resultam em 
100% 
em c2, em c3 ... até c5, por exemplo, os grupos de agentes clareadores 
 24 
 
FIGURA DE BARRAS EMPILHADAS (II) – o valor médio foi inserido, nas colunas 
c2 a c5, e representado no gráfico de barras 
chart (c2-c5)*c1; 
summarized; 
overlay; 
stack; 
bar. 
em c1, por exemplo, elementos Carbono, Oxigênio, Fósforo que somados resultam em 
100% 
em c2, em c3 ... até c5, por exemplo, os grupos de agentes clareadores 
 
I. Gráfico de Concordância-Sobrevivência -- Survival-Agreement Plot 
Ronir Raggio Luiz et al./ Journal of Clinical Epidemiology 56 (2003)963-967: 
Assessment of agreement of a quantitative variable: a new graphical approach 
proporção de desacordo versus o valor de diferença (em módulo) 
em C1 ... valores de diferença (em módulo) entre os dois métodos 
em C2 ... valores de freqüência correspondente a cada valor de diferença obtido 
Ltest c1; 
Frequency c2; 
Noparametric; 
Splot; 
Xminimum 0; 
Brief 2; 
KMEstimates; 
Confidence 95.0; 
TwoCI. 
 
II. Gráfico de Concordância-Sobrevivência -- Survival-Agreement Plot 
comparações 
em C1 valores de diferença (em módulo) entre os dois métodos; em C2 valores de freqüência 
correspondente a cada diferença; em C3 códigos, valores, das comparações dos grupos vs o 
grupo de referência.; em C3 .. código 1 indica método A vs o Método de Referência 
 código 2 indica método B vs o Método de Referência e etc... O percentual se refere à proporção 
de desacordo segundo o valor de diferença (em módulo) 
Name c1 "diferença" 
Name c2 "frequência" 
Name c3 "comparações" 
Ltest c1; 
 Frequency c2; 
 By c3; 
 Noparametric; 
 Splot; 
 Xminimum 0; 
 Brief 2; 
 KMEstimates; 
 Confidence 95.0; 
 TwoCI. 
 
 
 25 
Construção de uma Curva Normal Idealizada 
entro com os dados, com a faixa especificada dos dados em C1 
em C2 estarão os valores de probabilidade segundo a Normal 
 
A Normal é especificada. A média e o dp são escolhidos. 
indico onde vou colocar as linhas de referência (k1: verticais e k2: horizontais) 
set c1 
320:480/1 
end 
pdf c1 c2; 
normal 400 20. 
plot c2*c1; 
reference 2 0; 
reference 1 370 400 410; 
connect. 
 
C1
C2
500450400350300
0.020
0.015
0.010
0.005
0.000
370 400410
Scatterplot of C2 vs C1
 
 
obs.: média4dp compreende praticamente 100% dos valores 
média4dp = 400  4(20)  faixa de 320 até 480 
 
*se quiser que o valor referência zero, na horizontal, apareça na figura terei de inserir 
reference 2 0; após plot c2*c1 vide abaixo 
 
**se quiser que o valor referência zero, na vertical, apareça na figura terei de inserir 
reference 1 0; após plot c2*c1 vide abaixo 
 
set c1 
320:480/1 
end 
pdf c1 c2; 
normal 400 20. 
plot c2*c1; 
reference 2 0; 
reference 1 370 400 410; 
connect. 
 
 
 26 
Construção de uma Curva Normal Idealizada sob constante k 
let k1 = mean(c1)+stdev(c1) se quiser especificar um valor a partir de C1, por exº 
let k2 = mean(c1)-stdev(c1) se quiser especificar um valor a partir de C1, por exº 
reference 1 k1 k2; indica linha vertical e referências média1dp 
 
set c1 
0:100/0.1 
end 
let k1 = mean(c1)+stdev(c1) 
let k2 = mean(c1)-stdev(c1) 
let k3 = mean(c1) 
let k4 = stdev(c1) 
pdf c1 c2; 
normal k3 k4. 
plot c2*c1; 
reference 2 0; 
reference 2 0.003; 
reference 1 k1 k3 k2; 
connect. 
 
C1
C2
100806040200
0.014
0.012
0.010
0.008
0.006
0.004
0.002
0.000
78.95021.1
0
0.003
Scatterplot of C2 vs C1
 
……………………………………………………………………………………………………. 
Construção de uma curva de Poisson (média k1) 
……………………………………………………………………………………………………. 
 
set c1 
0:50/1 
end 
let k1 = mean(c1) 
pdf c1 c2; 
poisson k1. 
plot c2*c1; 
connect. 
 27 
 
Análise de Sobrevivência: Kaplan-Meyer 
 
dados em C1 os valores de Tempo 
dados em C2 os valores 1 de 0 
C1 C2 
Tempo Evento 
8 0 
1 0 
7 1 
7 1 
4 0 
5 1 
7 0 
5 1 
6 0 
3 1 
Menu Route: 
Stat > Reliability > Distribution Analysis (Right Censoring)> Nonparametric Distribution 
Analysis 
 
Variables: Time 
Clicar em Censor ... Using Censor Columns ..... Evento ... 
Censoring Value: 0 especificar o valor zero 
Estimation: especificar o Método (Kaplan-Meyer) 
Graphs: Survival Plot (especificar) (X) 
 
Storage: Survival Probabilities 
 Times for Survival Probabilities 
C3 C4 
STIM1 SURV1 
3 0.888889 
5 0.634921 
7 0.317460 
Tempo
Pe
rc
en
t
9876543210
100
90
80
70
60
50
40
Table of Statistics
Mean 6.04762
Median 7
IQR *
Nonparametric Survival Plot for Tempo
Censoring Column in Evento
Kaplan-Meier Method
 
 28 
Applies to Minitab 15 
How can I transform attribute data so the assumptions of the 
regression or ANOVA model are met? 
Solution 
You can use Calc > Calculator to transform binomial data (proportions) or 
Poisson data (counts). 
 
