m m
caso C
caso B
caso A
10
9
8
7
6
5
4
3
2
1
0
C = grupo controle
T = grupo tratado
Caso A: duas mdias diferentes (no podemos dizer outra coisa, seno que diferem
numericamente).
Caso B: as mesmas duas mdias (de A) com valores bem dispersos (a diferena no
estatisticamente significante). Devido disperso, a diferena no muito convincente.
Caso C: as mesmas mdias (as duas de A e B) com valores concentrados (prximos ao valor
mdio). Nesse caso, h diferena estatisticamente significante.
O teste t (de Student) para a diferena entre duas mdias um caso especial de anlise de
varincia (ANOVA 1 fator). A frmula para t pode ser expressa para F. Vale a relao: F = t 2.
2
O problema como decidir quando as mdias so diferentes, em relao
disperso dos valores em cada grupo, a fim de concluir se h diferena estatisticamente
significante entre as mdias.
A anlise de varincia ajuda-nos a responder esta questo.
O que temos a fazer descobrir um modo de avaliar (medir) numericamente o
quo diferentes so as mdias e quanto as observaes se afastam (encontram-se dispersas) ao
redor das respectivas mdias.
Com essas duas medidas (avaliaes) nossa disposio, somos capazes de dizer
se as mdias diferem significantemente ou no.
A idia da Anlise de Varincia
Esta a idia principal para a comparao de mdias: o que importa no o quanto
as mdias amostrais esto distantes , mas o quo distantes esto relativamente variabilidade
de observaes individuais.
A ANOVA compara a variao resultante de fontes especficas com a variao
entre indivduos que deveriam ser semelhantes. Em particular, a ANOVA testa se vrias
populaes tm a mesma mdia, comparando o afastamento entre as mdias amostrais com a
variao existente dentro das amostras.
A ANOVA pressupe que podemos decompor cada valor observado em trs termos
aditivos; ou seja, ns somos capazes de escrever cada observao como uma soma de trs
termos. A decomposio pode ser escrita como:
Valor obtido (x) = mdia geral () + desvio da mdia do grupo em relao mdia geral ( x ) + desvio (ij ) entre o valor observado em relao mdia do grupo ( x - x ) ou
Data = fit + residue (error)
O modelo formal de ANOVA (1 fator ) : xij = + ij + ij
Observao.
Suposies do modelo ANOVA:
(i)
todas as populaes tm o mesmo desvio padro , de valor desconhecido;
(ii) os resduos devem seguir uma curva normal com mdia igual a zero e varincia 2.
A estatstica F da ANOVA
F = variao (entre mdias amostrais)
4
Exemplo resolvido:
Na Tabela 1, mostrada a seguir, temos cinco grupos com cinco observaes em cada
grupo. Queremos saber as diferenas nas mdias amostrais so variaes aleatrias que
ocorrem apenas devido ao acaso (just by chance) ou se existem diferenas sistemticas entre
as mdias.
Tabela 1. Dados obtidos em cinco grupos num experimento inteiramente casualizado com
cinco rplicas.
B
C
D
E
A
6
7
4
5
3
6
8
4
5
4
6
8
5
6
4
8
8
6
6
4
9
9
6
8
5
x
mdias amostrais ( )
7
8
5
6
4
mdia geral = 6
Observao:
Primeira regra de anlise de dados: make a picture
Segunda regra de anlise de dados: make a picture
Terceira regra de anlise de dados: make a picture
assim, um dot plot, e/ou um box-plot e/ou ou histograma convm serem apresentados!
