Aula 04 - Teste de Comparações Múltiplas (Atualizado)

Aula 04 - Teste de comparações múltiplas
Tulio Gentil
IF Goiano
Estatı́stica Experimental
07 de Março de 2023
Tulio Gentil (IF Goiano) Aula 04 - Teste de comparações múltiplas Estatı́stica Experimental 1 / 35
Teste de comparações múltiplas

Os testes de comparações múltiplas também conhecidos como testes
de comparações de médias servem como um complemento ao teste F
da análise de variância quando este é significativo e são usados para
detectar diferenças entre médias.
Exemplo
Em um experimento de alimentação de porcos, foram utilizadas quatro
rações (A, B, C e D), cada uma fornecida a 5 animais. Os ganhos de peso,
kg, foram:
Rações
A B C D
35 40 39 27
19 35 27 12
31 46 20 13
15 41 29 28
30 33 45 30
Teste de comparações múltiplas
Quadro da ANOVA
Fonte de variação g.l. SQ QM Fc
Tratamentos (entre) 3 823,75 274,58 3,99
Resı́duo (dentro dos trat.) 16 1100,00 68,75
Total 19 1923,75
F(3,16,0.05) = 3, 24, F(3,16,0.01) = 5, 29

Fc = 3, 99
Rejeitamos a hipótese nula H0 a 5%
Dúvida: Qual ração tem melhor desempenho no ganho de peso?
Para responder a questão, conheceremos alguns Procedimentos de
Comparações Múltiplas ou Métodos de Comparações de
Médias, como por exemplo, os testes t-Student , Scheffé, Tukey,
Duncan e Dunnett.
Definições básicas
Consideremos um experimento com k tratamentos, cujas médias

populacionais são µ1 , µ2 , · · · , µk e seus estimadores y1 , y2 , · · · , yk foram
obtidas de amostras de tamanhos r1 , r2 , · · · , rk .
Definição
Um contraste de médias é qualquer função do tipo
Y = c1 µ1 + c2 µ2 + · · · ck µk ,
com ki=1 ci = 0 e µi é a média do tratamento i = 1, · · · , k. Dizemos que

P
dois contrastes são ortogonais se
k
X ai bi
= 0.
ri
i=1
Quando o experimento é balanceado (ri = r ) a condição de

ortogonalidade é
Xk
ai bi = 0.
i=1
Quando um experimento envolve k tratamentos, podemos definir

diversas comparações entre as k médias, mas somente k − 1 são
ortogonais;
Nos contrastes envolvendo duas médias podemos definir
k(k−1)
2 contrastes possı́veis, os quais não são ortogonais;
Supondo que os tratamentos têm variância constante σ 2 e que uma
estimativa não viesada desta variância é o QMR da ANOVA, tem-se que:
Ŷ = c1 x1 + c2 x2 + · · · + ck xk é um estimado não viesado do contraste
Y = c 1 µ 1 + c 2 µ2 + · · · c k µk ;
k
X σ2
V (Ŷ ) = ci2
ri
i=1
é um estimador não viesado e dado por
k
X QMR
V̂ (Ŷ ) = ci2 ;
ri
i=1
se o experimento é balanceado (ri = r ), as expressões são

k k
X σ2 X QMR
V (Ŷ ) = ci2 , V̂ (Ŷ ) = ci2 ;
r ri
i=1 i=1
Exemplo 1
Exemplo
Em um experimento, dois antibióticos, de duas dosagens cada um, para a
cura da mastite em bovinos a variável resposta é o tempo de cura em dias.
Tratamento Descrição
T1 Dose baixa da droga A
T2 Dose alta da droga A
T3 Dose baixa da droga B
T4 Dose alta da droga B
Vamos definir os seguintes contrastes:

Y1 = µ1 + µ2 − µ3 − µ4 : compara as doses da droga A com as doses
da droga B;
Y2 = µ1 − µ2 : compara as doses da droga A;
Y3 = µ3 − µ4 : compara as doses da droga B.
Exemplo 1
A afirmação de que o contraste Y1 é nulo (Y1 = 0) é o mesmo que

µ1 + µ2 µ3 + µ4
afirmar que: µ1 + µ2 = µ3 + µ4 , ou ainda que = .
2 2
Para verificarmos se estes contrastes são ortogonais é aconselhável
uma tabela com os coeficientes dos k − 1 contrastes e a partir daı́,
verificar que a soma dos produtos dos coeficientes, aos pares, é nula.
Contraste µ1 µ2 µ3 µ4
Y1 +1 +1 -1 -1
Y2 +1 -1 0 0
Y3 0 0 +1 -1
Portanto, os contrastes Y1 , Y2 , Y3 são dois a dois ortogonais.
Teste t-student
O teste t–student pode ser utilizado para comparar médias de
tratamentos. Os requisitos básicos para sua utilização são:
as comparações devem ser determinadas a priori, ou seja, antes de
serem examinados os dados.
não existe limite para o número de contrastes envolvendo as médias
de tratamentos, porém, o número de contrastes ortogonais é, no
máximo, igual ao número de graus de liberdade dos tratamentos.
A ortogonalidade entre os contrastes de médias garante
independência entre as conclusões.
O objetivo é testar a hipótese
H0 : Yi = 0
H1 : Yi ̸= 0
Teste t-student
Usamos a estatı́stica
Ŷi Ŷi
t=q =q ≃ t(gl res, α
2
),
QMR Pk 2
V̂ (Ŷ ) r i=1 ci
a qual sob H0 verdadeira tem distribuição t-student com o mesmo número

de graus de liberdade do resı́duo, no DIC é n − k.
Para um valor fixado de nı́vel de significância , devemos buscar o valor de t

tabelado e compará-lo com o valor da estatı́stica tc , calculada para o
contraste Yi e aplicar a regra de decisão:
Se |tc | ≥ ttabelado rejeitamos H0 para um determinado valor de α ,

geralmente 5% ou 1%; caso contrário, não rejeitamos H0 .
Exemplo 2
Exemplo
Num experimento inteiramente casualizado com 4 tratamentos e 4
repetições, estudaram-se os efeitos de Bacitracina de zinco (BDZ) e
Anti-stress sobre frangos de corte alimentados com rações à base de sorgo,
desde a fase inicial até a final. A resposta medida foi conversão alimentar.
Foram utilizados os seguintes tratamentos:
Trat. Descrição Média (kg)

1 Concentrado Comercial + Milho 2,03
2 Concentrado Comercial +Sorgo 2,24
3 Concentrado Comercial+Sorgo+BDZ 2,04
4 Concentrado Comercial+ Sorgo +Anti-stress 2,22
Exemplo 2
Sabendo-se que da ANOVA o valor de QMR = 0, 0044375, com 12 graus
de liberdade, pode-se estabelecer os contrastes das médias dos
tratamentos para cada componente do desdobramento:
Milho vs Sorgo: Y1 = 3µ1 − µ2 − µ3 − µ4 , estimado por
Yˆ1 = 3y1 − y2 − y3 − y4 ;
Sorgo vs Sorgo + Aditivos : Y2 = 2µ2 − µ3 − µ4 , estimado por
Yˆ2 = 2y1 − y3 − y4 ;
Bacitracina vs Anti-stress: Y3 = µ3 − µ4 , estimado por Ŷ = y3 − y4 ;
Verificação dos contrastes ortogonais
P4 2
Contraste µ 1 µ 2 µ3 µ4 Ŷi i=1 ci tc
Y1 +3 -1 -1 -1 -0,41 12 -3,55 (p=0,00198)
Y2 0 +2 -1 -1 0,22 6 2,70 (p=0,0097)
Y3 0 0 +1 -1 -0,18 2 -3,82 (p=0,0012)
p < 0, 01 significativo a 1% e a 5%; p < 0, 05 significativo a 5% e p > 0, 05 não
significativo a 5%.
Exemplo 2
H0 : Yi = 0,
H1 : Yi ̸= 0
para i = 1, 2, 3
Para o contraste Y1 temos:
Yˆ1 = −0, 41
V̂ (Yˆ1 ) = 0, 0133
tc = −3, 55
t(12,0.025) = 2, 179. Como |tc | > tTab , então rejeitamos H0 .
Exemplo 2
Com base nos resultados dos testes de hipóteses, concluı́mos que:

