cap. 12 testes qui- quadrados e testes...
TRANSCRIPT
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-1
Cap. 12 – Testes Qui-
Quadrados e Testes
Não-Paramétricos
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-2
Final de curso... tempo de recordar : )
Cap. 9 – Fundamentos de testes de hipóteses
Teste z para média com σ conhecido e teste t para σ desconhecido
Testes unicaudais
Teste z para proporções
Cap. 10 – Testes para duas amostras
Comparações de médias de duas populações independentes e populações relacionadas (testes z e t)
Comparações de proporções (teste z)
Teste F para a diferença entre duas variâncias
Cap. 11 – Análise da Variância
ANOVA de fator único – diferenças entre mais de duas médias aritméticas
Múltiplas comparações – o procedimento de Tukey-Kramer
Teste de Leven para a homogeneidade das variâncias
ANOVA de dois fatores – efeitos dos fatores e da interação
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-3
Objetivos do Cap. 12
Neste capítulo, você aprenderá:
Como e quando utilizar o teste qui-quadrado
para tabelas de contingência
Como utilizar o procedimento de Marascuilo
para determinar diferenças em pares, ao
avaliar mais de duas proporções
Como e quando utilizar o teste de McNemar
Como e quando utilizar testes não
paramétricos
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-4
Tabelas de Contingência
Tabelas de Contingência
Útil em situações envolvendo múltiplas proporções
Usada para classificar as observações de uma
amostra de acordo com duas ou mais características
Também conhecida como tabela de classificação
cruzada.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-5
Exemplo de Tabela de
Contingência
“Destro ou canhoto” x Sexo
Habilidade: Canhoto x Destro
Sexo: Masculino x Feminino
2 categorias para cada variável, então a
tabela será 2 x 2
Suponha que examinemos uma amostra
de 300 estudantes
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-6
Exemplo de Tabela de
Contingência
Resultados da amostra organizados em uma tabela de contingência:
Canhoto x
Destro
Sexto
F M
Canhoto 12 24 36
Destro 108 156 264
120 180 300
120 Mulheres, 12 são
canhotas
180 Homens, 24 são
canhotos
Tamanho amostra = n = 300:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-7
Exemplo de Tabela de
Contingência
Se H0 é verdadeira, então a proporção de mulheres canhotas
deveria ser a mesma que a proporção de homens canhotos.
As duas proporções acima deveriam ser iguais à proporção de
canhotos na população como um todo.
H0: π1 = π2 (Proporção de homens canhotos é igual à
proporção de mulheres canhotas)
H1: π1 ≠ π2 (As proporções não são iguais –
Ser canhoto ou destro não é independente
do sexo)
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-8
Estatística de Teste Qui-
Quadrado
onde:
fo = frequencia observada em uma célula particular
fe = frequência esperada para aquela célula se H0 é verdadeira
2 para o caso de tabelas 2 x 2 tem 1 grau de liberdade
células todas e
2
eo2
f
)f(fχ
A estatística de teste Qui-quadrado é:
Premissa: cada célula da tabela de contingência tem uma frequencia esperada de pelo menos 5
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-9
Regra de Decisão:
Se 2 > 2S, rejeita H0,
caso contrário, não
rejeita H0
A estatística de teste 2 segue aproximadamente uma
distribuição qui-quadrado com 1 grau de liberdade
2
2S
0
Rejeita H0Não
rejeita H0
Teste Qui-Quadrado para
diferença entre duas proporções
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-10
Calculando a proporção geral
estimada
Aqui:
A proporção geral de canhotos estimada na população é de 0.12, ou
seja, 12%
n
X
nn
XXp
21
21
12.0300
36
180120
2412p
A proporção geral é:
120 Mulheres, 12 são
canhotas
180 Homens, 24 são
canhotos
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-11
Encontrando as frequências
esperadas
Para obter a frequência esperada de mulheres canhotas, multiplique a proporção geral de canhotos pelo número total de mulheres
Para obter a frequência esperada de homens canhotos, multiplique a proporção geral de canhotos pelo número total de homens
Se as duas proporções são iguais, então
P(Canhotas | Mulheres) = P(Canhotos | Homens) = .12
i.e., esperaríamos que (.12)(120) = 14.4 mulheres canhotas
(.12)(180) = 21.6 homens canhotos
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-12
Frequências observadas x
esperadas
Canhoto x
Destro
Sexo
F M
CanhotoObservado = 12
Esperado = 14.4
Observado = 24
Esperado = 21.636
DestroObservado = 108
Esperado = 105.6
Observado = 156
Esperado = 158.4264
120 180 300
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-13
Teste Qui-Quadrado para
diferença entre duas proporções
7576.04.158
)4.158156(
6.21
)6.2124(
6.105
)6.105108(
4.14
)4.1412(
)(
2222
células todas
22
e
eo
f
ff
A estatística de teste é:
Canhoto x
Destro
Sexo
F M
CanhotoObservado = 12
Esperado = 14.4
Observado = 24
Esperado = 21.636
DestroObservado = 108
Esperado = 105.6
Observado = 156
Esperado = 158.4264
120 180 300
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-14
Teste Qui-Quadrado para
diferença entre duas proporções
Regra de decisão:
Se 2 > 3.841, rejeita H0, senão, não
rejeita H0
3.841 g.l. 1 com , 7576.0 é testede aestatísticA 22 S
Aqui,
2 = 0.7576 < 2S = 3.841,
então não rejeita H0 e conclui
que não há evidências
suficientes de que as duas
proporções sejam diferentes.
