Escolar Documentos
Profissional Documentos
Cultura Documentos
Autor:
Guilherme Neves
Aula 18
7 de Setembro de 2020
Guilherme Neves
Aula 18
Sumário
1. Análise de Variância ..................................................................................................................... 3
2. Teste F ...................................................................................................................................... 11
4. Gabaritos .................................................................................................................................. 27
Para tirar dúvidas e ter acesso a dicas e conteúdos gratuitos, acesse minhas redes
sociais:
https://www.instagram.com/profguilhermeneves
https://youtu.be/gqab047D9l4
E-mail: profguilhermeneves@gmail.com
1. ANÁLISE DE VARIÂNCIA
A análise de variância (ANOVA, do inglês Analysis of Variance) tem como objetivo testar a
hipótese de que as médias de 𝑘 populações distintas são iguais. A ANOVA foi criada pelo
estatístico Fisher e é comumente referida como ANOVA de Fisher.
𝐻$ : 𝜇' = 𝜇) = ⋯ = 𝜇+
"
𝐻' : 𝑃𝑒𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑚𝑎 𝑚é𝑑𝑖𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 é 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑎𝑠 𝑑𝑒𝑚𝑎𝑖𝑠
Como não temos acesso às médias das populações, selecionaremos 𝑘 amostras independentes
provenientes das 𝑘 populações. As amostras não necessariamente terão o mesmo tamanho.
Assim, vamos supor que serão selecionados aleatoriamente 𝑛' elementos da primeira população,
𝑛) elementos da segunda população, ..., e 𝑛+ elementos da 𝑘-ésima população.
𝑁 = ? 𝑛@
@A'
Denominamos tratamento a característica que distingue as populações cujas médias estão sendo
comparadas na ANOVA.
Se essas suposições forem verdadeiras, então a ANOVA é a melhor técnica para comparar as
médias de diferentes populações.
Guilherme, por que não podemos simplesmente fazer 𝑘 testes para a média? Por exemplo, se
queremos testar 𝜇' = 𝜇) = 𝜇B = 𝜇C = 𝜇D = 10, poderíamos realizar 5 testes com hipóteses nulas
𝜇' = 10, 𝜇) = 10, 𝜇B = 10, 𝜇C = 10 e 𝜇D = 10.
O problema é que em cada teste para a média temos uma probabilidade 𝛼 de cometermos um
erro tipo I. Ao conduzir esse teste 5 vezes, a nossa probabilidade de cometermos algum erro será
bem maior.
Assim, se temos um nível de significância 𝛼 = 5%, a ANOVA controla esses erros de tal forma
que a probabilidade de cometermos um erro tipo I continua sendo 5%.
Vamos a um exemplo concreto para deixar tudo mais claro. Imagine que selecionamos 3
empresas A, B e C do mesmo ramo e queremos comparar os salários, em milhares de reais, dos
empregados dessas empresas. Para simplificar, vamos supor que foram selecionados
aleatoriamente 4 empregados de cada empresa.
Para facilitar a identificação dos valores na tabela acima, vamos utilizar a notação 𝑋@R , em que 𝑖
representa o tratamento e 𝑗 representa o elemento. Por exemplo, 𝑋)B é o terceiro elemento da
segunda empresa (𝑋)B = 6,4).
Temos 4 funcionários em cada amostra. As médias de cada amostra foi calculada. A média geral
dos 12 funcionários é:
6,6 × 4 + 6,5 × 4 + 7 × 4
𝑋= = 6,7
12
É claro que as médias amostrais não são iguais; mas não podemos, baseados nisso, concluir que
as médias populacionais são diferentes. Não temos acesso a todos os dados das populações.
Estamos tentando inferir uma conclusão sobre as populações a partir das amostras.
Cada valor observado é a soma da média da população de onde esse valor foi retirado com um
erro aleatório (o erro pode ser positivo ou negativo).
𝑋@R = 𝜇@ + 𝜀@R
Você não precisa se preocupar muito com essas hipóteses. Normalmente a questão indicará que
as hipóteses do modelo são satisfeitas.
Em suma, os erros aleatórios são variáveis aleatórias independentes com distribuição normal com
média 0 e variância 𝜎 ) .
Quando a variância dos erros dentro dos tratamentos não é constante, dizemos que existe
heterocedasticia.
Sabemos que a soma dos desvios em relação à média é igual a 0. Assim, em vez de somar os
desvios, vamos somar os quadrados dos desvios (foi assim que demos origem à variância).
