Você está na página 1de 20

ECOLOGIA NUMÉRICA

Testes de hipóteses:
Testes a mais de duas amostras
(ANOVA)

1
Análise de variância

Testes a mais de duas amostras

A B C D

Análise de variância

Testes a mais de duas amostras

Testes de duas
A B C
amostras:

A vs B
B vs C
A vs C

Porque não?

2
Análise de variância

Testes a mais de duas amostras


Testes a duas amostras: Para o conjunto das 3 hipóteses a
A vs B probabilidade de correctamente não
B vs C
A vs C rejeitar todas as H0 seria
0.953 = 0.86
Porque não?
ou seja, α = 0.14 !!!!
Hipótese nula

Aceitar Rejeitar

Verdadeira Não há erro α


Hipótese nula
Falsa β Não há erro

Análise de variância

A análise de variância (ANOVA)

H0: µA=µB=µC
H1: As médias não são todas iguais

Fontes de variação:

Intra-amostra ou intra-grupos (error)


Entre-amostras ou entre-grupos

3
Análise de variância

Análise de variância

Fontes de variação:
Somas dos quadrados

k ni
Total:
SQT = ∑∑ ( X ij − X ) 2
i =1 j =1

k
Entre-grupos: SQG = ∑ ni ( X i − X ) 2
i =1

k  ni 
Intra-grupos (erro): SQ =
erro ∑ ∑ ij
i =1  j =1
( X − X i ) 2

4
Análise de variância

Fontes de variação:
Somas dos quadrados

SQTOTAL = SQGRUPOS + SQerro

Análise de variância

Hipóteses:
H0: µA=µB=µC
H1: As médias não são todas iguais

Estatística de
teste:
SQGrupos
υGrupos QM Grupos
F= =
SQerro QM erro
υerro

5
Análise de variância

Fontes de variação:
Soma dos quadrados

SQTOTAL = SQGRUPOS +
SQerro
glTOTAL = glGRUPOS + glerro

N-1= k-1 +N-k


k é o número de grupos, N é o número total de observações

Análise de variância

Estatística de teste:
QM Grupos
F=
QM erro

Valor crítico: Critério de decisão:

Fα ,υ g ,υerro Rejeitar H0 se: F > Fα ,υ g ,υerro

Não rejeitar H0 caso contrário

6
Análise de variância

A distribuição F:

Análise de variância

Pressupostos da ANOVA:

• Os dados provêm duma população normal

• As variâncias são homogéneas

No entanto, à semelhança do referido para o teste


t, a análise de variância é bastante robusta, i.e. o
seu desempenho não é profundamente afectado
por desvios moderados dos pressupostos

7
Análise de variância

Pressupostos da ANOVA:

As amostras provêm de populações normais com


variância igual

Como verificar os pressupostos?

O que fazer caso não


sejam cumpridos?

Análise de variância

Avaliação dos pressupostos da ANOVA:

• Testes de normalidade
- Teste de Kolmogorov-Smirnov
Estatística D
- Teste D’Agostino-Pearson
Estatística K2
- Teste de Shapiro-Wilk
Estatística W

• Avaliação gráfica

• Análise de resíduos

8
Análise de variância

Avaliação dos pressupostos da ANOVA:


Teste de Kolmogorov-Smirnov

Análise de variância

Avaliação dos pressupostos da ANOVA:


Teste de Kolmogorov-Smirnov

Estatística de teste: i
D = max F (Yi ) −
1≤ i ≤ N N

onde F é a distribuição teórica cumulativa da distribuição que está a ser


testada.

9
Análise de variância

Avaliação dos pressupostos da ANOVA:


Teste de Shapiro-Wilk

2
 n 
Estatística de teste:
 ∑ α i x( i ) 
W =  ni =1 

∑ i ( x
i =1
− x ) 2

onde x(i) são os valores da amostra ordenados e α(i) são constantes


obtidas a partir das médias, variâncias e covariâncias das estatísticas
ordinais duma amostra de dimensão n duma população normal.

Análise de variância

Avaliação dos pressupostos da ANOVA:


Teste de D’Agostino-Pearson

10
Análise de variância

Avaliação dos pressupostos da ANOVA:


Teste de D’Agostino-Pearson
onde Zg1 e Zg2 são obtidos do seguinte modo

Simetria Curtose

Análise de variância

Avaliação dos pressupostos da ANOVA:


Normalidade
Histogram: F N Lt cm
Shapiro-Wilk W=,94919, p=,03160
Expected Normal
20

18

16

14

12
No. of obs.

10

0
18 20 22 24 26 28 30 32 34
X <= Category Boundary

11
Análise de variância

Avaliação dos pressupostos da ANOVA:


Normalidade
Box & Whisker Plot
36

34

32

30

28

26

24

22

20

18

16 Median
25%-75%
14 Min-Max
F N Lt cm M N Lt cm

Análise de variância

Avaliação dos pressupostos da ANOVA:


Análise de resíduos
Histogram of Raw Residuals
Dependent variable:F N Lt cm
(Analysis sample)
25

20

15
No. of obs.

10

0
-10 -8 -6 -4 -2 0 2 4 6 8
X <= Category Boundary

12
Análise de variância

Avaliação dos pressupostos da ANOVA:


Análise de resíduos
P-Plot: F N Lt cm All Groups
3

2
Expected Normal Value

-1

-2

-3
18 20 22 24 26 28 30 32 34 36
Observed Value

Análise de variância

Avaliação dos pressupostos da ANOVA:


Homogeneidade de variâncias

• Teste de homocedasticidade
- Teste de Hartley
- Teste de Cochran
- Teste de Bartlett

• Avaliação gráfica

• Análise de resíduos

13
Análise de variância

Avaliação dos pressupostos da ANOVA:


Homogeneidade de variâncias

Teste de Hartley 2
smax Rejeitar H0
Fmax > Fα ,k ,n −1
Fmax = 2 se
smin

Teste de Cochran 2
smax Rejeitar H0 C > Cα ,k ,n −1
C=
∑ si2
se

Análise de variância

Avaliação dos pressupostos da ANOVA:


Homogeneidade de variâncias
Teste de Bartlett

 ∑ (ni − 1) si2 
[∑ (ni − 1) ln  (n − 1)  − ∑ (ni − 1) ln(si2 )
]
χ C2 =  ∑ i 
1  1 1 
1+ ∑ − 
3( k − 1)  ni − 1 ∑ (ni − 1) 

Rejeitar H0
se χ C2 > χ k2−1

14
Análise de variância

Avaliação dos pressupostos da ANOVA:


Avaliação gráfica
Box & Whisker Plot
36

34

32

30

28

26

24

22

20
Mean
±SD
18 ±1,96*SD
F N Lt cm M N Lt cm

Análise de variância

Avaliação dos pressupostos da ANOVA:


Análise de resíduos
Predicted vs. Residual Scores
F N Lt cm
Dependent variable:
6

0
Residuals

-2

-4

-6

-8
23 24 25 26 27 28 29 30 31 32 33
Predicted Values 95% confidence

15
Análise de variância

Avaliar se os pressupostos são cumpridos

Não Sim
Transformação
dos dados
Não

Testes não paramétricos Testes paramétricos

Análise de variância

Teste de Kruskal-Wallis: abordagem não-paramétrica

Hipóteses:
H0: as amostras provêm da mesma população
H1: as amostras não provêm da mesma população

Estatística de teste:

12 k
Ri2
H= ∑ − 3( N + 1)
N ( N + 1) i =1 ni

16
Análise de variância

Teste de Kruskal-Wallis: abordagem não-paramétrica

Quando há empates deve ser utilizado um factor de


correcção:
C =1−
∑ t
3
N − N
onde m

∑ t = ∑
i =1
( t i3 − t i )

A estatística de teste deve H


ser corrigida do seguinte
modo:
HC =
C

Análise de variância

Teste de Kruskal-Wallis: abordagem não-paramétrica

Estatística de teste: H
HC =
C

Valor crítico: χ 2α ,υ sendo gl=k-1 (k=número de


grupos)

Critério de decisão:
2
Rejeitar H0 se: χ > χ α2 ,υ
Não rejeitar H0 caso contrário

17
Análise de variância

Procedimentos de teste a posteriori

Quando a H0 é rejeitada numa hipótese envolvendo


3 ou mais amostras, não é sempre óbvio qual ou
quais das amostras diferem das outras.

Há, por isso, a necessidade de efectuar testes a


posteriori de comparações múltiplas

Análise de variância

Testes a posteriori

ANOVA Teste de Tukey (tipo Tukey)


Teste d eNewman-Keuls
Teste de Scheffé

Teste de Kruskal-Wallis Teste de Dunn

18
Análise de variância
Teste de Tukey

Estatística de teste: XB − XA
q=
s2
n

Valor crítico: qα ,υ ,k Sendo gl=N-k (N=número total


de observações; k=número de
grupos)

Critério de decisão:

Rejeitar H0 se: q > q α ,υ , k


Não rejeitar H0 caso contrário

Análise de variância
Teste de Dunn

Estatística de teste: RB − R A
Q=
SE

onde
 N ( N + 1)
SE =  −
∑ t  1 + 1 
 12 12( N − 1)  n A nB 

Valor crítico: Qα ,k sendo k=número de grupos

Critério de decisão:

Rejeitar H0 se: Q > Q α ,k


Não rejeitar H0 caso contrário

19
Análise de variância
Síntese
Teste t P
1 amostra
Teste Wilcoxon NP

Teste t P
2 amostras
Teste Mann-Whitney NP

Teste t para amostras emparelhadas P


2 amostras
emparelhadas
Teste Wilcoxon para amostras emparelhadas NP

ANOVA P
3 ou +
amostras Teste Kruskal-Wallis NP

20