Exemplo do teste estatstico no-paramtrico de soma das ordens de Wilcoxon

As empresas que fabricam e/ou comercializam produtos de grande consumo investem grandes quantidades de dinheiro em promoo e publicidade (P&P). Tem-se mesmo verificado que este tipo de investimento representa uma fatia crescente do oramento daquelas empresas com efeito, no basta ter um bom produto, tambm necessrio divulgar a sua existncia junto dos potenciais clientes. Justifica-se pois que as empresas pretendam conhecer posteriori a eficincia do seu esforo em P&P de forma a implementarem eventuais correces futuras. Em princpio, uma campanha de P&P para um determinado produto traduz-se, passado algum tempo, por um incremento das quantidades vendidas o qual se manter por algumas semanas. O incremento cresce progressivamente, atinge um pico e decresce depois, devido ao esquecimento do mercado. Esta tendncia pode ser contrariada ainda durante algum tempo concretizando alguns investimentos de manuteno. Vejamos, atravs de um exemplo, como analisar a existncia de uma relao causal entre um incremento de vendas e um esforo anterior em P&P. Exemplo Uma empresa lanou uma campanha publicitria h algum tempo e pretende avaliar se existe suficiente evidncia estatstica (para um nvel de significncia de 5%) de que as vendas de uma determinada linha de produtos aumentaram (ou diminuram) em consequncia. Aps uma pesquisa na base de dados, a empresa seleccionou 10 semanas de vendas antes e 10 semanas de vendas depois da campanha. As vendas verificadas durante estes perodos encontram-se representadas no prximo Quadro (ordenadas cronologicamente e ajustadas da sazonalidade e da tendncia).
Vendas antes (unid./sem.) 10 15 7 6 13 11 12 9 17 14 Mdia = 11,4 Vendas depois (unid./sem.) 17 14 12 16 23 18 10 8 19 22 Mdia = 15,9

primeira vista -se tentado a concluir que as vendas aumentaram pois a mdia de vendas depois (15,9 unid./sem) superior mdia de vendas antes (11,4 unidades/semana). Contudo, pode no existir evidncia estatstica suficiente para tirar tal concluso, devendo-se aqueles valores apenas aleatoriedade dos dados. Neste caso, para obtermos uma resposta com um certo nvel de confiana, realizamos um teste estatstico no-paramtrico j que, partida,

Apoio Deciso

desconhecemos os parmetros das leis de distribuio daquelas duas populaes designado mtodo de Wilcoxon.

Soluo 1. Ordenam-se os valores de vendas, antes e depois do incio da campanha, por ordem crescente e atribui-se-lhes o respectivo nmero de posio. No caso de existirem valores repetidos, a posio calculada pela mdia aritmtica das posies que receberiam se no fossem repetidos;
Vendas antes (unid./sem.) 10 15 7 6 13 11 12 9 17 14 Mdia = 11,4 Posies 5,5 13 2 1 10 7 8,5 4 15,5 11,5 T1 = 78 Vendas depois (unid./sem.) 17 14 12 16 23 18 10 8 19 22 Mdia = 15,9 Posies 15,5 11,5 8,5 14 20 17 5,5 3 18 19 T2 = 132

2. Se designarmos por D1 e D2 as distribuies de frequncias relativas das vendas 1 e 2 (antes e depois da campanha, respectivamente) teremos como passos do mtodo, os seguintes: Hiptese nula: H0: D1 e D2 so idnticos;

Hiptese alternativa: Ha: D1 encontra-se desviada para a esquerda de D2 ou D1 encontra-se desviada para a direita de D2. Estatstica de teste: Regio de rejeio: T1, se n1 < n2; T2, se n2 < n1 (qualquer T pode ser usado se n1 = n2); T1: T1 Ts (ou T1 Ti) T2: T2 Ti (ou T2 Ts)

3. No caso do exemplo teremos: H0: As duas distribuies de valores de venda so idnticas; Ha: A distribuio dos valores de venda depois encontra-se desviada para a esquerda ou para a direita da distribuio dos valores de venda antes. 4. Os valores crticos da distribuio das somas das classificaes, designados por Ti (inferior) e Ts (superior), respectivamente, encontram-se na tabela seguinte (at n = 10):

Rui Assis

Apoio Deciso

Nvel de significncia = 0,025 3 3 4 4 n1 Ti Ts Ti Ts n2 5 16 6 18 3 6 18 11 25 4 6 21 12 28 5 7 23 12 32 6 7 26 13 35 7 8 28 14 38 8 8 31 15 41 9 9 33 16 44 10 Nvel de significncia = 0,050 3 3 4 4 n1 Ti Ts Ti Ts n2 6 15 7 17 3 7 17 12 24 4 7 20 13 27 5 8 22 14 30 6 9 24 15 33 7 9 27 16 36 8 10 29 17 39 9 11 31 18 42 10

5 Ti 6 12 18 19 20 21 22 24

5 Ts 21 28 37 41 45 49 53 56

6 Ti 7 12 19 26 28 29 31 32

6 Ts 23 32 41 52 56 61 65 70

7 Ti 7 13 20 28 37 39 41 43

7 Ts 26 35 45 56 68 73 78 83

8 Ti 8 14 21 29 39 49 51 54

8 Ts 28 38 49 61 73 87 93 98

9 Ti 8 15 22 31 41 51 63 66

9 Ts 31 41 53 65 78 93 108 114

10 Ti 9 16 24 32 43 54 66 79

10 Ts 33 44 56 70 83 98 114 131

5 Ti 7 13 19 20 22 24 25 26

5 Ts 20 27 36 40 43 46 50 54

6 Ti 8 14 20 28 30 32 33 35

6 Ts 22 30 40 50 54 58 63 67

7 Ti 9 15 22 30 39 41 43 46

7 Ts 24 33 43 54 66 71 76 80

8 Ti 9 16 24 32 41 52 54 57

8 Ts 27 36 46 58 71 84 90 95

9 Ti 10 17 25 33 43 54 66 69

9 Ts 29 39 50 63 76 90 105 111

10 Ti 11 18 26 35 46 57 69 83

10 Ts 31 42 54 67 80 95 111 127

5. No caso do exemplo, temos que, para n1 = n2 = 10 e para =0,05, Ti = 83 e Ts = 127. Podemos representar graficamente esta regio de rejeies:
T1 Ti Ts T2

77

78

79

80

82

83

84

85

126

127

128

129 130 131

132

133

6. Logo, rejeitaremos H0 se T2 Ts (T2 127). Como T2 = 132 > 127, rejeitamos H0 e conclumos que (para um nvel de significncia de 0,05) a distribuio das vendas depois da campanha se encontra localizada direita da distribuio das vendas antes da campanha (pois a mdia de vendas antes 11,4 unidades/semana inferior mdia de vendas depois 15,9 unidades/semana), ou seja, as vendas aumentaram. Poder-se-ia chegar mesma concluso se tivssemos seleccionado T1 como estatstica de teste (visto que n1 = n2 = 10). Com efeito, como T1 = 78 < 83, rejeitvamos H0.

Rui Assis rassis@rassis.com http://www.rassis.com

Rui Assis