Baixe o app para aproveitar ainda mais
Prévia do material em texto
Tutorial – Teste de Hipóteses não paramétricos utilizando o PAST 4.03 O PAST pode ser obtido no seguinte link: https://past.en.lo4d.com/windows O download é bem intuitivo, uma limitação é que essa versão é exclusiva para o sistema operacional Windows. Os dados devem ser inseridos no PAST considerando as colunas. Dado um conjunto de dados qualquer, o primeiro passo é realizar um teste de normalidade (Normality test). 𝐻0: dados são normalmente distribuídos Exemplo: Suponha que queiramos comparar, a um nível de 4%, o efeito de dois analgésicos utilizados no caso de cefaléia. Para tanto foram ministrados os 2 analgésicos (A e B) a dois grupos de pessoas e meia hora depois de ingerir o comprimido, os pacientes registraram a dor que sentiam numa escala analógica que variava de 0 a 3 (0= nenhuma dor, 1= dor leve, 2= dor moderada e 3 = dor forte), conforme dados a seguir. O que podemos concluir? A 0 0 0 1 1 0 0 3 B 3 2 3 3 3 2 3 1 Dados inseridos: https://past.en.lo4d.com/windows Dados selecionados: Os testes estão no menu Univariate. Teste de normalidade: Avaliação dos resultados: Normality test- Shapiro Wilk- 𝑝𝐴 =0,001; 𝑝 𝐵= 0,0042 (𝑝 <∝) dados não tem distribuição Normal - Teste não paramétrico. Neste caso temos 2 grupos independentes, teste de Mann Whitney. 𝐻0 : o efeito é igual nos dois analgésicos 𝐻1 : o efeito é diferente nos analgésicos Resultado: Tests for equal medians A B N: 8 N: 8 Mean rank: 2,6563 Mean rank: 5,8438 Mann-Whitn U : 6,5 z : -2,7496 p (same med.): 0,0059662 Monte Carlo permutation: p (same med.): 0,0057 Exact permutation: p (same med.): 0,0059052 Como p=0,0059, rejeitamos 𝐻0, ou seja, com 96% de certeza há evidências de que há diferença no efeitos dos analgésicos. Obs: Afim de exemplificar de maneira mais simples, vamos considerar que todos os dados dos exemplos a seguir não sejam normalmente distribuídos, assim realizaremos diretamente os testes. Porém em seu dia a dia, faça sempre o teste de normalidade! Teste de Mann–Whitney: Para avaliar 2 grupos independentes (Exemplificado acima). Teste de Kruskal-Wallis: Para avaliar 3 ou mais grupos independentes. Exemplo: Suponha que queiramos comparar, a um nível de 5% de significância, o tempo de latência, em minutos, de três analgésicos usados por cirurgiões dentistas, em que, foi feito um ensaio clínico casualizado com 15 pacientes. Os dados estão apresentados a seguir. Anestésico A 62 138 78 96 66 Anestésico B 108 216 174 234 270 Anestésico C 72 132 156 204 84 Supondo que os dados não têm distribuição normal, realizaremos o teste de Kruskal- Wallis. 𝐻0: o tempo de latência é o mesmo nos anestésicos 𝐻1: pelo menos um tempo de latência é diferentes Resultado: Kruskal-Wallis test for equal medians H (chi2): 7,28 Hc (tie corrected): 7,28 p (same): 0,02625 There is a significant difference between sample medians. Rejeitamos 𝐻0, com 95% de certeza há evidencias estatísticas de que o tempo de latência varia de acordo com o anestésico utilizado. Teste dos postos assinalados de Wilcoxon: Para avaliar 2 grupos dependentes. Exemplo: Pretende-se testar o efeito de um ansiolítico em pacientes que iriam se submeter a exodontias múltiplas. Os níveis de ansiedade dos pacientes, antes e depois de medicados, foram registrados usando uma escala própria. Os valores estão na tabela a seguir: Paciente 1 2 3 4 5 6 7 8 Antes 23 26 28 29 37 26 27 32 Depois 14 14 29 25 31 18 30 30 𝐻0: os níveis de ansiedade dos pacientes não são alterados 𝐻1: há alteração nos níveis de ansiedade dos pacientes Resultado: Antes Depois N: 8 Mean: 28,5 Mean: 23,875 Median: 27,5 Median: 27 