A primeira soma de quadrados que vamos aprender é a soma dos quadrados dos erros (também
chamada de soma dos quadrados dos resíduos). Essa é a soma dos quadrados dos erros dentro
dos grupos.
𝑆𝑄^_`abc = (6,7 − 6,6)) + (6,4 − 6,6)) + ⋯ + (6,3 − 6,5)) + (6,9 − 6,5)) + ⋯ + (8,0 − 7))
𝑆𝑄^_`abc = 1,84
Vamos agora calcular a soma dos quadrados de tratamentos (ou soma dos quadrados entre os
grupos).
Para calcular essa soma, devemos subtrair a média de cada grupo da média geral (6,7), elevar ao
quadrado, multiplicar pelo tamanho da amostra de cada tratamento e somar os resultados.
𝑆𝑄_`ab_ = 0,56
Temos também a soma dos quadrados total. Para obtê-la, devemos calcular o desvio de cada
valor em relação à média geral (6,7), elevar ao quadrado e somar tudo.
𝑆𝑄acahi = (6,7 − 6,7)) + (6,4 − 6,7)) + ⋯ + (6,3 − 6,7)) + (6,9 − 6,7)) + ⋯ + (8,0 − 6,7))
𝑆𝑄acahi = 2,40
Observe que
No nosso exemplo:
𝑆𝑄acahi = 2,40
Continuando.
)
𝑁−1
𝜒kl' = m ) n 𝑠)
𝜎
)
)
𝑁 − 1 ∑q𝑋@ − 𝑋r
𝜒kl' =m ) n∙
𝜎 𝑁−1
)
)
∑q𝑋@ − 𝑋r
𝜒kl' =
𝜎)
Assim, concluímos que a soma dos quadrados dos desvios dividida pela variância populacional
tem distribuição qui-quadrado com 𝑁 − 1 graus de liberdade.
𝑆𝑄acahi
𝑡𝑒𝑚 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑞𝑢𝑖 − 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑐𝑜𝑚 𝑁 − 1 𝑔𝑟𝑎𝑢𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑑𝑎𝑑𝑒
𝜎)
−1 + 3 + 𝑐 + 8 = 5
𝑐 = −5
A nossa amostra tem N elementos. Assim, imagine que temos uma determinada soma dos
quadrados total. Temos a liberdade de escolher 𝑁 − 1 elementos na amostra. O último valor será
automaticamente determinado. É por isso que temos 𝑁 − 1 graus de liberdade para a variável
acima. No nosso exemplo, temos liberdade para escolher 11 elementos da amostra total.
𝑔𝑙acahi = 𝑁 − 1
Analogamente,
𝑆𝑄^_`abc
𝑡𝑒𝑚 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑞𝑢𝑖 − 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜
𝜎)
Vamos agora pensar no número de graus de liberdade. Observe o cálculo do nosso exemplo
anterior.
𝑆𝑄^_`abc = (6,7 − 6,6)) + (6,4 − 6,6)) + ⋯ + (6,3 − 6,5)) + (6,9 − 6,5)) + ⋯ + (8,0 − 7))
Em cada tratamento (em cada grupo) temos liberdade para escolher 3 valores. Assim, ao todo,
temos liberdade para escolher 9 valores.
{|}~•€•‚
De uma forma geral, o número de graus de liberdade da variável ƒ„
é 𝑁 − 𝑘. No nosso
exemplo, 12 − 3 = 9.
𝑔𝑙^_`abc = 𝑁 − 𝑘
Da mesma forma,
𝑆𝑄_`ab_
𝑡𝑒𝑚 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑖çã𝑜 𝑞𝑢𝑖 − 𝑞𝑢𝑎𝑑𝑟𝑎𝑑𝑜
𝜎)
Como são 3 tratamentos, então temos 3 parcelas. Assim, temos liberdade para escolher 2
parcelas.
De uma maneira geral, temos 𝑘 tratamentos e teremos liberdade para escolher 𝑘 − 1 parcelas.
Logo, o número de graus de liberdade da variável acima é 𝑘 − 1.
𝑔𝑙_`ab_ = 𝑘 − 1
Observe que
11
† = ⏟
9 + ⏟
2
‡bhˆ‰ ^_ i@Š_b^h^h ‡bhˆ‰ ^_ i@Š_b^h^_ ‡bhˆ‰ ^_ i@Š_b^h^_
acahi ^_`abc ^c‰ abhahŒ_`ac‰ _`ab_ abhahŒ_`ac‰
Definimos quadrado médio o quociente entre uma soma de quadrados e o respectivo graus de
liberdade.
