Escolar Documentos
Profissional Documentos
Cultura Documentos
NÃO PARAMÉTRICA
• Teste Binomial
• Teste do Quantil
• Teste Kolmogorov-Smirnov
• Teste de Lilliefors
• Gráfico Qqplot
H0 : 0
0
H1 : 0
0
4 Profª. Lisiane Selau
• Estatística de teste (ET): X = número de sucessos
observado na amostra.
X n 0 0,5
Z N0,1
n
n 0 1 0
Poder
1,0
0,8
0,6
0,4
0,2
0,0
0,2
0,5
0,8
0,05
0,08
0,11
0,14
0,17
0,23
0,26
0,29
0,32
0,35
0,38
0,41
0,44
0,47
0,53
0,56
0,59
0,62
0,65
0,68
0,71
0,74
0,77
0,83
0,86
0,89
0,92
0,95
0,98
10 Profª. Lisiane Selau
Exact binomial test
No R
data: 4 and 10
number of successes = 4, number of trials = 10, p-value = 0.001028
alternative hypothesis: true probability of success is greater than 0.05
> x=seq(0,10) 95 percent confidence interval:
0.1500282 1.0000000
> prob=dbinom(x,10,0.05)
sample estimates:
> esquerda=pbinom(x,10,0.05) probability of success
0.4
> direita=1-pbinom(x-1,10,0.05)
> cbind(x,prob,esquerda,direita)
> plot(x,prob,type="h")
> binom.test(4,10,0.05,"greater")
Data
Weight cases
data parafuso;
input defeito $ count;
datalines;
sim 4
nao 6
;
proc freq data= parafuso order= data;
exact bin;
tables defeito / bin(p=0.05 level=1);
weight count;
run;
data lixo;
input seleciona $ count;
datalines;
sim 32
nao 48
;
proc freq data= lixo order= data;
exact bin;
tables seleciona / bin(p=0.3 level=1
correct);
weight count;
run;
• Hipóteses Estatísticas: H0 : Q q0
Q q0
H1 : Q q0
Q q
0
H0: Q3=193
H1: Q3≠193
Estatística do Teste:
T1 = observações ≤ 193 = 7 T2 = observações > 193 = 8
Região Crítica: Se H0 é verdadeira ET~Binomial(15,0,75)
X P(X=x)
0 0,000000
1 0,000000
2 0,000001
3 0,000011
4 0,000103
5 0,000680 Portanto, Rejeita-se H0 se T1≤7 ou T2≥15
6 0,003398
7 0,013107
8 0,039320
9 0,091748
10 0,165146
11 0,225199
12 0,225199
13 0,155907
14 0,066817
22 15 0,013363
Profª. Lisiane Selau
Cálculo do p-valor: mesma ideia do teste binomial.
> x=seq(0,15)
> prob=dbinom(x,15,0.75)
> cbind(x,prob)
> pbinom(7,15,0.75) + (1-pbinom(14,15,0.75))
Cálculo do p-valor:
P(X≤7| 0=0,75)=0,0173
> pbinom(7,15,0.75)
> binom.test(7,15,0.75)
alturas = c(177, 178, 177, 179, 177, 180, 182, 179, 180, 183,
181, 176, 181, 179, 177, 183, 177, 181, 178, 179)
• Hipóteses Estatísticas:
58 78 84 90 97 70 90 86 82
59 90 70 74 83 90 76 88 84
68 93 70 94 70 110 67 68 75
80 68 82 104 92 112 84 98 80
> amostra=c(58,78,84,90,97,70,90,86,82,59,90,70,74,83,90,76,88,84,68,93,70,
94,70,110,67,68,75,80,68,82,104,92,112,84,98,80)
> ks.test(amostra,"pnorm",85,15)
data: amostra
D = 0.1472, p-value = 0.4162
alternative hypothesis: two-sided
CUIDADO: SPSS e
SAS utilizam média e
desvio padrão
estimados dos dados.
data rim;
input normal @@;
datalines;
58 59 67 68 68 68 70 70 70 70 74 75
76 78 80 80 82 82 83 84 84 84 86 88
90 90 90 90 92 93 94 97 98 104 110 112
;
proc univariate data=rim normaltest;
var normal;
run;
7,11 8,84 8,89 9,54 10,98 11,09 11,64 12,30 13,24 14,05
Teste a hipótese de que ela possa ter sido originada de uma população
normal de média 10 e desvio padrão 2. Resposta: D = 0.2879, p-value = 0.3146
• Hipóteses Estatísticas
NORTEST
> amostra=c(6,8,10,12,14,16,18,20)
• Teste de Shapiro-Wilks
> shapiro.test(amostra)
Shapiro-Wilk normality test
data: amostra W = 0.9749, p-value = 0.9332
• Teste de Anderson-Darling
> ad.test(amostra)
Anderson-Darling normality test
data: amostra A = 0.134, p-value = 0.9615
43 Profª. Lisiane Selau
Alguns outros testes disponíveis no R
para testar normalidade
• Teste de Shapiro-Francia
> sf.test(amostra)
Shapiro-Francia normality test
data: amostra W = 0.9897, p-value = 0.9995
44 Profª. Lisiane Selau
Alguns outros testes disponíveis no R
para testar normalidade
Problema para instalar pacote?
> mean(amostra) > Sys.setenv("http_proxy"="http://143.54.226.62:8080/")
[1] 13
OU
> sd(amostra)
[1] 4.898979 Baixar .zip do CRAN e instalar a partir do arquivo zip.
> ks.test(amostra,"pnorm",13,4.898979)
One-sample Kolmogorov-Smirnov test
data: amostra D = 0.1049, p-value = 0.9999
alternative hypothesis: two-sided
> lillie.test(amostra)
Lilliefors (Kolmogorov-Smirnov) normality test
data: amostra D = 0.1049, p-value = 0.9981
Analyze
Descripive Statistics
Explore
data amostra;
input normal @@;
datalines;
6 8 10 12 14 16 18 20
;
proc univariate data=amostra normaltest;
var normal;
run;
> qqnorm(amostra)
> qqline(amostra)
Analyse
Descriptive Statistics
Q-Q Plots
data amostra;
datalines;
run;