Grupos
B
C
D
5
6
Valores
Mean
Mean +- 1 StDev
E
D
C
B
A
Descriptive Statistics: A, B, C, D, E
Grupos
A
B
C
D
E
N
5
5
5
5
5
10
6
Resoluo:
SQ entre grupos: n( x - )2
Grupo A
Incio
6
6
6
6
6
Efeito
tratamento
+1
+1
+1
+1
+1
Grupo
(-x-)
7
7
7
7
7
Efeito
tratamento
+2
+2
+2
+2
+2
Grupo
(-x-)
8
8
8
8
8
Efeito
tratamento
-1
-1
-1
-1
-1
Grupo
(-x-)
5
5
5
5
5
Efeito
tratamento
0
0
0
0
0
Grupo
(-x-)
6
6
6
6
6
Efeito
tratamento
-2
-2
-2
-2
-2
Grupo
(-x-)
4
4
4
4
4
Resduo (jogo)
Final
-1
-1
-1
+1
+2
6
6
6
8
9
1
1
1
1
4
Resduo (jogo)
Final
-1
0
0
0
+1
7
8
8
8
9
1
0
0
0
1
Resduo (jogo)
Final
-1
-1
0
+1
+1
4
4
5
6
6
1
1
0
1
1
Resduo (jogo)
Final
-1
-1
0
0
+2
5
5
6
6
8
1
1
0
0
4
Resduo (jogo)
Final
-1
0
0
0
+1
3
4
4
4
5
1
0
0
0
1
5 (1)2
Grupo B
Incio
6
6
6
6
6
5(2)2
Grupo C
Incio
6
6
6
6
6
5(-1)2
Grupo D
Incio
6
6
6
6
6
5(0)2
Grupo E
Incio
6
6
6
6
6
5(4-6)2 = 5(-2)2
7
SQ Entre grupos =SQE = 5 [12 +22 + (-1)2 + 02 + (-2)2] = 50
SQ Dentro dos grupos = SQD = 2 = 22.
2 = (-1)2 +(-1)2+ (-1)2+ (1)2+ (2)2 + (-1)2+ (0)2 +(0)2+(0)+(1)2 +
(-1)2+(-1)2+(0)2+(1)2+(1)2
+ (-1)2 + (-1)2+(0)2+(0)2+(2)2 +
(-1)2+(0)2+(0)2+(0)2+(1)2 =
2 = 8+ 2 + 4 + 6 + 2 = 22
SQT = Soma de Quadrados Total = SQE + SQD = 50 + 22 = 72
SQT = (x x :mdia geral )2 =
SQT = (x mdia geral )2 = (6-6)2 + (6-6)2 + (6-6)2 +(8-6)2 +(9-6)2 +(7-6)2 + ... +(4-6)2 + (56)2 = 72
(esse valor representa a soma de 25 valores de desvios elevados ao quadrados)
Efetue o teste de Normalidade dos resduos e/ou avaliao grfica.
Observao.
Suposio do modelo ANOVA:
(i)
todas as populaes tm o mesmo desvio padro , de valor desconhecido;
(ii) os resduos devem seguir uma curva normal com mdia igual a zero e varincia 2.
8
Residual Plots for A, B, C, D, E
Normal Probability Plot
90
50
10
1
25
1.493
<0.005
2
Residual
Percent
99
1
0
-1
-2
-1
0
1
Residual
6
7
Fitted Value
Frequency
16
12
8
4
0
-1.0
0.5
Residual
2.0
Nesse nosso caso, estamos diante de um mau exemplo, porque os resduos no seguem
uma distribuio Normal com mdia igual a zero.
O que fazer, ento?
Uma soluo seria submeter os dados a uma transformao logartmica. Outra
possibilidade seria efetuar um teste no paramtrico (anova de Kruskal-Wallis).
Para prosseguirmos em nosso exemplo didtico, vamos fazer de conta que os resduos
seguem uma distribuio Normal, pois o teste F da ANOVA um procedimento robusto. E o
que importa a normalidade das mdias amostrais; assim, a ANOVA torna-se mais segura
medida que os tamanhos das amostras aumentam, devido ao efeito do teorema central do
limite. Quando no houver valores atpicos ( esse o nosso caso) e as distribuies forem
aproximadamente simtricas, podemos usar a ANOVA com segurana para tamanhos de
amostras bem pequenos, como 4 ou 5.
A ANOVA considera que a variabilidade das observaes, medida pelo desvio padro,
seja a mesma em todas as populaes. No fcil verificar a suposio de as populaes
terem desvios-padro iguais. Testes estatsticos de igualdade dos desvios-padro so to
9
sensveis ausncia de normalidade que, na prtica, tm pouco valor. A soluo contar com
a robustez da ANOVA.
