Testes Não Paramétricos

Inferência e Decisão I

Catarina Soares
Tânia Silva

Janeiro 2004
Instituto Superior Técnico
Universidade Técnica de Lisboa
1
 Sumário

Testes Paramétricos vs Testes Não Paramétricos

Testes Não Paramétricos para uma População
Teste de Wilcoxon dos Postos Sinalizados
Testes Não Paramétricos para várias Populações
Teste do Sinal
Teste da Mediana
Conclusão

2
 Testes Paramétricos vs
Testes Não Paramétricos
Testes Paramétricos
Distribuição População é Conhecida
Inferências Relativas um/vários Parâmetros

Testes Não Paramétricos

Distribuição População Normalmente Desconhecida
Inferências Sujeitas a menos Restrições
Não Envolvem, geralmente, Parâmetros

3
 Testes Não Paramétricos
Vantagens
 Poucos Pressupostos Relativos à População
 Facilidade de implementação
 Maior Perceptibilidade
 Aplicável em Situações Não Abrangidas Pela Normal
 Mais Eficientes quando as Populações não têm Dist.
Normal
Desvantagens
Não têm Parâmetros, Dificultando Julgamentos
Quantitativos entre Populações
Escasso Aproveitamento de Informação da amostra

4
 Teste de Wilcoxon
2 Observações de cada População  total 2n observações
Pressupostos
Seja Z i  Yi  X i o Modelo é dado por Z i    ei , i  1, , n
Variáveis Aleatórias es são mutuamente independentes
Cada variável aleatória e provém de uma população contínua e
simétrica em relação à origem

Teste de H0:   0
Ordenar Observações Z i ordem Crescente do valor Absoluto
Determinar Ranks Ri 
Definir Variável
1 se Z i  0
i   , i = 1, ..., n
0 se Z i  0
5
 Hipóteses:
A - Teste Bilateral B - Teste Unilateral C - Teste Unilateral
H0 :   0 H0 :   0 H0 :   0
H1 :   0 H1 :   0 H1 :   0

Estatística de Teste: n
T   Rii


i 1

Estatística T corresponde à Soma dos Postos Sinalizados Positivos

Regra de Decisão:

A - Teste Bilateral B - Teste Unilateral C - Teste Unilateral

n  n  1 n  n  1
Rejeitar H0 T   t  2 , n  ou T    t 1 , n  T   t  , n  T   t  , n 
2 2

Não n  n  1 c.c. c.c.

 t 1 , n   T   t  2 , n 
Rejeitar H0 2

onde   1   2 e t  , n  constante
6
Amostra grande

Estatística de Teste:

T   E0 T   T    n  n  1 / 4 
T*  
 var0 T 
1/ 2 1/ 2
 n  n  1 2n  1 / 24 



Apresenta, quando n   , distribuição assintoticamente N(0,1)

Regra de Decisão:

*
S
eT z

  R
ej
eit
arH
0

c
.
c. N
ã
oRe
je
it
arH
0

7
Exemplo:
Dados de nove pacientes que receberam um tranquilizante T. A
medida utilizada consistiu no factor de escala depressivo IV de
Hamilton (factor de suicídio).
X – 1ª visita ao paciente, após o início da terapia
Y – 2ª visita ao paciente
Os pacientes diagnosticados revelaram uma mistura de ansiedade e
depressão.

i Z
i Z
i R
i 
i i
Ri

1 -0.9
52 0
.9
52 8 0 0
2 0.147 0
.1
47 3 1 3
3 -1.0
22 1
.0
22 9 0 0
4 -0.4
30 0
.4
30 4 0 0
5 -0.6
20 0
.6
20 7 0 0
6 -0.5
90 0
.5
90 6 0 0
7 -0.4
90 0
.4
90 5 0 0
8 0.080 0
.0
80 2 1 2
9 -0.0
10 0
.0
10 1 0 0
8
 Teste do Sinal
Amostra Aleatória Bivariada X 1 , Y1 , X 2 , Y2 , ... , X n ' , Yn ' 
Ordenação da Amostra
Comparação de cada par X i , Yi 
Classificação de cada par

