5840492
Description
Mind Map by henriquee.c, updated more than 1 year ago
|
Created by henriquee.c
over 9 years ago
|
|
Teste de Normalidade
- Kolmogorov-Sminov se n>30
- Shapiro Wilk se n<30
- H0: A Distribuição é Normal.
- Aceitação de H0: A Distribuição é Normal.
- Testes de Média Paramétricos
- Testes de Média que não necessitam do Teste de Variância
- Teste t Para 1 Amostra
- Objetiva testar a média de uma população em
relação a um determinado valor.
- H0: Média da População é igual ao valor determinado.
H1: Média da População é diferente, maior ou menor
que o valor determinado.
- Exemplo Abaixo. Nesse caso aceitaremos H0
- Exemplo Abaixo. Nesse caso aceitaremos H0
- H0: Média da População é igual ao valor determinado.
H1: Média da População é diferente, maior ou menor
que o valor determinado.
- Objetiva testar a média de uma população em
relação a um determinado valor.
- Teste t Para 2 Amostras Emparelhadas
- verifica se as médias populacionais de duas amostras dependentes
são semelhantes. Normalmente, compara antes com depois.
- H0: Média do Antes é igual à Média de Depois. H1: A Média do Antes é
Diferente, Maior ou Menor que a Média de Depois.
- No exemplo abaixo aceitaremos H1.
- Se a intenção for verificar se é maior ou menor é preciso verificar o
sinal do valor t, ou do intervalo de confiança, ou da média da diferença.
Lembre-se de dividir o p-valor por 2 nesses casos. Veja abaixo.
- Vemos que os valores assumiram o sinal negativo. Neste caso o valor do
Depois é maior que o Antes, pois o Teste sempre faz a primeira variável menos
a segunda variável. Se fosse positivo o Depois seria menor que o Antes.
- Vemos que os valores assumiram o sinal negativo. Neste caso o valor do
Depois é maior que o Antes, pois o Teste sempre faz a primeira variável menos
a segunda variável. Se fosse positivo o Depois seria menor que o Antes.
- Se a intenção for verificar se é maior ou menor é preciso verificar o
sinal do valor t, ou do intervalo de confiança, ou da média da diferença.
Lembre-se de dividir o p-valor por 2 nesses casos. Veja abaixo.
- No exemplo abaixo aceitaremos H1.
- H0: Média do Antes é igual à Média de Depois. H1: A Média do Antes é
Diferente, Maior ou Menor que a Média de Depois.
- verifica se as médias populacionais de duas amostras dependentes
são semelhantes. Normalmente, compara antes com depois.
- Teste t Para 1 Amostra
- Testes de Média que necessitam do Teste de Variância.
- Teste t Para 2 Amostras Independentes
- Verifica a diferença existente entre as médias de 2 populações independentes
- H0: As médias das populações são iguais. H1: A
média da população 1 é diferente, menor ou
maior que a média da população 2.
- Primeiramente precisamos verificar o Teste de Variância. Analisaremos o Teste Levene.
- H0: As Variâncias são iguais.
H1: As Variâncias são
diferentes.
- Veja o Exemplo abaixo. Neste caso aceitaremos H1.
- Depois de realizado o teste de variância, verificaremos o resultado do teste de média. No
exemplo como como as variâncias são diferentes então é necessário verificar o resultado do
teste de média na linha de "Equal Variances not assumed". Neste caso aceitaremos H1.
- Se o intuito for verificar se é maior ou menor analisamos o sinal do t observado, ou do intervalo
de confiança, ou da diferença de média. Não esquecer de dividir o P-Valor por 2 nesses casos.
- Vemos que os valores assumiram o sinal positivo, então a média da população 1 é maior que a média
da população 2, porque esse Teste sempre faz a primeira variável menos a segunda variável.
- Vemos que os valores assumiram o sinal positivo, então a média da população 1 é maior que a média
da população 2, porque esse Teste sempre faz a primeira variável menos a segunda variável.
- Se o intuito for verificar se é maior ou menor analisamos o sinal do t observado, ou do intervalo
de confiança, ou da diferença de média. Não esquecer de dividir o P-Valor por 2 nesses casos.
- Depois de realizado o teste de variância, verificaremos o resultado do teste de média. No
exemplo como como as variâncias são diferentes então é necessário verificar o resultado do
teste de média na linha de "Equal Variances not assumed". Neste caso aceitaremos H1.