Qual a gravidade de os desvios-padro serem desiguais? A ANOVA no muito
sensvel a violaes da suposio, particularmente quando todas as amostras tm tamanhos
iguais ou semelhantes e nenhuma das amostras muito pequena. Ao planejar um estudo, tente
tomar amostras do mesmo tamanho de todos os grupos que pretende comparar. Os desviospadro amostrais estimam os desvios-padro da populao, logo, certifique-se antes de fazer a
ANOVA de que os desvios-padro amostrais so semelhantes entre si. Espera-se que haja certa
variao entre eles devido ao acaso. A seguir apresentamos uma regra prtica que segura em
quase todas as situaes:
Verificao dos Desvios-Padro na ANOVA:
Os resultados do teste F da ANOVA so aproximadamente corretos quando o maior desviopadro amostral no for mais do que duas vezes do que o menor desvio-padro amostral.
]
Um desvio-padro grande muitas vezes ocorre devido a valores atpicos ou assimetria.
Entre grupos:
SQ entre/ gl entre = SQ entre grupos/ g-1
No nosso exemplo g=5 e SQ eg = 50 logo, QM entre grupos = 50/4 = 12,50
10
A nossa hiptese (Ho) : sendo as mdias nas populaes das quais procedem as
amostras iguais, qual a probabilidade de obtermos valores Fcalculado to extremos?
Ho: A = B = C = D = E.
A rigor, Ho, no um teste para verificar a probabilidade de igualdade das mdias,
mas sim para verificar a probabilidade de ocorrncia da estatstica F tendo como condio
verdadeira o fato de que essas amostras procedem de populaes que apresentam o mesmo
valor mdio (no nosso exemplo, = 6). (Ho: hiptese onde quaisquer diferenas encontradas
so devido ao acaso).
Em nosso exemplo, a hiptese em investigao no coincide com a hiptese
estatstica de nulidade (Ho). Assim, se rejeitarmos Ho, ento se pode inferir com cautela que
h uma diferena sistemtica atuando, o que explica a diferena entre os valores amostrais
melhor do que a ao do acaso.
Os resultados obtidos so apresentados de forma resumida na tabela 2:
Tabela 2. ANOVA (1 fator) para os dados da Tabela 1.
Fonte de variao (ou efeito)
Entre grupos
Dentro (resduo)
Total
*p< 0,05
gl
SQ
QM
4
20
24
50
22
72
12,5
1,1
Razo
F
11,36
p-valor
0,00006*
11
gl (4:20)
= 2,87 para
5%. A estatstica F razo de varincia foi calculada. Ela ocorre muito ou pouco num
mecanismo de pura chance (diferenas amostrais devido ao acaso)?
Se uma observao rara (improvvel) sob determinada hiptese (Ho), ento
evidncia contra essa hiptese.
No Minitab (comando CTR + L) temos de digitar o comando CDF (cumulative
distribution function) e, a seguir, o valor da estatstica F calculada para indicar que estamos
considerando a distribuio F e, no por exemplo a Normal. Numa outra linha, os nmeros de
graus de liberdade das varincias entre os grupos (numerador) e dentro dos grupos
(denominador). A constante k1 representa a probabilidade de - at F (= 2.87) e o p-valor a
parte da curva que falta para 100% de probabilidade (rea total da curva); por esse motivo,
para se obter o p-valor, rea do que falta, temos de subtrair do total. O programa Minitab vai
armazenar esse resultado como constante k2
Se quisermos testar esses comandos (como garantia):
Edit>> Command Line Editor:
cdf 2.87 k1;
F 4 20.
let k2 = 1 k1
print k2
( X) Submit Commands:
nesse caso temos p-valor = k2 = 0.05 confirmando como verdadeira a Tabela F.
12
Curva F
gl (numerador) = 4
gl (denominador) = 20
CDF
0.7
0.6
0.5
0.4
0.3
0.2
5%
0.1
0.0
2.87