Estatística Experimental Minitab

Estatística
Básica
MiniTab V14
Estatística Experimental Medicina Veterinária

Prof. Gener T. Pereira - DCE - FCAV 1
Iniciando o Minitab
Departamento de Ciências Exatas - FCAV

Prof. Gener T. Pereira 2
Na janela principal do Minitab encontramos
uma régua que disponibiliza os grupos de
comandos e subcomandos usados para:
manipulação de arquivos – File;
edição de dados – Edit;
manipulação de dados -Manip;
cálculos envolvendo colunas - Calc;
cálculos de estatísticas e diversos tipos de
análises - Stat;
contrução de gráficos - Graph;
um editor de comandos - Editor;
um controlador das janelas de trabalho - Window
além de uma boa tela de auxílio - Help
Uma das maiores
preocupações é a de
organizar os dados
corretamente
Os dados são
organizados em uma
planilha (Worksheet),
onde cada variável
deve ser colocada
em uma coluna
E os resultados
aparecem em uma janela
(Session)

Estatística Básica
Tabela de Freqüências e Histograma
Medição de tendência central dos dados
Média
Mediana
Moda
Medição de dispersão dos dados
Amplitude
Variância, Desvio Padrão
Percentis, Quartis e Decis
Distribuições de probabilidade para dados Atributo e
para dados Variáveis
Tabela de Freqüências ou Histogramas
Podemos descrever o comportamento de

qualquer processo ou sistema através da
plotagem de pontos de dados múltiplos para
a mesma variável:
Ao decorrer do tempo
Por produto ou negócio
Por diferentes pessoas, máquinas, etc...
O acúmulo destes dados pode ser visto
como uma distribuição dos valores e
representado por uma tabela de freqüência
ou Histograma
Histograma
Sugestões:
Número de categorias = √nº total de dados
Amplitude das categorias = aproximadamente a amplitude
dividida pelo nº de categorias
A amplitude das categorias deve ser múltiplo ou divisor de 1, 2
ou 5
Construção de Histogramas
Abrindo o MiniTab e usando os dados do 1º exercício da Lista de
Exercícios 1, criar um histograma para a variável suco de uva

Graph > Histogram...
Deve-se selecionar a variável cujo conjunto de dados
formará o histograma

Histogramas começam a dar as primeiras
informações com relação ao conjunto de dados

Construção de Dotplots
Abrindo o MiniTab e usando os dados do 1º exercício da Lista de
Exercícios 1, criar um dotplot para a variável suco de uva

Graph > Dotplot...
formará o dotplot

Parâmetros Populacionais vs
Estatísticas de Amostra
Exemplo de uma Exemplo de uma
POPULAÇÃO: AMOSTRA:
Todos os grãos de Um punhado de areia

areia de uma praia
µ = população média = Média da amostra

σ = desvio padrão da S = desvio padrão da
população amostra

Onde está o centro dos dados?
Média = o valor médio Mediana =é o valor que
ocupa a posição central
de um conjunto de
dados ordenados
n Para encontrá-la deve-se
∑y i arranjar os dados em
y = i =1
ordem crescente, ela será
n o número do meio
Usa todos os pontos de 1 , 2 , 3 , 14 , 85

dados
Não é fortemente
Fortemente influenciada influenciada por valores
por valores extremos extremos
Moda: o valor que ocorre com mais
freqüência. A moda pode não existir; e caso
exista, pode não ser única.
Essa é a moda.
Valor de ocorrência
mais elevada: 20

Média e Mediana
Abrindo o MiniTab e usando os dados do 1º exercício da Lista
de Exercícios 1, calcular a média e a mediana da variável
suco de uva

Stat > Basic Statistics > Graphical Summary...
Selecione as variáveis a serem analisadas (todas de uma
única vez ou individualmente)

Histograma com a curva normal associada a distribuição
Média
Mediana

Temos também outra forma para organizar
os dados no Worksheet
Texto

Box Plot
Outlier (fora da distância do Q3 + 1,5 vezes
Q3 menos Q1)
* Observação Máxima (para uma distância de

1,5 vezes Q3 menos Q2 )
Q3 - Terceiro Quartil
Q2 – Segundo Quartil (Mediana)
Q1 Primeiro Quartil
Observação Mínima (Para uma distância de
1,5 vezes Q3 menos Q1)

Construção de Boxplots
Abrindo o MiniTab e usando os dados do 1º exercício da Lista
de Exercícios 1, criar um boxplot para a variável comida regular

Graph > Boxplot...
formará o boxplot

Boxplots nos ajuda ver a distribuição dos dados

Outra maneira de obtenção das estatísticas descritivas é pela
seqüência: Stat > Basic Statistics > Display Descriptive
Statistics... Conforme as janelas abaixo:
Aqui você irá selecionar

todas as estatísticas que
devem ser calculadas.