os animais tratados com o concentrado comercial + milho têm uma
conversão alimentar melhor do que os animais tratados com
concentrado comercial + sorgo;
os animais tratados com o concentrado comercial + sorgo+aditivos
têm uma conversão alimentar melhor do que os animais tratados com
concentrado comercial + sorgo, ou seja, os aditivos BDZ e anti-stress
quando adicionados ao concentrado comercial não melhoram a
conversão alimentar;
os animais tratados com o concentrado comercial + sorgo+BDZ têm
uma conversão alimentar melhor do que os animais tratados com
concentrado comercial + sorgo+anti-stress.
Teste de Scheffé
O teste de Scheffé pode testar qualquer contraste envolvendo médias

de tratamentos do tipo
Y = c1 µ1 + c2 µ2 + · · · + ck µk
definido a priori ou não, sendo baseado na estatı́stica S, definida

como:
ri = r para todo i (Experimento balanceado)

q
S = (k − 1)F(k−1, gl res, α) V̂ (Ŷi )
v
u k
u X ci2
= (k − 1)F(k−1, gl res, α) QMR
t ;
r
i=1
Teste de Scheffé
(Experimento desbalanceado)
v
u k
u X ci2
S = (k − 1)F(k−1, gl res, α) QMR
t ;
ri
i=1
Sendo: k − 1 o número de graus de liberdade de tratamentos;

F(k−1, gl res, α) é o valor crı́tico da Tabela F-Snedecor; ci são os coeficientes
do contraste e ri é o número de repetições do i-ésimo tratamento.
Teste de Scheffé
A Regra de Decisão do teste de Scheffé para rejeitarmos ou não se o

contraste é diferente de zero é comparar a estimativa do contraste com o
valor de S:
se |Yi | ≥ S, rejeitamos a hipótese H0 : Yi = 0, e concluı́mos que o

contraste de médias é diferente de zero;
se |Yi | < S, não rejeitamos a hipótese H0 : Yi = 0, e concluı́mos que
o contraste de médias não é diferente de zero.
Exemplo 3
Aplicando o teste de Scheffé ao exemplo 2 temos:

P4 2
Contraste µ1 µ2 µ3 µ4 Ŷi i=1 ci S
Y1 +3 -1 -1 -1 -0,41 12 0,3733 *
Y2 0 +2 -1 -1 0,22 6 2,2640 *
Y3 0 0 +1 -1 -0,18 2 0,1524 ns
∗ significativo a 5%; ns não significativo a 5%.
Exemplo 3
H0 : Yi = 0, H1 : Yi ̸= 0
para i = 1, 2, 3.
Assim, para o contraste Y1 , temos:
H0 : Y1 = 0, H1 : Y1 ̸= 0
Ŷ1 = −0, 41
V̂ (Ŷ1 ) = 0, 0133, S = 0, 3733;
Pela regra de decisão |Yi | > S, logo rejeitamos H0 a 5% de
probabilidade e concluı́mos que a ração comercial com milho
tem uma conversão alimentar melhor do que a que a ração
comercial com sorgo.
Teste de Tukey
O Teste de Tukey pode ser usado para comparar todo contraste entre duas
médias de tratamentos.
H0 : Yi = µi − µj = 0 para i ̸= j
H1 : Yi = µi − µj ̸= 0
Calcular o valor da diferença mı́nima significativa (d.m.s):
r
QMR
d.m.s = q(k;gl res ,α) experimento balanceado
r
s
QMR 1 1
d.m.s = q(k;gl res α) + experimento desbalanceado
2 ri rj
Sendo: q(k;gl res ,α) o valor da amplitude total “estudentizada” e é obtido