- Veja o Exemplo abaixo. Neste caso aceitaremos H1.
- H0: As Variâncias são iguais.
H1: As Variâncias são
diferentes.
- Primeiramente precisamos verificar o Teste de Variância. Analisaremos o Teste Levene.
- H0: As médias das populações são iguais. H1: A
média da população 1 é diferente, menor ou
maior que a média da população 2.
- Verifica a diferença existente entre as médias de 2 populações independentes
- Teste F para +2 Amostras Independentes
- verifica se as médias populacionais de
um conjunto de amostras independentes
(mais de duas) são semelhantes.
- H0: As médias de todas as populações são iguais.
H1: A média de pelo menos 1 população é
diferente das demais.
- Primeiramente precisamos verificar o Teste de
Variância. Analisaremos o Teste Levene.
- H0: As variância de todas as populações são iguais.
H1: A variância de pelo menos 1 população é
diferente das demais.
- Aceitação de H0
- Verificamos o resultado do teste neste quadro.
- Próximo passo é verificar o resultado do teste de média. Quando as variâncias são
iguais, utilizaremos o quadro ANOVA para olhar o resultado. Nesse caso aceitaremos H1.
- Quando H1 for aceita é interessante verificar se apenas 1 média populacional é diferente ou se
há mais diferentes. Para isso utilizaremos o teste de Bonferroni, pois as variâncias são iguais. No
exemplo vemos que 1 e 2 possuem médias diferentes, 1 e 3 são diferentes, mas 2 e 3 são iguais.
- Quando H1 for aceita é interessante verificar se apenas 1 média populacional é diferente ou se
há mais diferentes. Para isso utilizaremos o teste de Bonferroni, pois as variâncias são iguais. No
exemplo vemos que 1 e 2 possuem médias diferentes, 1 e 3 são diferentes, mas 2 e 3 são iguais.
- Próximo passo é verificar o resultado do teste de média. Quando as variâncias são
iguais, utilizaremos o quadro ANOVA para olhar o resultado. Nesse caso aceitaremos H1.
- Verificamos o resultado do teste neste quadro.
- Aceitação de H1
- Verificamos o resultado do teste neste quadro.
- Próximo passo é verificar o resultado do teste de média. Quando as variâncias são
diferentes, verificamos o teste de Brown-Forsythe para olhar o resultado, que é um
teste robusto para correção de diferença de variâncias. Nesse caso aceitaremos H1.
- Quando H1 for aceita é interessante verificar se apenas 1 média populacional é diferente ou
se há mais diferentes. Para isso utilizaremos o teste de Tamhane, pois as variâncias são
diferentes. No exemplo vemos que todas as médias são diferentes uma da outra.
- Quando H1 for aceita é interessante verificar se apenas 1 média populacional é diferente ou
se há mais diferentes. Para isso utilizaremos o teste de Tamhane, pois as variâncias são
diferentes. No exemplo vemos que todas as médias são diferentes uma da outra.
- Próximo passo é verificar o resultado do teste de média. Quando as variâncias são
diferentes, verificamos o teste de Brown-Forsythe para olhar o resultado, que é um
teste robusto para correção de diferença de variâncias. Nesse caso aceitaremos H1.
- Verificamos o resultado do teste neste quadro.
- Aceitação de H0
- H0: As variância de todas as populações são iguais.
H1: A variância de pelo menos 1 população é
diferente das demais.
- Primeiramente precisamos verificar o Teste de
Variância. Analisaremos o Teste Levene.
- H0: As médias de todas as populações são iguais.
H1: A média de pelo menos 1 população é
diferente das demais.
- verifica se as médias populacionais de
um conjunto de amostras independentes
(mais de duas) são semelhantes.
- Teste t Para 2 Amostras Independentes
- O segundo passo é realizar ou Teste de Média ou o Teste de Variâncias. Depende do tipo de amostra que está sendo trabalhada.
- O Testes t para 1 Amostra ou 2 Amostras Emparelhadas não necessitam do Teste de Variância, então pode fazer diretamente o Teste de Média.
- O Teste t para 2 Amostras Independentes e o Teste F para +2 Amostras Independentes
necessitam do Teste de Variância antes da aplicação do Teste de Média
- O Teste t para 2 Amostras Independentes e o Teste F para +2 Amostras Independentes
necessitam do Teste de Variância antes da aplicação do Teste de Média
- O Testes t para 1 Amostra ou 2 Amostras Emparelhadas não necessitam do Teste de Variância, então pode fazer diretamente o Teste de Média.