Stat > Basic Statistics > Display Descriptive
Statistics... > Statistics...
Nº Observações
Média Soma Perdidas
Erro padrão Mínimo

N total
da média
Desvio Máximo
Padrão
Variância
Coeficiente
de Variação
Q1
Mediana Soma de
Quadrados
Q3

Stat > Basic Statistics > Display Descriptive
Statistics... > Statistics... > OK > Graphs...
Aqui você selecionará os

gráficos que deverão ser feitos.

As estatísticas (aparecem todas na Session):

Os gráficos:

FIM

Estatística Experimental - Medicina Veterinária
Análise de
Variância
ANOVA
do Delineamento
Inteiramente Casualizado
(DIC)
Prof. Gener T. Pereira - DCE - FCAV

Monitora Cibele de S. Camelo 1
Vamos considerar o exemplo 1 da Aula 3:
Tratamento Repetições Nº de Repetições Total Média Variância

1 2 3 4 ri
Nível baixo (T1) 1,59 1,73 3,64 1,97 4 8,93 2,23 0,91
Nível Médio (T2) 3,36 4,01 3,49 2,89 4 13,75 3,44 0,21
Nível alto (T3) 3,92 4,82 3,87 5,39 4 18,00 4,50 0,54
Total 12 40,68

Uma maneira de organizar os dados na

planilha (Worksheet) do MiniTab é:
A primeira coluna (C1) receberá os códigos dos
tratamentos, a segunda (C2) a repetição e a terceira
(C3), a variável analisada (nesse caso: quantidade de
insulina).

Estatística Descritiva dos tratamentos

Abrindo o MiniTab e usando os dados do 1º exemplo da 3ª
aula, calcular as estatísticas descritivas para cada tratamento
no MiniTab.

Stat > Basic Satatistics > Display Descriptive Statistics...

Resultados obtidos

Seqüência de comandos para a Análise de

Variância:

Stat > ANOVA > One-Way...

Aqui deve-se selecionar qual
o teste que será utilizado
para a comparação das
Variável médias
resposta
Variável
classificatória

Resultados obtidos na planilha
Observem o
aparecimento de mais
uma coluna (C4), a
coluna dos Resíduos

Resultados obtidos na Session

Tratamento Médias
1 2,23 a
2 3,43 ab
3 4,50 b
As médias seguidas pelas
mesmas letras minúsculas
não diferem entre si pelo
teste de Tukey.
Intervalo de confiança:
• os intervalos que não
contém o 0 indicam que as
médias destes intervalos
diferem entre si.
Interpretação do Valor de P (P-value)

do teste F:
se P < 0,01, significativo a 1% e a
5% (**);
se 0,01<P<0,05, significativo a 5%(*);
se P > 0,05, não significativo (ns).

Verificação das suposições da ANOVA
As hipóteses são :
Teste de Normalidade
H0 : ε ij ~ N ( 0 , σ 2 )
H1 : ε ij não têm N ( 0 , σ 2 )
Teste da Homogeneidade das Variâncias

H0 : σ 12 = σ 22 = σ 32
H1 : ∃ pelo menos duas σ i2 ≠ s

Teste de Normalidade dos resíduos

H 0 : ε ij ~ N ( 0 , σ 2 )
H1 : ε ij não têm N ( 0 , σ 2 )

Stat > Basic Statistics > Normality Test...
Título

Resultado obtido
Teste de Normalidade O valor de P

99
Mean
StDev
-1,11022E-16
0,6728
(P-value) do
95 N 12 Teste de
AD 0,549
90 P-Value 0,123 Anderson-Darling
80
(AD) é > 0,05,
Porcentagem
70
60 portanto, não
50
40
rejeita-se a
30
hipótese H0 ,ou
20
seja os erros têm
10
5
uma distribuição
normal.
1
-2 -1 0 1 2
Resíduos (RESI1)

Teste da Homogeneidade das Variâncias dos

tratamentos
H0 : σ 12 = σ 22 = σ 32
H1 : ∃ pelo menos duas σ i2 ≠ s

Stat > ANOVA > Test for Equal Variances Variável a ser
analisada
Título

Resultados obtidos
Teste da Homogeneidade das Variâncias
Bartlett's Test Repare que em

Test Statistic 1,27
1 P-Value 0,530 ambos os testes
Levene's Test
(Bartlett e Levene)
Test Statistic 0,38
P-Value 0,698 o valor de P>
Tratamento
0,05, portanto, não

2
rejeita-se a
hipótese H0 ,ou
seja, a variância
3 dos tratamentos
são homogêneas
0 1 2 3 4 5 (homocedásticas)
95% Bonferroni Confidence Intervals for StDevs


Outra forma de organizar os dados de um DIC na

planilha é colocando cada tratamento em uma
coluna, ou seja, não empilhado (unstacked).