2
2S=3.841
0
=.05
Rejeita H0Não
rejeita H0
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-15
Teste 2 para diferenças entre
mais de duas proporções
O teste 2 pode ser extendido para o caso de mais de
duas populações independentes:
H0: π1 = π2 = … = πc
H1: Nem todos os πj são iguais (j = 1, 2, …, c)
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-16
Estatística de Teste Qui-
Quadrado
onde:
fo = frequência observada em uma das células de uma tabela
2 x c (2 linhas e c colunas)
fe = frequência esperada em uma célula se H0 é verdadeira
2 para a tabela 2 x c tem (2-1)(c-1) = c - 1 graus de liberdade
Premissa: cada célula da tabela de contingência tem frequência
esperada de pelo menos 1
cells all
22 )(
e
eo
f
ff
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-17
Calculando a Proporção Geral
Estimada
n
X
nnn
XXXp
c
c
...
...
21
21A proporção geral é:
As frequências esperadas em cada célula para as c
categorias são calculadas como no caso da tabela 2 x
2, e a regra de decisão é a mesma:
Regra de Decisão:
Se 2 > 2S, rejeita H0,
caso contrário, não
rejeita H0
Onde 2S é de uma
distribuição qui-quadrado
com c – 1 graus de
liberdade
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-18
Teste 2 com mais de duas
proporções: Exemplo
O compartilhamento de informações de pacientes é uma questão controversa na área de saúde. Uma pesquisa feita com 500 indivíduos perguntou se havia objeções ao compartilhamento de dados entre seguradoras, farmácias e médicos pesquisadores. Os resultados são resumidos na tabela seguinte:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-19
Teste 2 com mais de duas
proporções: Exemplo
Objeção ao
compartilha
mento?
Organização
Seguradoras Farmácias Médicos
Pesquisadores
Sim 410 295 335
Não 90 205 165
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-20
Teste 2 com mais de duas
proporções: Exemplo
6933.0500500500
335295410
...
...
21
21
c
c
nnn
XXXp
A proporção
geral é:
Objeção ao
compartilhamento?
Organização
Seguradoras Farmácias Médicos
Pesquisadores
Sim fo = 410
fe = 346.667
fo = 295
fe = 346.667
fo = 335
fe = 346.667
Não fo = 90
fe = 153.333
fo = 205
fe = 153.333
fo = 165
fe = 153.333
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-21
Teste 2 com mais de duas
proporções: Exemplo
Objeção?
Organização
Seguradoras Farmácias Médicos
Pesquisadores
Sim
Não
700.7
2
e
eo
f
ff
159.26
2
e
eo
f
ff
571.11
2
e
eo
f
ff 3926.0
2
e
eo
f
ff
409.17
2
e
eo
f
ff 888.0
2
e
eo
f
ff
1196.64)(
células as todas
22
e
eo
f
ffA estatística de teste
qui-quadrado é:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-22
Teste 2 com mais de duas
proporções: Exemplo
Regra de decisão:
Se 2 > 2S, rejeita H0,
caso contrário, não rejeita
H0
2S = 5.991 vem da
distribuição qui-quadrado
com dois graus de liberdade.