𝑆𝑄acahi
𝑄𝑀acahi =
𝑁−1
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
𝑁−𝑘
𝑆𝑄_`ab_
𝑄𝑀_`ab_ =
𝑘−1
2. TESTE F
Vamos considerar duas variáveis aleatórias independentes 𝜒+)• e 𝜒+)„ com distribuições de qui-
quadrado com 𝑘' e 𝑘) graus de liberdade, respectivamente.
Define-se a variável 𝐹+• ,+„ com 𝑘' graus de liberdade no numerador e 𝑘) graus de liberdade no
denominador por
𝜒+)• /𝑘'
𝐹+• ,+„ =
𝜒+)„ /𝑘)
Assim,
𝑆𝑄_`ab_
“ ” /(𝑘 − 1)
𝐹= 𝜎)
𝑆𝑄
“ ^_`abc ” /(𝑁 − 𝑘)
𝜎)
(𝑆𝑄_`ab_ )/(𝑘 − 1)
𝐹=
(𝑆𝑄^_`abc )/(𝑁 − 𝑘)
Quando dividimos a soma de quadrados pelo número de graus de liberdade temos o quadrado
médio.
𝑄𝑀_`ab_
𝐹=
𝑄𝑀^_`abc
O valor obtido para F para uma amostra específica pode ser utilizada para testar
𝐻$ : 𝜇' = 𝜇) = ⋯ = 𝜇+
"
𝐻' : 𝑃𝑒𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑚𝑎 𝑚é𝑑𝑖𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 é 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑎𝑠 𝑑𝑒𝑚𝑎𝑖𝑠
Assim, basta comparar o valor da estatística teste com o valor crítico tabelado.
𝑆𝑄^_`abc 1,84
𝑄𝑀^_`abc = = ≅ 0,2044
𝑁−𝑘 9
𝑆𝑄_`ab_ 0,56
𝑄𝑀_`ab_ = = = 0,28
𝑘−1 2
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
0,28
𝐹a_‰a_ = ≅ 1,37
0,2044
Graus de Soma de
Fonte de Variação Quadrados Médios F
Liberdade Quadrados
Tratamentos (Entre) 2 0,56 0,28 1,37
Resíduos (Dentro) 9 1,84 0,2044
Total 11 2,40
Imagine que adotamos um nível de significância de 5% para o nosso teste. Consultando uma
tabela da distribuição F de Snedecor com 2 graus de liberdade no numerador e 9 graus de
liberdade no denominador, temos:
𝐹–bía@–c = 4,2565
Como 𝐹a_‰a_ < 𝐹–bía@–c , então devemos aceitar a hipótese nula de que as médias dos três grupos
são iguais.
Resíduos 𝑆𝑄^_`abc
𝑁−𝑘 𝑆𝑄^_`abc 𝑄𝑀^_`abc =
(Dentro) 𝑁−𝑘
Total 𝑁−1 𝑆𝑄acahi
Suponha que se deseja testar a hipótese nula de que k médias populacionais são iguais (não há
efeito de tratamento) contra a alternativa de que nem todas as médias são iguais (há efeito de
tratamento) por meio de uma análise da variância de 1 fator usual, com base em um conjunto de
n observações. Uma tabela ANOVA terá basicamente a seguinte estrutura:
a) n – k, k – 1, n – 1.
b) k – 1, n – k, n – 1.
c) k, n – k, n.
d) n – k – 1, k, n – 1.
e) k, n – k – 1, n – 1.
2. Obtidos corretamente os valores de SQE, SQD e SQT, o valor da estatística de teste F será
dado por
a) Pela análise de variância, ao nível de significância de 5%, pode-se afirmar que as médias são,
aproximadamente, iguais.
b) Pela análise de variância, ao nível de significância de 5%, não se pode afirmar que as médias
sejam, aproximadamente, iguais.
c) Pela análise de variância, ao nível de significância de 5%, pode-se afirmar que as médias são
diferentes.
d) Pela análise de variância, ao nível de significância de 95%, pode-se afirmar que as médias
sejam, aproximadamente, iguais.
e) Pela análise de variância, ao nível de significância de 95%, não se pode afirmar que as médias
sejam, aproximadamente, iguais.
4. (FCC 2012/TRE-SP)
Soma de
Fonte de Variação
Quadrados
Entre grupos 105
Dentro dos grupos 70
Total 175
a) 1,5.
b) 10,5.
c) 14,0.
d) 15,0.
e) 17,5.