Com os dados organizados desse maneira

podemos fazer a análise de variância seguindo a
seqüência

Sequência de comandos: Stat > ANOVA > One-Way

(Unstacked)
Aqui deve-se selecionar qual o
teste que será utilizado para
comparar as médias dos
tratamentos

Resultados obtidos
Observem que nesse caso há o
aparecimento uma coluna de
Resíduo para cada tratamento.
Portanto é
bem mais
simples fazer
o teste de
normalidade
com a
organização
anterior dos
dados.

Aqui temos o mesmo

resultado obtido
anteriormente
Tratamento Médias
1 2,23 a
2 3,43 ab
3 4,50 b
As médias seguidas pelas

mesmas letras minúsculas
não diferem entre si pelo
teste de Tukey.

FIM

Análise de
Variância
ANOVA
do Delineamento
Em Blocos Casualizados
(DBC)

Ninhada
Dieta 1 2 3 4 Total
1 28,7 29,3 28,2 28,6 114,8
2 30,7 34,9 32,6 34,4 132,6
3 31,9 34,2 34,9 35,3 136,3
Total 91,3 98,4 95,7 98,3 383,7

Uma maneira de organizar os dados na

planilha (Worksheet) do MiniTab é:
A primeira coluna (C1) receberá os códigos dos
tratamentos (dietas), a segunda (C2) os blocos
(ninhada) e a terceira (C3) a variável analisada (ganho
de peso).

A Análise de Variância pode ser feita pelo Two-

Way, porém ele não nos dá a opção de comparação
pelo Tukey.

Stat > ANOVA > Two-Way...

Fator da Fator da
Resposta
Linha Coluna
Armazenamento
dos Resíduos

Resultados obtidos
Observem o
aparecimento de mais
uma coluna (C4), a
coluna dos Resíduos
Atenção!. Nesta opção

(Two-Way) não é
possível fazer as
comparações múltiplas
das médias.
Uma maneira mais completa de realizar a Análise de Variância é

por meio da opção GLM (General Linear Model), ela nos
fornece além do quadro da ANOVA, a análise de comparação
das médias pelo teste de Tukey, por exemplo.

Stat > ANOVA > General Linear Model...

Bloco Tratamento Resposta
Comparações
das médias
Gráfico dos
fatores
Armazenamento
Stat > ANOVA > General Linear Model... > Comparisons

(Tela das comparações das médias)
Comparações Comparações
dois a dois com o controle

Stat > ANOVA > General Linear Model... > Storage

(Tela dos armazenamentos)
Armazenamento
dos resíduos

Stat > ANOVA > General Linear Model... > Factorial Plots
(Tela dos gráficos dos fatores)


Dieta Médias
1 28,7 a
2 33,1 b
3 34,0 b
Médias seguidas pelas mesmas letras minúsculas
não diferem entre si pelo teste de Tukey a 5%.
P < 0,05 significativo
P > 0,05 não significativo

Gráfico obtido
Gráfico do efeito principal: Dieta
34
33
Médias dos Pesos
32
31
30
29
28
1 2 3
Dietas

BDC com Parcela Perdida

Considerando o exemplo dado no item 7 da aula 6:
Classe de idade (Blocos)

Trat. 1 2 3 4 Total
A 15 11 20 18 64
B 22 31 45 26 124 Parcela
Perdida
C 33 37 * 30 100
D 44 31 49 34 158
E 37 30 36 21 124
Total 151 140 150 129 570

Organização dos dados na Worksheet:
No MiniTab quando
temos uma parcela
perdida colocamos
um sinal de asterisco
na célula

A análise de variância é feita através do General

Linear Model assim como demonstrado nos slides
anteriores


Os passos
seguidos nas
janelas
Comparisons,
Storage e Factor
Plots são os
mesmo mostrados
anteriormente.
Na janela Options deve-se ativar a

opção Tipo III na Soma de
Quadrados ( Sum of Square: Type III)

Tratamento Médias Médias

A 16 a seguidas pelas
B 31 b mesmas letras
C 25 b
minúsculas
não diferem
D 39,5 b
Soma dos entre si pelo
E 31 b
Quadrados teste de Tukey.
ajustada (devido a
parcela perdida)
P < 0,05
P > 0,05
P > 0,05
P > 0,05

