Apostila Statistica 6

Sobre o uso do Statistica 6.
0
(Manual do Usurio - Resumo)
Helio Garcia Leite - SIF\DEF\UFV

Silvana Lages Ribeiro Garcia - FAV
Gilciano Saraiva Nogueira DEF /UFV
Marcio Leles Romarco de Oliveira DEF/UFV
VIOSA - MG
Setembro de 2003
NDICE
Pgina
INTRODUO................................................................................................................ 1
MDULO 1 INTERFACE COM O USURIO........................................................... 1
1. Noes Bsicas ......................................................................................................... 1
1.1. A Tela do Statistica ........................................................................................... 1
1.2. Trabalhando com Arquivos ............................................................................... 2
1.3. Abrindo um Arquivo de Excel .......................................................................... 2
1.4. Formatao do Arquivo ..................................................................................... 4
1.5. Formatando Coluna ........................................................................................... 5
1.6. Adicionando Colunas e Linhas.......................................................................... 6
1.7. Excluindo Colunas e Linhas .............................................................................. 6
1.8. Copiando Colunas e Linhas............................................................................... 7
1.9. Calculando Funes........................................................................................... 7
1.10. Salvando um Arquivo...................................................................................... 8
2. Grficos .................................................................................................................... 9
2.1. Criando um Grfico ........................................................................................... 9
2.2. Formatando Grficos ....................................................................................... 11
MDULO 2 ESTATSTICA DESCRITIVA E TESTES DE HIPTESES .............. 15
1. Estatstica Descritiva e Testes de Hipteses........................................................... 15
1.1. Estatstica Descritiva ....................................................................................... 15
1.2. Correlao........................................................................................................ 16
1.3. Teste t para Amostras Independentes .............................................................. 18
1.4. Teste t para Amostras Dependentsa................................................................. 18
MDULO 3 REGRESSO E ANLISE DE PROCESSOS ..................................... 20
1. Preliminares ............................................................................................................ 20
2. Regresso Linear Mltipla ..................................................................................... 21
2.1 Anlise de Regresso........................................................................................ 21
2.2. Stepwise........................................................................................................... 25
3. Regresso No-Linear ............................................................................................ 40
4. Consideraes Finais .............................................................................................. 47
MDULO 4 DELINEAMENTO EXPERIMENTAIS ............................................... 48
1. Consideraes iniciais ............................................................................................ 48
2. Apresentao da opo ANOVA do Statistca 6.0.................................................. 50
3. Teste das Pressuposies da Anlise de Varincia................................................. 53
3.1. Teste de normalidade....................................................................................... 53
3.2.Teste de Homogeneidade de Varincia ............................................................ 56
4. Anlise de varincia com um fator e testes de mdias ........................................... 60
5. Anlise de varincia com um fator e anlise de regresso ..................................... 63
6. Anlise de varincia com mltiplos fatores e testes de mdias.............................. 65
7. Anlise de varincia em esquema fatorial e testes de mdias ................................ 68
8. Experimentos em parcelas subdivididas................................................................. 76
INTRODUO
O STATISTICA um sistema integrado de anlise estatstica de dados, gerao
de grficos e gerenciamento de bases de dados, exibindo procedimentos analticos teis
para trabalhos cientficos e didticos.
O STATISTICA foi desenvolvido levando em conta o interesse de pessoas que
utilizam a estatstica como ferramenta e, portanto, costumam desconhecer os
pressupostos em que descansam os modelos matemticos ajustados, a interpretao de
uma sada ou parte dela ou simplesmente no sabem fazer uma anlise usando um
computador e um programa estatstico.
O usurio pode comear a aprender estatstica usando este programa atravs do
seu manual eletrnico, com este manual pode-se obter informaes de referncia
completas sobre todos os procedimentos e opes de uso do software.
Cabe lembrar que no foi pretenso deste curso ministrar treinamento em
estatstica e sim sobre o uso do Statistica. Portanto, pressupe-se que os participantes
disponham de conhecimentos bsicos em estatstica.
MDULO 1 INTERFACE COM O USURIO
1. Noes Bsicas
Esta parte da apostila ser referente s noes bsicas do STATISTICA, sendo
organizada por tpicos para que se tenha um entendimento fcil do programa. Com o
tempo todos tero uma forma de trabalho dos dados muito caracterstica, devido a isso
este tpico apresentar algumas formas de manuseio e formatao do banco de dados,
no tendo a pretenso de que todos faam o gerenciamento da mesma forma.
Sempre que necessrio s telas sero indicadas por letras, tendo o significado de
cada letra logo abaixo da tela.
1.1. A Tela do Statistica
A = Barra de Ttulo - aparece o nome do arquivo que est sendo trabalhado;

B = Barra de Menu;
C = Barra de Ferramenta;
D = Barra de Rolamento - movimenta a planilha; tanto para linhas como para coluna;
E = rea de Auto Clculo mostra o valor da clula;
F = Endereo da Clula mostra qual clula est ativada;
G = Atalho da Barra de Menu;
H = Linhas;
I = Boto de cabealho seleciona toda a planilha;
J = Colunas; - mostra as colunas podendo ter o nome ou no.
1.2. Trabalhando com Arquivos
No STATISTICA, os dado podero ser digitados diretamente ou importados de
um outro programa, normalmente o programa mais utilizado para trabalho de banco de
dados o Excel, devido a isto este manual trar apenas informaes de arquivos
importados do Excel.
1.3. Abrindo um Arquivo de Excel
Na Barra de Menu do STATISTICA, entre no menu File em seguida no menu
Open;
A = Marque o arquivo que quer trabalhar;