Soma de
Fonte de Variação
Quadrados
Entre grupos 32
Dentro dos grupos X
Total 32+X
Se o valor da estatística F (F calculado) utilizado para testar a igualdade dos tempos médios
apresentou um valor igual a 20, então X é igual a
a) 2.
b) 4.
c) 6.
d) 8.
e) 10.
Este quadro refere-se a um estudo cujo objetivo é testar a hipótese de igualdade das médias de
um determinado atributo, a um nível de significância 𝜶, correspondente a 4 grupos,
independentes, cada um contendo 10 observações obtidas aleatoriamente.
O valor de 𝒎 é igual a
a) 45
b) 27
c) 36
d) 72
e) 60
Soma de
Fonte de Variação
Quadrados
Entre grupos X
Dentro dos grupos Y
Total 78
a) 12
b) 6
c) 8
d) 2
e) 18
8. (FCC 2015/TRE-RR)
a) 135.
b) 140.
c) 145.
d) 150.
e) 155.
a) 15%.
b) 20%.
c) 25%.
d) 60%.
e) 75%.
a) 8%.
b) 12%.
c) 16%.
d) 24%.
e) 32%.
a) 720.
b) 900.
c) 1.200.
d) 1.080.
e) 820.
Três grupos, com 10 operários cada um, são formados para realizar uma experiência. Em cada
grupo, os operários foram selecionados aleatoriamente de 3 grandes fábricas, respectivamente.
Cada operário produz uma determinada peça e anota o tempo que levou para produzí-la.
Deseja-se testar a hipótese de igualdade dos tempos médios dos grupos, supondo que
trabalham independentemente, a um determinado nível de significância. Pelo quadro de análise
de variância, obteve-se o valor da estatística F (F calculado) igual a 4,5, para posteriormente ser
comparado com o F tabelado (variável F de Snedecor). Dado que no respectivo quadro a
“variação total” é igual a 432, tem-se que a “variação entre grupos” é igual a
a) 108.
b) 270.
c) 232.
d) 324.
e) 170.
(VUNESP 2015/TJ-SP)
Para testar a eficiência de três escolas, foram selecionados, aleatoriamente, oito alunos de cada
uma, e as notas do teste estão dadas na tabela a seguir.
Para comparar a eficiência das escolas, é necessário construir a tabela ANOVA, que envolve
vários cálculos.
==7ee66==
13. A soma dos quadrados das variações dentro dos grupos é igual a
a) 46.
b) 54.
c) 62.
d) 70.
e) 78.
a) 24.
b) 20.
c) 16.
d) 12.
e) 8.
a) 2,5.
b) 3,2.
c) 4,5.
d) 5,4.
e) 6,8.
16. Após comparar o valor de F calculado com F crítico ao nível de 5%, pode-se concluir que
aleatória, com reposição, de 24 empregados, sendo 8 de cada uma das empresas citadas, foi
retirada da população de empregados desse ramo de atividade. Na tabela abaixo, verifica-se os
salários médios e os respectivos desvios padrões amostrais (obtidos por meio de estimadores
não viciados das variâncias populacionais) observados para cada uma das amostras.
a) 2 < 𝑘 ≤ 2,5
b) 𝑘 ≤ 1,5
c) 𝑘 > 3
d) 2,5 < 𝑘 ≤ 3
e) 1,5 < 𝑘 ≤ 2
Pelo quadro de análise de variância, tem-se que o valor da estatística 𝑭𝒄 (F calculado) utilizado
para testar a igualdade das médias das populações das notas das escolas, considerando a
distribuição F, é igual a
a) 8/3.
b) 16/9.
c) 2
d) 16/3.
e) 3/2.
4. GABARITOS
01. B
02. C
03. A
04. C
05. E
06. A
07. E
08. E
09. C
10. C
11. D
12. A
13. B
14. C
15. B
16. A
17. D
18. A
Suponha que se deseja testar a hipótese nula de que k médias populacionais são iguais (não há
efeito de tratamento) contra a alternativa de que nem todas as médias são iguais (há efeito de
tratamento) por meio de uma análise da variância de 1 fator usual, com base em um conjunto de
n observações. Uma tabela ANOVA terá basicamente a seguinte estrutura:
a) n – k, k – 1, n – 1.
b) k – 1, n – k, n – 1.
c) k, n – k, n.
d) n – k – 1, k, n – 1.
e) k, n – k – 1, n – 1.
