Aula08 Mad342

Testes de Hipóteses sobre a média: Várias
Amostras
Na aula de hoje veremos como comparar mais

de duas populações, baseados em dados forneci-
dos por amostras dessas populações.
A Análise de Variância (ANOVA) é uma técnica

usada em Estatı́stica para este fim e requer
que a variável sob análise tenha distribuição
normal.
Uma versão não paramétrica para a compara-

ção de várias populações é o teste de Kruskal-
Wallis que também será apresentado na aula
de hoje.
1
EXEMPLO 1: (ÁLCOOL E HABILIDADE DE
DIRIGIR)
Trinta e seis (36) pessoas participaram de um

experimento para descobrir os efeitos do álcool
na habilidade de dirigir. Elas foram aleato-
riamente associadas a uma de três condições:
placebo, pouco álcool e muito álcool. A bebida
não-alcoólica parecia e tinha o mesmo gosto
das demais. Os participantes foram pesados e
tomaram a quantidade apropriada de bebida.
Observe que temos uma situação de amostras
independentes (interparticipantes), pois os gru-
pos são diferentes. Uma hora após beber, os
participantes dirigiram em um simulador du-
rante 10 minutos e o número de erros que eles
cometeram foi automaticamente registrado por
um computador.
Os dados obtidos estão na tabela a seguir.

2
Placebo Pouco Álcool Muito Álcool
5 5 8
10 7 10
7 9 8
3 8 9
5 2 11
7 5 15
11 6 7
2 6 11
3 4 8
5 4 8
6 8 17
6 10 11
x̄ = 5, 83 x̄ = 6, 17 x̄ = 10, 25
s = 2, 69 s = 2, 33 s = 3, 05
Há diferença significativa entre am médias dos

diferentes grupos (placebo, pouco álcool e mui-
to álcool)?
Em caso afirmativo, a diferença está presente

entre todos os grupos ou em apenas um em
relação aos demais?
3
Análise Exploratória dos dados: a seguir apre-
senta-se um box-plot(gráfico caixa) dos resul-
tados para cada grupo.
4
Na ANOVA a um fator com amostras indepen-
dentes, os dados podem ser representados da
seguinte forma
cond. 1 cond. 2 ... cond. a

y11 y12 ... y1a
y21 y22 ... y2a
... ... ... ...
yn11 yn22 ... ynaa
Como as amostras são independentes, elas po-

dem ter tamanhos diferentes.
a representa o número de condições diferentes.
nj representa o número de observações sob a

j-ésima condição, j = 1, 2, ..., a
yij representa a i-ésima observação sob a j-

ésima condição, i = 1, 2, ..., nj e j = 1, 2, ..., a.
5
O nome em Estatı́stica para um experimento
com essa cofiguração é experimento a um
fator completamente aleatorizado.
No Bioestat a função apropriada para esse caso

está em
Estatı́sticas,
Análise da Variância,
ANOVA:um critério.
6
Um teste de hipóteses apropriado aqui é

H0 : µ1 = µ2 = ... = µa
H1 : pelo menos uma das médias é diferente das demais
µj corresponde à média do j-ésimo grupo. Neste

exemplo temos três grupos tal que j = 1, 2, 3.
A técnica que iremos trabalhar, Análise de Va-

riância (ANOVA) requer que as amostras pro-
venham de populações normais com variâncias
iguais.
O Bioestat tem testes que verificam a norma-

lidade.
A ANOVA busca por diferenças entre as médias

dos grupos. Quando as médias são bem dife-
rentes, dizemos que existe um alto grau de
variação entre condições.
Se não existirem diferenças entre as médias dos

grupos, não existirá variação entre as condições.
7
Variância entre grupos: corresponde à variação
devida às condições que definem os grupos.
Variância intra-grupos: corresponde à variação

dentro de cada grupo.
Na ANOVA a um fator com amostras inde-

pendentes a variação total é decomposta em
duas parcelas correspondentes à variação entre
grupos e à variação intra-grupos.
|SQ
{zT ot} = SQentre
| {z } + SQdentro
| {z }
variação total variação entre grupos variação dentro dos grupos
Se a hipótese nula de que todas as médias são iguais,

