Escolar Documentos
Profissional Documentos
Cultura Documentos
COMPARAÇÕES MÚLTIPLAS
INTRODUÇÃO - Os testes de comparações múltiplas, ou testes de comparações de
médias, servem como um complemento do teste F, para detectar diferenças de efeitos entre
os tratamentos.
Teste de Tukey
Utilizado para testar todo e qualquer contraste entre duas (2) médias.
Procedimento: µˆ1 − µˆ 2 = d
Q.M . Re s. 1 1 QMRes.
(1) ∆ = q ou =q + , i ≠ k e i, k = 1,2..., I ,
J Ji J k 2
Erro padrão da média
Obs: Para número de repetições desiguais, troca-se J pela média harmônica Jh dos
{Ji}, em que,
I
Jh = I
1
i =1 J i
4
Ex1: Se temos {5, 5, 5, 5}, então J h = =5
0,20 + 0,20 + 0,20 + 0,20
4
Ex2: Se temos {5, 3, 2, 4}, então J h = = 3,11
0,20 + 0,33 + 0,50 + 0,25
ŷ = µˆ i − µˆ k , i ≠ k
µˆ 1 µˆ 2 µˆ 1 µˆ 2 µˆ 3 µˆ 1 µˆ 2 µˆ 3 µˆ 4
ŷ1 = µˆ 1 − µˆ 2 ŷ1 = µˆ 1 − µˆ 2
ŷ1 = µˆ 1 − µˆ 2 ŷ 2 = µˆ 1 − µˆ 3 ŷ 2 = µˆ 1 − µˆ 3
ŷ 3 = µˆ 2 − µˆ 3 ŷ 3 = µˆ 1 − µˆ 4
I! ŷ 4 = µˆ 2 − µˆ 3
C 2I = ŷ 5 = µˆ 2 − µˆ 4
2! (I − 2)!
ŷ 6 = µˆ 3 − µˆ 4
(3) Comparar ŷ com ∆
I 2 3 4 5 ...
glRes
2
16 4,05
7,0
∆ = 4,05 = 4,79
5
ŷ 5 = µˆ B − µˆ A = 27 − 23 = 4 NS
ŷ 6 = µˆ C − µˆ A = 26 − 23 = 3 NS
Teste de Duncan
Um procedimento amplamente usado para comparação de todos pares de médias é o teste
de múltiplas amplitudes desenvolvido por Duncan (1955).
Utilizado para testar todo e qualquer contraste entre duas (2) médias.
Procedimento:
Q.M. Re s.
(1) D = z
J
µˆ (1), µˆ ( 2) µˆ (1), µˆ ( 2) , µˆ (3) µˆ (1) , µˆ ( 2) , µˆ (3) , µˆ ( 4) µˆ (1) , µˆ ( 2) , µˆ (3) , µˆ ( 4) , µˆ (5)
=2 = 2, 3 = 2, 3, 4 = 2, 3, 4, 5
Obs: Para número de repetições desiguais, troca-se J pela média harmônica Jh dos
{Ji}, em que,
I −1
1
i =1 J i I
Jh = ou Jh = I
I 1
i =1 Ji
(2) Calcular todas as estimativas dos contrastes entre 2 médias, considerando o número de
médias entre as envolvidas, depois de ordená-las.
ŷ = µˆ i − µˆ k , i ≠ k
Teste de Dunnett
Utilizado para testar todo e qualquer contraste entre um único tratamento (controle) e cada
um dos demais tratamentos experimentais, não havendo interesse na comparação dos
tratamentos experimentais entre si. Esse teste é uma modificação do teste t.
Procedimento:
Um experimento com I tratamentos, um dos quais é o controle (Cont), permite a aplicação
do teste a I-1 comparações.
1 1
d' = 2,59 7 + = 4,33
5 5
∴ Apenas a variedade D diferiu da variedade controle A.
Contrates de Médias
- Definição: Seja a função linear populacional ou a combinação linear das médias:
y = a 1µ1 + a 2µ 2 + ... + a Iµ I
I
Se a i = a 1 + a 2 + ... + a I = 0 , diz-se que y é um contraste nas médias µ i .
i =1
Obs: Todo contraste é uma função linear, mas nem toda função linear é um contraste.
a1 = 1 a2 = 1 a3 = −1 a 4 = −1
a1 + a2 + a3 + a4 = 1 + 1 − 1 − 1 = 0 , mas
Obs.: Numa análise estatística deve-se formular aqueles contrastes que sejam de maior
interesse para o pesquisador.
ŷ1 ˆ A + ˆ B ˆ C + ˆ D
Obs.: ŷ1′ = = − , Compara as médias do grupo europeu e
2 2 2
do americano, isto é, nos indica que o
grupo americano produz em média 3,5
23 + 27 26 + 31
= − = −3,5 kg/100 m2 a mais que o europeu.