de tabela própria, e depende do número de tratamentos (k) e do número
de graus de liberdade para o resı́duo, o qual neste exemplo é n − k.
Teste de Tukey
Após calcular o d.m.s., calculamos a estimativa dos contrastes entre os

pares de médias Ŷ = x i − x j e comparamos esses valores com o valor do
d.m.s., aplicando a seguinte regra de decisão:
se |Ŷi | ≥ d.m.s rejeitamos H0 , ao nı́vel a de significância, e

concluı́mos que as médias dos tratamentos envolvidos são diferentes;
se |Ŷi | < d.m.s não rejeitamos H0 e concluı́mos que as médias dos
tratamentos envolvidos são iguais.
Exemplo 4
Usando os dados do Exemplo 1:
k = 4, QMR = 68, 75 com 16 graus de liberdade
q(4,16,0.05) = 4, 046
dms = 15, 00
Assim, toda estimativa de contraste do tipo |Ŷi | = |y i − y j | que exceder o
valor do d.m.s. = 15, 00 é significativo a 5%.
Estimativa do contraste
|Ŷ1 | = |y B − y A | = |39 − 26| = 13 ns
|Ŷ2 | = |y C − y A | = |32 − 26| = 6 ns
|Ŷ3 | = |y D − y A | = |22 − 26| = 4 ns
|Ŷ4 | = |y B − y C | = |39 − 32| = 7 ns
|Ŷ5 | = |y B − y D | = |39 − 22| = 17 *
|Ŷ6 | = |y C − y D | = |32 − 22| = 10 ns
∗ significativo a 5%; ns não significativo a 5%.
Teste de Dunnet
É um teste no qual as únicas comparações de interesse são aquelas entre
os tratamentos e um determinado tratamento padrão, geralmente a
testemunha (controle), não havendo interesse na comparação dos demais
tratamentos entre si.
Para testarmos o contraste H0 : µi − µc , o qual envolve a média do
tratamento i e do tratamento controle c, usamos a estatı́stica
s
1 1
D = d(k,gl res,α) + QMR.
ri rc
Onde: d(k,gl res,α) o valor tabelado, fixado frequentemente em 5%, que

depende do número total de tratamentos (k) , do número de graus de
liberdade do resı́duo (gl res), o qual neste exemplo é n − k e de α; ri e
rc correspondem ao número de repetições dos tratamentos “i” e “c”.
Teste de Dunnet
Calculamos uma estimativa para cada um dos contrastes Ŷ = y i − y c e

comparamos com o valor cada estatı́stica D, aplicando a seguinte regra de
decisão:
se |Ŷi | ≥ D rejeitamos H0 e concluı́mos que a média do tratamento i

difere significativamente da média do tratamento c o padrão.
se |Ŷi | < D não rejeitamos H0 e concluı́mos que as médias dos
tratamentos envolvidos são iguais.
Exemplo 5
Considere as médias de um experimento, apresentados na tabela abaixo,
em que um médico veterinário comparou o efeito de 5 drogas na
diminuição da pressão arterial de animais experimentais. Para tanto, o
pesquisador tomou 30 animais e dividiu ao acaso em 6 grupos: o grupo
controle recebeu um placebo e os outros receberam, cada um, uma das
drogas.
Tratamentos
Média
(Drogas)
A 21 a
B 8b
C 10 b
D 29 a
E 13 a
Controle 2b
Medidas com a mesma letra do controle não diferem do controle pelo teste de
Dunnet a 5% de probabilidade
Exemplo 5
A verificação dos resultados da tabela anterior pode ser feita por meio da
ANOVA, onde QMR = 36, os graus de liberdade do resı́duo é 24 e vamos
fixar α = 5%.
consultando a tabela do teste de Dunnet a 5% de probabilidade,
temos
d(6,24,0.05) = 2, 76
e a estatı́stica
D = 10, 47.
as drogas A, D e E diferem significativamente do controle, ou seja,
apresentam resultados melhores que os do controle.
Duncan
A aplicação do teste de Duncan é bem mais trabalhosa que o teste de