isto é, de que não há variação entre grupos, é ver-
dadeira, segue que a variação dentro dos grupos tende
a ser igual à variação total.
8
Notação: SQT ot: variação total, SQentre: va-
riação entre grupos e SQdentro: variação intra
grupos.
SQT ot
QMT ot = : é uma média da variação to-
N −1
tal.
N é o número total de observações no pro-

blema. No exemplo que estamos considerando
N = 3 × 12 = 36.
SQentre
QMentre = : é uma média da variação
a−1
entre grupos, chamada quadrado médio entre
grupos.
a é o número de grupos (condições) no pro-

blema. No exemplo que estamos considerando
a = 3.
SQdentro
QMdentro = : é uma média da variação
N −a
intra grupos, chamada quadrado médio intra
grupos.
9
A estatı́stica do teste realizado pela ANOVA
é dada pela razão dos quadrados médios entre
grupos e intra grupos, a saber,
QMentre
F = .
QMdentro
Se a hipótese nula é verdadeira, é possı́vel mos-

trar que a estatı́stica F tem uma distribuição F
de Snedecor com a − 1 e N − a graus de liber-
dade no numerador e denominador, respecti-
vamente.
Se a hipótese nula é verdadeira, espera-se que

a razão entre os quadrados médios entre e den-
tro dos grupos seja pequena. Em geral, re-
jeitaremos H0 quando os valores amostrais de
F forem grandes.
10
A Distribuição F de Snedecor
A distribuição F está definida para valores po-

sitivos e apresenta assimetria positiva. A seguir
veja um gráfico da densidade F com 4 e 2 graus
de liberdade.
11
Usando um nı́vel de significância α, a Região
Crı́tica do teste da ANOVA será a cauda su-
perior da distribuição Fa−1,N −a de área α.
12
Na ANOVA é comum apresentar os resultados
usando uma tabela chamada tabela ANOVA.
Esta tabela contém as seguintes informações:
fontes de variação, graus de liberdade, quadra-
dos médios e a razão F .
fonte de
variação SQ gl QM F
entre
QMentre
grupos SQentre a−1 QMentre F = QMdentro
dentro dos
grupos (residual) SQdentro N −a QMdentro
total SQT ot N −1
SQentre SQdentro
QMentre = , QMDentro =
a−1 N −a
Se o valor de F for grande, H0 será rejeitada.
13
Uma outra medida que também decorre da
análise de variância é a chamada porcenta-
gem da variação total explicada pelo fator
sob consideração.
Vimos que
|SQ
{zT ot} = SQentre
| {z } + SQdentro
| {z }
variação total variação entre grupos variação dentro dos grupos
Essa equação leva à seguinte definição

SQentre
R2 =
SQT ot
Observe que R2 está entre 0 e 1. Quanto

maior for o valor de R2, mais o fator explica a
variação dos dados no problema.
14
O Bioestat tem a função ANOVA. No caso do
exemplo apresentado devemos escolher:
Estatı́sticas, Análise da Variância, ANOVA: um

critério.
O quadro a seguir mostra a saı́da do Bioestat

para os dados do exemplo sob consideração.
15
Do quadro anterior podemos ver que o p-valor
do teste ANOVA é muito pequeno (menor que
0,001), indicando que esses dados trazem evi-
dência muito forte contra a hipótese nula de
que as médias sob as diferentes condições são
iguais. Observe que o valor da estatı́stica de
teste F também é grande.
Logo, devemos rejeitar H0 em favor da hipótese

alternativa de que pelo menos uma das médias
é diferente das demais.
Se a hipótese nula, médias iguais, for rejeitada,

significa que há evidência de que existem dife-
renças nas médias de tratamento.
Observe que a hipótese alternativa é bastante

vaga: pelo menos uma média é diferente das
demais.
A diferença existente não é especificada por

