Licenciatura Engenharia Zootécnica

Métodos Biométricos

10ª AULA PRÁTICA

1
 SUMÁRIO
• Discussão da ficha de auto-estudo AE5
(pergunta 9) e AE6
• O delineamento experimental
• Análise de variância.
• Análise de variância simples: Modelação do
efeito de uma variável categórica sobre uma
variável contínua.
• Resolução de exercícios
• A análise de variância simples no Excel e no
JMP
• Apresentação da ficha de auto-estudo AE7. 2
3
E coloque o nível de significância com *

4
5
6
7
8
 Delineamento experimental
Estudo das regras que devem ser seguidas no
planeamento das experiências, de forma a
assegurar que elas:

• permitam recolher dados com a qualidade

necessária para poderem ser analisados pelos
métodos estatísticos

• produzam conclusões válidas e objetivas.

9
 Princípios de delineamento experimental

1. Repetição (obrigatório)
2. Repartição aleatória (obrigatório)
3. Blocos (desejável)
4. Equilíbrio (desejável)

10
 Unidade experimental

Unidade de material na qual uma aplicação do

tratamento é feita, considerada de forma
individualizada desde o início até ao momento
da colheita dos dados.

11
 ANÁLISE DE VARIÂNCIA

Introdução
A técnica estatística denominada ANOVA
(Analysis of Variance) foi desenvolvida por
Ronald Fisher (1890-1962) para poder
testar em simultâneo a igualdade do
número de valores médios que se
pretender, sem aumentar o valor de α.

Trata-se, assim, de um procedimento ideal

para comparar o valor médio de mais de dois
grupos.
Uso de pacotes estatísticos (Systat, SAS, SPSS, JMP)

Análise de variância - técnica através da qual a

variabilidade total de um conjunto de dados é
considerada como a soma da influência de várias
fontes de variação, pretendendo-se quantificar essa
influência.

Metodologia estatística desenvolvida nos anos 30

na Estação Experimental Agrícola de Rothamstead
(Reino Unido), por Fisher. 13
 ANOVA
Comparação entre médias de mais de 2 grupos.
H0: igualdade entre médias (todos grupos são
amostras de uma mesma população gaussiana).
Condições para poder ser usado:
• Os indivíduos que compõem cada grupo devem ser
independentes entre si (independência intragrupo);
• Os indivíduos de cada grupo devem ser independentes
dos indivíduos dos outros grupo (independência
intergrupo);
• Os dados de todos grupos devem ter distribuição
gaussiana;
• Os dados de todos grupos devem ter mesma
variabilidade → homocedasticidade.
 ANOVA
A Regressão Linear visa modelar uma variável resposta
numérica (quantitativa), à custa de uma ou mais variáveis
preditoras, igualmente numéricas.

Mas uma variável resposta numérica pode depender de uma ou

mais variáveis qualitativas (categóricas), ou seja, de um ou mais
fatores.

Por exemplo, podemos querer relacionar o rendimento de uma

cultura com os tipos de adubo disponíveis no mercado.

Em tais situações pode ser útil uma ANOVA.

 ANOVA a um Fator
ANOVA a um Fator (totalmente casualizado) é o
mais simples de todos os modelos

Consideramos que a variável resposta

(numérica) Y depende de um único fator.
Admite-se que os valores de Y poderão variar
por corresponderem a níveis diferentes do fator,
ou ainda devido a flutuação aleatória.
Pressupostos associados a uma ANOVA a um-
um-
fator
– a recolha das amostras deve ser aleatória
– cada grupo deve ter uma distribuição normal
– a média e o desvio padrão da(s)
população(ções) em causa são desconhecidos
– os desvios-padrão da(s) população(ções) em
causa são considerados iguais
 Finalidade da ANOVA 1 fator

• Para avaliar a igualdade de várias médias

populacionais nós comparamos:
comparamos:
• a variação entre as médias de vários grupos com a
variação dentro dos grupos.

• Este método é chamado de Análise de Variância

 ANÁLISE DE VARIÂNCIA SIMPLES
- estudo de um único fator com k tratamentos
(a distribuição dos elementos por cada um dos tratamentos é
casual ou aleatória)

Modelo: xij = µ + αi + εij

Observações são designadas por Xij onde i = 1, . . . identifica o grupo e j = 1, . . .

identifica a posição de cada observação dentro do seu grupo
µ- média de todos os grupos
αi-diferença entre a média total e a média de cada grupo
εij - erro aleatório de cada observação sendo estes erros independentes entre si19
 ANOVA
ORIGEM g.l. SQ QM F

Tratamentos k -1 SQtr QMtr =SQtr /(k-

/(k-1) QMtr/ QMe

Resíduo N-k SQe QMe = SQe/(N

SQe/(N-
/(N-k)

Total N-1 SQT

K – n º de grupos ou tratamentos
N - número total de observações
22
 Partição da Soma dos Quadrados

A variabilidade total das observações é

decomposta em dois termos: o primeiro termo
reflete a variabilidade devida às diferenças entre
grupos e o segundo reflete a variabilidade dos
erros dentro de cada grupo

SQT=SQtr
SQT=SQtr + SQe

23
 Partição da Soma dos Quadrados

SQT SQtr SQe

N-1 K -1 N-k

Estimação da
variância QMtr = SQtr/N
SQtr/N-
/N-1 QMe=
QMe= SQe/N
SQe/N-
/N-k

24
25
Somas dos quadrados médios

SQtr
Soma dos quadrados médios entre
grupos

SQe Soma dos quadrados médios dentro

dos grupos ou residual
 ANOVA e teste de valores médios
ANOVA compara a variância dentro dos grupos
(variância residual ou variância within) com a
variância entre grupos (variância entre grupos ou
variância between).

Se a variância residual for claramente inferior à

variância entre grupos, então pode-se afirmar que
os valores médios são diferentes.
Exemplo 1 BD_aulas -Insulina

29
30
nj - número de observações do tratamento j

31
Tabela F
g – graus de liberdade de F:
F (K – 1) = numerador
F (N – K) = denominador
32
33
34
O teste F é um teste unilateral (monocaudal ou
unicaudal) à direita

O p-value é a área à direita da estatística F

ANOVA

Valores de F α =5%

segundo o nº de
graus de liberdade
do numerador e do
denominador
ANOVA

Valores de F α=1%

- segundo o nº de
graus de liberdade

do numerador

e do denominador

37
 Exemplo 1 BD_aulas -Insulina

Fazer o exemplo pelo excel e pelo JMP

38
Exemplo 2
Exercícios

45
Solução Excel
Solução Excel
Solução JMP
Solução JMP
Solução JMP
51
Solução Excel
Solução JMP
Solução JMP
55
Solução Excel
Solução JMP
Solução JMP
59
Solução Excel
Solução JMP
62
63