Tukey, mas chega-se a resultados mais detalhados e se discrimina com
mais facilidade entre os tratamentos.
Geralmente, o Teste de Duncan indica resultados significativos em
casos em que o Teste de Tukey não permite obter significância
estatı́stica.
Para a aplicação do teste é importante ordenarmos as médias dos
tratamentos em ordem crescente ou decrescente de tamanho.
Duncan
A seguir, calculamos o valor da amplitude total mı́nima significativa

(shortest significant range) para o contraste entre a maior e a menor
das médias dos tratamentos, usando a fórmula:
r
QMR
dms = z(p,gl res,α) ,
r
onde: p = i − j + 1 ( nº de médias abrangidas pelo intervalo delimitado
pelas médias comparadas), z(p,gl res,α) é o nı́vel da amplitude mı́nima
estudentizada de Duncan (obtido da Tabela de Duncan), neste exemplo os
graus de liberdade do resı́duo é n − k.
Teste de Duncan
Calculamos uma estimativa para cada um dos contrastes Ŷ = y i − y c e

comparamos com o valor cada estatı́stica D, aplicando a seguinte regra de
decisão:
se |Ŷi | ≥ dms rejeitamos H0 , ou seja, se o valor absoluto da diferença

entre as médias em comparação é igual ou maior que a dms.
se |Ŷi | < dms não rejeitamos H0 .
Exemplo 6
Considere os dados do Exemplo 5. A ordem dos tratamentos, segundo a
grandeza das média, é
Tratamentos Controle B C E A D
Médias 2 8 10 13 21 29
O valor do dms para comparar a média do Controle com a média da

Droga D é:
r
36
dms = 3, 276 = 8, 79.
5
Sendo o valor de p = 6 − 1 + 1 = 6, o valor dos graus de liberdade
neste exemplo é n − k = 24 e α = 5%. Daı́, o valor tabelado é
z(6,24,0.05) = 3, 276.
Exemplo 6
O valor |Ŷ1 | = |y cont − y D | = |2 − 29| = 27, o que pela regra de

decisão nos leva a rejeitar
H0 : Y1 = 0
e concluı́mos que a média da droga D é significativamente maior que

a média do controle, a 5% de probabilidade.
Exemplo 6
As comparações entre o controle e a Droga A, e entre as drogas B e D,
envolvem intervalos de cinco médias e o cálculo de dms do teste de
Duncan fica:
os contrastes são Y2 = µcont − µA e Y3 = µB − µD e seus valores de
suas estimativas em módulo são
|Ŷ2 | = |2 − 21| = 19 e |Ŷ3 = |8 − 29| = 21

r
36
e o valor de dms = 3, 226 = 8, 66. Neste caso
5
z(5,24,0.05) = 3, 226.
Portanto, rejeitamos as hipóteses
H0 = Y2 = 0 e H0 : Y3 = 0
e concluı́mos que estes contrastes são significativos a 5% de

probabilidade.
Exemplo 6
As comparações entre o controle e a Droga A, e entre as drogas B e D,
envolvem intervalos de cinco médias e o cálculo de dms do teste de
Duncan fica:
os contrastes são Y2 = µcont − µA e Y3 = µB − µD e seus valores de
suas estimativas em módulo são
|Ŷ2 | = |2 − 21| = 19 e |Ŷ3 = |8 − 29| = 21

r
36
e o valor de dms = 3, 226 = 8, 66. Neste caso
5
z(5,24,0.05) = 3, 226.
Portanto, rejeitamos as hipóteses
H0 = Y2 = 0 e H0 : Y3 = 0
e concluı́mos que estes contrastes são significativos a 5% de

probabilidade.
Exemplo 6
O resultado da aplicação do teste de Duncan é representado da seguinte

maneira.
Tratamentos Controle B C E A D
Médias 2 a 8 ab 10 ab 13 b 21 c 29 d
Médias seguidas pelas mesmas letras minúsculas não diferem entre si pelo teste
de Duncan a 5% de probabilidade
Obrigado pela atenção!