H0: π1 = π2 = π3
H1: Nem todos os πj são iguais (j = 1, 2, 3)
Conclusão: Como 64.1196 > 5.991, rejeita-se H0 e você conclui
que pelo menos uma das proporções de respondentes que fizeram
objeção ao compartilhamento de seus dados é diferente entre as
organizações.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-23
O procedimento de Marascuilo
O procedimento de Marascuilo permite fazer
comparações entre todos os pares.
Primeiro, calcule as diferenças observadas pj -
pj’ entre todos os pares das c(c-1)/2 células.
Segundo, calcule o intervalo crítico
correspondente para o procedimento de
Marascuilo.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-24
O procedimento de Marascuilo
Intervalo crítico para o procedimento de Marascuilo :
/
// )1()1(CríticoIntervalo 2
j
jj
j
jj
Sn
pp
n
pp
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-25
O procedimento de Marascuilo
Calcule um intervalo crítico para cada par de
comparações entre as proporções da amostra.
Compare cada um dos c(c - 1)/2 pares de
proporções na amostra com seu intervalo
crítico correspondente.
Declare a diferença entre proporções
significante se a diferença absoluta no par de
proporções |pj – pj’| for maior que o intervalo
crítico correspondente.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-26
O procedimento de Marascuilo
Exemplo
Objeção?
Organização
Seguradoras Farmácias Médicos
Pesquisadores
Sim 410
P1 = 0.82
295
P2 = 0.59
335
P3 = 0.67
Não 90 205 165
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-27
O procedimento de Marascuilo
Exemplo
TABELA DE MARASCUILO
Proporções
Diferenças
Absolutas
Intervalo
Crítico
| Group 1 - Group 2 | 0.23 0.06831808
| Group 1 - Group 3 | 0.15 0.0664689
| Group 2 - Group 3 | 0.08 0.074485617
Conclusão: Como cada diferença absoluta é maior que
o intervalo crítico correspondente, você conclui que
cada proporção é significativamente diferente das
outras duas.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-28
Teste de Independência 2
Semelhante ao teste 2 para igualdade entre mais de
duas proporções, mas extende o conceito a tabelas de
contingência com r linhas e c colunas
H0: As duas variáveis categóricas são independentes
(i.e., não há nenhuma relação entre elas)
H1: As duas variáveis categóricas são dependentes
(i.e., existe uma relação entre elas)
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-29
Teste de Independência 2
onde:
fo = frequência observada em uma célula particular da tabela r x c
fe = frequência esperada em uma célula se H0 é verdadeira
2 para uma tabela r x c tem (r-1)(c-1) graus de liberdade
Premissa: cada célula da tabela de contingência tem frequência esperada
de pelo menos 1
astodascélul e
eo
f
ff 22 )(
A estatística de teste Qui-Quadrado é:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-30
Frequências Esperadas
Frequências esperadas em cada célula:
n
colunadatotallinhadatotal ef
Onde:
Total da linha = soma do total de frequências naquela linha
Total da coluna = soma do total de frequências naquela coluna
n = tamanho total da amostra
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-31
Regra de Decisão
A regra de decisão é:
Se 2 > 2S, rejeita-se H0,
caso contrário, não rejeita H0
Onde 2S vem da distribuição qui-quadrado
com (r – 1)(c – 1) graus de liberdade
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-32
Exemplo: Teste de
Independência O plano de refeições selecionado por 200 estudantes é mostrado abaixo:
Tipo Menu
No. de refeições por semana
Total20/sem. 10/sem. nenhuma
Saudável 24 32 14 70
Sofist. 22 26 12 60
Junior 10 14 6 30
Senior 14 16 10 40
Total 70 88 42 200
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-33
Exemplo: Teste de
Independência
A hipótese a ser testada é:
H0: No. de refeições e tipo do menu são independentes
(i.e., não há nenhuma relação entre eles)
H1: No. de refeições e tipo do menu são dependentes
(i.e., há relação entre eles)
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-34
Exemplo: Teste de
Independência
Tipo Menu
No. de refeições por semana
Total20/sm. 10/sm. 0
Saudável 24.5 30.8 14.7 70
Sofist. 21.0 26.4 12.6 60
Junior 10.5 13.2 6.3 30
Senior 14.0 17.6 8.4 40
Total 70 88 42 200
Frequências esperadas em cada
célula se H0 é verdadeira:
5.10200
7030
coluna x totallinha totalfe
n
Exemplo p/ uma célula:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-35
Exemplo: Teste de
Independência
O valor da estatística de teste é:
709.04.8
)4.810(
8.30
)8.3032(
5.24
)5.2424(
)(
222
22
astodascélul e
eo
f
ff
2S = 12.592 para α = .05 sendo a distribuição com
(4 – 1)(3 – 1) = 6 graus de liberdade
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-36
Exemplo: Teste de
Independência
Regra de Decisão:
Se 2 > 12.592, rejeita H0, caso
contrário, não rejeita H0
12.592 g.l. 6 com , 709.0 é testede aestatísticA 22 S
Aqui,
2 = 0.709 < 2S = 12.592,
então não rejeita H0
Conclusão: não há evidências
suficientes de que haja relação
entre o no. de refeições e o tipo
do menu escolhido.
