Baixe o app para aproveitar ainda mais
Prévia do material em texto
ANOVA - Análise de variância Profª. Drª. Iara R. A. P. Bresolin ANOVA – análise de variância ANOVA de fator único É a análise de dados obtidos de amostras de mais de duas populações numéricas (distribuições) ou dados de experimentos em que foram empregados mais de dois tratamentos. ANOVA – análise de variância✓ Fator É a característica que diferencia os tratamentos ou populações entre si. ✓ Níveis do fator São os tratamentos ou populações diferentes. ANOVA – análise de variância✓ Exemplo Um experimento para estudar os efeitos da presença de três diferentes soluções de açúcar (glicose, sacarose, frutose) no crescimento de bactérias. Fator: açúcar (qualitativo) Níveis: 3 níveis, um para cada açúcar ANOVA – análise de variânciaSeja ✓ I = o número de populações ou tratamentos que estão sendo comparados; ✓ μ1 = a média populacional 1 ou a resposta média real quando se aplica o tratamento 1; . . . ✓ μI = a média populacional I ou a resposta média real quando se aplica o tratamento I. ANOVA – análise de variânciaAs hipóteses de interesse são: H0: μ1= μ2=...= μI versus Ha: pelo menos dois μis são diferentes Exemplo ANOVA A tabela abaixo apresenta os dados de um experimento de fator único, envolvendo I=4 tipos de caixas e sua resistência à compressão (lb). Tipo de caixa 1 Resistência a compressão (lb) 655,5 788,3 734,3 721,4 679,1 699,4 2 789,2 772,5 786,9 686,1 732,1 774,8 3 737,1 639,0 696,3 671,7 717,2 727,1 4 535,1 628,7 542,4 559,0 586,9 520,0 ANOVA – análise de variância Sejam Xi,j = a VA que representa a j-ésima medida obtida da i ésima população ou a medida obtida na j-ésima unidade experimental que recebe o i-ésimo tratamento. Exemplo ANOVA Tipo de caixa Resistência a compressão (lb) 1 655,5 788,3 734,3 721,4 679,1 699,4 2 789,2 772,5 786,9 686,1 732,1 774,8 3 737,1 639,0 696,3 671,7 717,2 727,1 4 535,1 628,7 542,4 559,0 586,9 520,0 Assim: x2,3 = 786,9 lb x5,1 = não existe x1,5 = 679,1 lb ANOVA – análise de variância Suposições: As I distribuições populacionais ou de tratamento são todas normais e têm a mesma variância σ². Considere que as σ² serão iguais, se o maior S não for maior do que duas vezes o menor. Aprendendo usar a tabela F Teste F A distribuição F possui 2 parâmetros: o número de graus de liberdade do numerador, ν1 e o número de graus de liberdade do denominador, ν2. Ambos inteiros positivos. Requisitos: ✓ As duas populações precisam obrigatoriamente serem normalmente distribuídas (método extremamente sensível). ✓ As duas populações independentes (dados não pareados). Fα, ν1, ν2 = 1/F 1- α, ν2, ν1 Exercício Praticando a utilização da tabela A9-Devore: Valores críticos para Distribuição F a) F0,05 , 6, 10 = 3,22 b) F0,05 , 10, 6 = 4,06 c) F0,95 , 6, 10 = não tem direto na tabela, então usar Fα, ν1, ν2 = 1/F 1- α, ν2, ν1 F0,95 , 6, 10 = 1/F 0,05, 10, 6 = 1/ 4,06 = 0,25 ANOVA – análise de variância Teorema: Quando H0for verdadeiro e as suposições forem satisfeitas, f tem distribuição F com ν1 = I – 1 e ν2 = I(J-1). Quando f representa o valor calculado de F, a região de rejeição: Para um teste com nível de significância α Tabela ANOVA Soma dos quadrados totais Soma dos quadrados dos tratamento Soma dos quadrados dos erros Tabela ANOVA SQT=SQTr + SQE Exemplo tabela ANOVA Os dados a seguir provêm de um experimento de comparação do grau de resíduos em tecidos copolimerizados com 3 diferentes misturas de ácido metacrílico. Testar se a média real do grau de resíduo é igual para as 3 diferentes misturas de ácido metacrílico. Considere α=0,01 Exemplo tabela ANOVA 1) Parâmetro de interesse: Testar se a média real do grau de resíduo é igual para as 3 diferentes misturas de ácido 2) Hipótese nula (H0): μ1= μ2= μ3 3) Hipótese alternativa (Ha): pelo menos 2 μ’s diferentes 4) Valor da estatística de teste: f =QMTr QME Exemplo tabela ANOVA 5) Região de rejeição: = F0,01, 2, 12 = 6,93 sendo: ν1 = I – 1 = 3 -1 = 2 e ν2 = I(J-1) = 3(5-1) = 12 6) Substituindo na Tabela ANOVA: Fonte de variação Tratamentos gl (ν) I-1=2 Soma dos quadrados SQTr = 0,0608 Média dos quadrados QMTr = SQTr/(I-1) 0,0304 f QMTr/QME 0,9870 Erros I(J-1)=12 SQE = 0,3701 QME = SQE/I(J-1) 0,0308 Total IJ-1=14 SQT = 0,4309 Exemplo tabela ANOVA =154,592 + 3,972 + 4,692-13.513,25 2 = 0,0608 = (0,56-0,918)2+(1,12-0,918)2+(0,90-0,918)2+(1,07-0,918)2+(0,94-0,918)2+ (0,72-0,794)2+ ... + (0,91-0,794)2+ (0,62-0,938)2+ ... + (0,93-0,938)2 = 0,3701 Exemplo tabela ANOVA 7) Conclusão: A hipótese nula (H0) NÃO será rejeitada com nível de significância α = 0,01, pois 0,99 < 6,93. Logo, μ1 = μ2 = μ3. O que é p-valor? Podemos basear nossa conclusão de um teste de hipótese (ou ANOVA) no p-valor (não aprendemos a calcular ele em sala de aula), pois muitos softwares fornecem o p-valor. Quando p-valor < α rejeito H0 Quando p-valor > α NÃO rejeito H0 Resolvendo o exercício no Excel Dados → análise de dados → ANOVA fator único → ok
Compartilhar