Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO INSTITUTO DE CIÊNCIAS EXATAS Departamento de Matemática Área Estatística IC 283 – BIOESTATÍSTICA IC 284 – ESTATÍSTICA EXPERIMENTAL Marcelo Jangarelli Prof. Adjunto – DEMAT/ICE/UFRRJ Seropédica – Rio de Janeiro Outubro – 2013 UNIVERSIDADE FEDERAL RURAL DO RIO DE JANEIRO INSTITUTO DE CIÊNCIAS EXATAS Departamento de Matemática Área Estatística IC 283 – BIOESTATÍSTICA IC 284 – ESTATÍSTICA EXPERIMENTAL Esta apostila constitui o material básico das disciplinas IC 283 – Bioestatística e IC 284 – Estatística Experimental. Em todas as aulas serão feitas complementações suplementares com o objetivo de atualizar, acrescentar novas informações relevantes ainda não implementadas e facilitar o entendimento do material apresentado. Marcelo Jangarelli Prof. Adjunto – DEMAT/ICE/UFRRJ Seropédica – Rio de Janeiro Outubro – 2013 Sumário I Distribuição Amostral e Intervalo de Confiança 01 II Testes de Hipóteses 05 III Princípios Básicos da Experimentação 16 IV Delineamentos Experimentais e Teste de Comparação de Médias * 20 V Experimentos Fatoriais 37 VI Regressão Linear 42 VII Listas de Exercícios 47 VIII Gabarito 62 Referências 65 Apêndice 66 * O tópico “Delineamento em Quadrado Latino” presente no CONTEÚDO IV apenas será abordado na Disciplina IC 284 – Estatística Experimental. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 1 CONTEÚDO I DISTRIBUIÇÃO AMOSTRAL E INTERVALO DE CONFIANÇA 1 – INTRODUÇÃO Ao retirarmos uma amostra aleatória de uma população e calcularmos a partir desta amostra qualquer quantidade (medidas descritivas numéricas), encontramos a estatística, ou seja, chamaremos os valores calculados em função dos elementos da amostra de estatísticas. As estatísticas, sendo variáveis aleatórias, terão alguma distribuição de probabilidade, com uma média, uma variância, etc. A Distribuição de Probabilidade de uma estatística é denominada de Distribuição Amostral. A Inferência Estatística tem por objetivo fazer generalização sobre uma população com base em dados de uma amostra (Estatísticas). As populações são caracterizadas por medidas descritivas numéricas, chamadas de parâmetros. Muitas pesquisas tem por objetivo fazer inferência a respeito de um ou mais parâmetros da população. Essa inferência pode ser por meio de um único valor numérico (Estimação por Ponto), por uma amplitude de valores numéricos (Estimação por Intervalo) ou pelo simples “sim” ou “não” (Teste de Hipótese). Como exemplo, considere uma nova marca de inseticida lançada no mercado. A pesquisa pode ter diversos interesses: i) saber qual dose de inseticida mata 90% dos insetos (estimação por ponto); ii) desejar um intervalo da dose com coeficiente 1 – α de confiança para que se tenha a mortalidade de 90% dos insetos (estimação por intervalo); iii) ou ainda o interesse poderia focar se o inseticida novo é melhor do que os já existentes no mercado (testes de hipóteses). A estimação por ponto utiliza a informação da amostra para chegar a um único valor numérico ou ponto, que estima o parâmetro de interesse (parâmetro populacional). Ex: Média, Variância, Coeficiente de Variação, etc. A estimação por intervalo utiliza a informação da amostra para chegar a dois números, entre os quais pretende-se que esteja o parâmetro de interesse. Caso esse intervalo esteja associado a uma probabilidade “1 – α”, tem-se um intervalo de confiança com coeficiente de confiança de 1 – α. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 2 2 – DEFINIÇÕES • População: é o conjunto de todos os elementos sobre os quais desejamos desenvolver determinado estudo; • Amostra: é uma parte desses elementos, ou seja, qualquer subconjunto da população; • Parâmetro: é uma medida utilizada para descrever uma característica da população; • Estatística: é uma característica da amostra, ou seja, uma estatística T é uma função de X1, X2, X3, ..., Xn → T = f (X1, X2, X3, ..., Xn); • Estimador: é qualquer estatística T = f (X1, X2, X3, ..., Xn) utilizada para estimar uma quantia desconhecida. Em geral, ele é representado por uma determinada fórmula; • Estimativa: é o valor numérico assumido pelo estimador quando os valores observados (X1, X2, X3, ..., Xn) são considerados. 3 – DISTRIBUIÇÃO AMOSTRAL DA MÉDIA A distribuição amostral de determinada estatística é a distribuição de todos os possíveis valores que ela pode assumir, calculados a partir de todas as possíveis amostras de mesmo tamanho. Para determinado tamanho “n” da amostra, tomada de uma população com média “µ”, o valor da média amostral ( X ) irá variar de uma amostra para outra. A distribuição amostral da média é descrita para determinar o valor esperado [E( X )] e o desvio padrão [σ( X )] da distribuição das médias. Uma vez que este desvio padrão indica a acurácia da média da amostra como um estimador por ponto, σ( X ) é usualmente chamado de erro padrão da média. Em geral, o valor esperado e o erro padrão da média são definidos como: E( X ) = µ σ( X ) = n σ Se o desvio padrão da população (σ) for desconhecido o erro padrão da média pode ser estimado por meio do desvio padrão amostral (s). s( X ) = n s IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 3 4 – INTERVALO DE CONFIANÇA (IC) A estimação por ponto é bastante útil, embora não indique nenhuma acurácia ou precisão associada a ela. Assim, ao invés de inferirmos sobre um único valor referente ao parâmetro populacional, podemos inferir se o verdadeiro parâmetro está contido em um determinado intervalo compreendido entre dois valores, que representam os extremos do intervalo (LSuperior e LInferior). O objetivo da estimação por intervalo é gerar intervalos pequenos que incluam o verdadeiro parâmetro populacional com alta probabilidade. Os extremos do intervalo podem variar aleatoriamente de uma amostra para outra, pois estão em função das médias amostrais (estimativas). O comprimento do intervalo pode ser obtido pela diferença entre os limites superior e inferior (LSup. – LInf.). 4.1 IC para a média (µ) de uma população normal com σ2 conhecida P +≤≤− n ZX n ZX σµσ αα 22 = 1 – α IC (µ) 1 – α: X ± n Z σα 2 Note que, o comprimento do IC também pode ser obtido pela expressão: 2. n Z σα 2 Caso seja mantido os valores de “n”, “σ” e “α” o seu comprimento será fixo/constante. Já a estimativa da média ( X ) continua sendo uma variável aleatória, determinando os extremos do intervalo de acordo com a amostra considerada. A interpretação do IC pode ser assim mencionada: Tem-se 1 – α (%) de confiança de que o parâmetro populacional (µ) esteja compreendido no intervalo obtido. Ou mesmo, se construirmos n intervalos do mesmo tipo (tamanho e nível de confiança), espera-se que em 1 – α (%) deles contenha o verdadeiro parâmetro (µ). IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 4 4.2 IC para a média (µ) de uma população normal com σ2 desconhecida Se a variância populacional (σ2) não for conhecida, podemos substituir o σ( X ) por s( X ), em que o desvio padrãoamostral (s) é a raiz quadrada da variância amostral (s2). A pressuposição da distribuição normal é garantida para amostras grandes (n ≥ 30), ou mesmo amostras menores, desde que sua população seja normalmente distribuída e o σ conhecido. Para amostras pequenas em que não se pode afirmar sobre sua normalidade, a distribuição normal (Z) deve ser substituída pela distribuição t de Student. IC (µ) 1 – α: X ± n s t 2 α … ..)1( 2 lgnt −α EXERCÍCIOS PROPOSTOS 1 – Uma Variável Aleatória X tem distribuição normal, com média 100 e desvio padrão 10. a) Qual a P (90 < X < 110)? b) Se X é a média de uma amostra de 25 elementos, calcular P (95 < X < 105); c) Qual tamanho deveria ter a amostra para que P (90 < X < 110) fosse obtido a 95% de confiança? 2 – Seja X a duração da vida de uma peça de equipamento tal que σ = 5 horas. Admita que 100 peças foram ensaiadas fornecendo uma duração de vida média de X = 500 horas. a) Obter um intervalo de 95% para a média µ; b) Qual o tamanho da amostra para o intervalo obtido? “IC (µ)95%: 500 ± 1,63” c) Com a amostra de 100 peças foi obtido o intervalo 500 ± 0,765. Determinar a confiança (%) utilizada para obter este intervalo; 3 – Em uma amostra aleatória de 25 crianças de uma determinada comunidade encontrou-se altura média 150 cm e desvio padrão 5 cm. Admitindo que a distribuição das alturas das crianças é normal, determine: a) Um intervalo de 95% de confiança para a altura média da população; b) O comprimento do intervalo obtido na letra “a”. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 5 CONTEÚDO II TESTES DE HIPÓTESES 1 – INTRODUÇÃO As duas principais áreas de inferência estatística são: estimação de parâmetros populacionais e testes de hipóteses. O objetivo dos testes de hipóteses é desenvolver métodos gerais para testar hipóteses, aplicando tais metodologias a alguns problemas comuns. Em geral, é feita uma determinada afirmação sobre uma população, usualmente sobre um parâmetro desta, e desejamos saber se os resultados de uma amostra contrariam ou não tal afirmação. Desta forma, a finalidade do teste estatístico de hipótese é fornecer ferramentas que nos permitam validar ou rejeitar uma hipótese através dos resultados amostrais. 2 – DEFINIÇÕES Parâmetro → é uma função de valores populacionais. Em geral, representa um valor desconhecido associado à população; Estimador → O estimador de um parâmetro é qualquer função das observações amostrais (X1, X2, ..., Xn). Ele representa uma determinada fórmula de cálculo, fornecendo valores diferentes conforme a amostra selecionada; Estimativa → É o valor numérico assumido pelo estimador quando os valores amostrais (X1, X2, ..., Xn) são considerados. 3 – TESTES DE HIPÓTESES É uma regra decisória que nos permite aceitar ou rejeitar uma hipótese estatística com base nos elementos de uma amostra. Estas hipóteses são, em geral, sobre parâmetros populacionais ou relacionadas à natureza da distribuição da população. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 6 3.1 Hipótese Estatística É uma suposição referente ao valor de um parâmetro populacional que será verificada por um teste paramétrico, ou mesmo uma afirmação quanto à natureza da população que pode ser verificada por meio de um teste de aderência. Exemplos de hipóteses estatísticas: 1. A média populacional da altura dos brasileiros é de 1,66 metros, isto é, µ = 1,66; 2. A proporção de brasileiros com determinada doença é de 40%, ou seja, p = 0,40; 3. A distribuição dos pesos dos alunos da UFRRJ é normal, ou seja, X ~ N (µ;σ2); Hipóteses a serem formuladas: 3.1.1 Hipótese de Nulidade (H0) É a hipótese a ser testada, também chamada de hipótese básica ou nula. Os testes são construídos sobre a pressuposição de que H0 seja verdadeiro. O teste de hipótese consiste em verificar se determinado valor estimado, a partir de uma amostra representativa da população, difere significativamente do resultado esperado sob H0. Exemplos: 1. Um pesquisador informa que a produtividade média de uma cultura é de 500 kg/ha; H0: µ = 500; 2. Duas marcas de rações (I e II) para leitões em fase de crescimento propiciam em média o mesmo ganho de peso. H0: µ1 = µ2. Para os dois exemplos, o raciocínio é que enquanto não houver evidências amostrais sugerindo que tais informações não sejam verdadeiras, elas são tomadas como verídicas (verdadeiras). 3.1.2 Hipótese Alternativa (H1) É a hipótese que contraria H0, formulada com base no conhecimento prévio do problema, informações de pesquisas/científicas, entre outras indagações. Considerando os exemplos anteriores: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 7 1. H1: µ > 500 ou µ < 500 ou µ ≠ 500; 2. H1: µ1 > µ2 ou µ1 < µ2 ou µ1 ≠ µ2. No teste de hipótese, a rejeição de H0 implicará na aceitação automática de H1. Isso se deve ao fato dessas hipóteses serem contrastantes e mutuamente excludentes, impossibilitando que sejam simultaneamente verdadeiras. Denomina-se teste de significância àquele utilizado para se testar tais hipóteses. 3.2 Região Crítica (RC) É a faixa de valores da estatística do teste que nos leva a rejeição da hipótese H0, ou seja, a RC para um teste de hipótese é a que nos leva a rejeição de H0. É válido ressaltar que o teste estatístico é construído na suposição de que H0 é verdadeiro. Caso o valor observado da estatística do teste (F, t, 2χ , etc.) pertença à região crítica, rejeitamos H0, caso contrário, não rejeitamos ou aceitamos H0. 3.3 Tipos de Erros Para qualquer decisão que tomarmos, a partir de uma amostra da população, estaremos sujeitos a erros, pois trabalhamos com amostras e não com a população como um todo. 3.3.1 Erro tipo I ou erro α O erro tipo I é caracterizado pelo fato de rejeitarmos H0 sendo H0 verdadeiro. Sua probabilidade é representada por “α”, sendo denominada nível de significância do teste. Logo, α = P (erro tipo I) = P (rejeitar H0/ H0 é verdadeiro). 3.3.2 Erro tipo II ou erro β O erro tipo II é caracterizado pelo fato de não rejeitarmos H0 sendo H0 falso. A probabilidade de cometermos este tipo de erro é indicada por β. Logo, β = P (erro tipo II) = P (não rejeitar H0/ H0 é falso). IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 8 A tabela a seguir apresenta as probabilidades de cometermos os erros do tipo I e do tipo II. Decisão \ Realidade H0 é verdadeiro H0 é falso Rejeitar H0 α 1 – β Não rejeitar H0 1 – α β 3.4 Tipos de Testes 3.4.1 Teste Unilateral à Direita A partir de uma valor C (ponto crítico), rejeita-se H0 se X ≥ C. H0: µ = K H1: µ > K 3.4.2 Teste Unilateral à Esquerda A partir de uma valor C (ponto crítico), rejeita-se H0 se X ≤ C. H0: µ = K H1: µ < K 3.4.3 Teste Bilateral Rejeita-se H0 se X ≤ C1 ou X ≥ C2. H0: µ = K H1: µ ≠ K 3.5 Etapas para construção de um Teste de Hipótese 1. Enunciar a hipótese nula (H0) e a hipótese alternativa (H1); 2. Especificar o nível de significância (erro I ou α) a ser utilizado, selecionando a estatística do teste; IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 9 3. Estabelecer o valor crítico (C) ou os valores críticos (C1 e C2) da estatísticado teste em função do nível α e das tabelas estatísticas apropriadas; 4. Determinar o valor real da estatística do teste por meio dos elementos amostrais; 5. Tomar a decisão pela não rejeição ou rejeição de H0 (conclusão) pela comparação do valor obtido na 4ª etapa com o valor crítico (ou valores críticos) fixado (s) pela estatística do teste na 3ª etapa. 4 – DISTRIBUIÇÃO “t” DE STUDENT E O TESTE PARA UMA MÉDIA DA POPULAÇÃO COM DESVIO PADRÃO POPULACIONAL (σ) DESCONHECIDO (Teste t) Para testar hipóteses referentes à média de uma população, cujo desvio padrão populacional (σ) é desconhecido, utiliza-se a estatística “t” (Teste t), definida por: n s X s X t X calc µµ − = − = )( . , que tem Distribuição de Student com n – 1 graus de liberdade (g.l.). Hipóteses: H0: µ = K H1: µ > K ou µ < K ou µ ≠ K Valor crítico da distribuição t: ttab. = f [α; (n – 1)g.l.] Tomada de decisão (conclusão): • Se .calct ≥ ttab: Rejeita-se H0; • Se .calct < ttab: Não Rejeita-se H0 ou Aceita-se H0. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 10 OBS: A tabela da distribuição t de Student a ser utilizada em nossas aulas é bilateral. Assim, se o teste efetuado for bilateral, entra exatamente com o α na tabela. Caso contrário, o teste realizado seja unilateral, deve-se entrar com 2α na tabela. 5 – DISTRIBUIÇÃO “t” DE STUDENT E O TESTE PARA COMPARAR MÉDIAS DE DUAS AMOSTRAS INDEPENDENTES DE POPULAÇÕES NORMAIS COM VARIÂNCIAS DESCONHECIDAS (Teste t) Muitos problemas aparecem quando se deseja testar hipóteses sobre médias de populações. Por exemplo, um pesquisador pode ter interesse em investigar um novo tipo de adubo, comparando a produtividade de determinada cultura em dois períodos simultâneos, um referente à utilização do adubo antigo e outro referente à utilização do adubo novo. Quando as variâncias das populações são substituídas pelas variâncias das amostras, isto é, σ2 por s2, o teste recomendado é o Teste t. A execução do teste fica na dependência se as variâncias das populações são ou não iguais entre si, tendo assim dois casos a serem considerados. Seja X a medida de certo atributo dos elementos de uma população A, e Y a medida do mesmo atributo dos elementos de uma população B. Sejam X e Y normalmente distribuídas com variâncias desconhecidas. Considere as hipóteses: H0: µA = µB H1: µA > µB ou µA < µB ou µA ≠ µB Inicialmente deve-se efetuar um Teste Preliminar com o objetivo de comparar as variâncias das duas populações, ou seja, aplicamos o Teste F. A Distribuição F (Teste F) testa a diferença entre duas variâncias de populações normais. Considere duas amostras, casuais e independentes, de tamanho nx e ny, respectivamente. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 11 Sejam as hipóteses: H0’: 2xσ = 2 yσ H1’: 2xσ > 2 yσ ou 2 xσ < 2 yσ ou 2 xσ ≠ 2 yσ Para testar H0, utiliza-se a estatística “F” (Teste F), definida por: 2 2 . y x Calc s s F = , que tem Distribuição de Fisher com (nx – 1) e (ny – 1) graus de liberdade. OBS: Para simplificar o uso da tabela utilizaremos à expressão: 1 var var .. >→ < > = Calccalc Fiância iânciaF Assim, a hipótese alternativa corresponderá a um teste unilateral à direita. H0’: 2xσ = 2 yσ H1’: 2xσ > 2 yσ O valor crítico da distribuição F será estabelecido de acordo com o nível de significância (α) e o número de graus de liberdade. Ftab = f (α; n1 ; n2) n1 = número de g.l. do numerador n2 = número de g.l. do denominador Tomada de decisão (conclusão): • Se Fcalc. ≥ Ftab: Rejeita-se H0’; • Se Fcalc. < Ftab: Não Rejeita-se H0’ ou Aceita-se H0’. Ao testarmos as hipóteses do Teste F teremos dois casos a considerar: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 12 5.1 Caso 1 ou Caso A Quando H0’ não for rejeitada. Admitimos que as variâncias sejam iguais, cujos valores assumidos por 2As e 2 Bs são estimativas de um mesmo valor σ 2 . Devemos combinar essas variâncias ( 2As e 2Bs ), estimando-se uma variância comum ( 2Cs ). 