H1 .
16
Dado que rejeitamos H0, será importante saber,
por exemplo, se as médias são duas a duas
diferentes entre si, ou se uma delas é diferente
das demais, ou outras possibilidades contem-
pladas por H1.
Existem vários testes de comparação das mé-

dias duas a duas, no caso de rejeição de H0
na ANOVA. Vamos apresentar aqui o teste de
Tukey.
17
Comparações de pares de médias de trata-
mento
Vamos ver a seguir o método de Tukey desig-

nado para este tipo de comparação:
(
H0 : µi = µk , ∀i 6= k
.
H1 : pelo menos um par de médias é desigual
Teste de Tukey (1953): Procedimento para

o qual o nı́vel de significância global é exata-
mente α, quando os tamanhos amostrais são
iguais e no máximo α, quando os tamanhos
são desiguais.
Este procedimento também pode ser usado

para construir intervalos de confiança sobre
as diferenças de todos os pares de médias.
Para estes intervalos, o nı́vel de confiança si-
multâneo é 100(1−α)% para amostras de tama-
nhos iguais e pelo menos 100(1 − α)% para
amostras de tamanhos desiguais.
18
O procedimento de Tukey usa a distribuição
da estatı́stica de variação “studentizada”
ȳmax − ȳmin
q=q ,
QMdentro/n
com ȳmax e ȳmin a maior e a menor entre as

médias de tratamento.
Para tamanhos amostrais iguais, o teste de

Tukey declara que duas médias são significa-
tivamente diferentes se o valor absoluto da
diferença amostral excede
s
QMdentro
Tα = qα(a, N − a) .
n
Valores de qα(a, N −a) são tabulados em textos

especializados de Estatı́stica e também estão
disponı́veis em programas computacionais.
19
Atenção: É possı́vel ocorrer a seguinte situação:
(i) rejeita-se H0 via ANOVA.
(ii) não são encontradas diferenças significa-

tivas quando se comparam as médias duas a
duas.
Esta situação tem uma explicação, pois o teste

F é um teste simultâneo de todos as com-
parações possı́veis e não apenas das médias
duas a duas.
Se isso ococrrer significa que o contraste signi-

ficativo não será uma comparação simples de
duas médias.
20
Rodando as comparações, via teste de Tukey,
dos pares de médias dos diferentes grupos para
o problema sob estudo no Bioestat obtemos o
seguinte quadro:
21
Pela saı́da no Bioestat podemos concluir que a
média sob a condição muito álcool é significati-
vamente diferente das outras duas médias, mas
as médias sob as condições placebo e pouco
álcool não são significativamente diferentes.
Na saı́da do programa temos um resumo da

tabela ANOVA, as médias amostrais em cada
grupo e as linhas comparando os pares de mé-
dias duas a duas.
ns representa não significativo.
Assim, as médias sob placebo e pouco álcool

não são significativamente diferentes.
Observe também, pelo quadro anterior, que

145, 167
R2 = ' 0, 375 ou 37,5%.
145, 167 + 241, 583
22
EXEMPLO 2: Um laboratório farmacêutico
deseja investigar a bioatividade de uma nova
droga. Um experimento a um fator comple-
tamente aleatorizado foi conduzido com três
nı́veis de dosagem da droga, e os resultados
obtidos estão na tabela a seguir.
20 g 30 g 40 g
24 37 42
28 44 47
37 31 52
30 35 38
(a) Há evidências para indicar que os nı́veis

de dosagem afetam a bioatividade? Use α =
0, 05.
(b) Se a sua resposta foi afirmativa, faça com-

parações entre os pares de média. Que con-
clusões você pode tirar?
24
Saı́da do Bioestat:
FV gl SQ QM F p-valor
dose 2 450.7 225.33 7.036 0.0145 *
Residuals 9 288.2 32.03
Concluı́mos, ao nı́vel de significância de 5% que há

efeito de dosagem na bioatividade.
A porcentagem da variação total explicada pela dosagem