20. Obtidos corretamente os valores de SQE, SQD e SQT, o valor da estatística de teste F será
dado por
Comentário
Vimos que
Logo,
𝑎 =𝑘−1
𝑏 =𝑛−𝑘
𝑐 =𝑛−1
Vimos que o quadrado médio é obtido pela divisão da soma de quadrados pelo número de
graus de liberdade. Assim, temos:
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑆𝑄_`ab_ /(𝑘 − 1)
𝐹a_‰a_ =
𝑆𝑄^_`abc /(𝑛 − 𝑘)
𝑆𝑄_`ab_ 𝑛−𝑘
𝐹a_‰a_ = ×
𝑘−1 𝑆𝑄^_`abc
Gabarito: B, C
a) Pela análise de variância, ao nível de significância de 5%, pode-se afirmar que as médias são,
aproximadamente, iguais.
b) Pela análise de variância, ao nível de significância de 5%, não se pode afirmar que as médias
sejam, aproximadamente, iguais.
c) Pela análise de variância, ao nível de significância de 5%, pode-se afirmar que as médias são
diferentes.
d) Pela análise de variância, ao nível de significância de 95%, pode-se afirmar que as médias
sejam, aproximadamente, iguais.
e) Pela análise de variância, ao nível de significância de 95%, não se pode afirmar que as médias
sejam, aproximadamente, iguais.
Comentário
Como a estatística teste é menor que o valor tabelado (valor crítico), então a estatística teste caiu
na região de aceitação. Assim, devemos aceitar a hipótese nula de que as médias são iguais.
O p-valor é a área delimitada pela estatística teste. A área delimitada pela estatística teste é de
27,93%. Lembre-se que o nível de significância indica a área da região crítica.
Como o p-valor é maior do que 𝛼, então a estatística teste caiu na região de aceitação, pois a
área delimitada pela estatística teste é maior do que a região crítica.
Gabarito: A
Soma de
Fonte de Variação
Quadrados
Entre grupos 105
Dentro dos grupos 70
Total 175
a) 1,5.
b) 10,5.
c) 14,0.
d) 15,0.
e) 17,5.
Comentário
São 4 grupos. Cada grupo tem 8 observações. Logo, são 32 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 4 − 1 = 3
𝑔𝑙^_`abc = 32 − 4 = 28
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_ 105
𝑄𝑀_`ab_ = = = 35
3 3
𝑆𝑄^_`abc 70
𝑄𝑀^_`abc = = = 2,5
28 28
Logo,
𝑄𝑀_`ab_ 35
𝐹a_‰a_ = = = 14
𝑄𝑀^_`abc 2,5
Gabarito: C
Soma de
Fonte de Variação
Quadrados
Entre grupos 32
Dentro dos grupos X
Total 32+X
Se o valor da estatística F (F calculado) utilizado para testar a igualdade dos tempos médios
apresentou um valor igual a 20, então X é igual a
a) 2.
b) 4.
c) 6.
d) 8.
e) 10.
Comentário
São 5 grupos. Cada grupo tem 6 observações. Logo, são 30 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 5 − 1 = 4
𝑔𝑙^_`abc = 30 − 5 = 25
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_ 32
𝑄𝑀_`ab_ = = =8
4 4
𝑆𝑄^_`abc 𝑥
𝑄𝑀^_`abc = =
25 25
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
8
20 =
𝑥/25
25
20 = 8 ∙
𝑥
20𝑥 = 200
𝑥 = 10
Gabarito: E
Este quadro refere-se a um estudo cujo objetivo é testar a hipótese de igualdade das médias de
um determinado atributo, a um nível de significância 𝜶, correspondente a 4 grupos,
independentes, cada um contendo 10 observações obtidas aleatoriamente.