Binomial data (proportions) 
You must have one column (or stored constant) for the number of trials (n) and 
one for the number of events (x). Trials must be positive integers, and events 
must be integers between 0 and n inclusive. For example, suppose your number of 
trials are in C1, your numberof events are in C2, and you want the 
transformations stored in C3. 
Menu Route: 
1. Choose Calc > Calculator. 
2. In Store result in variable, enter C3. 
3. In Expression, enter FTP(C1,C2). 
4. Click OK. 
The FTP command uses the transformation: 
(arcsin(sqrt(np/(n+1))) + arcsin(sqrt((np+1)/(n+1))))/2 
 
dados de “n” ou “trials” na coluna C1 e do número de eventos ou “X” em C2 e, depois, 
após Ctrl+L digitar let c3 = ftp(c1,c2) 
…………………………………………………………………………………………………………………….. 
 
Poisson data (counts) 
You must have one column (or stored constant) for the counts, which must contain 
nonnegative integers. For example, suppose the counts are in C4, and you want the 
transformations stored in C5. 
Menu Route: 
1. Choose Calc > Calculator. 
2. In Store result in variable, enter C5. 
3. In Expression, enter FTC(C4). 
4. Click OK. 
The FTC command uses the transformation: 
(sqrt(x)+sqrt(x+1))/2 
 
dados de contagem na coluna C1 e, depois, após Ctrl+L digitar let c2 = FTC(c1) 
…………………………………………………………………………………………………………………….. 
 
 
 
 
 
 29 
Statistics for categorical variables 
comando STORE 
Dados em C1 Stores output from TALLY. If you specify n columns with TALLY and request m 
(COUNTS, CUMCOUNTS, PERCENTS, and CUMPERCENTS) statistics, then the number of columns you 
require to specify with the STORE subcommand is n + m *n. No statistics are stored for the missing 
values. The first column you list, contains the data categories, and the rest store the requested statistics in 
the order in which the subcommands are given. For example, 
TALLY C1; 
PERCENT; 
COUNT; 
STORE C2 C3 C4. 
stores, the data categories in C2, the percents in C3, and the counts in C4. 
 
comando STORE 
exemplo 1 com C1 dados em C1 
tally c1; 
counts; 
percent; 
cumcounts; 
cumpercents; 
store c2 c3 c4 c5 c6. 
Store deve ser especificado segundo n + m*n 
Nesse caso, então, n = 1 e m =4, daí 1+4x1 = 5 e, de fato. Foi o que ocorreu. Veja: c2 c3 c4 c5 c6 
correspondem a 5 termos, ou seja 5 colunas foram especificadas com o comando store! 
 
Outro exemplo para c1 e c2, ou seja, 2 colunas 
dados em C1 e dados em C2 
C1 c2 c3 c4 c5 c6 c7 c8 c9 c10 
C1 Count CumCnt Percent CumPct C2 Count CumCnt Percent CumPct 
10 3 3 15,00 15,00 20 3 3 15,00 15,00 
12 2 5 10,00 25,00 24 2 5 10,00 25,00 
15 4 9 20,00 45,00 30 4 9 20,00 45,00 
20 2 11 10,00 55,00 40 2 11 10,00 55,00 
 
Se n = 2 e m = 4, daí 2+4x2 = 10 ... c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 correspondem a 10 termos, ou 
seja 10 colunas foram especificadas com o comando store ou storage! 
tally c1 c2; 
counts; 
cumcounts; 
percents; 
cumpercents; 
store c3-c12. 
 
Ou, com o comando ALL, teremos tudo (counts; cumcounts; percents; cumpercents) 
tally c1 c2; 
all; 
storage c3-c12. 
 
Ou, com o comando ALL , teremos tudo (counts; cumcounts; percents; cumpercents) e SEM o STORE o 
STORAGE o resultado aparece na Session 
tally c1 c2; 
all. 
 30 
Desempilhar uma Coluna de dados (em C1) segundo níveis de 1 fator em (C2) 
Ctr+L 
Unstack (C1); 
Subscripts C2; 
After; 
VarNames. 
 
…………………………………………………………………………………………………… 
Desempilhar uma Coluna de dados (em C3) segundo níveis de 2 fator (es) em (C1 e C2 etc..) 
Ctr+L 
Unstack (c3); 
 Subscripts c1 c2; 
 After; 
 VarNames. 
 
C1 C2 C3 
 
 
Sexo Region C3_female-
no 
C3_female-
yes 
C3_male-
no 
C3_male-
yes 
male yes 10 10 20 12 10 
male yes 10 10 12 12 10 
male yes 10 20 12 30 10 
female no 10 20 30 30 20 
female no 10 12 20 
female no 20 30 30 
male yes 20 
female yes 20