Gráfico obtido
Gráfico do efeito principal

40
35
Média da Resposta
30
25
20
15
A B C D E
Tratamentos

Como exercício testar as suposições da ANOVA, ou seja, testar a

normalidade dos resíduos e a homogeneidade das variâncias do
tratamentos.
FIM

Delineamento em
Quadrado Latido
ANOVA
do Delineamento
Quadrado Latino
(DQL)

1 2 3 4 Total
I,AM (D)3,26 (B)4,15 (A)3,02 (C)3,67 14,10
I,PM (B)2,73 (D)3,38 (C)3,29 (A)4,50 13,90
II,AM (A)3,45 (C)4,09 (B)2,66 (D)3,51 13,71
I,PM (C)3,20 (A)3,14 (D)3,48 (B)3,40 13,22
Total 12,64 14,76 12,45 15,08 54,93

Os dados devem ser organizados na planilha

(Worksheet) do MiniTab da seguinte maneira:
A primeira coluna (C1) receberá os códigos das Linhas
(período), a segunda (C2) das colunas (dias), a terceira
(C3) o tratamento e a quarta (C4) a variável analisada.

A Análise de Variância é por meio da opção GLM

(General Linear Model), ela nos fornece além do quadro
da ANOVA, a análise de comparação das médias pelo
teste de Tukey, por exemplo.

Comparações
das médias
Gráfico dos
fatores
Armazenamento
Stat > ANOVA > General Linear Model... > Comparisons

(Tela das comparações das médias)
Comparações Comparações
dois a dois com o controle

Stat > ANOVA > General Linear Model... > Storage

(Tela dos armazenamentos)
Armazenamento
dos resíduos

Stat > ANOVA > General Linear Model... > Factorial Plots
(Tela dos gráficos dos fatores)

Médias
Tratamento Média
seguidas pelas
A 3,52 a mesmas letras
B 3,23 a minúsculas não
C 3,56 a diferem entre si
pelo teste de
D 3,40 a Tukey a 5%.
P > 0,05
P > 0,05
P > 0,05
Gráfico obtido
Gráfico do Efeito Principal:Tratamento

3,6
3,5
Médias das Respostas
3,4
3,3
3,2
A B C D
Tratamentos

Como exercício testar as suposições da ANOVA, ou seja, testar a

normalidade dos resíduos e a homogeneidade das variâncias do
tratamentos.
FIM


Estatística Experimental Minitab

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística Experimental Minitab

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Estatística Experimental Minitab

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística

Estatística Experimental Medicina Veterinária

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Podemos descrever o comportamento de

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Todos os grãos de Um punhado de areia

µ = população média = Média da amostra

Departamento de Ciências Exatas - FCAV

Usa todos os pontos de 1 , 2 , 3 , 14 , 85

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

* Observação Máxima (para uma distância de

Q2 – Segundo Quartil (Mediana)

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Aqui você irá selecionar

Departamento de Ciências Exatas - FCAV

Erro padrão Mínimo

Departamento de Ciências Exatas - FCAV

Aqui você selecionará os

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Departamento de Ciências Exatas - FCAV

Prof. Gener T. Pereira - DCE - FCAV

Vamos considerar o exemplo 1 da Aula 3:

Tratamento Repetições Nº de Repetições Total Média Variância

Prof. Gener T. Pereira - DCE - FCAV

Uma maneira de organizar os dados na

Prof. Gener T. Pereira - DCE - FCAV

Estatística Descritiva dos tratamentos

Prof. Gener T. Pereira - DCE - FCAV

Stat > Basic Satatistics > Display Descriptive Statistics...

Prof. Gener T. Pereira - DCE - FCAV

Prof. Gener T. Pereira - DCE - FCAV

Seqüência de comandos para a Análise de

Prof. Gener T. Pereira - DCE - FCAV

Stat > ANOVA > One-Way...

Prof. Gener T. Pereira - DCE - FCAV

Resultados obtidos na planilha

Prof. Gener T. Pereira - DCE - FCAV

Resultados obtidos na Session

Interpretação do Valor de P (P-value)

se 0,01<P<0,05, significativo a 5%(*);

se P > 0,05, não significativo (ns).

Prof. Gener T. Pereira - DCE - FCAV

Verificação das suposições da ANOVA

Teste da Homogeneidade das Variâncias

Prof. Gener T. Pereira - DCE - FCAV

Teste de Normalidade dos resíduos