Escolar Documentos
Profissional Documentos
Cultura Documentos
Análise da Variância
Teste Anova
Baseia-se na comparação de duas estimativas distintas da
variância comum de duas populações diferentes:
• Variância entre amostras
• Variância dentro das amostras
Anova a um fator
• Permite verificar qual o efeito de uma variável
independente, de natureza qualitativa (fator), numa variável
dependente ou de resposta, cuja natureza é quantitativa.
• Fator ou tratamento (qualitativa) é uma propriedade ou
característica que nos permite distinguir as diferentes
populações umas das outras
EA – Teste Hipóteses 3 amostras independentes
Análise da Variância
One-Way ANOVA - 3 ou mais amostras independentes
Hipóteses a testar:
H0: m1=m2=….=mk
H1: Há pelo menos uma média que é diferente das restantes
Aplica-se quando:
• As amostras são aleatórias simples
• As amostras são independentes umas das outras
• As diferentes amostras são de populações categorizadas por um único
fator
Requisitos/Pressupostos:
• As populações têm distribuições que são aproximadamente normais
• As populações têm a mesma variância (homocedasticidade) – Este
pressuposto não é exigido quando as amostras têm dimensão igual ou
semelhante. Considera-se dimensão semelhante quando:
𝑛𝑚𝑎𝑖𝑜𝑟
≤ 1,96
𝑛𝑚𝑒𝑛𝑜𝑟
(Teste Alternativo: Teste Não Paramétrico, Teste de Kruskal-Wallis).
EA – Teste Hipóteses 3 amostras independentes
Compare Means
Passar a variável dependente:
Dependent List
One-way Anova Passar a Categoria:
Factor
Options
✓ Descriptive
✓ Homogenity of variance test
Post Hoc
✓ escolher o teste
(caso haja diferença entre as
médias, apoie H1)
EA – Teste Hipóteses 3 amostras independentes
Teste de Levene:
Não é de rejeitar Ho: a
hipótese de igualdade de
variâncias.
ANOVA:
Não é de rejeitar a
Ho: as médias das 3
populações são
idênticas
EA – Teste Hipóteses 3 amostras independentes
Teste de Levene:
Não é de rejeitar Ho: a
hipótese de igualdade de
variâncias.
ANOVA:
É de rejeitar a Ho: os
dados corroboram H1
há pelo menos uma
média diferente.
EA – Teste Hipóteses 3 amostras independentes
SS f = n1 ( x1 − x ) 2 + n2 ( x2 − x ) 2 + ... + nk ( xk − x ) 2
SSt = SS f + SSe
EA – Teste Hipóteses 3 amostras independentes
SS factor
MS f =
MSf – Mean Squarefactor – quadrado médio para dFfactor
factor
SSerro
MSe =
MSe – Mean Squareerror – quadrado médio para erro dFerror
ANOVA:
É de rejeitar a Ho: os
dados corroboram H1
há pelo menos uma
média diferente.
EA – Teste Hipóteses 3 amostras independentes
MAS, não se pode concluir pelo Teste ANOVA que qualquer média particular
seja diferente das restantes.
x1 − x2
t=
1 1
MSe +
n1 n2
Teste de Kruskal-Wallis
Teste não paramétrico aplicável:
A variáveis de nível pelo menos ordinal
Como alternativa ao One-Way Anova utilizado quando:
• As populações não seguem uma distribuição normal
• Não existe igualdade entre variâncias
Teste de Kruskal-Wallis
Requisitos:
Existem pelo menos três amostras independentes, todas
selecionadas aleatoriamente
Cada amostra tem que ter pelo menos cinco observações
Não há qualquer exigência de que as populações tenham
uma distribuição normal ou qualquer outra distribuição.
Notação:
n: número total de observações em todas as amostras combinadas
k: número de grupos
Rj: ordenações da categoria j
ti: n.º de observações empatadas de cada categoria i
EA – Teste Hipóteses 3 amostras independentes
Teste de Kruskal-Wallis
Estatística do Teste:
H
HE = k
Quando existem
(ti − ti )
3 empates
1− i
n3 − n
Valores Críticos:
O teste é unilateral direito
São determinados na distribuição 2 (a estatística do
teste pode ser aproximada pela distribuição qui-
quadrado) com gl=k–1
EA – Teste Hipóteses 3 amostras independentes
Teste de Kruskal-Wallis
Tratamento
Nenhum Fertilizante Irrigação Fertilizante e
Irrigação
Valor Posto Valor Posto Valor Posto Valor Posto
0,15 8 1,34 18 0,23 12 2,03 19
0,02 1,5 0,14 7 0,04 3 0,27 13
0,16 9,5 0,02 1,5 0,34 14 0,92 16
0,37 15 0,08 5,5 0,16 9,5 1,07 17
0,22 11 0,08 5,5 0,05 4 2,38 20
n1=5 n2=5 n3=5 n4=5
R1=45 R2=37,5 R3=42,5 R4=85
R12=2025 R22=1406,25 R32=1806,25 R42=7225
EA – Teste Hipóteses 3 amostras independentes
Teste de Kruskal-Wallis
H
HE = k
(t − ti )
3
i
1− i
n3 − n
Analyse
Teste de Kruskal-Wallis
Nonparametric
Tests
Legacy Dialog
K-independent
samples