2
2S=12.592
0
=0.05
Rejeita H0Não
rejeita H0
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-37
Teste de McNemar
Usado para testar diferenças entre duas
proporções de amostras relacionadas (não
independentes)
A estatística de teste segue uma distribuição
normal
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-38
Teste de McNemar
Tabela de Contingência
Condição (Grupo) 1
Condição (Grupo) 2
Sim Não Totais
Sim A B A+B
Não C D C+D
Totais A+C B+D n
Onde A = número de elementos que responderam sim às condições 1 e 2
B = número de elementos que responderam sim à condição 1 e não a 2
C = número de elementos que responderam não à condição 1 e sim a 2
D = número de elementos que responderam não às condições 1 e 2
n = número total de elementos da amostra
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-39
Teste de McNemar
Tabela de Contingência
As proporções na amostra são:
Condição (Grupo) 1
Condição (Grupo) 2
Sim Não Totais
Sim A B A+B
Não C D C+D
Totais A+C B+D n
n
CAp
n
BAp
21
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-40
Teste de McNemar
Tabela de Contingência
As proporções na população são:
π1 = proporção da população que respondeu sim à condição 1
π2 = proporção da população que respondeu sim à condição 2
Condição (Grupo) 1
Condição (Grupo) 2
Sim Não Totais
Sim A B A+B
Não C D C+D
Totais A+C B+D n
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-41
Teste de McNemar
Tabela de Contingência
Para testar a hipótese:
H0: π1 = π2
H1: π1 ≠ π2
Use a estatística de teste:
CB
CBZ
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-42
Teste de McNemar
Exemplo
Suponha que você pesquisou 300 proprietários de casas
financiadas e perguntou se eles estariam interessados em
um refinanciamento. Em um esforço para gerar negócios o
banco responsável por estes financiamentos melhorou as
condições dos financiamentos e reduziu os custos de
conclusão dos mesmos. A amostra foi então novamente
pesquisada. Determine se as mudanças nos termos do
financiamento foram efetivas em gerar negócios para o
banco. Os dados são resumidos a seguir:
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-43
Teste de McNemar
Exemplo
Respostas antes
da mudança
Respostas após mudanças
Sim Não Totais
Sim 118 2 120
Não 22 158 180
Totais 140 160 300
Teste a hipótese (a um nível de significância igual a 0.05):
H0: π1 = π2: As mudanças não foram efetivas
H1: π1 diferente π2: As mudanças aumentaram o volume de
negócios
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-44
Teste de McNemar
Exemplo
Respostas
antes da
mudança
Respostas após mudanças
Sim Não Totais
Sim 118 2 120
Não 22 158 180
Totais 140 160 300
O valor crítico (.05 de
significância) é Z = -1.96
A estatística de teste é:
08.4222
222
CB
CBZ
Como Z = -4.08 < -1.96, você rejeita H0 e conclui que as
mudanças nos termos dos empréstimos aumentou
significativamente o volume de negócios (a um nível de
significância de 5%).