2 As = 2).1( 1 AAAA A snSQD n SQD −=→ − 2 Bs = 2).1( 1 BBBB B snSQD n SQD −=→ − 2 Cs = 22 ).1().1( 22 −+ + = −+ −+− BA BA BA BBAA nn SQDSQD nn snsn A seguir, testa-se H0 utilizando-se a distribuição t de Student (Teste t), definida por: + − = BA C calc nn s YX t 112 . ttab. = f (α ; nA + nB – 2 g.l.) Tomada de decisão (conclusão): • Se .calct ≥ ttab: Rejeita-se H0; • Se .calct < ttab: Não Rejeita-se H0 ou Aceita-se H0. 5.2 Caso 2 ou Caso B Quando H0’ for rejeitada. Admitimos que as variâncias sejam diferentes, não devendo assim estimar uma variância comum. Neste caso, utilizaremos para o nosso teste, os valores assumidos por 2As e 2 Bs . Neste caso, a estatística t de Student (Teste t) fica definida: B B A A calc n s n s YX t 22. + − = , que segue distribuição “t” com n* graus de liberdade, em que n* é dado por: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 13 11 2222 222 * − + − + = B B B A A A B B A A n n s n n s n s n s n ttab. = f (α ; n* g.l.) OBS: Adotar como g.l. o maior valor inteiro desde que não supere o valor calculado. Tomada de decisão (conclusão): • Se .calct ≥ ttab: Rejeita-se H0; • Se .calct < ttab: Não Rejeita-se H0 ou Aceita-se H0. 6 – DISTRIBUIÇÃO “t” DE STUDENT E O TESTE PARA COMPARAR A DIFERENÇA ENTRE AS MÉDIAS DE DUAS AMOSTRAS DEPENDENTES (DADOS PAREADOS/EMPARELHAD0S) (Teste t) Os procedimentos do item seis (6) são baseados na hipótese de que as duas amostras foram coletadas independentemente uma da outra. Contudo, em muitas situações as amostras são coletadas como pares de valores, tal como medidas sobre o mesmo indivíduo antes e depois da aplicação de algum medicamento; sobre um mesmo animal antes e depois do fornecimento de uma suplementação alimentar; ou também sobre uma mesma planta antes e depois de administrar um determinado fertilizante. Referimo-nos a isto como observações/dados emparelhados ou pareados. Contrastando com amostras independentes, duas amostras que contém observações emparelhadas são chamadas de amostras dependentes. Para observações emparelhadas, o teste apropriado para a diferença entre as médias das duas amostras consiste em determinar primeiro a diferença “d” entre cada par de valores, e então testar a hipótese nula de que a média das diferenças na população é zero (ou igual a determinado valor ∆). Logo, do ponto de vista de cálculo, o teste é aplicado a uma única amostra de n diferenças di. A média e o desvio padrão da amostra de valores di são obtidos pelas fórmulas básicas de estatística, substituindo os valores Xi por di. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 14 n d d n i i∑ = = 1 e 1 1 212 − − = ∑ ∑ = = n n d d s n i n i i i d O erro padrão da diferença média entre as observações emparelhadas é obtido por: n s s dd = Sejam as hipótese: H0: D = 0 H1: D > 0 ou D < 0 ou D ≠ 0 Para testar H0, utiliza-se a estatística “t” de Student, definida por: d i calc s Dd t − = . Sob H0 D = 0: n s d n s d t d i d i calc = − = 0 . , que tem distribuição “t” de Student, cujo grau de liberdade representa o número de pares observados menos um, ou seja, (n – 1) graus de liberdade (g.l.). ttab. = f [α; (n – 1)g.l.] Tomada de decisão (conclusão): • Se .calct ≥ ttab: Rejeita-se H0; • Se .calct < ttab: Não Rejeita-se H0 ou Aceita-se H0. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 15 EXERCÍCIOS PROPOSTOS 1 – Um fertilizante foi aplicado a uma variedade de tomate. As produções, em kg, de dez pés de tomate foram: 1,6; 1,7; 1,8; 1,4; 1,5; 1,9; 2,3; 2,1; 1,9 e 1,7 Kg. Verificar se o fertilizante proporciona uma produção superior a 1,5 kg por pé de tomate. Adotar α = 5%. 2 – Em indivíduos sadios o consumo renal de oxigênio (O2) distribui-se normalmente com média de 12 cm3/minuto. Deseja investigar, com base em cinco indivíduos portadores de certa doença, se esta tem influência no consumo renal médio de O2. Os consumos medidos para os cinco pacientes foram: 14,4; 12,9; 15,0; 13,7 e 13,5 cm3/minuto. Qual a conclusão ao nível de 1% de significância? 3 – Os dados a seguir referem-se a um experimento de competição de duas progênies de Eucalyptus saligna. Cada progênie foi cultivada em solos com características semelhantes e a avaliação das plantas foi feita pela média dos diâmetros à altura do peito (DAP) de cada parcela. Foram utilizadas dez parcelas para cada progênie. Avaliar as progênies (A e B) com relação à característica mensurada. (α = 5%) Progênie A Progênie B Média – DAP (cm) 15,4 13,5 Variância – DAP (cm2) 2,5 3,0 Número de Parcelas 10 10 4 – Desejando saber se duas rações A e B, para determinada raça de suínos, são equivalentes ou se a ração A é superior a ração B em relação ao ganho de peso, há 11 animais sorteados ao acaso foi dado a ração A e a outros 19 a ração B. Os resultados, em kg, foram: AX = 66 kg e 2As = 40 kg 2 BX = 63 kg e 2Bs = 16 kg 2 A que conclusão chegar se adotarmos o nível de significância de 5%? 5 – A Tabela abaixo apresenta dados da pressão sanguínea sistólica de dez mulheres, na faixa etária de 30 a 35 anos, que fizeram uso de anovulatório por determinado período e depois não o fez, e vice e versa. Teste a hipótese de que o uso de anovulatório não tem efeito sobre a pressão sanguínea sistólica. (α = 5%) Anovulatório Mulheres (30 – 35 anos) Sim 111 119 121 113 116 126 128 123 122 121 Não 109 113 120 117 108 120 122 124 115 112 IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 16 CONTEÚDO III PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO 1 – INTRODUÇÃO Grande parte do conhecimento que a humanidade acumulou ao longo dos séculos foi adquirido através da experimentação. A ideia de experimentar não se limita a antiguidade, pois também está presente no nosso dia a dia. Todos nós já aprendemos alguma coisa ao longo da vida experimentando. Entretanto, a experimentação só se difundiu como técnica sistemática de pesquisa há pouco mais de um século, quando foi formalizada através da estatística (Vieira, 2006). Entende-se por experimento uma experiência realizada sob condições previamente estabelecidas e que opera com causas controladas. O propósito da estatística experimental é analisar, objetivamente, os dados experimentais, isolando as causas da variação do acaso, próprias de qualquer conjunto de dados observados (Dias & Barros, 2009). A experimentação tem por objetivo o estudo dos experimentos, ou seja, seu planejamento, execução, análise dos dados e interpretação dos resultados. 2 – CONCEITOS a) Experimento ou Ensaio: é um trabalho previamente planejado seguindo determinados princípios básicos. Nele se faz a comparação dos efeitos dos tratamentos; b) Tratamento: é o método, elemento ou material cujo efeito desejamos medir ou comparar em um experimento; c) Unidade Experimental: é a unidade que vai receber o tratamento e fornecer os dados que deverão refletir o seu efeito; d) Variável Resposta: é a variável (característica) mensurada no experimento utilizada para avaliar o efeito do (s) tratamento (s); e) Delineamento Experimental: é o plano utilizado na experimentação. Implica na forma como os tratamentos serão designados às unidades experimentais e em um amplo entendimento das análises a serem feitas quando todos os dados estiverem disponíveis. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 17 A pesquisa científica está constantemente se utilizando de experimentos para avaliar e validar suas hipóteses. Apesar dos experimentos variarem de uma pesquisa para outra, todos eles são regidos por alguns princípios básicos, necessários para que as conclusões que venham a ser obtidas se tornem válidas. 3 – PRINCÍPIOS BÁSICOS DA EXPERIMENTAÇÃO São três os princípios básicos da experimentação: Repetição, Casualização e Controle Local. 3.1 Repetição O princípio da repetição consiste na reprodução do experimento básico e tem por finalidade propiciar a obtenção da estimativa do erro experimental. A repetição consiste em aplicar determinado tratamento em várias parcelas em um mesmo experimento. Quanto maior o número de repetições, maior será a precisão do experimento. Contudo, esta relação é válida até determinado número de repetições, a partir do qual o incremento na precisão não é significativo. O número de repetições é dependente do conhecimento que o pesquisador tem sobre o assunto e do conjunto de condições em que será realizado o experimento. O número de tratamentos, o nível de precisão desejado, o tipo de unidade experimental a ser estudada/utilizada e o custo da realização do experimento são alguns exemplos de fatores limitantes ao número de repetições. O número de repetições necessárias pode ser calculado através de fórmulas. A aplicação de tais fórmulas exige, no entanto, que o pesquisador tenha informações estatísticas de experimentos anteriores. Quanto menor a diferença a ser comparada entre os tratamentos, maior deverá ser o número de repetições para cada tratamento. Aumentando o número de repetições, menores diferenças entre os tratamentos podem atingir a significância estatística, isto é, há um aumento da precisão do experimento. De acordo com Gomes (2009), os experimentos devem ter pelo menos 20 unidades experimentais (parcelas) e 10 graus de liberdade para o erro experimental ou resíduo. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 18 3.2 Casualização O princípio da casualização tem por finalidade propiciar, a todos os tratamentos, a mesma probabilidade de serem designados a qualquer uma das unidades experimentais. Desta forma, seu objetivo é evitar que determinado tratamento venha a ser sistematicamente favorecido ou desfavorecido por fatores externos nas diversas parcelas. Isto significa que a distribuição dos tratamentos nas unidades experimentais deve ser feita ao acaso, através de um mecanismoqualquer de sorteio. O princípio da casualização se faz necessário para que as variações que contribuem para o erro experimental sejam convertidas em variáveis aleatórias. Além disso, a casualização permite obter uma estimativa válida do erro experimental, além de garantir o uso de testes de significância por tornar os erros experimentais independentes. É digno de nota ressaltar que sem os princípios básicos da repetição e da casualização não existe experimentação. 3.3 Controle Local A finalidade do controle local é dividir um ambiente heterogêneo em sub-ambientes homogêneos, tornando o experimento mais eficiente pela redução do erro experimental. O controle local isola fontes de variação que podem ser controladas e que normalmente seriam incluídas no resíduo, o que acarreta a redução do erro. O material experimental é dividido em porções homogêneas ou blocos, cada um dos quais contendo todos os tratamentos. A formação dos blocos corresponde a uma estratificação. A casualização dos tratamentos às unidades experimentais sofre a restrição de ser dentro de cada bloco. Entre os blocos poderá existir grande variabilidade. Entretanto, dentro de cada bloco a uniformidade/homogeneidade deve ser máxima. 4 – FONTES DE VARIAÇÃO DE UM EXPERIMENTO 4.1 Premeditada É a variação introduzida pelo pesquisador com a finalidade de fazer comparações. Exemplo: os tratamentos. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 19 4.2 Sistemática Variação não intencional, porém de natureza conhecida. São variações inerentes ao material experimental, que podem ser controladas pelo pesquisador. Exemplo: heterogeneidade do solo, tamanho de semente, idade dos animais, etc. 4.3 Aleatória São variações de origem desconhecida, que não podem ser controladas. Constituem o erro experimental propriamente dito. São resultantes de duas fontes: variações do material experimental e falta de uniformidade nas condições experimentais. Ressalta-se que nem sempre é possível distinguir claramente esse tipo de variação da variação sistemática. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 20 CONTEÚDO IV DELINEAMENTOS EXPERIMENTAIS E TESTE DE COMPARAÇÃO DE MÉDIAS 1 – DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) É o tipo de delineamento mais simples que existe, representando o delineamento básico. Os demais delineamentos se originam dele, pela imposição de restrições (ex. controle local). A distribuição dos tratamentos às unidades experimentais é feita completamente ao acaso, ou seja, sem nenhuma restrição na casualização. O DIC envolve dois princípios básicos da experimentação: repetição e casualização. Ele é indicado quando as condições experimentais são homogêneas, sendo mais recomendado em experimentos de laboratório e casas de vegetação, em que as condições ambientais podem ser melhor controladas. Para a instalação deste delineamento no campo deve-se ter certeza quanto à homogeneidade das condições ambientais e do material experimental. 1.1 Vantagens e Desvantagens do DIC 1.1.1 Vantagens � Pode-se utilizar qualquer número de tratamento e repetições, sendo que o número de repetições pode variar de um tratamento para outro sem ocasionar maiores dificuldades na análise estatística. No entanto, sempre que possível, deve-se manter o mesmo número de repetições entre os tratamentos; 1.1.2 Desvantagens � Exige homogeneidade total das condições experimentais; � Pode conduzir a uma estimativa da variância residual bastante alta, uma vez que ao não utilizar o princípio do controle local todas as variações serão consideradas como variação do acaso, exceto as devidas aos tratamentos. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 21 1.2 Quadro de tabulação dos dados A título de exemplo, considere um experimento instalado no DIC com I tratamentos e J repetições. A coleta de dados da pesquisa pode ser resumida no quadro a seguir: Tratamentos Repetições 1 2 ..... I 1 Y11 Y21 ..... YI1 2 Y12 Y22 ..... YI2 ..... ..... ..... ..... ..... J Y1J Y2J ..... YIJ Totais T1 T2 ..... TI Deste quadro podem-se retirar algumas informações de interesse: • Nº de unidades experimentais: N = I x J • Total geral: G = ∑∑ = = = = I i i JI j i ij TY 1 , 1 1 • Total para o tratamento i: Ti = ∑ = J j ijY 1 • Média para o tratamento i: ^ im = J Ti • Média geral do experimento: ^ m = IJ G 1.3 Análise de Variância (ANOVA) É uma técnica de análise estatística que permite decompor a variação total, ou seja, a variação existente entre todas as observações, na variação devido à diferença entre os tratamentos e na variação devido ao acaso (erro experimental ou resíduo). Entretanto, para que esta técnica seja empregada é necessário que sejam satisfeitas diversas pressuposições, entre elas citam-se: � Os erros são variáveis aleatórias independentes; � A variância é constante (homocedasticidade); � A distribuição dos erros é normal ou aproximadamente normal. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 22 Por meio do modelo estatístico pode-se decompor a variação total entre as observações em duas partes que a compõem, como será demonstrado a seguir. Considere o modelo estatístico para um experimento instalado segundo o DIC: Yij = m + ti + eij , fazendo ti = mi – m, tem-se: (Yij – m) = (mi – m) + eij , Substituindo m e mi por seus estimadores, elevando ambos os membros ao quadrado e aplicando somatório, tem-se: ∑∑∑ = = = = = = +−=− JI j i ij JI j i i JI j i ij emmmY , 1 1 22 ^, 1 1 ^ 2 , 1 1 ^ )()( Escrevendo de forma mais simplificada, a igualdade anterior representa: SQTotal = SQTratamentos + SQResíduo Aplicando as propriedades do somatório em cada termo da soma de quadrados tem-se o desenvolvendo de fórmulas mais práticas para encontrar os valores das respectivas somas de quadrados. Para a SQTotal tem-se que: SQTotal = 2 , 1 1 ^ )(∑ = = − JI j i ij mY = IJ Y Y JI ji ijJI j i ij 2 , 1,1 , 1 1 2 )( ∑ ∑ == = = − Para a SQTratamento: SQTrat. = 2 ^, 1 1 ^ )( mm JI j i i∑ = = − = IJ Y J T JI ji ijI i i 2 , 1,1 1 2 )( ∑ ∑ == = − IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 23 Esta fórmula é utilizada quando o número de repetições é igual para todos os tratamentos. Quando ocorrer variação no número de repetições entre os tratamentos a fórmula apropriada é: SQTrat. = N Y J T JI ji ijI i i 2 , 1,1 1 2 )( ∑ ∑ == = − , em que: • N = é o número de unidades experimentais = ∑ = I i ir 1 ; • ri = é o número de unidades experimentais (repetições) do tratamento i. A soma de quadrados do resíduo é obtida por diferença: SQResíduo = SQTotal – SQTratamento O quadro da Análise de Variância (ANOVA) para um experimento instalado segundo o DIC, com igual número de repetições para todos os tratamentos, é dado a seguir: FV GL SQ QM F Tratamentos (I – 1) SQTrat. 