2 2
s i2
Lembrando que Vâr (µˆ i ) = , ( i = 1, 2, ..., I)
Ji
s12 s2 s2
temos Coˆv( yˆ1 , yˆ 2 ) = a1b1 + a2b2 2 + ... + a I bI I
J1 J2 JI
a1b1 a2b2 ab
Coˆv( yˆ1 , yˆ 2 ) = + + ... + I I s 2
J1 J2 JI
s2
Coˆv( yˆ1 , yˆ 2 ) = (a1b1 + a2b2 + ... + aI bI )
J
CONTRASTES ORTOGONAIS
A ortogonalidade entre dois contrastes indica independência entre suas comparações, ou
seja, a variação de um contraste é inteiramente independente da variação do outro. A
I
a1b1 2 a2b2 2 ab ai bi 2
portanto, s1 + s2 + ... + I I s I2 = 0 ou si = 0
J1 J2 JI i =1 Ji
Se s12 = s22 = .. = s I2 2
= s , teremos, portanto,
I
a1b1 a2b2 ab ai bi
+ + ... + I I = 0 , ou =0
J1 J2 JI i =1 Ji
I
a1b1 + a2b2 + ... + a I bI = 0 , ou ai bi = 0
i =1
Obs1: Três ou mais contrastes serão ortogonais entre si se eles forem ortogonais dois a dois.
Obs2.: Num experimento com I tratamentos, podemos formular vários grupos de contrastes
ortogonais, porém cada grupo terá apenas (I-1) contrastes ortogonais.
ŷ1 = µˆ A + µˆ B − µˆ C − µˆ D
ŷ 2 = µˆ A − µˆ B
ŷ 3 = µˆ C − µˆ D
I
ai bi (1)(1) (1)(− 1) (− 1)(0 ) (− 1)(0 )
Para Y1 e Y2 : = + + +
i =1 Ji 5 5 5 5
1 1
= − + 0 + 0 = 0 , portanto, Y1 e Y2 são ortogonais.
5 5
I
ai bi (1)(0 ) (1)(0 ) (− 1)(1) (− 1)(− 1)
Para Y1 e Y3 : = + + +
i =1 Ji 5 5 5 5
1 1
=0+0− + = 0 , portanto, Y1 e Y3 são ortogonais.
5 5
I
ai bi (1)(1) (1)(0 ) (− 1)(− 1) (− 1)(0 )
Para Y1 e Y4 : = + + +
i =1 Ji 5 5 5 5
1 1 2
=
+ 0 + + 0 = ≠ 0 , portanto, Y1 e Y4 não são ortogonais.
5 5 5
Obs: O uso de contrates ortogonais não é obrigatório!
Variância de um Contraste
Seja
I
Y = c1µ1 + c 2µ 2 + ... + c Iµ I ci = 0
i =1
de estimativa
I
Ŷ = c1µˆ 1 + c 2µˆ 2 + ... + c I µˆ I ci = 0
i =1
()
Vâr Ŷ = c12 Vâr (µˆ 1 ) + c 22 Vâr (µˆ 2 ) + ... + c 2I Vâr (µˆ I )
()
Vâr Ŷ = c12
s12
J1
s2 s2
+ c 22 2 + ... + c 2I I
J2 JI
()
Vâr Ŷ =
c12 c 22 c2
+ + ... + I s 2
J1 J 2 JI , em que s2 =Q.M.Res.
e se J1 = J 2 = ... = J I = J
() ( ) sJ
2
Vaˆr Yˆ = c12 + c22 + ... + cI2
( )
2 6,5
Ex.: Para Y1 : Vaˆr Yˆ1 = (1) ⋅
5
2 7,5
+ (1) ⋅
5
2 7,5
+ (− 1) ⋅
5
2 6,5
+ (− 1) ⋅
5
( ) 2 6,5
Para Y2 : Vaˆr Yˆ2 = (1) ⋅
5
2 7,5
+ (− 1) ⋅
5
=
6,5 7,5
5
+
5
= 2,8
( ) 2 7,5
Para Y3 : Vaˆr Yˆ3 = (1) ⋅
5
2 6,5
+ (− 1) ⋅
5
=
7,5 + 6,5
5
= 2,8
s ( yˆ ) = + Vaˆr ( yˆ )
Teste t de Student
Requisitos Básicos:
Ŷ − A
tc =
()
Vâr Ŷ
Teste de Hipóteses:
H 0 : as verdadeiras médias confrontadas no contraste não diferem entre si.
TABELA
Yˆ1 − 0 −7−0
Ex.: Para Y1 : t c = = = −2,958
( )
Vaˆr Yˆ1 5,6
Como tc > t16;0, 05 , concluímos que o contraste difere significativamente de zero, tanto a
0,05 como a 0,01, ou seja as variedades de origem americana diferem significativamente
das variedades européias.
Yˆ2 − 0 −4−0
Para Y2 : t c = = = −2,39
( )
Vaˆr Yˆ2 2,8
Yˆ3 − 0 −8−0
Para Y3 : t c = = = −4,78
( )
Vaˆr Yˆ3 2,8
S.Q.(Y1)=
(5 × (−7)) 2
= 61,25 ,
(J I
i =1
a i )
ˆi
2
(5 × 4) 2
S.Q.(Y2)= = 40
5× 2
(5 × (−5)) 2
S.Q.(Y3)= = 62,5
5× 2
Nota1: O total dessas três somas de quadrados é igual a Soma de Quadrados de Tratamentos
(S.Q. de Variedades de milho=163,75). Assim, a construção de (I-1) contrates ortogonais,
decompõe a S.Q.Tratamentos, na sua totalidade.