O valor de 𝒎 é igual a
a) 45
b) 27
c) 36
d) 72
e) 60
Comentário
São 4 grupos. Cada grupo tem 10 observações. Logo, são 40 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 4 − 1 = 3
𝑔𝑙^_`abc = 40 − 4 = 36
𝑚 + 𝑛 = 117
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑚
𝑄𝑀_`ab_ =
3
𝑛
𝑄𝑀^_`abc =
36
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑚/3
7,5 =
𝑛/36
𝑚 36
7,5 = ∙
3 𝑛
12𝑚
7,5 =
𝑛
12𝑚 = 7,5𝑛
12𝑚
𝑛=
7,5
12𝑚
𝑚+ = 117
7,5
19,5𝑚 = 877,5
𝑚 = 45
Gabarito: A
Soma de
Fonte de Variação
Quadrados
Entre grupos X
Dentro dos grupos Y
Total 78
a) 12
b) 6
c) 8
d) 2
e) 18
Comentário
São 3 grupos. Cada grupo tem 15 observações. Logo, são 45 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 3 − 1 = 2
𝑔𝑙^_`abc = 45 − 3 = 42
𝑥 + 𝑦 = 78
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑥
𝑄𝑀_`ab_ =
2
𝑦
𝑄𝑀^_`abc =
42
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑥/2
33,6 =
𝑦/42
𝑥 42
33,6 = ∙
2 𝑦
21𝑥
33,6 =
𝑦
33,6𝑦 = 21𝑥
𝑥 = 1,6𝑦
1,6𝑦 + 𝑦 = 78
2,6𝑦 = 78
𝑦 = 30
Logo,
𝑥 + 30 = 78
𝑥 = 48
O módulo da diferença 𝑥 − 𝑦 é
|𝑥 − 𝑦| = |48 − 30| = 18
Gabarito: E
a) 135.
b) 140.
c) 145.
d) 150.
e) 155.
Comentário
São 3 grupos. Cada grupo tem 9 observações. Logo, são 27 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 3 − 1 = 2
𝑔𝑙^_`abc = 27 − 3 = 24
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_ 95
𝑄𝑀_`ab_ = = = 47,5
2 2
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
24
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
47,5
19 =
𝑆𝑄^_`abc
24
24
19 = 47,5 ∙
𝑆𝑄^_`abc
19 ∙ 𝑆𝑄^_`abc = 1.140
𝑆𝑄^_`abc = 60
Logo,
𝑆𝑄acahi = 60 + 95
𝑆𝑄acahi = 155
Gabarito: E
no quadro de análise de variância foi igual a 3,75. A porcentagem que a fonte de variação entre
grupos representa da fonte de variação total é de
a) 15%.
b) 20%.
c) 25%.
d) 60%.
e) 75%.
Comentário
São 5 grupos. Cada grupo tem 10 observações. Logo, são 50 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 5 − 1 = 4
𝑔𝑙^_`abc = 50 − 5 = 45
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_
𝑄𝑀_`ab_ =
4
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
45
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑆𝑄_`ab_
3,75 = 4
𝑆𝑄^_`abc
45
𝑆𝑄^_`abc 𝑆𝑄_`ab_
3,75 ∙ =
45 4
45 ∙ 𝑆𝑄_`ab_
𝑆𝑄^_`abc =
3,75 × 4
𝑆𝑄^_`abc = 3 ∙ 𝑆𝑄_`ab_
A questão pede a razão entre a fonte de variação entre grupos e a fonte de variação total.
𝑆𝑄_`ab_
=
𝑆𝑄acahi
𝑆𝑄_`ab_
=
𝑆𝑄^_`abc + 𝑆𝑄_`ab_
𝑆𝑄_`ab_ 𝑆𝑄_`ab_ 1
= = = = 0,25
3 ∙ 𝑆𝑄_`ab_ + 𝑆𝑄_`ab_ 4 ∙ 𝑆𝑄_`ab_ 4
= 25%
Gabarito: C
a) 8%.
b) 12%.
c) 16%.
d) 24%.
e) 32%.
Comentário
São 3 grupos. Cada grupo tem 8 observações. Logo, são 24 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 3 − 1 = 2
𝑔𝑙^_`abc = 24 − 3 = 21
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_
𝑄𝑀_`ab_ =
2
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
21
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑆𝑄_`ab_
2= 2
𝑆𝑄^_`abc
21
𝑆𝑄^_`abc 𝑆𝑄_`ab_
2∙ =
21 2
21 ∙ 𝑆𝑄_`ab_
𝑆𝑄^_`abc =
2×2
A questão pede a razão entre a fonte de variação entre grupos e a fonte de variação total.
𝑆𝑄_`ab_
=
𝑆𝑄acahi
𝑆𝑄_`ab_
=
𝑆𝑄^_`abc + 𝑆𝑄_`ab_
𝑆𝑄_`ab_ 𝑆𝑄_`ab_ 1
= = = = 0,16
5,25 ∙ 𝑆𝑄_`ab_ + 𝑆𝑄_`ab_ 6,25 ∙ 𝑆𝑄_`ab_ 6,25
= 16%
Gabarito: C
a) 720.
b) 900.
c) 1.200.
d) 1.080.
e) 820.