450,7
é dada por 450,7+288,2 ' 0, 61 ou 61%.
25
(b) Vamos usar o prodedimento de Tukey para
comparar as médias duas a duas.
Saı́da do Bioestat:
diferença p-valor
30-20 7 0.2403
40-20 15 0.0114
40-30 8 0.1680
Observa-se que a diferença existe entre a dosa-

gem menor e a dosagem maior.
Entre dosagens consecutivas, a diferença não

é significativa.
26
Além disso, pelos efeitos estimados, concluı́mos
que maior é a dosagem, maior será a bioativi-
dade.
27
Amostras relacionadas: experimento intrapar-
ticipantes: Como fica?
Em Estatı́stica o nome usado para esse tipo

de situação é Experimento a um fator em
Blocos Completos Aleatorizados.
No Bioestat usa-se a seguinte função para esse

caso: Estatisticas, Análise da Variância, ANO-
VA:dois critérios.
Suponha agora que no experimento do exem-

plo anterior participam apenas 12 pessoas e
que em intervalos de tempo espaçados elas se-
jam submetidas, em ordem aleatória, a cada
uma das condições: placebo, pouco álcool e
muito álcool. Ou seja, agora são as mesmas
pessoas que são observadas sob cada condição.
28
Nesse caso as amostras não são independentes
e além da variação entre grupos e dentro do
grupos, passamos a poder medir uma variação
inerente a cada participante (variação de linha,
também chamada variação devido aos blocos).
Observe que agora as amostras sob cada con-
dição terão tamanhos iguais.
Na ANOVA a um fator com amostras rela-

cionadas(medidas repetidas), os dados podem
ser representados da seguinte forma

y11 y12 ... y1a
y21 y22 ... y2a
... ... ... ...
yn1 yn2 ... yna
Como as amostras são as mesmas, elas têm

tamanhos iguais.
29
y11 y12 ... y1a
y21 y22 ... y2a
... ... ... ...
yn1 yn2 ... yna
a representa o número de condições diferentes.
n representa o número de observações sob cada

condição.
N = an é o número total de observações.
yij representa a i-ésima observação sob a j-

ésima condição, i = 1, 2, ..., n e j = 1, 2, ..., a.
30
Na ANOVA a um fator com amostras rela-
cionadas a variação total é decomposta em
três parcelas correspondentes à variação entre
grupos, a variação inerente a cada participante
(variação dos blocos) e a variação residual.
|SQ
{zT ot} = SQentre
| {z } + SQBl
|{z} + SQres
| {z }
variação total variação entre grupos variação do indivı́duo variação residual
Notação: SQT ot : variação total, SQentre : variação entre grupos,

SQBl - variação nos blocos (individual) e SQdentro : variação residual
(dentro de cada grupo).
SQT ot
QMT ot = : é uma média da variação total.
N −1
N é o número total de observações no problema.
SQentre
QMentre = : é uma média da variação entre grupos, chamada
a−1
quadrado médio entre grupos.
a é o número de grupos (condições) no problema.

SQBl
QMBl = : é uma média da variação dos blocos, chamada
n−1
quadrado médio dos blocos.
n é o número de observações (igual) sob cada condição.

SQdentro
QMdentro = : é uma média da variação residual, chamada
(a − 1)(n − 1)
quadrado médio residual ou intra grupos.
31
A estatı́stica do teste realizado pela ANOVA
nesse caso é dada pela razão dos quadrados
médios entre grupos e residual, a saber,
QMentre
F = .
QMdentro
Se a hipótese nula é verdadeira, é possı́vel mos-

trar que a estatı́stica F tem uma distribuição
F de Snedecor com a − 1 e (a − 1)(n − 1) graus
de liberdade no numerador e denominador, re-
spectivamente.
Se a hipótese nula é verdadeira, espera-se que

a razão entre os quadrados médios entre e den-
tro dos grupos seja pequena. Em geral, re-
jeitaremos H0 quando os valores amostrais de
F forem grandes.
32
A tabvela ANOVA correspondente a esse caso
é dada por
fonte de
variação SQ gl QM F
entre
QMentre
grupos SQentre a−1 QMentre F = QMdentro
blocos
(individual) SQBl n−1 QMBl
dentro dos
grupos
(residual) SQdentro (a − 1)(n − 1) QMdentro
total SQT ot N −1
SQentre SQdentro
QMentre = , QMDentro =
a−1 (a − 1)(n − 1)
Se o valor de F for grande, H0 será rejeitada.
O Bioestat tem essa função.
Estatı́sticas, Análise da Variância, ANOVA: dois critérios.
33
para os dados do exemplo sob consideração.
Podemos perceber que o teste ANOVA rejeita

