Baixe o app para aproveitar ainda mais
Prévia do material em texto
Planejamento Experimental I Profª. Drª. Heloisa Helena Medeiros FEA/ITEC/UFPA heloisa@ufpa.br Análise de variância (Analysis of Variance - ANOVA); É um método para testar dois ou mais tratamentos para determinar se a sua amostra média poderia ter sido obtido a partir de populações com a mesma média real. Isto é feito estimando o número de variações dentro de tratamentos e comparando-a com a variação entre os tratamentos. O objetivo principal da análise de variância é comparar a variação devida aos tratamentos com a variação devida ao acaso ou resíduo. Para realizá-la é preciso proceder a uma série de cálculos. Se os tratamentos são iguais (a partir de populações com a mesma média) – amostras são do mesmo tamanho, a variação dentro de cada tratamento será aproximadamente a mesma que a diferença entre os tratamentos. Se os tratamentos vêm de populações com diferentes meios, a variação entre os tratamentos será inflado. A "variação dentro" e a "entre variância" são comparados usando a estatística F, que é uma medida da variabilidade nos desvios estimados da mesma maneira que a estatística t é uma medida da variabilidade nos meios de estimativa. Variância Dentro dos Grupos (Sd) Supondo-se que todos os grupos têm a mesma variância da população, podemos reunir as variâncias k amostras para estimar a variância dentro do grupo Ou Onde N = n1 + n2 + ... + nk Variância Entre Grupos (Se) A variância entre grupos é calculado utilizando as médias dos grupos e da média global onde a média global é dada por: Onde a média global é dada por: Em que: SQ entre é a “soma de quadrados” entre os grupos e é numerador de sE 2, ou seja, SQ entre = SQ dentro é a “soma de quadrados” dentro dos grupos e é numerador de sD 2, ou seja, SQ dentro = Note que QM entre = sE 2 e QM dentro = sD 2. Tabela da Análise de Variância EXEMPLO A variância dentro dos grupos Se reduzirmos a duas variâncias podemos aplicar o teste F A variância entre grupos Para testar as hipóteses é utilizada a estatística F com (k – 1) graus de liberdade no numerador e k(r – 1) graus de liberdade no denominador. Se Fcalc > F,GL1,GL2 REJEITA-SE H0 e conclui-se que existe pelo menos uma média que difere de outra. Se Fcalc > Ftab, rejeitar H0 Neste caso dizemos que existem diferenças estatisticamente significativas entre as médias Se Fcalc < Ftab, não rejeitar H0 Quando isso ocorre, dizemos que não existem evidências estatísticas de que as médias sejam diferentes. O numerador é a raiz quadrada da média da variância “entre grupos", que tem ν1 graus de liberdade Um valor F com estes graus de liberdade é designado por Fv1,v2,α onde α é o ponto percentual superior a que o teste está a ser feito. O denominador é sempre a estimativa da variância de erro randômico puro , neste caso, a variação "dentro dos grupo", que tem ν2 graus de liberdade Graus de liberdade • O teste será feito ao nível de 5% com o grau de liberdade 1 = k - 1 = 3 - 1 = 2 e 2 = N - K = 12 - 3 = 9. O valor relevante é F2,9,0.05 = 4,26. • O índice calculado para o nosso experimento, F = 52/6 = 8,67 é maior que F2,9,0.05 = 4,26, então podemos concluir que este fornece elementos suficientes para concluir o intervalo de confiança de 95% de que as médias dos três grupos não são iguais. Suponha que um pesquisador conduziu um experimento inteiramente ao acaso e obteve um conjunto de dados que se pressupõe que sejam normalmente distribuídos e que possuam homocedasticidade (mesma 2). O interesse do pesquisador é avaliar se existe uma diferença significativa entre os tratamentos T1, T2 e T3. Através de procedimento ANOVA utilizando um nível de significância de 5% você diria que existe diferença significativa entre as amostras ou não? T1 T2 T3 3 11 16 5 10 21 4 12 17 EXEMPLO 1 Dez medidas de concentração de chumbo(μg/L) de amostras idênticas em cinco laboratórios Os dados mostrados na Tabela abaixo foram obtidos através da divisão de uma grande quantidade de material preparado em 50 alíquotas iguais e possuindo analise de cinco laboratórios diferentes em cada 10 amostras selecionadas aleatoriamente. Pelo projeto do experimento, não há diferença real na concentração de amostras, mas os laboratórios têm produzido diferentes médias e variâncias diferentes. Aqui vamos usar uma ANOVA one- way, que se concentra em comparar a variação dentro de laboratórios com a variação entre laboratórios. A análise é de sentido único, porque há um fator (laboratórios) para ser avaliado. EXEMPLO 2 EXEMPLO 3
Compartilhar