Académique Documents
Professionnel Documents
Culture Documents
CONTEDOS
Introduo O planeamento de experincias A Anlise de Varincia Testes de comparao mltipla e contrastes Modelos lineares generalizados Anlise de regresso Multicolinearidade Aplicabilidade do R nos MLG Concluso e futuros trabalhos Bibliografia
Introduo
O que se espera com a realizao de uma experincia? determinar as principais causas de variao de uma resposta medida, encontrar as condies que do origem a uma resposta mxima ou mnima, comparar as respostas obtidas em diferentes configuraes de variveis controlveis, obter um modelo matemtico, a fim de prever as futuras respostas.
Objetivos
Incurso sobre as tcnicas estatsticas focadas na UC
Planeamento de Experincias
Teve origem com os trabalhos de Fisher no inicio do sc. XX Fisher introduziu 3 conceitos : randomizao, aleatorizao e Blocking (agrupamento)
O planeamento foi abraado por outros estatsticos : Box, Cox, Wilson, Cochran, Bose, Yates,etc.
A Anlise de Varincia
Desenvolvida por Fisher O objetivo a comparao de mais do que duas mdias
No deve ser usado o teste t-student para este efeito para minimizar os erros que se acumulam
Existem vrios modelos quanto ao n de fatores: - Anova 1 fator - Anova 2 fatores - Anova 3 fatores ou mais
Quanto forma como os grupos so constituidos : - Anova de efeitos fixos - Anova de efeitos aleatrios Um estudo de Anlise de Varincia pode ser executado mo e tambm atravs de software apropriado
O porqu da Anova?
Permite-nos determinar se as diferenas entre mdias so apenas amostrais ou populacionais (se so estatisticamente diferentes)
O modelo:
Em que valores observados em cada grupo - mdia geral parmetro para o tratamento termos residuais (diferena entre o valor observado e o modelo ajustado erro/resduo) - refere-se ao grupo refere-se observao dentro do grupo
Pressupostos da Anova
Para se poder conduzir um estudo de anlise de varincia, necessrio que os seguintes pressupostos se verifiquem:
Os grupos de observaes devem ser independentes entre si Cada grupo de observaes deve seguir uma distribuio Normal
Yio= Yi = Yoo= y =
=1 =1
, i=1,2,,k
=1
, n=
=1
k i=1
ni j=1(yi
y )2
=1
=1(
)2
Os mais utilizados Student Neuman Keuls (SNK) Tukey Honestly Significant Difference (HSD ou Tukey) Fisher Protected Least Significant Difference (LSD) Duncan Multiple Range Test (Duncan) Teste de Ryan Teste de Peritz Teste de Scheff Teste de Dunnett Correco de Bonferroni sequencial Teste T3 de Dunnet (rank based) outros
Modelos discretos : Regresso logistica Poisson Dose resposta Modelos continuos Normal Gama Normal inversa
Anlise de Regresso
Tenta relacionar a relao existente entre um conjunto de variveis preditoras e uma varivel resposta
A importncia da Multicolinearidade
A existncia de multicolinearidade entre as variveis compromete os resultados do estudo A multicolinearidade pode ser detetada atravs: - por um valor elevado de 2 - sinais dos coeficientes do modelo diferentes do esperado - identificao de correlao entre as variveis - observao do comportamento dos coeficientes perante retirada/colocao de variveis
A multicolinearidade pode ser minimizada : Se retirarmos a(s) varivel(ies) correlacionada(s) Se aumentarmos a amostra Testes para estudar a multicolinearidade: Teste de Ferrar & Glauber Teste VIF Teste Tolerance
Ficmos ansiosos por poder desenvolver estes temas numa prxima oportunidade