Nota2: Podemos construir vários grupos de (I-1) contrastes ortogonais e testá-los. Porém
cada um deles deve decompor toda a S.Q. do Fator em estudo.
Teste de Scheffé
Requisitos Básicos:
a) Aplicado para testar todo e qualquer contraste de médias, mesmo quando sugeridos
pelos dados;
b) Utilizado para testar grupos de médias;
c) É mais rigoroso do que o teste t, porém é mais flexível, tendo em vista a não
exigência de ortogonalidade;
d) Exige que o teste F da ANVA para o fator em estudo seja significativo.
ESTATÍSTICA PARA O TESTE:
S = (I − 1)FVâr(ŷ)
EXERCÍCIO:
a) Verifique as pressuposições para a ANOVA e aplique o teste de Tukey e Duncan
aos dados do EXERCÍCIO sobre “força (yij) em Mega Pascal (Mpa) medida em
dentes”. São esses testes concordantes para esses dados? (Use α =0,05).
b) Use contrastes para comparar, nesses dados, a média do (G2 e G3) vs (G4 e G5).
c) Faça a decomposição da Soma de Quadrados de Tratamentos, utilizando contrastes
ortogonais.
d) Considere G1 como grupo controle e realize o teste de Dunnett α =0,05.
e) Use o teste de Scheffé para comparar o contraste entre (G1 e G2) vs (demais),
α =0,05.
N( N + 1) 1 1
dms= + h
12 Ji J j
Em que,
Ri R
Ri = e Rj = j .
Ji Jj
Exemplo 1
Numa pesquisa sobre qualidade do vinho, foram provados três tipos, por cinco
degustadores. Cada degustador provou doze amostras (quatro de cada tipo) e
atribuiu a cada uma delas uma nota de zero a dez. As médias das notas atribuídas
pelos cinco degustadores a cada uma das amostras foram:
12 10 2 37 2 312
Conseqüentemente: H = + + − 3(13) = 7,731
12(13) 4 4 4
Pela Tabela 14, o nms no qual se rejeita H0: t1=t2=t3 é α =0,007. Pode-se então
afirmar que pelo menos dois tratamentos diferem entre si.
Por outro lado, organizam-se as diferenças:
R 1 − R 2 = 10 − 37 = 27
R 1 − R 3 = 10 − 31 = 21
R 2 − R 3 = 37 − 31 = 6
ti ≠ tj são:
a. Para J1=J2=...=JI=J
I(IJ + 1) I( N + 1)
dms=Q =Q
12 12
A Tabela 17 fornece os valores de Q.
b. No caso de tratamentos não igualmente repetidos:
N( N + 1) 1 1
dms = z α ( + )
[I ( I−1) ] 12 Ji J j
Exemplo:
Estabelecer as comparações múltiplas no exemplo 2 do teste de Kruskal-Wallis,
“alimentação de suínos “
Solução:
Naquele exemplo tinha-se Ji=5, R1=44,0 R2=82,5 R3=55,5 R4=28,0.
Assim, obtém-se: R 1 = 8,8 R 2 = 16,5 R 3 = 11,1 R 4 = 5,6
4(21)
Logo, dms = 3,633 = 9,6
12
Concluímos que as rações 2 e 4 diferem quanto ao ganho de peso, à taxa de 5%.
Observamos também que este resultado é concordante com o obtido no campo
paramétrico.
1.3 Comentário Final sobre Transformação em Postos
- O procedimento de Transformação em Postos é muito poderoso e útil. Se
aplicarmos o teste F aos postos ao invés dos dados originais, obteremos:
H /(J − 1)
F0 =
( N − 1 − H) /( N − J )
como estatística teste. [veja Conover (1980)]. Nota-se que enquanto a
estatística H de Kruskal-Wallis aumenta ou diminui, F0 também aumenta ou
diminui. Assim o teste de Kruskal-Wallis é equivalente a aplicar a análise da
variância usual aos postos.
- Quando as suposições da análise da variância usual (aditividade,
normalidade dos erros, não presença de “outliers”, homogeneidade da
variância, etc.) não são satisfeitas, recomenda-se que a análise da variância
usual seja realizada em ambos: dados originais e postos. Se ambos os
procedimentos fornecem resultados similares, as suposições da análise da
variância estão provavelmente razoavelmente bem satisfeitas, e a análise
padrão é satisfatória. Quando os dois procedimentos diferem, a análise dos
postos deve ser realizada uma vez que ela é menos distorcida pela falta de
suposições.
EXERCÍCIO: Realize a análise de variância paramétrica (F) sobre os postos
dos dados de “Qualidade de Vinhos” e verifique se ocorre a equivalência
com o teste de Krukal-Wallis.