Comentário
São 10 grupos. Cada grupo tem 5 observações. Logo, são 50 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 10 − 1 = 9
𝑔𝑙^_`abc = 50 − 10 = 40
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_
𝑄𝑀_`ab_ =
9
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
40
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑆𝑄_`ab_
15 = 9
𝑆𝑄^_`abc
40
𝑆𝑄^_`abc 𝑆𝑄_`ab_
15 ∙ =
40 9
𝑆𝑄_`ab_ 40
𝑆𝑄^_`abc = ×
9 15
40
𝑆𝑄^_`abc = ∙ 𝑆𝑄_`ab_
135
Logo,
40
∙ 𝑆𝑄_`ab_ + 𝑆𝑄_`ab_ = 1.400
135
8
∙ 𝑆𝑄_`ab_ + 𝑆𝑄_`ab_ = 1.400
27
35 ∙ 𝑆𝑄_`ab_ = 37.800
𝑆𝑄_`ab_ = 1.080
Gabarito: D
Três grupos, com 10 operários cada um, são formados para realizar uma experiência. Em cada
grupo, os operários foram selecionados aleatoriamente de 3 grandes fábricas, respectivamente.
Cada operário produz uma determinada peça e anota o tempo que levou para produzí-la.
Deseja-se testar a hipótese de igualdade dos tempos médios dos grupos, supondo que
trabalham independentemente, a um determinado nível de significância. Pelo quadro de análise
de variância, obteve-se o valor da estatística F (F calculado) igual a 4,5, para posteriormente ser
comparado com o F tabelado (variável F de Snedecor). Dado que no respectivo quadro a
“variação total” é igual a 432, tem-se que a “variação entre grupos” é igual a
a) 108.
b) 270.
c) 232.
d) 324.
e) 170.
Comentário
São 3 grupos. Cada grupo tem 10 observações. Logo, são 30 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 3 − 1 = 2
𝑔𝑙^_`abc = 30 − 3 = 27
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_
𝑄𝑀_`ab_ =
2
𝑆𝑄^_`abc
𝑄𝑀^_`abc =
27
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
𝑆𝑄_`ab_
4,5 = 2
𝑆𝑄^_`abc
27
𝑆𝑄^_`abc 𝑆𝑄_`ab_
4,5 ∙ =
27 2
𝑆𝑄_`ab_ 27
𝑆𝑄^_`abc = ×
2 4,5
𝑆𝑄^_`abc = 3 ∙ 𝑆𝑄_`ab_
Logo,
4 ∙ 𝑆𝑄_`ab_ = 432
𝑆𝑄_`ab_ = 108
Gabarito: A
(VUNESP 2015/TJ-SP)
Para testar a eficiência de três escolas, foram selecionados, aleatoriamente, oito alunos de cada
uma, e as notas do teste estão dadas na tabela a seguir.
Para comparar a eficiência das escolas, é necessário construir a tabela ANOVA, que envolve
vários cálculos.
31. A soma dos quadrados das variações dentro dos grupos é igual a
a) 46.
b) 54.
c) 62.
d) 70.
e) 78.
a) 24.
b) 20.
c) 16.
d) 12.
e) 8.
a) 2,5.
b) 3,2.
c) 4,5.
d) 5,4.
e) 6,8.
34. Após comparar o valor de F calculado com F crítico ao nível de 5%, pode-se concluir que
Comentário
A média geral é:
8×5+8×7+8×6
𝑥= =6
24
Vamos organizar os dados em uma tabela de frequências para facilitar o cálculo da soma de
quadrados total.
Os valores observados são 3, 4, 5, ..., 9. Vamos contar quantas vezes cada um apareceu.
Em seguida, vamos calcular o quadrado do desvio de cada número em relação à média geral (6)
e multiplicar pela respectiva frequência. Depois, vamos somar tudo.
Logo,
𝑆𝑄acahi = 27 + 4 + 5 + ⋯ + 12 + 18
𝑆𝑄acahi = 70
Para cada tratamento, vamos calcular o quadrado da diferença entre a média do tratamento e a
média geral, multiplicar pela quantidade de observações em cada tratamento. Depois, vamos
somar os resultados obtidos para cada tratamento.
𝑆𝑄_`ab_ = 16
70 = 𝑆𝑄^_`abc + 16
𝑆𝑄^_`abc = 54
Poderíamos ter calculado diretamente a soma dos quadrados dentro dos tratamentos, mas seria
bem mais trabalhoso, pois não poderíamos agrupar todas as observações.
São 3 grupos. Cada grupo tem 8 observações. Logo, são 24 observações ao todo.
