You are on page 1of 20

1

ECOLOGIA NUMÉRICA
Testes de hipóteses:
Testes a mais de duas amostras
(ANOVA)
2
Testes a mais de duas amostras
A B C
D
Análise de variância
Testes de duas
amostras:
A vs B
B vs C
A vs C
A B C
Porque não?
Testes a mais de duas amostras
Análise de variância
3
Para o conjunto das 3 hipóteses a
probabilidade de correctamente não
rejeitar todas as H
0
seria
0.95
3
= 0.86
ou seja, α = 0.14 !!!!
Testes a duas amostras:
A vs B
B vs C
A vs C
Porque não?
Hipótese nula
Testes a mais de duas amostras
Hipótese nula
Análise de variância
Verdadeira
Falsa
Aceitar Rejeitar
Não há erro α
β
Não há erro
H
0
: µ
A

B

C
H
1
: As médias não são todas iguais
Fontes de variação:
Intra-amostra ou intra-grupos (error)
Entre-amostras ou entre-grupos
A análise de variância (ANOVA)
Análise de variância
4
Análise de variância
∑ ∑
= =

− =
k
i
n
j
i ij erro
i
X X SQ
1 1
2
) (
Fontes de variação:
Somas dos quadrados
Total:
Entre-grupos:
Intra-grupos (erro):
∑∑
= =
− =
k
i
n
j
ij T
i
X X SQ
1 1
2
) (

=
− =
k
i
i i G
X X n SQ
1
2
) (
Análise de variância
5
Fontes de variação:
Somas dos quadrados
SQ
TOTAL
= SQ
GRUPOS
+ SQ
erro
Análise de variância
Estatística de
teste:
erro
Grupos
erro
erro
Grupos
Grupos
QM
QM
SQ
SQ
F = =
υ
υ
Hipóteses:
H
0
: µ
A

B

C
H
1
: As médias não são todas iguais
Análise de variância
6
Fontes de variação:
Soma dos quadrados
SQ
TOTAL
= SQ
GRUPOS
+
SQ
erro
gl
TOTAL
= gl
GRUPOS
+ gl
erro
N - 1 = k - 1 + N - k
k é o número de grupos, N é o número total de observações
Análise de variância
Valor crítico:
erro g
F
υ υ α , ,
Critério de decisão:
Rejeitar H
0
se:
Não rejeitar H
0
caso contrário
Estatística de teste:
erro
Grupos
QM
QM
F =
erro g
F F
υ υ α , ,
>
Análise de variância
7
A distribuição F:
Análise de variância
• Os dados provêm duma população normal
• As variâncias são homogéneas
Pressupostos da ANOVA:
No entanto, à semelhança do referido para o teste
t, a análise de variância é bastante robusta, i.e. o
seu desempenho não é profundamente afectado
por desvios moderados dos pressupostos
Análise de variância
8
Pressupostos da ANOVA:
As amostras provêm de populações normais com
variância igual
Como verificar os pressupostos?
O que fazer caso não
sejam cumpridos?
Análise de variância
• Testes de normalidade
- Teste de Kolmogorov-Smirnov
Estatística D
- Teste D’Agostino-Pearson
Estatística K
2
- Teste de Shapiro-Wilk
Estatística W
• Avaliação gráfica
• Análise de resíduos
Avaliação dos pressupostos da ANOVA:
Análise de variância
9
Avaliação dos pressupostos da ANOVA:
Teste de Kolmogorov-Smirnov
Análise de variância
Avaliação dos pressupostos da ANOVA:
Teste de Kolmogorov-Smirnov
Estatística de teste:
N
i
Y F D
i
N i
− =
≤ ≤
) ( max
1
onde F é a distribuição teórica cumulativa da distribuição que está a ser
testada.
Análise de variância
10
Avaliação dos pressupostos da ANOVA:
Teste de Shapiro-Wilk
Estatística de teste:


=
=

|
¹
|

\
|
=
n
i
i
n
i
i i
x x
x
W
1
2
2
1
) (
) (
α
onde x
(i)
são os valores da amostra ordenados e α
(i)
são constantes
obtidas a partir das médias, variâncias e covariâncias das estatísticas
ordinais duma amostra de dimensão n duma população normal.
Análise de variância
Avaliação dos pressupostos da ANOVA:
Teste de D’Agostino-Pearson
Análise de variância
11
onde Zg
1
e Zg
2
são obtidos do seguinte modo
Simetria Curtose
Análise de variância
Avaliação dos pressupostos da ANOVA:
Teste de D’Agostino-Pearson
Histogram:
F N Lt cm
Shapiro-Wilk W=,94919, p=,03160
Expected Normal
18 20 22 24 26 28 30 32 34
X <= Category Boundary
0
2
4
6
8
10
12
14
16
18
20
N
o
.

o
f

o
b
s
.
Análise de variância
Avaliação dos pressupostos da ANOVA:
Normalidade
12
Box & Whisker Plot
Median
25%-75%
Min-Max
F N Lt cm MN Lt cm
14
16
18
20
22
24
26
28
30
32
34
36
Análise de variância
Avaliação dos pressupostos da ANOVA:
Normalidade
Histogram of Raw Residuals
Dependent variable:
F N Lt cm
(Analysis sample)
-10 -8 -6 -4 -2 0 2 4 6 8
X <= Category Boundary
0
5
10
15
20
25
N
o
.