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-45
Teste da Soma das
Classificações de Wilcoxon
Testa as medianas de duas populações independentes
As populações não precisam ter distribuição normal
É um teste não paramétrico
Útil quando apenas dados ordinais estão disponíveis
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-46
Teste da Soma das
Classificações de Wilcoxon
Pode ser usado quando ambos n1 , n2 ≤ 10
Calcule as classificações para as amostras combinadas n1 + n2
Se os tamanhos de amostra forem desiguais, estabeleça n1 como a amostra de menor tamanho
O menor valor recebe classificação = 1, o maior valor classificação = n1 + n2
Para valores repetidos estabeleça a classificação como a média das classificações e atribua este valor às repetições
Some as classificações para cada amostra: T1 e T2
Obtenha a estatística de teste, T1 (da menor amostra)
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-47
Verificando as classificações
A soma das classificações deve satisfazer à fórmula
abaixo
Use-a para verificar a soma de T1 e T2
2
1)n(n21
TT
onde n = n1 + n2
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-48
Teste da soma das classificações de
Wilcoxon
Hipóteses e Decisão
H0: M1 = M2
H1: M1 ≠ M2
H0: M1 ≤ M2
H1: M1 > M2
H0: M1 ≥ M2
H1: M1 < M2
Teste bi-caudas Teste de cauda à esquerda Teste de cauda à direita
M1 = mediana da população 1; M2 = mediana da população 2
Rejeita
T1I T1S
RejeitaNão
RejeitaRejeita
T1I
Não Rejeita
T1S
RejeitaNão Rejeita
Estatística de teste = T1 (soma das classificações para a menor amostra)
Rejeita H0 se T1 ≤ T1I
ou se T1 ≥ T1S
Rejeita H0 se T1 ≤ T1I Rejeita H0 se T1 ≥ T1S
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-49
Teste da soma das classificações
de Wilcoxon
Exemplo com pequenas amostras Dados amostrais sobre a utilização da capacidade de
produção (% da capacidade) de duas fábricas são
coletados.
As medianas destes percentuais são as mesmas para
as duas fábricas?
Para a fábrica A, os percentuais são 71, 82, 77, 94,
88
Para a fábrica B, os percentuais são 85, 82, 92, 97
Teste a igualdade das medianas populacionais a um
nível de significância de 0.05
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-50
Teste da soma das classificações
de Wilcoxon
Exemplo com pequenas amostrasCapacidade Rank
Fábrica A Fábrica B Fábrica A Fábrica B
71 1
77 2
82 3.5
82 3.5
85 5
88 6
92 7
94 8
97 9
Soma Classificações: 20.5 24.5
Repetições na
3a. e 4a.
posições
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-51
Teste da soma das classificações
de Wilcoxon
Exemplo com pequenas amostras
Fábrica B tem a menor amostra, então a estatística
de teste é a soma das classificações na fábrica B:
T1 = 24.5
Os tamanhos de amostra são:
n1 = 4 (fábrica B)
n2 = 5 (fábrica A)
O nível de significância é α = .05
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-52
Teste da soma das classificações
de Wilcoxon
Exemplo com pequenas amostras
n2
n1
One-
Tailed
Two-
Tailed4 5
4
5
.05 .10 12, 28 19, 36
.025 .05 11, 29 17, 38
.01 .02 10, 30 16, 39
.005 .01 --, -- 15, 40
6
Valores
críticos
inferior e
superior para
T1 na Tabela
E.8 no
Apêndice:
T1I = 11 e
T1S = 29
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-53
Teste da soma das classificações
de Wilcoxon
Exemplo com pequenas amostras
H0: M1 = M2
H1: M1 ≠ M2
Teste Bi-caudal
Rejeita
T1I=11 T1S=29
RejeitaNão
Rejeita
Rejeita H0 se T1 ≤ T1I = 11
ou se T1 ≥ T1S = 29
= .05
n1 = 4 , n2 = 5 Estatística de teste (Soma das
classificações para a menor
amostra):
T1 = 24.5
Decisão:
Conclusão:
Não rejeitar a α = 0.05
Não há evidências suficientes para
afirmar que as medianas não são iguais.
