Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas

Análise Estatística no Bioestat: Testes Duas Amostras, Análise Variância e Regressão, Notas de aula de Estatística

Uma introdução ao programa bioestat, criado em 1998 para análises estatísticas básicas em área biológica. O texto descreve como utilizar o programa para testes de duas amostras independentes (com teste t-student clássico), análise de variância (anova) e análise de regressão. Além disso, oferece sugestões de testes adequados baseadas no número de amostras, variáveis e tipo de dados.

O que você vai aprender

  • Quais são as principais diferenças entre a regressão linear simples e a regressão múltipla?
  • Qual é o propósito do teste t-Student clássico?
  • Como se aplica a análise de variância (ANOVA) no Bioestat?

Tipologia: Notas de aula

2022

Compartilhado em 07/11/2022

Miguel86
Miguel86 🇧🇷

4.8

(40)

221 documentos

1 / 10

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
1
Bioestat 5.0
Rafael de Oliveira Xavier
Lab. Ecologia e Conservação, Departamento de Botânica, UFSCar
O Bioestat é um programa criado em 1998 por José Márcio Ayres e colaboradores, com
o apoio de vários órgãos de fomento e pesquisadores de várias universidades brasileiras e
estrangeiras. Hoje na sua quinta versão, mantém a simplicidade marcante que o tornou muito
utilizado por estudantes brasileiros de graduação e pós-graduação na área biológica. O
programa pode ser obtido gratuitamente na internet. Nesse curso vamos nos ater às análises
estatísticas básicas que podem ser conduzidas no programa.
Para começar, copie os dados numéricos que deseja analisar para o Bioestat, os
mesmos comandos do Office podem ser utilizados. Os conjuntos de dados a serem
comparados estatisticamente devem ser inseridos em colunas distintas. Na guia Configurar é
possível nomear cada uma das colunas, de modo que a interpretação dos resultados será mais
rápida.
Na guia ajuda há informações sobre o programa, além de um atalho para o manual do
programa, que contém informações e exemplos de aplicação para todos os testes disponíveis.
A guia estatística contém todas analises disponíveis no programa. O primeiro item é
sempre o último teste utilizado. Os demais são categorias em que há vários testes disponíveis
para um propósito análogo; para acessar os testes contidos em cada um dos tópicos basta
arrastar o cursor.
pf3
pf4
pf5
pf8
pf9
pfa

Pré-visualização parcial do texto

Baixe Análise Estatística no Bioestat: Testes Duas Amostras, Análise Variância e Regressão e outras Notas de aula em PDF para Estatística, somente na Docsity!

Bioestat 5.

Rafael de Oliveira Xavier

Lab. Ecologia e Conservação, Departamento de Botânica, UFSCar

O Bioestat é um programa criado em 1998 por José Márcio Ayres e colaboradores, com o apoio de vários órgãos de fomento e pesquisadores de várias universidades brasileiras e estrangeiras. Hoje na sua quinta versão, mantém a simplicidade marcante que o tornou muito utilizado por estudantes brasileiros de graduação e pós-graduação na área biológica. O programa pode ser obtido gratuitamente na internet. Nesse curso vamos nos ater às análises estatísticas básicas que podem ser conduzidas no programa.

Para começar, copie os dados numéricos que deseja analisar para o Bioestat, os mesmos comandos do Office podem ser utilizados. Os conjuntos de dados a serem comparados estatisticamente devem ser inseridos em colunas distintas. Na guia Configurar é possível nomear cada uma das colunas, de modo que a interpretação dos resultados será mais rápida.

Na guia ajuda há informações sobre o programa, além de um atalho para o manual do programa, que contém informações e exemplos de aplicação para todos os testes disponíveis.

A guia estatística contém todas analises disponíveis no programa. O primeiro item é sempre o último teste utilizado. Os demais são categorias em que há vários testes disponíveis para um propósito análogo; para acessar os testes contidos em cada um dos tópicos basta arrastar o cursor.

a) Teste de duas amostras independentes

Para a comparação de duas distribuições de dados que provêm de populações distintas, e portanto não são relacionadas entre si, há vários testes disponíveis na categoria Duas Amostras Independentes. Para aplicar o teste t de Student clássico selecione o teste t- Dados amostrais. A seguinte janela será aberta:

Essa janela de dados é aberta automaticamente. Primeiramente são apresentados a média e a variância de cada um dos grupos. O termo homoscedasticidade indica que as variâncias não diferiram estatisticamente entre si. Esse teste F para homogeneidade de variâncias é automaticamente aplicado em todos os testes com esse tipo de pressuposto, tais como o teste t. O baixo valor de t (-0,6172) indica que as distribuições não devem diferir entre si, como mostrado pelos valores de p unilateral (quando a hipótese alternativa assume qual média é maior) e bilateral (quando a hipótese alternativa é de que uma das médias é maior, mas não estabelece quai) muito superiores a 0,05. Para copiar os resultados, basta selecionar a opção copiar resultados na guia editar.

Quando as variâncias são diferentes , é exibida uma mensagem alertando que esse pressuposto do teste não foi atendido, e o usuário deve se decidir em aplicar ou não o teste clicando em uma das opções. Há opiniões distintas na literatura sobre o quanto esse pressuposto é importante, mas a própria ajuda do programa ressalta a relevância da homoscedasticidade para o teste.

No exemplo os grupos têm o mesmo n amostral (desenho amostral balanceado), mas o teste aceita grupos com tamanho distinto. Evidentemente, dependendo do grau de desbalanceamento, essa diferença terá um impacto grande nos pressupostos do teste t.

Vários outros testes disponíveis na categoria de testes para duas amostras independentes, entre os quais os tradicionais testes não-paramétricos de Mann-Whitney e Kolmogorov- Smirnov.

b) Análise de variância

Nessa categoria estão incluídos vários testes que proporcionam a comparação de mais de duas séries de dados. Está disponível a ANOVA convencional, que, em termos gerais, testa se existe diferença entre distribuições comparando a variação entre e dentro dos grupos. Há opções para a one-way ANOVA ( ANOVA -um critério - em que são testadas apenas diferenças entre os grupos), two – way ANOVA ( ANOVA bifatorial - que testa diferença entre grupos e entre grupos ou blocos em que podem ser divididas as amostras) com (fatorial a x b ou sem replicação ( ANOVA – dois critérios , e ANOVA com três fatores sem replicação (fatorial a x b x c). Para aplicar um a ANOVA – um critério basta inserir mais de duas colunas na janela de inserção de dados, e clicar em executar estatística. Como o teste também é paramétrico, a homogeneidade de variâncias é previamente testada, e em caso de resultado negativo uma mensagem de alerta é exibida. Vamos aplicar a análise no exemplo utilizado na secção de classificação, mas agora inserindo um grupo adicional para comparação (caatinga) e utilizando apenas a variável abundancia:

O s valores de F e p sugerem que há alguma diferença entre os grupos para uma significância de 5%. Para que essa diferença possa ser visualizada, pode-se selecionar entre 4 tipos de comparações a posteriori; nesse caso utilizamos o teste de Tukey:

Foram testados 3 grupos ou tratamentos distintos ( fator 1 ) em dois blocos distintos ( Fator 2 ), cada bloco com 4 repetições. Além dos dois fatores, foi testada a interação entre eles, ou seja, se a diferença entre os tratamentos de um dado fator está relacionada a replicas de um determinado bloco. O resultado indica que os tratamentos foram diferentes entre si, enquanto os blocos foram similares. Assim, a interação ente ambos também não foi significativa.

Além da ANOVA tradicional, o Bioestat dispõe dos testes de Kruskal-Wallis e Friedman , que comparam mais de duas distribuições por meio de técnicas de rankeamento. O teste de Kruskal-Wallis é o mais utilizado, e no caso de diferenças entre os grupos é possível fazer comparações pareadas entre os grupos com os testes de Dunn (Dunnett) e Student-Newman- Kells.

c) Análise de regressão

O Bioestat fornece suporte para os tipos mais comuns de regressão, incluindo também regressões múltiplas, comparação entre regressões e seleção de modelos. A regressão linear simples pode ser aplicada facilmente a partir de duas colunas representando valores pareados de duas variáveis distintas; a variável dependente deve sempre ser inserida antes da variável explanatória. Como exemplo, testemos a relação entre abundancia no cerrado e temperatura, a partir dos dados da mesma planilha utilizada anteriormente, considerando que os organismos são tropicais e se favorecem por temperaturas mais altas. O resultado será exibido da seguinte forma:

O F (regressão) e o respectivo valor de p (0,2858) sugerem que a relação linear entre as duas variáveis não é significativa estatisticamente. São apresentados também o coeficiente de correlação e de determinação. O coeficiente de determinação especifica a explicabilidade da variação na variável dependente a partir da variação na variável explanatória. Um gráfico da regressão pode ser plotado clicando-se em Gráfico na janela dos resultados, e assim como os demais resultados pode ser copiado para outro programa.

d) Sugestões de teste

Uma ferramenta especialmente útil para iniciantes em estatística é a sugestões de teste do Bioestat. Clicando na guia Sugestões do programa, abre-se a seguinte janela:

Observa que nesse caso vários testes foram sugeridos. A partir desse ponto, o usuário deve selecionar qual deles é mais adequado para seu objetivo. Ao passar o cursor sobre cada sugestão, uma breve descrição do teste e da sua representação matemática são exibidos. No nosso exemplo temos repetição, e queremos especificamente testar de os tratamentos (domínios) e os blocos (tipos de area) diferem entre si. Além disso, também é conveniente testar a interação entre esses dois fatores. Portanto, o teste mais adequando é um ANOVA bifatorial com replicação.

Além de proporcionar uma decisão mais rápida sobe o teste de hipótese mais conveniente a ser aplicado, esse recurso pode ajudar na compreensão da natureza dos seus dados e do seu desenho experimental.