Aula 04 - Teste de Comparações Múltiplas (Atualizado)

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

Aula 04 - Teste de Comparações Múltiplas (Atualizado)

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 04 - Teste de comparações múltiplas

Teste de comparações múltiplas

F(3,16,0.05) = 3, 24, F(3,16,0.01) = 5, 29

Consideremos um experimento com k tratamentos, cujas médias

com ki=1 ci = 0 e µi é a média do tratamento i = 1, · · · , k. Dizemos que

Quando o experimento é balanceado (ri = r ) a condição de

Quando um experimento envolve k tratamentos, podemos definir

se o experimento é balanceado (ri = r ), as expressões são

Vamos definir os seguintes contrastes:

A afirmação de que o contraste Y1 é nulo (Y1 = 0) é o mesmo que

a qual sob H0 verdadeira tem distribuição t-student com o mesmo número

Para um valor fixado de nı́vel de significância , devemos buscar o valor de t

Se |tc | ≥ ttabelado rejeitamos H0 para um determinado valor de α ,

Trat. Descrição Média (kg)

O objetivo é testar a hipótese

Com base nos resultados dos testes de hipóteses, concluı́mos que:

O teste de Scheffé pode testar qualquer contraste envolvendo médias

definido a priori ou não, sendo baseado na estatı́stica S, definida

ri = r para todo i (Experimento balanceado)

Sendo: k − 1 o número de graus de liberdade de tratamentos;

A Regra de Decisão do teste de Scheffé para rejeitarmos ou não se o

se |Yi | ≥ S, rejeitamos a hipótese H0 : Yi = 0, e concluı́mos que o

Aplicando o teste de Scheffé ao exemplo 2 temos:

∗ significativo a 5%; ns não significativo a 5%.

Sendo: q(k;gl res ,α) o valor da amplitude total “estudentizada” e é obtido

Após calcular o d.m.s., calculamos a estimativa dos contrastes entre os

se |Ŷi | ≥ d.m.s rejeitamos H0 , ao nı́vel a de significância, e

∗ significativo a 5%; ns não significativo a 5%.

Onde: d(k,gl res,α) o valor tabelado, fixado frequentemente em 5%, que

Calculamos uma estimativa para cada um dos contrastes Ŷ = y i − y c e

se |Ŷi | ≥ D rejeitamos H0 e concluı́mos que a média do tratamento i

A aplicação do teste de Duncan é bem mais trabalhosa que o teste de

A seguir, calculamos o valor da amplitude total mı́nima significativa

Calculamos uma estimativa para cada um dos contrastes Ŷ = y i − y c e

se |Ŷi | ≥ dms rejeitamos H0 , ou seja, se o valor absoluto da diferença

O valor do dms para comparar a média do Controle com a média da

O valor |Ŷ1 | = |y cont − y D | = |2 − 29| = 27, o que pela regra de

e concluı́mos que a média da droga D é significativamente maior que

|Ŷ2 | = |2 − 21| = 19 e |Ŷ3 = |8 − 29| = 21

e concluı́mos que estes contrastes são significativos a 5% de

|Ŷ2 | = |2 − 21| = 19 e |Ŷ3 = |8 − 29| = 21

e concluı́mos que estes contrastes são significativos a 5% de

O resultado da aplicação do teste de Duncan é representado da seguinte

Você também pode gostar