1−I SQTratResíduo I(J – 1) SQRes. )1( Re −JI sSQ sQM QMTrat Re Total IJ – 1 SQTotal - - A partir das SQTratamentos e SQResíduo obtêm-se os respectivos quadrados médios, por meio do quociente entre a soma de quadrado com o respectivo número de graus de liberdade. Para concluir se existe diferença entre os tratamentos calcula-se o valor da estatística F, que é obtido pelo quociente do QMTrat. com o QMRes. Este valor, denominado F calculado, deve ser comparado com o valor de F tabelado, o qual é obtido na tabela de distribuição da variável aleatória F (Fisher), de acordo com o nível de significância do teste, o grau de liberdade para tratamento e o grau de liberdade para resíduo. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 24 As hipóteses para o Teste F da Análise de Variância são: • H0: m1 = m2 = ... = mI = m; O que equivale a dizer que todos os possíveis contrastes entre as médias dos tratamentos são estatisticamente nulos ao nível “α” de probabilidade/significância em que foi realizado o teste; • H1: não H0; O que equivale a dizer que existe pelo menos um contraste entre as médias dos tratamentos estatisticamente diferente de zero ao nível “α” de probabilidade/significância em que foi realizado o teste. A regra decisória para o Teste F é a seguinte: • Se o valor do F calculado for maior ou igual ao valor do F tabelado, rejeita-se H0. Conclui-se que os tratamentos tem efeitos diferenciados ao nível de significância em que foi realizado o teste; • Se o valor do F calculado for menor que o valor do F tabelado, não rejeita-se H0. Conclui-se que os tratamentos tem efeitos iguais ao nível de significância em que foi realizado o teste. 2 – MEDIDAS DE AVALIAÇÃO DA QUALIDADE DOS EXPERIMENTOS 2.1 Coeficiente de Variação (C.V.) O Coeficiente de Variação permite avaliar a precisão do experimento. Quanto menor o C.V., maior será a precisão do experimento. O conhecimento desta precisão auxilia na avaliação dos seus resultados. O C.V. é calculado da seguinte maneira: 100. Re .(%). ^ m sdQ VC µ = , em que N G m = ^ De acordo com Gomes (2009), na experimentação agrícola (experimentos de campo) o coeficiente de variação pode ser classificado nas seguintes categorias, com relação a sua precisão: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 25 C.V.(%) Precisão < 10% Alta 10% a 20% Média 20% a 30% Baixa > 30% Muito Baixa 2.2 Coeficiente de Determinação (R2) Por definição, o Coeficiente de Determinação (R2) é a razão entre a soma de quadrado de tratamento e a soma de quadrado total, isto é: SQTotal SQTratR .2 = Portanto, o R2 é uma medida da proporção da variação total explicada pela variação devido aos tratamentos. Como o valor de R2 varia entre 0 e 1, pode-se interpretá-lo como uma percentagem. Ex: R2 = 0,9215 → 92,15% da variação total está sendo explicada pela variação devido aos tratamentos. 3 – TESTE DE COMPARAÇÃO DE MÉDIAS Os modelos de Análise de Variância são geralmente utilizados para analisar os efeitos de um ou mais fatores (variável independente sob estudo) sobre a variável dependente. O Teste F tem seu emprego na Análise de Variância dos delineamentos experimentais. Ele é utilizado para comparar variâncias, representando um teste preliminar, cujo resultado estabelece se será necessária uma detalhada análise dos efeitos dos níveis do fator em estudo. Se o Teste F leva a conclusão que os efeitos dos níveis do fator são iguais, a implicação é que não existe nenhuma relação entre o fator e a variável dependente. Todavia, se o Teste F leva a conclusão que nem todos os níveis do fator tem efeitos idênticos, a implicação é que existe uma relação entre o fator e a variável dependente. Em experimentos envolvendo dois ou mais tratamentos (ou níveis do fator) é de interesse saber onde estão as diferenças no caso em que o Teste F leva a rejeição da hipótese de igualdade dos efeitos dos tratamentos. Isso pode ser feito pela comparação direta dos tratamentos (ou níveis do fator) utilizando técnicas de estimação. Neste caso, podem-se IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 26 estimar contrastes entre os níveis do fator em estudo e, posteriormente, aplicar um Teste de Médias. Existe um grande número de procedimentos para comparações de médias utilizados posteriormente à Análise de Variância quando o Teste F for significativo. Os testes de médias são utilizados para identificar os níveis do fator (ou tratamentos) que diferem estatisticamente entre si. Cada teste está fundamentado em um particular conjunto de suposições que o torna efetivo para os propósitos específicos. 3.1 Contraste O estudo de contraste na estatística experimental é de grande relevância, principalmente quando o experimento em análise é composto por dois ou mais tratamentos. O uso de contraste possibilita ao pesquisador estabelecer comparações entre tratamentos ou grupos de tratamentos que sejam de interesse. Os contrastes assim estabelecidos podem ser testados por meio de um teste de comparação de médias, o qual complementa o resultado da análise de variância. 3.1.1 Definição de Contraste Considere a seguinte função linear de médias populacionais de tratamentos: Y = a1m1 + a2m2 + ... + anmn A função Y será um contraste entre médias se satisfazer a seguinte condição: 0 1 =∑ = n i ia 3.1.2 Estimador do Contraste Na prática, geralmente não se conhece os valores das médias populacionais (mi), mas sim suas estimativas ( ^ im ). Dessa forma, na estatística experimental não trabalhamos com o contraste Y, mas sim com seu estimador Ŷ. Este também representa uma função linear de IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 27 médias obtidas por meio de experimentos ou amostras. Assim, o estimador para o contraste de médias é dado por: Ŷ = a1 ^ 1m + a2 ^ 2m + ... + an ^ nm 3.2 Teste de Tukey O teste de Tukey, baseado na amplitude total estudentizada, pode ser utilizado para comparar todo e qualquer contraste entre duas médias de tratamentos. Ou seja, para nI tratamentos (número de tratamentos ou de níveis do fator em estudo) poderão ser estabelecidos nI(nI – 1)/2 contrastes do tipo Yij = mi – mj, para i ≠ j. Este teste baseia-se na diferença mínima significativa (DMS), representada por ∆, dada por: ∆ = q ^^ )( 2 1 YV em que: � ∆ = é a diferença mínima significativa (DMS); � q = é o valor tabelado da amplitude estudentizada, que é obtido pela expressão: qα(n1;n2), em que α é o nível de significância; n1 é o número de tratamentos ou níveis do fator e n2 representa o número de graus de liberdade do resíduo na Análise de Variância. A estimativa da variância da estimativa do contraste é dada por: ^^ )(YV = QMRes + ji rr 11 Para ri ≠ rj, o cálculo de ∆ é dado pelo seguinte estimador: ∆ = q sQM rr ji Re11 2 1 + Para ri = rj = r, o cálculo de ∆ pode ser representado pela expressão: ∆ = q r sQM Re IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 28 Para a realização do Teste de Tukey é necessário: a) Enunciar as hipóteses: H0: mi = mj H1: mi ≠ mj , para i ≠ j b) Obter as estimativas dos contrastes: jiij mmY ^^^ −= , com basenos valores amostrais; c) Calcular a diferença mínima significativa (∆); d) Concluir a respeito da significância dos nI(nI – 1)/2 contrastes em teste, utilizando a seguinte relação: • Se ∆≥ijY ^ , rejeita-se H0; • Se ∆<ijY ^ , não rejeita-se H0. Neste caso a conclusão será única para todos os contrastes que se fizerem necessário avaliar: “As médias seguidas por pelo menos uma mesma letra não diferem entre si ao nível “α” de probabilidade pelo Teste de Tukey”. 4 – DELINEAMENTO EM BLOCOS CASUALIZADOS (DBC) O Delineamento em Blocos Casualizados (DBC) constitui no delineamento estatístico mais utilizado na pesquisa agronômica, devido a sua simplicidade, flexibilidade e alta precisão. Ele é utilizado quando as condições experimentais não são completamente homogêneas. Nesta situação, devemos subdividir a área ou o material experimental em blocos (ou grupos), de modo que exista homogeneidade dentro de cada bloco e que ele contenha uma repetição de cada tratamento, distribuído dentro de cada bloco inteiramente ao acaso. Os experimentos em blocos casualizados levam em consideração os três princípios básicos da experimentação: repetição, casualização e controle local. No controle local faz-se a divisão do local ou material experimental em subgrupos ou blocos, de tal forma que se tenha garantido a uniformidade dentro de cada bloco. Em experimentos de campo deve-se subdividir a área em blocos de maneira que se tenha homogeneidade dentro deles, por exemplo: com relação à declividade do solo; a fertilidade do solo; a incidência de luz solar; etc. Em experimentos zootécnicos deve-se IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 29 subdividir os animais em blocos de tal forma que cada bloco possa ser homogêneo dentro de si, por exemplo: com relação a idade; peso; raça; etc. Em experimentos instalados segundo o DBC, não importa que as condições experimentais de um bloco sejam diferentes das condições experimentais do outro bloco. O importante é a homogeneidade dentro de cada bloco. 