H0, pois o p-valor é muito pequeno. Logo,
faz sentido realizar as comparações de médias
duas a duas.
34
usando o procedimento de Tukey.
35
Cuidado: toda vez que as medidas forem repeti-
das para as mesmas unidades amostrais é fun-
damental rodar a ANOVA a dois critérios, pois
caso contrário a variação dentro dos grupos
poderá ficar inflacionada acarretando na não
rejeição de H0 um maior número de vezes por
conta da variação residual inflacionada, ou seja,
aumentando a chance de cometer o erro tipo
II.
Se as amostras forem relacionadas, ou seja, se

for um experimento intra-participantes, rode o
a ANOVA a dois critérios.
36
Vamos agora apresentar um método não-para-
métrico para a análise de variância (ANOVA):
O teste de Kruskal-Wallis
Em situações nas quais a suposição de nor-

malidade não é justificada, existe um procedi-
mento alternativo ao teste F da ANOVA que
não depende desta suposição. Um procedi-
mento desse tipo foi desenvolvido por Kruskal
e Wallis em 1952.
Neste teste, H0 corresponde à hipótese de que

os a tratamentos (grupos ou condições) são
idênticos versus a alternativa de que algum
tratamento (grupo ou condição) gera observa-
ções que são maiores que as outras geradas pe-
los outros tratamentos (grupos ou condições).
37
Como este procedimento é designado para ser
sensı́vel para testar diferenças em médias, al-
gumas vezes é conveniente pensar no teste de
Kruskal-Wallis como um teste para a igualdade
de médias de tratamento (grupo ou condição).
Este teste é uma alternativa não-paramétrica

à ANOVA usual.
Passos no teste Kruskal-Wallis
P1) Designe postos rij às observações yij em

ordem crescente das observações. Em caso
de empate, designe às observações empatadas
a média dos postos correspondentes caso não
houvesse empate.
yij representa a i-ésima observação do j-ésimo

grupo.
38
P2) Calcule a soma dos postos para cada trata-
mento (grupo ou condição), a saber, ri. =
ni
X
rij , i = 1, 2, ..., a.
j=1
P3) Calcule a estatı́stica de teste H dada por

( a
) " a
#
X X R2 N (N + 1)2
H= 1
S2
N (R̄i. − R̄.. )2 = 1
S2
i.
−
i=1 i=1
ni 4
com ni o número de observações no i-ésimo

tratamento (grupo), N o número total de replicações,
e
 
a X n a X ni
2 1
X
2 1 X
2 N (N + 1)2 
S = N −1 (Rij −R̄.. ) =  Rij − .
i=1 j=1
N − 1 i=1 j=1
4
Observe que S 2 é a variância amostral dos pos-

tos. Se não existem empates,
S 2 = N (N + 1)/12 e a estatı́stica de teste sim-

plifica para
a R2
12 X
i. − 3(N + 1).
H=
N (N + 1) i=1 ni
39
Quando o número de empates é moderado,
haverá pouca diferença entre as duas expres-
sões para H e a forma mais simples pode ser
usada. Se os ni’s são razoavelmente grandes,
digamos ni ≥ 5, ∀ i, a distribuição de H é
aproximadamente uma Qui-quadrado com a−1
graus de liberdade sob H0.
Portanto, a região crı́tica do teste a um nı́vel

α de significância, será dada por
H ≥ χ2
(1−α),a−1 .
O p-valor também pode ser usado.
:) Calma: o Bioestat contém esse teste e

você não precisará se preocupar em designar
postos e calcular a estatı́stica H.
40
Vamos rodar o teste proposto por Kruskal-
Wallis no Bioestat.
Estatı́sticas seguido de Análise da Variância

seguido de Kruskal-Wallis.
Indique as colunas contendo os dados e exe-

cute para obter
Como podemos ver o p-valor é pequeno, in-

dicando que os dados trazem evidência muito
forte contra H0.
41
Novamente, como H0 é rejeitada, faz sentido
em comparar os pares de médias duas a duas.
No Bioestat há dois testes disponı́veis: Dunn
e Student-Newman-Keuls.
Rodando o procedimento porposto por Dunn

obtém-se
42
Referências bibliográficas:
(1) Busssab e Morettin - Estatı́stica Básica.

Editora Saraiva
(2) Triola. Introdução à Estatı́stica. LTC.
(3) Dancey e Reidy - Estatı́stica sem Matemática

para Psicologia - Penso
43

Aula08 Mad342

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula08 Mad342

Enviado por

Direitos autorais:

Formatos disponíveis

Testes de Hipóteses sobre a média: Várias

Na aula de hoje veremos como comparar mais

A Análise de Variância (ANOVA) é uma técnica

Uma versão não paramétrica para a compara-

Trinta e seis (36) pessoas participaram de um

Os dados obtidos estão na tabela a seguir.

Há diferença significativa entre am médias dos

Em caso afirmativo, a diferença está presente

cond. 1 cond. 2 ... cond. a

Como as amostras são independentes, elas po-

a representa o número de condições diferentes.

nj representa o número de observações sob a

yij representa a i-ésima observação sob a j-

No Bioestat a função apropriada para esse caso

µj corresponde à média do j-ésimo grupo. Neste

A técnica que iremos trabalhar, Análise de Va-

O Bioestat tem testes que verificam a norma-

A ANOVA busca por diferenças entre as médias

Se não existirem diferenças entre as médias dos

Variância intra-grupos: corresponde à variação

Na ANOVA a um fator com amostras inde-

Se a hipótese nula de que todas as médias são iguais,

N é o número total de observações no pro-

a é o número de grupos (condições) no pro-

Se a hipótese nula é verdadeira, é possı́vel mos-

Se a hipótese nula é verdadeira, espera-se que

A distribuição F está definida para valores po-

Essa equação leva à seguinte definição

Observe que R2 está entre 0 e 1. Quanto

Estatı́sticas, Análise da Variância, ANOVA: um

O quadro a seguir mostra a saı́da do Bioestat

Logo, devemos rejeitar H0 em favor da hipótese

Se a hipótese nula, médias iguais, for rejeitada,

Observe que a hipótese alternativa é bastante

A diferença existente não é especificada por

Existem vários testes de comparação das mé-

Vamos ver a seguir o método de Tukey desig-

Teste de Tukey (1953): Procedimento para

Este procedimento também pode ser usado

com ȳmax e ȳmin a maior e a menor entre as

Para tamanhos amostrais iguais, o teste de

Valores de qα(a, N −a) são tabulados em textos

(i) rejeita-se H0 via ANOVA.

(ii) não são encontradas diferenças significa-

Esta situação tem uma explicação, pois o teste

Se isso ococrrer significa que o contraste signi-

Na saı́da do programa temos um resumo da

ns representa não significativo.

Assim, as médias sob placebo e pouco álcool

Observe também, pelo quadro anterior, que

(a) Há evidências para indicar que os nı́veis

(b) Se a sua resposta foi afirmativa, faça com-

Concluı́mos, ao nı́vel de significância de 5% que há

A porcentagem da variação total explicada pela dosagem

Observa-se que a diferença existe entre a dosa-

Entre dosagens consecutivas, a diferença não

Em Estatı́stica o nome usado para esse tipo

No Bioestat usa-se a seguinte função para esse

Suponha agora que no experimento do exem-

Na ANOVA a um fator com amostras rela-

cond. 1 cond. 2 ... cond. a

Como as amostras são as mesmas, elas têm

a representa o número de condições diferentes.