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-54
Teste da soma das classificações
de Wilcoxon
Aproximação pela Normal Para grandes amostras, a estatística de teste T1 tem
aproximadamente distribuição normal com média e desvio
padrão:
Use a aproximação normal se n1 ou n2 > 10
Defina n1 como a menor das duas amostras
2
)1n(nμ 1
T1
12
)1n(nnσ 21
T1
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-55
Teste da soma das classificações
de Wilcoxon
Aproximação pela Normal A estatística de teste Z é:
Onde Z segue aproximadamente uma
distribuição normal padronizada
1
1
σ
μZ
1
T
TT
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-56
Teste da soma das classificações
de Wilcoxon
Aproximação pela Normal
Usando o exemplo anterior:
Os tamanhos de amostra eram:
n1 = 4 (fábrica B)
n2 = 5 (fábrica A)
O nível de significância era α = .05
A estatística de teste era: T1 = 24.5
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-57
Teste da soma das classificações
de Wilcoxon
Aproximação pela Normal
A estatística de teste é:
202
)19(4
2
)1n(nμ 1
T1
082.412
)19()5(4
12
)1(σ 21
1
nnnT
10.14.082
205.24
σ
μZ
1
11
T
TT
Z = 1.10 é menor que o valor crítico Z de 1.96 (for α = .05)
então você não rejeita H0 – não há evidências suficientes
para afirmar que as medianas são diferentes
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-58
Teste das Classificações de
Kruskal-Wallis
Testa a igualdade de mais do que duas medianas populacionais
Útil quando a premissa da normalidade necessária a utilização da ANOVA de fator único é violada
Premissas:
As amostras são aleatórias e independentes
A variável subjacente é contínua
Os dados podem ser classificados
As c populações têm a mesma variabilidade
As c populações têm o mesmo formato
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-59
Teste das Classificações de
Kruskal-Wallis
Obtenha as classificações para cada valor na
amostra combinada
Caso haja valores repetidos, atribua a eles a
média aritmética das classificações que
receberiam se não fossem idênticos
Some as classificações para cada um dos c
grupos
Calcule a estatística de teste H
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-60
Teste das Classificações de
Kruskal-Wallis
A estatística de teste H de Kruskal-Wallis:
(com c – 1 graus de liberdade)
)1(3)1(
12
1
2
nn
T
nnH
c
j j
j
onde:
n = no. total de valores nas amostras combinadas
c = no. de grupos
Tj = Soma das classificações na jth amostra
nj = Tamanho da jth amostra
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-61
Teste das Classificações de
Kruskal-Wallis
Regra de decisão
Rejeitar H0 se a estatística de teste H > 2
S
Caso contrário, não rejeita H0
Complete o teste comparando o valor calculado de H
com o valor crítico 2 da distribuição qui-quadrado com
c – 1 graus de liberdade
2
2S
0
Rejeita H0Não
rejeita H0
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-62
Teste das Classificações de
Kruskal-Wallis
Exemplo
Diferentes escritórios de uma mesma companhia têm quantidades de empregados diferentes?
Tamanho
(Chicago, C)
Tamanho
(Denver, D)
Tamanho
(Houston, H)
23
41
54
78
66
55
60
72
45
70
30
40
18
34
44
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-63
Teste das Classificações de
Kruskal-Wallis
Exemplo Diferentes escritórios de uma mesma companhia
têm quantidades de empregados diferentes?
Tamanho
(Chicago, C)Ranking
Tamanho
(Denver, D)Ranking
Tamanho
(Houston, H)Ranking
23
41
54
78
66
2
6
9
15
12
55
60
72
45
70
10
11
14
8
13
30
40
18
34
44
3
5
1
4
7
= 44 = 56 = 20
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-64
Teste das Classificações de
Kruskal-Wallis
Exemplo
A estatística H é:
72.6)115(35
20
5
56
5
44
)115(15
12
)1(3)1(
12
222
1
2
nn
T
nnH
c
j j
j
iguais todassão não aispopulacion medianas as :H
MedianaMedianaMediana :H
A
HDC0
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-65
Teste das Classificações de
Kruskal-Wallis
Exemplo
Como H = 6.72 > ,
rejeita H0
5.9912
S χ
Compare H = 6.72 com o valor crítico da distribuição qui-
quadrado com 3 – 1 = 2 graus de liberdade e = .05:
Há evidências de que as medianas dos nos. de
empregados nos escritórios regionais são
diferentes.
5.9912
S χ
Statistics for Managers Using Microsoft Excel, 5e © 2008 Prentice-Hall, Inc. Chap 12-66
Resumo do Capítulo
Desenvolvimento e aplicação do teste 2 para diferença entre duas proporções
Desenvolvimento e aplicação do teste 2 para diferenças entre proporções de mais de duas populações
Teste 2 para independência
Teste de McNemar para diferenças entre duas proporções em amostras relacionadas
Utilização do teste da soma das classificações de Wilcoxon para diferenças entre duas medianas populacionais
Pequenas amostras
Para amostras maiores a aproximação Z
Aplicação do teste H de Kruskal-Wallis para comparações entre medianas de múltiplas populações
Neste capítulo, nós vimos: