Baixe o app para aproveitar ainda mais
Prévia do material em texto
Você não precisa fazer nada disto, a sobrevivência não é obrigatória" W. Edwards Deming Blog.: insightsdaqualidade.blogspot.com Problemas envolvendo Teste de Hipóteses - TESTES NÃO PARAMÉTRICO Todos os procedimentos básicos de estatística dependem fortemente da suposição de que os dados da amostra estejam distribuídos de acordo com uma distribuição específica. Os testes paramétricos assumem que a distribuição de probabilidade da população no qual retiramos os dados seja conhecida e que somente os valores de certos parâmetros, tais como a média e o desvio padrão, sejam desconhecidos. Se os dados não satisfazem as suposições assumidas pelas técnicas tradicionais, métodos não paramétricos de inferência estatística devem usados. As técnicas não paramétricas assumem pouca ou nenhuma hipótese sobre a distribuição de probabilidade da população no qual retiramos os dados. Um teste não-paramétrico é aquele cujo modelo não especifica condições sobre os parâmetros da população da qual a amostra foi obtida. Mesmo quando existem certas pressuposições, estas são mais brandas do que aquelas associadas aos testes paramétricos. Testes paramétricos alternativos Quando existe uma escolha entre usar um teste paramétrico ou um teste não paramétrico e você está relativamente certo de que as pressuposições para o procedimento paramétrico são satisfeitas, use o procedimento paramétrico. Teste não paramétrico Teste paramétrico alternativo Teste de sinal com 1 amostra Z com 1 amostra, t com 1 amostra Teste de Wilcoxon com 1 amostra Z com 1 amostra, t com 1 amostra Teste de Mann-Whitney Teste t com 2 amostras Teste de Kruskal-Wallis ANOVA com um fator Teste de mediana de Mood ANOVA com um fator Teste de Friedman ANOVA com dois fatores One-sample Test - The Sign Test Neste momento, vou demonstrar métodos que comparam medida de central ou medidas de localização para um valor hipótese ou estimar um intervalo para a medida desejada. Estes são conhecidos como métodos não- paramétricos. Ex.: Suponha que temos um conjunto de dados de vinte e seis observações (N = 26) e queremos se o valor de 30 é uma estimativa razoável da média. Para testar a normalidade, imprimimos as estatísticas descritivas do MINITAB e executamos um teste de normalidade de Anderson-Darling. Para as estatísticas descritivas o procedimento MINITAB é: Com o recurso do Minitab, no meu caso a versão 14, temos: 806040200 Median Mean 30252015105 A nderson-Darling Normality Test V ariance 552,893 Skew ness 1,27171 Kurtosis 0,73671 N 25 Minimum 1,000 A -Squared 1st Q uartile 3,500 Median 8,000 3rd Q uartile 36,500 Maximum 80,000 95% C onfidence Interv al for Mean 11,614 1,75 31,026 95% C onfidence Interv al for Median 5,000 26,604 95% C onfidence Interv al for StDev 18,360 32,711 P-Value < 0,005 Mean 21,320 StDev 23,514 95% Confidence Intervals Summary for C1 Esses dados não parecem normais, então fazemos um teste de normalidade formal (Anderson-Darling). Observa-se que o p-Valor = 0.005, o que significa que os dados seguem o padrão não-normal. A partir realizaremos um teste de sinal não-paramétrico para ver se 30 é uma estimativa razoável da média, ou seja, se um valor de 30 poderia pertencer a essa distribuição: Esta saída apresenta três Intervalos de Confiança. Se você se lembrar, estamos interessados na saída NLI (interpolação não-linear). Isto diz que nossa mediana é 8, com intervalos de confiança que o delimitam em 5 e 26.6. Como nosso valor hipotético 30 está fora deste intervalo, rejeitamos a hipótese nula em favor da alternativa e concluímos que no nível α = 0,05 rejeitamos a hipótese de que um valor de 30 é uma estimativa razoável da mediana. Esta saída abaixo afirma que há 18 observações abaixo da mediana da hipótese, e 7 acima (lembre-se deve ser em torno de 50/50). O p-Valor = 0,0433, menor do que o α, portanto, concluímos que no nível α = 0,05, rejeitamos a hipótese nula de que 30 é uma estimativa razoável da média e aceitamos a hipótese alternativa. Os resultados do teste de hipótese são obviamente os mesmos que o teste de Intervalo de Confiança. O método que você vier a escolher depende da preferência pessoal e do tipo exato de pergunta que você está interessado em responder. Nos próximos artigos, voltarei a explorar alguns “cases” com experimentos totalmente randomizados. Disponível também no blog: insightsdaqualidade.blogspot.com. Bons estudos!
Compartilhar