Se X i  Yi  “+”
Se X i  Yi  “-”
Se X i  Yi  “0”

Pressupostos

A amostra aleatória bivariada , X i , Yi  , é mutuamente independente

A escala de medida é ordinal para cada par
Os pares  X i , Yi  são consistentes internamente

9
Hipóteses:

A - Teste Bilateral B - Teste Unilateral C - Teste Unilateral

H 0 : P    P   H 0 : P   P   H 0 : P   P  
H 1 : P    P   H 1 : P   P   H 1 : P   P  

Teste nem centrado nem consistente

H 0 : E X i  E Yi  H 0 : E X i  E Yi  H 0 : E  X i  E Yi 

H1 : E X i  E Yi  H1 : E  X i  E Yi  H1 : E X i  E Yi 

Estatística de Teste:

T = número total de +’s

10
Regra de Decisão:

n = número total de +’s e –’s

Usar as regras de decisão A, B ou C, em função das hipóteses
A – Teste
Bilateral
n  20
Se T  t ou T  n  t  Rejeitar H0
c.c.  Não Rejeitar H0
n  20

t
1
2
n  w / 2 n 
B – Teste Unilateral
n  20
Se T  n  t  Rejeitar H0
c.c.  Não Rejeitar H0
11
n  20
1
t
2
n  w n 
C – Teste Unilateral
n  20
Se T  t  Rejeitar H0
c.c.  Não Rejeitar H0
n  20
1
t
2

n  w n 

12
Exemplo:
Artigos A e B tem a mesma função mas são fabricados por
processos diferentes.
Os produtores desejam determinar quando é que B é
preferido a A pelo consumidor. Para isso, seleccionam uma
amostra aleatória de 10 consumidores, dão a cada um deles
um artigo A e um artigo B e pedem-lhes que usem ambos os
produtos por um período de tempo.
No final desse período de tempo, oito consumidores
preferiram o artigo B, um preferiu o artigo A e o último
disse “não tenho preferência”.

13
 Teste da Mediana
Construção de uma amostra aleatória para c populações
Determinar a mediana da amostra combinada

Amostra 1 2 ... c Total

 Mediana O11 O12 ... O1c a

 Mediana O21 O22 ... O2c b

Total n1 n2 ... nc N
Pressupostos
Cada amostra é uma amostra aleatória
Existe independência entre amostras
A escala de medida é ordinal
Se todas as populações têm a mesma mediana então, apresentam a
mesma probabilidade p de uma observação exceder a mediana
14
Hipóteses:

H0: As c populações têm a mesma mediana

H1: Pelo menos duas das populações têm medianas diferentes

Estatística de Teste:
2
O  ni a 
N2 c  1i N 

T
ab

i 1 ni

Regra de Decisão:

S
e
Te
x
ce
d
ex
1
 R
e
j
e
it
a
rH0

c
.
c
. N
ã
o
Re
j
ei
t
ar
H0

15
Exemplo:
Considere-se quatro métodos diferentes de crescimento de
cereais atribuídos aleatoriamente a diferentes lotes de
terreno, sendo cada lote computorizado a fim de se obter um
lucro por hectare.
Determinar se o lucro obtido difere entre lotes como
consequência do método utilizado.
Método
1 2 3 4
83 91 101 78
91 90 100 82
94 81 91 81
89 83 93 77
89 84 96 79
96 83 95 81
91 88 94 80
92 91 81
90 89
84
16
 Conclusão

• Teste de Wilcoxon – Testa se Mediana de uma população

simétrica é Zero

• Teste do Sinal – Testa hipóteses da diferença entre

amostras emparelhadas ser positiva ou negativa, com igual
probabilidade

• Teste da Mediana – Testa se X e Y, são extraídas de

populações com a mesma mediana

17
 Não tem, em geral, Distribuição Conhecida
 Podem ser aplicados em situações para as quais testes
paramétricos não têm solução
 Eficiência Relativa Assintótica de Testes baseados em
Ranks

Perda de Informação
Eficiência Relativa depender da escolha de ,  e H1
Geralmente, os testes paramétricos são mais potentes do
que os testes não paramétricos

18
 Fim

07/01/2004 19