Logo,
𝑔𝑙_`ab_ = 3 − 1 = 2
𝑔𝑙^_`abc = 24 − 3 = 21
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
𝑆𝑄_`ab_ 16
𝑄𝑀_`ab_ = = =8
2 2
𝑆𝑄^_`abc 54 18
𝑄𝑀^_`abc = = =
21 21 7
Logo,
𝑄𝑀_`ab_
𝐹a_‰a_ =
𝑄𝑀^_`abc
8 7
𝐹a_‰a_ = =8×
18/7 18
𝐹a_‰a_ = 3,111 …
𝐻 : 𝜇 = 𝜇N = 𝜇O
" $ K
𝐻' : 𝑃𝑒𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑚𝑎 𝑚é𝑑𝑖𝑎 𝑝𝑜𝑝𝑢𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑙 é 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒 𝑑𝑎𝑠 𝑑𝑒𝑚𝑎𝑖𝑠
Vamos buscar na tabela da distribuição F o valor crítico. Lembre-se que são 2 graus de liberdade
no numerador e 21 graus de liberdade no denominador.
Temos que 𝐹a_‰a_ < 𝐹–bía@–c ; logo, devemos aceitar a hipótese nula de que as três médias são
iguais.
Gabarito: B, C, B, A
a) 2 < 𝑘 ≤ 2,5
b) 𝑘 ≤ 1,5
c) 𝑘 > 3
d) 2,5 < 𝑘 ≤ 3
e) 1,5 < 𝑘 ≤ 2
Comentário
Para calcular a soma dos valores em cada tratamento, basta multiplicar a média pela quantidade
de elementos. Assim, a soma de todos os valores é:
8 × 5 + 8 × 4 + 8 × 6 = 120
120
𝑋= =5
24
)
)
∑q𝑋@ − 𝑋r
𝑠 =
𝑛−1
Logo,
)
?q𝑋@ − 𝑋r = (𝑛 − 1) ∙ 𝑠 )
𝑆𝑄^_`abc = (8 − 1) ∙ 1) + (8 − 1) ∙ 2) + (8 − 1) ∙ 2)
𝑆𝑄^_`abc = 63
Para calcular a soma dos quadrados entre os tratamentos, devemos subtrair a média de cada
grupo da média geral (5), elevar ao quadrado, multiplicar pelo tamanho da amostra de cada
tratamento e somar os resultados.
𝑆𝑄_`ab_ = 16
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
16 16
𝑄𝑀_`ab_ = = =8
3−1 2
63
𝑄𝑀^_`abc = =3
24 − 3
𝑄𝑀_`ab_ 8
𝐹a_‰a_ = = ≅ 2,66
𝑄𝑀^_`abc 3
Gabarito: D
Pelo quadro de análise de variância, tem-se que o valor da estatística 𝑭𝒄 (F calculado) utilizado
para testar a igualdade das médias das populações das notas das escolas, considerando a
distribuição F, é igual a
a) 8/3.
b) 16/9.
c) 2
d) 16/3.
e) 3/2.
Comentário
Para calcular a soma dos valores em cada tratamento, basta multiplicar a média pela quantidade
de elementos. Assim, a soma de todos os valores é:
8 × 6 + 8 × 7 + 8 × 8 = 168
168
𝑋= =7
24
)
)
∑q𝑋@ − 𝑋r
𝑠 =
𝑛−1
Logo,
)
?q𝑋@ − 𝑋r = (𝑛 − 1) ∙ 𝑠 )
𝑆𝑄^_`abc = (8 − 1) ∙ 1) + (8 − 1) ∙ 2) + (8 − 1) ∙ 2)
𝑆𝑄^_`abc = 63
Para calcular a soma dos quadrados entre os tratamentos, devemos subtrair a média de cada
grupo da média geral (5), elevar ao quadrado, multiplicar pelo tamanho da amostra de cada
tratamento e somar os resultados.
𝑆𝑄_`ab_ = 16
Para calcular os quadrados médios, devemos dividir as somas de quadrados pelos graus de
liberdade.
16 16
𝑄𝑀_`ab_ = = =8
3−1 2
63
𝑄𝑀^_`abc = =3
24 − 3
𝑄𝑀_`ab_ 8
𝐹a_‰a_ = =
𝑄𝑀^_`abc 3
Gabarito: A
6. CONSIDERAÇÕES FINAIS
Ficamos por aqui, queridos alunos. Espero que tenham gostado da aula.
Vamos juntos nesta sua caminhada. Lembre-se que vocês podem fazer perguntas e sugestões no
nosso fórum de dúvidas.
Guilherme Neves