o
f

o
b
s
.
Análise de variância
Avaliação dos pressupostos da ANOVA:
Análise de resíduos
13
P-Plot:
F N Lt cm
18 20 22 24 26 28 30 32 34 36
Observed Value
-3
-2
-1
0
1
2
3
E
x
p
e
c
t
e
d

N
o
r
m
a
l

V
a
l
u
e
All Groups
Análise de variância
Avaliação dos pressupostos da ANOVA:
Análise de resíduos
• Teste de homocedasticidade
- Teste de Hartley
- Teste de Cochran
- Teste de Bartlett
• Avaliação gráfica
• Análise de resíduos
Análise de variância
Avaliação dos pressupostos da ANOVA:
Homogeneidade de variâncias
14
Teste de Hartley
Teste de Cochran
2
min
2
max
max
s
s
F =
1 , , max −
>
n k
F F
α
Rejeitar H
0
se

=
2
2
max
i
s
s
C
1 , , −
>
n k
C C
α
Rejeitar H
0
se
Análise de variância
Avaliação dos pressupostos da ANOVA:
Homogeneidade de variâncias
Teste de Bartlett
[ ]



− −
+
− −




=






) 1 (
1
1
1
) 1 ( 3
1
1
) ln( ) 1 (
) 1 (
) 1 (
ln ) 1 (
2
2
2
i i
i i
i
i i
i
C
n n k
s n
n
s n
n
χ
2
1
2

>
k C
χ χ
Rejeitar H
0
se
Análise de variância
Avaliação dos pressupostos da ANOVA:
Homogeneidade de variâncias
15
Box & Whisker Plot
Mean
±SD
±1,96*SD
F N Lt cm M N Lt cm
18
20
22
24
26
28
30
32
34
36
Análise de variância
Avaliação dos pressupostos da ANOVA:
Avaliação gráfica
Predicted vs. Residual Scores
Dependent variable:
F N Lt cm
23 24 25 26 27 28 29 30 31 32 33
Predicted Values
-8
-6
-4
-2
0
2
4
6
R
e
s
i
d
u
a
l
s
95% confidence
Análise de variância
Avaliação dos pressupostos da ANOVA:
Análise de resíduos
16
Avaliar se os pressupostos são cumpridos
Não
Sim
Testes paramétricos Testes não paramétricos
Transformação
dos dados
Não
Análise de variância
Teste de Kruskal-Wallis: abordagem não-paramétrica
Estatística de teste:
H
0
: as amostras provêm da mesma população
H
1
: as amostras não provêm da mesma população
) 1 ( 3
) 1 (
12
1
2
+ −
+
=

=
N
n
R
N N
H
k
i
i
i
Hipóteses:
Análise de variância
17
Quando há empates deve ser utilizado um factor de
correcção:
C
H
H
C
=
A estatística de teste deve
ser corrigida do seguinte
modo:
N N
t
C

− =

3
1
onde
) (
1
3
∑ ∑
=
− =
m
i
i i
t t t
Análise de variância
Teste de Kruskal-Wallis: abordagem não-paramétrica
Valor crítico:
υ α χ ,
2
Critério de decisão:
Rejeitar H
0
se:
Não rejeitar H
0
caso contrário
2
,
2
υ α
χ χ >
C
H
H
C
=
Estatística de teste:
sendo gl=k-1 (k=número de
grupos)
Análise de variância
Teste de Kruskal-Wallis: abordagem não-paramétrica
18
Quando a H
0
é rejeitada numa hipótese envolvendo
3 ou mais amostras, não é sempre óbvio qual ou
quais das amostras diferem das outras.
Há, por isso, a necessidade de efectuar testes a
posteriori de comparações múltiplas
Procedimentos de teste a posteriori
Análise de variância
ANOVA
Teste de Kruskal-Wallis Teste de Dunn
Teste de Tukey (tipo Tukey)
Teste d eNewman-Keuls
Teste de Scheffé
Testes a posteriori
Análise de variância
19
Valor crítico:
k
q
, ,υ α
Critério de decisão:
Rejeitar H
0
se:
Não rejeitar H
0
caso contrário
k
q q
, ,υ α
>
n
s
X X
q
A B
2

=
Estatística de teste:
Sendo gl=N-k (N=número total
de observações; k=número de
grupos)
Teste de Tukey
Análise de variância
Valor crítico:
k
Q
, α
Critério de decisão:
k
Q Q
, α
>
SE
R R
Q
A B

=
Estatística de teste:
sendo k=número de grupos
onde
|
|
¹
|

\
|
+
|
|
¹
|

\
|


+
=

B A
n n N
t
N N
SE
1 1
) 1 ( 12 12
) 1 (
Teste de Dunn
Rejeitar H
0
se:
Não rejeitar H
0
caso contrário
Análise de variância
20
Teste t para amostras emparelhadas
1 amostra
Síntese
2 amostras
2 amostras
emparelhadas
Teste t
Teste Wilcoxon
P
NP
Teste t
Teste Mann-Whitney
P
NP
Teste Wilcoxon para amostras emparelhadas
P
NP
3 ou +
amostras
ANOVA
Teste Kruskal-Wallis
P
NP
Análise de variância