- Testes de Média que não necessitam do Teste de Variância
- Testes de Média Paramétricos
- Aceitação de H1: A Distribuição Não é Normal
- Testes Não Paramétricos
- O segundo passo é realizar o Teste de Média de acordo o tipo de amostra que será
trabalhada. Os testes não paramétricos não exigem teste de variância.
- Teste de Mann-Whitney:
Substitui o teste t para 2
amostras independentes
- H0: As distribuições populacionais são iguais. H1: A
distribuição da população 1 é diferente, maior ou
menor que a distribuição da população 2.
- No exemplo aceitamos H0
- Se o intuito for verificar se é maior ou menor é
preciso analisar a distribuição dos postos (ranks). A
média dos postos (mean rank) ou a soma dos postos
(sum of ranks) dirá qual é o maior e o menor. Não
esquecer de dividir o P-valor por 2 nesses casos.
- Se o intuito for verificar se é maior ou menor é
preciso analisar a distribuição dos postos (ranks). A
média dos postos (mean rank) ou a soma dos postos
(sum of ranks) dirá qual é o maior e o menor. Não
esquecer de dividir o P-valor por 2 nesses casos.
- No exemplo aceitamos H0
- H0: As distribuições populacionais são iguais. H1: A
distribuição da população 1 é diferente, maior ou
menor que a distribuição da população 2.
- Teste de Wilcoxon:
Substitui o teste t para 2
amostras emparelhadas
- H0: A distribuição do Antes é igual à distribuição do
Depois. H1: A distribuição do Antes é Diferente,
Maior ou Menor que a distribuição de Depois.
- No exemplo aceitamos H1
- Se o intuito for verificar se é maior ou menor analisamos o a
distribuição dos postos (ranks). Não esquecer de dividir o
P-Valor por 2 nesses casos.
- Os Ranks mostram quantas observações são D > A, D < A e D = A. Vemos que há mais D > A. A média
dos postos do Depois é maior que do Antes. Então se H1 for: D>A Aceitaremos H1, mas se H1 for: A>D
Aceitaremos H0, mesmo se o P-Valor for menor que o nível de significância.
- Os Ranks mostram quantas observações são D > A, D < A e D = A. Vemos que há mais D > A. A média
dos postos do Depois é maior que do Antes. Então se H1 for: D>A Aceitaremos H1, mas se H1 for: A>D
Aceitaremos H0, mesmo se o P-Valor for menor que o nível de significância.
- Se o intuito for verificar se é maior ou menor analisamos o a
distribuição dos postos (ranks). Não esquecer de dividir o
P-Valor por 2 nesses casos.
- No exemplo aceitamos H1
- H0: A distribuição do Antes é igual à distribuição do
Depois. H1: A distribuição do Antes é Diferente,
Maior ou Menor que a distribuição de Depois.
- Teste de Kruskal-Wallis:
Substitui o teste F para mais
de 2 amostras independentes
- H0: A distribuição de todas as populações são
iguais. H1: A distribuição de pelo menos 1
população é diferente das demais.
- No exemplo aceitamos H0
- No exemplo aceitamos H0
- H0: A distribuição de todas as populações são
iguais. H1: A distribuição de pelo menos 1
população é diferente das demais.
- O segundo passo é realizar o Teste de Média de acordo o tipo de amostra que será
trabalhada. Os testes não paramétricos não exigem teste de variância.
- Testes Não Paramétricos
- Este é o primeiro teste a ser feito. É preciso verificar a
quantidade de observações para saber qual teste fazer.
- TESTE DE MÉDIA
- H1: A Distribuição Não é Normal.
- Lembre-se que o teste de normalidade para 2 amostras
emparelhadas é realizado na variável "Diferença". Esta
variável precisa ser normal, o antes e depois não interessa.
- Para fazer testes Paramétricos TODAS as amostras precisam ser normais.
Se pelo menos uma não for normal, é proibido fazer teste paramétrico.
- Para fazer testes Paramétricos TODAS as amostras precisam ser normais.
Se pelo menos uma não for normal, é proibido fazer teste paramétrico.
Media attachments
Want to create your own Mind Maps for free with GoConqr? Learn more.