Wilcoxon test : W : 32 Normal appr. z : 1,9604 p (same median): 0,04995 Monte Carlo (n=99999): p (same median): 0,05485 Exact: p (same median): 0,054688 Rejeitamos a hipótese nula, se considerarmos 5% ou mais como significância (𝑝 ≤ ∝ Rejeita 𝐻0). Se considerarmos 96% ou menos de certeza, não rejeitaríamos a hipótese nula. Teste de Friedman: Para avaliar 3 ou mais grupos dependentes. Exemplo: Um ortodontista radiografou 8 pacientes e enviou as radiografias a 3 centros radiológicos, para que fizessem as medidas cefalométricas. Os dados relativos à medida estudada estão apresentadas no quadro. O que podemos afirmar com um nível de 99% de confiança? Paciente A B C 1 78,87 78,85 78,33 2 84,62 83,71 84,95 3 83,73 82,5 83,85 4 85,97 81,78 82,76 5 87,58 87,18 87,32 6 91,38 84,58 82,79 7 86,19 86,27 85,42 8 81,23 80,25 80,35 𝐻0: os três centros obtiveram as mesmas medidas 𝐻1: algum centro obteve medida diferente Test for equal medians chi2: 5,25 Degrees of freedom: 2 chi2, tie corrected: 5,25 chi2, continuity corrected: 5,0462 p (same), asymptotic: 0,080212 p (same), exact: 0,079 Não rejeitamos 𝐻0, ou seja, com 99% de certeza há evidências estatísticas de que as medidas são iguais nos três centros analisados. Instruções de como apresentar resolução de uma questão na Avaliação, fazendo uso de ferramentas computacionais. Questão) Suponha que queiramos comparar, a um nível de 4%, o efeito de dois analgésicos utilizados no caso de cefaléia. Para tanto foram ministrados os 2 analgésicos (A e B) a dois grupos de pessoas e meia hora depois de ingerir o comprimido, os pacientes registraram a dor que sentiam numa escala analógica que variava de 0 a 3 (0= nenhuma dor, 1= dor leve, 2= dor moderada e 3 = dor forte), conforme dados a seguir. O que podemos concluir? A 0 0 0 1 1 0 0 3 B 3 2 3 3 3 2 3 1 Primeiro passo é fazer o teste de normalidade para decidir se será utilizado teste paramétrico ou não paramétrico. Defini-se as hipóteses para o Teste de normalidade: H 0 : Os dados seguem uma distribuição normal ou aproximadamente normal H1 : Não há normalidade no conjunto de dados Normality test- Shapiro Wilk- 𝑝𝐴 =0,001; 𝑝 𝐵= 0,0042 Como em ambos os casos (𝑝 <∝) então dados não tem distribuição Normal , logo faremos um Teste não paramétrico. Neste caso temos 2 grupos independentes, então, teste de Mann Whitney. Defini-se as hipóteses para o Teste: 𝐻0 : o efeito é igual nos dois analgésicos 𝐻1 : o efeito é diferente nos analgésicos Resultado: Tests for equal medians A B N: 8 N: 8 Mean rank: 2,6563 Mean rank: 5,8438 Mann-Whitn U : 6,5 z : -2,7496 p (same med.): 0,0059662 Monte Carlo permutation: p (same med.): 0,0057 Exact permutation: p (same med.): 0,0059052 Conclusão: Como p=0,0059, rejeitamos 𝐻0, ou seja, com 96% de certeza há evidências de que há diferença no efeitos dos analgésicos. Obs: Não é necessário apresentar todo o quadro de resultados, apenas o que está assinalado em vermelho. Arquivos auxiliares (não será necessário incluir na resolução da avaliação esse print da tela com o teste, apenas apresentar o valor p de Shapiro-Wilk na conclusão sobre a normalidade. Teste de normalidade para a questão. Teste de Hipótese para a questão Caso tenha uma questão que envolva ANOVA, o procedimento é o mesmo →Teste de normalidade e depois ANOVA, se os dados tiverem distribuição normal. Caso os dados não tenham normalidade proceder com o teste não paramétrico de Kruskal--Wallis. Caso tenha questão que não apresente o conjunto de dados, ir diretamente ao teste. Caso a questão seja uma tabela de dupla entrada com interesse em avaliar a dependência entre as variáveis, Teste Qui quadrado, diretamente.
Compartilhar