4.1 Vantagens e Desvantagens do DBC 4.1.1 Vantagens � Se o controle local se fizer necessário, esse delineamento é mais eficiente que o inteiramente casualizado (DIC), pois a formação dos blocos isola as variações controláveis (sistemática) que causam a heterogeneidade, diminuindo sensivelmente a variação ao acaso (aleatória ou erro experimental); � O delineamento não tem restrições de uso, seja com relação ao número de tratamentos (Delineamento em Quadrado Latino – DQL), seja por exigir uniformidade nas condições experimentais (DIC). 4.1.2 Desvantagens � O delineamento perde eficiência quando o controle local for dispensável, uma vez que o número de graus de liberdade do resíduo será menor ao que se obteria caso o delineamento utilizado fosse o inteiramente casualizado; � Esse delineamento exige que todos os tratamentos tenham o mesmo número de repetições. Logo, quando há perda de parcela a soma de quadrado para tratamento (SQTrat.) é apenas aproximada. 4.2 Quadro de tabulação dos dados Considere um experimento instalado no DBC, com I tratamentos e J repetições (blocos). A coleta de dados da pesquisa pode ser resumida no quadro a seguir: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 30 Tratamentos Blocos 1 2 ..... I Totais 1 Y11 Y21 ..... YI1 B1 2 Y12 Y22 ..... YI2 B2 ..... ..... ..... ..... ..... ..... J Y1J Y2J ..... YIJ BJ Totais T1 T2 ..... TI G Deste quadro podem-se retirar as seguintes informações: • Nº de unidades experimentais: N = I x J • Total geral: G = ∑∑ = = = = I i i JI j i ij TY 1 , 1 1 =∑ = J j jB 1 • Total para o tratamento I: Ti = ∑ = J j ijY 1 • Total para o bloco J: Bj = ∑ = I i ijY 1 • Média para o tratamento I: ^ im = J Ti • Média para o bloco J: jm ^ = I B j • Média geral do experimento: ^ m = IJ G 4.3 Análise de Variância (ANOVA) Para analisar os dados obtidos no delineamento em blocos casualizados deve-se decompor a variação total, que existe entre todas as observações, na variação devido à diferença entre os efeitos de blocos, na variação devido à diferença entre os efeitos de tratamentos e na variação devido ao acaso, que também é denominada de erro experimental ou resíduo. Neste tipo de delineamento a decomposição é feita da seguinte forma: IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 31 SQTotal = IJ Y Y JI ji ijJI j i ij 2 , 1,1 , 1 1 2 )( ∑ ∑ == = = − SQTrat. = IJ Y J T JI ji ijI i i 2 , 1,1 1 2 )( ∑ ∑ == = − SQBloco = IJ Y I B JI ji ijJ j j 2 , 1,1 1 2 )( ∑ ∑ == = − SQResíduo = SQTotal – SQTratamento – SQBloco O quadro da Análise de Variância (ANOVA) para um experimento instalado no DBC é dado a seguir: FV GL SQ QM F Blocos (J – 1) SQBlocos - - Tratamentos (I – 1) SQTrat. 1−I SQTrat Resíduo (I – 1)(J – 1) SQRes. )1)(1( Re −− JI sSQ sQM QMTrat Re Total (IJ – 1) SQTotal - - As hipóteses para o Teste F da Análise de Variância são as seguintes: • H0: m1 = m2 = ... = mI = m • H1: não H0 Ou, • Todos os possíveis contrastes entre as médias dos tratamentos são estatisticamente nulos ao nível “α” de probabilidade/significância; • Existe pelo menos um contraste entre as médias dos tratamentos estatisticamente diferente de zero ao nível “α” de probabilidade/significância. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 32 Por fim chega-se a tomada de decisão: • Se Fcal ≥ Ftab → Rejeita-se H0 • Se Fcal < Ftab → Não Rejeita-se H0 5 – DELINEAMENTO EM QUADRADO LATINO (DQL) Os delineamentos em quadrado latino, assim como os blocos casualizados, consideram os princípios da repetição, casualização e controle local. Neste delineamento o controle é efetuado em duas direções: blocos horizontais (linhas) e blocos verticais (colunas). Entretanto, os delineamentos em quadrado latino são menos usuais na experimentação agrícola, em analogia aos blocos casualizados. O Delineamento em Quadrado Latino (DQL) é mais utilizado nas pesquisas em que duas fontes principais de variação estão presentes e precisam ser controladas, sendo sua aplicação mais comum na experimentação animal. A sua configuração é constituída de linhas e colunas, cada qual estruturado como um bloco. Assim, em caso de I tratamentos, o número total de parcelas é I2. No DQL cada tratamento está representado uma única vez em cada linha e em cada coluna. Logo, o DQL é utilizado quando podemos observar duas fontes de variabilidade nas unidades experimentais. Vejamos alguns exemplos ilustrativos nos quais o seu emprego é recomendado: Exemplo 1 – Em um laboratório devem ser comparados cinco métodos de análise (A, B, C, D, E), programados em cinco dias úteis e, em cada dia, é feita uma análise a cada hora, totalizando um período de cinco horas. O quadrado latino assegura que todos os métodos sejam processados uma única vez em cada período e em cada dia. O quadro abaixo ilustra a configuração a ser adotada. Dias Períodos 1 2 3 4 5 1 A E C D B 2 C B E A D 3 D C A B E 4 E D B C A 5 B A D E C OBS: Note que os níveis de uma fonte formam as linhas e os níveis da outra fonte formam as colunas.IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 33 Exemplo 2 – Em um experimento com suínos pretende-se avaliar quatro tipos de ração (A, B, C, D), em quatro raças distintas e em quatro idades de animais. Como o interesse é avaliar os quatro tipos de ração, tomam-se as raças e as idades dos animais como blocos, ou seja: Raças Idades R1 R2 R3 R4 I1 A B D C I2 B C A D I3 D A C B I4 C D B A 5.1 Características do DQL � O número total de unidades experimentais necessárias é igual a I2, sendo I o número de tratamentos; � Cada tratamento é representado uma única vez, e ao acaso, em cada linha e em cada coluna; � O número de tratamento é igual ao número de repetições; � Este delineamento é aconselhável quando o número de tratamentos oscila entre 3 e 10. Contudo, para 3 e 4 tratamentos somente quando se puder repetir o experimento em vários quadrados latinos. 5.2 Análise de Variância (ANOVA) Admitindo-se K tratamentos, I linhas e J colunas (I = J = K), o esquema da Análise de Variância fica conforme o quadro a seguir: FV GL SQ QM F Linhas (I – 1) SQLinhas - Colunas (J – 1) SQColunas - - Tratamentos (K – 1) SQTratamentos QMTrat. Resíduo (K – 1)(K – 2) SQResíduo QMRes. sQM QMTrat Re Total (K2 – 1) SQTotal - - IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 34 Considerando: � LI = Total da linha i; � CJ = Total da coluna j; � TK = Total do tratamento k; � G = Total geral. As somas de quadrados são dadas por: SQTotal = CY JI j i ij −∑ = = , 1 1 2 → C = 2 22 2 , 1,1 )( I G IJ G IJ Y JI ji ij == ∑ == SQLinhas = CL I I i i −∑ =1 21 SQColunas = CC I J j j −∑ =1 21 SQTratamentos = CT I K k k −∑ =1 21 SQResíduo = SQTotal – SQLinhas – SQColunas – SQTratamentos As hipóteses para o Teste F da Análise de Variância, bem como a tomada de decisão, seguem os mesmos princípios já mencionados para os delineamentos anteriores (DIC e DBC). Hipóteses: • H0: m1 = m2 = ... = mI = m • H1: não H0 Ou, • Todos os possíveis contrastes entre as médias dos tratamentos são estatisticamente nulos ao nível “α” de probabilidade/significância; • Existe pelo menos um contraste entre as médias dos tratamentos estatisticamente diferente de zero ao nível “α” de probabilidade/significância. Tomada de decisão: • Se Fcal ≥ Ftab → Rejeita-se H0 • Se Fcal < Ftab → Não Rejeita-se H0 IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 35 EXERCÍCIOS PROPOSTOS 1 – Para comparar o crescimento de mudas de quatro espécies de eucalipto um pesquisador tomou 20 parcelas similares e distribuiu, inteiramente ao acaso, cada uma das quatro espécies em cinco parcelas experimentais. A partir dos dados fornecidos abaixo, é possível concluir que existe diferença significativa entre as espécies com relação ao crescimento das mudas? Utilizar o nível de significância de 5%. Espécies A B C D 25 31 22 33 26 25 26 29 20 28 28 31 23 27 25 34 21 24 29 28 Totais 115 135 130 155 2 – Considere as seguintes produções diárias (kg) de leite a 4% de gordura de vacas em lactação submetidas à administração de raízes e tubérculos como suplementação de inverno na alimentação. Sem Suplementação Mandioca Araruta Batata Doce 19,58 23,40 35,42 22,15 21,07 22,37 32,47 24,37 23,43 24,36 34,48 26,54 25,42 25,12 33,79 20,37 22,81 22,94 35,04 19,54 23,54 - 35,19 24,06 a) Ao nível de 5% de significância, concluir a respeito das suplementações utilizadas; b) Obter o Coeficiente de Variação; c) Obter o Coeficiente de Determinação, interpretando-o. 3 – Foi montado um experimento no DIC com o objetivo de verificar qual meio de cultura (A, B, C e D) propicia maior crescimento de colônias bacterianas. O número de colônias bacterianas, 48 horas após a inoculação, é fornecido abaixo: Meio de Cultura Nº. de Colônias Bacterianas Totais A - 19 31 15 30 95 B 40 35 46 41 33 195 C 39 27 20 29 45 160 D 27 12 13 28 30 110 Considerando o nível de significância de 5%, pede-se: a) Proceder a ANOVA; b) Aplicar o Teste de Tukey, se necessário; c) Estabelecer um contraste entre o meio de cultura A versus os meios de culturas B, C e D. Obter sua estimativa e interpretação. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 36 4 – Aplicar o Teste de Tukey as comparações múltiplas obtidas com as médias dos tratamentos. O experimento foi conduzido utilizando o Delineamento Inteiramente Casualizado (DIC). Concluir para o nível de 1% de significância. 6,230ˆ 1 =m ; 2,217ˆ 2 =m ; 9,204ˆ 3 =m ; 9,209ˆ 4 =m ; 3,188ˆ 5 =m r1 = r2 = r3 = 4 ; r4 = r5 = 3 C.V.(%) = 2,7483% 5 – Com a finalidade de aumentar a produção de lã de suas ovelhas, por meio de uma alimentação mais apropriada, um criador separou 28 ovelhas de sua criação. Como eram de idades diferentes elas foram divididas em sete grupos, de modo que dentro de cada grupo existiam quatro ovelhas com idade similar e homogeneidade para as demais características. Em cada grupo foi realizado um sorteio para distribuir inteiramente ao acaso quatro tipos de alimentação. O experimento iniciou-se no momento de se realizar uma nova tosquia, obtendo os seguintes resultados expressos em unidades de medidas de lã por animal: Grupos Alimentação 1 2 3 4 5 6 7 Totais 1 30 32 33 34 29 30 33 221 2 29 31 34 31 33 33 29 220 3 43 47 46 47 48 44 47 322 4 23 25 21 19 20 21 22 151 Totais 125 135 134 131 130 128 131 914 Avaliar os tipos de alimentação, aplicando o teste de Tukey se necessário. Adotar α = 1%. 6 – Com os resultados apresentados a seguir, resultantes de um experimento conduzido no Delineamento em Quadrado Latino (DQL), pede-se: (α = 5%) Dias Períodos 1 2 3 4 5 Totais 1 40,8 (A) 57,3 (E) 61,8 (C) 38,6 (D) 50,6 (B) 249,1 2 66,3 (C) 46,5 (B) 54,8 (E) 38,7 (A) 30,2 (D) 236,5 3 33,4 (D) 70,6 (C) 53,2 (A) 41,7 (B) 50,1 (E) 249,0 4 60,2 (E) 35,6 (D) 54,2 (B) 64,0 (C) 45,3 (A) 259,3 5 51,7 (B) 48,7 (A) 29,8 (D) 55,3 (E) 65,7 (C) 251,2 Totais 252,4 258,7 253,8 238,3 241,9 1.245,1 a) ANOVA; b) Aplicar o Teste de Tukey, se necessário. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 37 CONTEÚDO V EXPERIMENTOS FATORIAIS 1 – INTRODUÇÃO Os Experimentos Fatoriais são aqueles em que se estudam dois ou mais fatores simultaneamente, cada qual com dois ou mais níveis. O experimento fatorial é um tipo de esquema, ou seja, uma maneira de organizar os tratamentos, não constituindo um tipo de delineamento. Os experimentos fatoriais são montados seguindo determinado tipo de delineamento (DIC, DBC ou DQL). Neles, os tratamentos são obtidos pelas combinações dos níveis dos fatores. Cada nível de um fator combina com todos os níveis dos outros fatores. Exemplo: • Fator A → A1 ; A2 ; A3 ; A4 (quatro níveis) • Fator B → B1 ; B2 ; B3 (três níveis) A combinação dos níveis entre os Fatores A e B totalizam 12 tratamentos (4Ai x 3Bj). O objetivo da aplicação dos experimentos fatoriais é avaliar o efeito/influência de diversos fatores sobre a variável em estudo, bem como o relacionamento entre os fatores sobre a variável resposta. A simbologia comumente utilizada é indicar o produto dos níveis dos fatores emteste. Exemplo: o experimento fatorial (2 x 4 x 6) informa que foram testados três fatores simultaneamente. O primeiro com dois níveis, o segundo com quatro níveis e o terceiro com seis níveis. Quando o número de níveis é igual para todos os fatores pode-se utilizar a seguinte simbologia: nF, em que: F é o número de fatores e n é o número de níveis de cada fator. Exemplo: 43 → indica que no experimento fatorial foram testados três fatores com quatro níveis cada (4 x 4 x 4). 2 – VANTAGEM E DESVANTAGEM DO EXPERIMENTO FATORIAL 2.1 Vantagem � Permite o estudo dos efeitos principais dos fatores e a interação entre fatores; IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 38 2.2 Desvantagem � Requer maior número de unidades experimentais em comparação aos experimentos simples. 3 – EFEITOS AVALIADOS EM UM EXPERIMENTO FATORIAL Nos experimentos fatoriais podem ser estudados os seguintes efeitos: • Efeito Principal: é o efeito de cada fator, independente do efeito dos outros fatores; • Efeito da Interação: é o efeito simultâneo dos fatores à variável em estudo. Ocorre interação entre os fatores quando os efeitos dos níveis de um fator são modificados pelos efeitos dos níveis de outros fatores. 4 – QUADRO DE TABULAÇÃO DOS DADOS Uma maneira de tabular os dados de um experimento fatorial com dois fatores A e B, com i e j níveis, respectivamente, instalados segundo o DIC com k repetições, é fornecida abaixo: A1 A2 ... AI B1 B2 ... BJ B1 B2 ... BJ ... B1 B2 ... BJ Y111 Y121 ... Y1J1 Y211 Y221 ... Y2J1 ... YI11 YI21 ... YIJ1 Y112 Y122 ... Y1J2 ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... Y11K Y12K ... Y1JK Y21K Y22K ... Y2JK ... YI1K YI2K ... YIJK A1B1 A1B2 ... A1BJ A2B1 A2B2 ... A2BJ ... AIB1 AIB2 ... AIBJ • Total do ij-ésimo tratamento : (AB)ij = ∑ = K k ijkY 1 • Total do i-ésimo nível do fator A: Ai = ∑ = = JK j k ijkY ; 1 1 • Total do j-ésimo nível do fator B: Bj = ∑ = = IK i k ijkY ; 1 1 • Total geral: G = ∑ = = = IJK i j k ijkY ;; 1 1 1 IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 39 • Média do i-ésimo nível do fator A: JK A m iAi = ^ • Média do j-ésimo nível do fator B: IK B m j Bj = ^ • Média geral: IJK G m = ^ A tabulação dos dados fornecida acima pode ser resumida no quadro a seguir: Bj \ Ai A1 A2 ... AI Total B1 A1B1 A2B1 ... AIB1 B1 B2 A1B2 A2B2 ... AIB2 B2 ... ... ... ... ... ... BJ A1BJ A2BJ ... AIBJ BJ Total A1 A2 ... AI G 5 – ANÁLISE DE VARIÂNCIA A Análise de Variância de um experimento fatorial é feita desdobrando-se a soma de quadrados de tratamentos (SQTrat.) nas partes devido aos efeitos principais de cada fator e na parte devido à interação entre os fatores. O quadro abaixo representa a ANOVA de um experimento fatorial com dois fatores A e B, com i e j níveis, respectivamente, e com k repetições, instalado segundo o DIC. FV GL SQ QM F Fator A (I – 1) SQA QMA sQM QMA Re Fator B (J – 1) SQB QMB sQM QMB Re Interação (AxB) (I – 1)(J – 1) SQ(AxB) QM(AxB) sQM QMAxB Re Tratamento (IJ – 1) SQTrat.(AB) - Resíduo (IJ)(K – 1) SQResíduo QMRes. - Total (IJK – 1) SQTotal - - SQTotal = IJK GY KJI k j i ijk 2,, 1 1 1 2 −∑ = = = SQTrat(AB) = IJK GBA K JI j i ji 2, 1 1 2)(1 −∑ = = IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 40 SQA = IJK GA JK I i i 2 1 21 −∑ = SQB = IJK GB IK J j j 2 1 21 −∑ = SQ(AxB) = SQTrat(AB) – SQA – SQB SQResíduo = SQTotal – SQTrat(AB) ou SQResíduo = SQTotal – SQA – SQB – SQ(AxB) As hipóteses estatísticas para o Teste F da análise de variância devem ser lançadas para cada um dos efeitos principais, como também para a interação. As hipóteses serão assim enunciadas: � Efeitos Principais Fator A: H0: mA1 = mA2 = ... = mAI = m H1: Não H0 Ou, H0: Todos os possíveis contrastes entre as médias dos níveis do fator A são estatisticamente nulos ao nível de α% de probabilidade; H1: Existe pelo menos um contraste entre as médias dos níveis do fator A estatisticamente diferente de zero ao nível de α% de probabilidade. Fator B: H0: mB1 = mB2 = ... = mBJ = m H1: Não H0 Ou, H0: Todos os possíveis contrastes entre as médias dos níveis do fator B são estatisticamente nulos ao nível de α% de probabilidade; H1: Existe pelo menos um contraste entre as médias dos níveis do fator B estatisticamente diferente de zero ao nível de α% de probabilidade. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 41 � Efeito da Interação H0: Os fatores atuam independentemente; H1: Os fatores não atuam independentemente. Os valores de Fcal obtidos na análise de variância para cada uma das fontes de variação em teste (efeitos principais e efeito da interação) devem ser comparados com os valores de Ftab apropriados, os quais serão obtidos na tabela para valores de F, de acordo com o nível de significância (α) desejado, graus de liberdade da fonte de variação em teste (n1) e o grau de liberdade do resíduo (n2). A Tomada de Decisão deve ser feita inicialmente para a interação. Se Fcal ≥ Ftab → A decisão é Rejeitar H0 ao nível de significância em que foi executado o teste. Caso contrário (Fcal < Ftab) → Não Rejeita H0. A Não Rejeição de H0 para a interação implica que os fatores atuam independentemente. Assim, devem-se estudar os fatores isoladamente. Neste caso, observa-se o resultado do teste F para cada fator e, caso ele seja significativo, aplica-se um teste de média para comparar os níveis do fator. A Rejeição de H0 para a interação implica que os fatores não atuam independentemente. Assim, não se devem estudar os fatores isoladamente. Neste caso, deve- se proceder a uma nova análise estatística de cada fator dentro dos níveis do (s) outro (s) fator (es). EXERCÍCIO PROPOSTO 1 – Considere um Experimento Fatorial com dois fatores: Variedade de Sorgo com três níveis e Adubação Nitrogenada com quatro níveis. Ele foi instalado utilizando o DBC, com três repetições (blocos). Os dados, para os totais de produção, são apresentados a seguir: Adubação Nitrogenada Variedade de Sorgo 1 2 3 4 Totais 1 25,4 27,8 29,6 31,4 114,2 2 23,1 25,0 27,2 29,6 104,9 3 20,5 22,8 24,8 26,8 94,9 Totais 69,0 75,6 81,6 87,8 314,0 Dados: SQResd. = 36,2780 e α = 5% Pede-se: a) ANOVA; b) Aplicar o Teste de Tukey, se necessário. IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 42 CONTEÚDO VI REGRESSÃO LINEAR 1 – INTRODUÇÃO A Análise de Regressão consiste na realização de uma análise estatística com o objetivo de verificar a existência de uma relação funcional entre variáveis dependente e independente. A expressão Análise de Regressão Simples indica que a predição da variável dependente é feita por uma única variável independente, enquanto a Análise de Regressão Múltipla diz respeito à predição da variável dependente com base em duas ou mais variáveis independentes. Na análise de regressão obtém-se uma equação que tenta explicar a variação da variável dependente pela variação dos níveis da (s) variável (is) independente (s). As variáveis independentessão classificadas como quantitativas, cujos níveis representam diferentes quantidades de um mesmo fator. 2 – ANÁLISE DE REGRESSÃO Para tentar estabelecer uma equação que representa o fenômeno em estudo pode-se plotar (desenhar) um Diagrama de Dispersão para verificar como se comporta os valores da variável dependente (Y) em função da variação dos níveis da variável independente (X). O diagrama de dispersão é um gráfico no qual cada ponto plotado representa um par observado de valores para as variáveis dependente e independente. O valor da variável independente X é plotado no eixo horizontal, enquanto o valor da variável dependente Y no eixo vertical. O comportamento de Y em relação a X pode-se apresentar de diversas maneiras: linear, quadrático, exponencial, etc. Para estabelecer o modelo apropriado para explicar o fenômeno, deve-se verificar qual o tipo de curva e equação de um modelo matemático que mais se aproxima dos pontos plotados no diagrama de dispersão. Contudo, pode-se observar que os pontos do diagrama de dispersão não se ajustarão perfeitamente ao modelo matemático proposto. Existirá, na maioria dos pontos, uma distância entre os pontos do diagrama e os pontos do modelo matemático. Isto é devido ao fato do fenômeno em estudo não ser um fenômeno matemático e sim um fenômeno sujeito a IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 43 influências que acontecem ao acaso. Desta forma, o objetivo da regressão é obter um modelo matemático que melhor se ajuste aos valores observados de Y em função da variação dos níveis da variável X. 2.1 Modelo da Regressão Linear Simples e Método de Estimação dos Parâmetros O modelo estatístico da Regressão Linear Simples é definido por: Yi = β0 + β1Xi + ei em que: • Yi → é o valor observado para a variável dependente Y no i’ésimo nível da variável independente X; • β0 → é a Constante de Regressão. Representa o intercepto da reta com o eixo Y; • β1 → é o Coeficiente de Regressão. Representa a variação de Y em função da variação de uma unidade da variável X; • Xi → é o i’ésimo nível da variável independente X (i = 1, 2, 3, ..., n); • ei → é o erro associado a distância entre o valor observado Yi e o seu respectivo correspondente na curva do modelo proposto (valor estimado). Um método adequado para estimar os parâmetros da equação de regressão linear simples entre duas variáveis X e Y será aquele que minimize as distâncias entre os pontos do diagrama de dispersão e do modelo matemático. Este método é denominado de Método dos Mínimos Quadrados (MMQ). Nele, a soma dos quadrados das distâncias entre os pontos do diagrama de dispersão e os respectivos pontos na reta/curva da equação estimada é minimizada, obtendo assim uma relação funcional entre X e Y com o mínimo de erro possível, de acordo com o modelo escolhido. Os estimadores de β0 e β1 são então obtidos pelo MMQ, minimizando a soma de quadrados dos erros, por meio de derivações. Os estimadores pelos quais se estimam os valores de β0 e β1 são: XY ^ 1 ^ 0 ββ −= IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 44 ( ) ( ) X XY SQD SP n X X n YX XY n n X X n n YX XY XVar YXCov = − − = − − − − == ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ 2 2 2 2 ^ 1 1 1 . ),(β Uma vez obtida as estimativas de ^ 0β e ^ 1β , podemos escrever a equação estimada de Regressão Linear Simples da seguinte maneira: iXY ^ 1 ^ 0 ^ ββ += 2.2 Avaliação Estatística do Modelo 2.2.1 Análise de Variância da Regressão A obtenção da equação estimada apenas estabelece uma relação funcional entre a variável dependente e a variável independente para o fenômeno em estudo. A simples obtenção da equação estimada não responde ao pesquisador se a variação dos níveis da variável independente (X) influencia significativamente a variável dependente (Y). Para solucionar esta indagação é necessário realizar um teste estatístico para a estimativa do coeficiente de regressão ( ^ 1β ). Um teste que pode ser realizado para verificar tal fato é o Teste F da Análise de Variância. O quadro para Análise de Variância da Regressão fica assim estabelecido: FV GL SQ QM F Regressão p SQRegressão p gresSQ .Re Resíduo da Regressão n – 1 – p SQResíduo pn sdSQ −−1 .Re .Re .Re sdQM gresQM Total n – 1 SQTotal - - em que: � p → Número de Coeficientes de Regressão (não inclui o β0); � n → Número de observações ou níveis; IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 45 SQTotal = n Y Y n i in i i 2 1 1 2 )(∑ ∑ = = − SQRegressão = ( ) )(^1 2 XY X XY SP SQD SP β= SQResíduo = SQTotal – SQRegressão As hipóteses estatísticas para o Teste F são as seguintes: • H0: β1 = 0; O que equivale a dizer que a variável independente não exerce influência na variável dependente, de acordo com o modelo proposto; • H1: β1 ≠ 0; O que equivale a dizer que a variável independente exerce influência na variável dependente, de acordo com o modelo proposto. Considerando Fα (p ; n – 1 – p), a regra decisória para o Teste F é a seguinte: • Se o valor do F calculado for maior ou igual ao valor do F tabelado, então Rejeita H0 ao nível α% de probabilidade. Pode-se inferir que o modelo proposto é adequado para descrever o fenômeno. • Se o valor do F calculado for menor que o valor do F tabelado, então Não Rejeita H0 ao nível α% de probabilidade. Infere-se que o modelo proposto não é adequado para descrever o fenômeno. 2.2.2 Coeficiente de Determinação O Coeficiente de Determinação, denominado R2 (Regressão Linear Múltipla) ou r2 (Regressão Linear Simples), fornece uma informação auxiliar ao resultado da análise de variância da regressão, verificando se o modelo proposto é adequado ou não para descrever o fenômeno. R2 = r2 = ( ) YX XY SQDSQD SP SQTotal gressãoSQ . Re 2 = O valor do coeficiente de determinação varia no intervalo de 0 a 1. Valores próximos de 1 indicam que o modelo proposto é adequado para descrever o fenômeno. Ele representa a IC283 – Bioestatística e IC284 – Estatística Experimental Professor Marcelo Jangarelli – DEMAT – ICE - UFRRJ 46 percentagem da variação total (Y – variável dependente) que é explicada pela equação de regressão (X – variável independente). 2.2.3 Gráfico da Equação de Regressão Estimada O Gráfico da Equação de Regressão Estimada pode ser obtido atribuindo valores para a variável independente e, consequentemente, obtendo os respectivos valores estimados para a variável dependente. Esses pares de valores são plotados nos respectivos eixos X e Y, obtendo assim o gráfico da equação de regressão estimada. A distância dos pontos observados no experimento em relação ao gráfico (curva ou reta) da equação de regressão estimada também é uma indicação da adequação ou não do modelo de regressão proposto para descrever o fenômeno. EXERCÍCIOS PROPOSTOS 1 – De acordo com os dados fornecidos abaixo para a variável X (dose de Zn em ppm) e para a variável Y (MS(g)/planta), pede-se: a) Obter a equação de regressão de 1º grau; b) Verificar se o modelo de regressão linear de 1º grau é adequado para descrever a relação entre as variáveis. Utilize os métodos vistos em sala de aula: i) ANOVA; ii) Coeficiente de Determinação; iii) Gráfico da Equação de Regressão Estimada. (α = 5%). X 1,0 2,5 4,0 5,5 7,0 8,5 Y
Compartilhar