B = Altere para a opo em que aparece Data Files ou para Excel Files;
Clique em Abrir ou d Enter.
A =Clicando sobre ela, poder importar todas as planilhas do arquivo;

B = Clicando sobre ela, importar apenas uma planilha;
Para treinamento iremos importar apenas uma planilha.
Clique sobre a planilha desejada, e OK.
A = Destaca o nmero de colunas que o arquivo possui;

B = Destaca o nmero de linhas que o arquivo possui;
C = Destaca o nome do arquivo a ser aberto;
D = Coloca o nome das variveis na coluna de leitura;
E = Importa com as clulas formatas como no Excel;
Clique OK.
1.4. Formatao do Arquivo

Quando um arquivo importado do Excel, ele abre com o ttulo das clulas
desformatada, como mostra a figura anterior.
Para servir de exemplo abra o arquivo Dados 1.
Para organizar o arquivo, clique sobre o Boto de Cabealho para solucionar a
planilha toda, em seguida clique sobre format na Barra de Menu, item Variables, em
seguida em AutoFit (Auto Formatao).
Outra alternativa consiste em marcar com o Boto de Cabealho, clicar com o

boto direito do mouse sobre a planilha, clicar em Format e em seguida em AutoFit
Selection.
1.5. Formatando Coluna
A = Coloca o tamanho da fonte, para o ttulo da coluna;

B = Escolhe o tipo de letra;
C = Digite o nome que deseja colocar para a coluna;
D = Formata a coluna para o tipo de exibio;
E = Mostra um resumo da estatstica da coluna, como mdia, desvio padro e numero de
dados;
F = Determina uma funo caso queira calcular algo;
G = Barra de Formulas;
Clique OK.
1.6. Adicionando Colunas e Linhas

Para adicionar coluna, clique na Barra de Menu no item Insert, em seguida em
Add Variables...
A = Indique quantas colunas sero adicionadas;

B = Digite o nome ou o nmero da coluna, para que seja adicionada uma nova coluna.
C = Digite o nome da coluna;
Clique OK.
Para adicionar linhas, clique na Barra de Menu no item Insert, em seguida em
Add Cases...
A = Indique quantas linhas sero adicionadas;

B = Indique aps de qual linha ser adicionada;
Clique OK.
1.7. Excluindo Colunas e Linhas
Para excluir colunas clique com o boto direito do mouse sobre a coluna que se
quer excluir, ou marque as colunas, caso seja excluda mais de uma, em seguida, clique
sobre Delete Variables e OK.
Para excluir linhas clique com o boto direito do mouse sobre a linha que se quer
excluir, ou marque as linhas, caso seja excluda mais de uma, em seguida, clique sobre
Delete Cases e OK.
1.8. Copiando Colunas e Linhas
Para copiar coluna, clique na Barra de Menu no item Insert, em seguida em
Copy Variables...
A = Digite o nome ou o nmero da primeira coluna que se deseja copiar, caso queira
copiar apenas uma coluna digite o nome dela;
B = Digite o nome ou o nmero da ultima coluna que se deseja copiar, caso queira
copiar apenas uma coluna digite o nome dela;
C = Digite o nome ou o nmero da coluna, para que adicione as colunas aps esta;
Clique OK.
Para copiar linha, clique na Barra de Menu no item Insert, em seguida em Copy
Cases..., em seguida siga os mesmos procedimentos da adio de colunas.
1.9. Utilizando Funes
O STATISTICA realiza clculos usando funes matemticas. Como exemplo
vamos continuar trabalhando no arquivo Dados 1.
Insira duas colunas aps a coluna VCASCA; na primeira iremos calcular o
logaritmo neperiano da varivel DAP e na segunda a varivel HT ao quadrado.
D dois cliques na primeira coluna criada, em seguida clique em Functions e
localize a funo Log;
D Enter ou dois cliques com o boto esquerdo do mouse;
A = Digite o nome da coluna (Ln DAP);

B = Coloque o nome da coluna DAP ou coloque o nmero da coluna adicionando antes
a letra v;
Clique OK;
Clique em Sim.
Para o calculo da altura ao quadrado realizar os mesmos passos.
1.10. Salvando um Arquivo
Os arquivos processados no STATISTICA podem ser salvos como arquivos de
texto, Lotus, verso 5.0 do STATISTICA, HTML, dBASE e Excel.
Para ttulo de exemplo vamos salvar em arquivo de Excel e STATISTICA 6.0.
Salvando em Excel:
Clique no menu File em seguida Save As;
A = Digite o nome do arquivo;

8
B = mude para a opo Excel Workbook;

Clique em Salvar.
Salvando em STATISTICA 6.0:
Clique no menu File em seguida Save As;
A = Digite o nome do arquivo;

B = Mantenha na opo STATISTICA Spreadsheet Files;
Clique em Salvar.
2. Grficos
2.1. Criando um Grfico
O objetivo deste tpico de apenas trabalhar com a elaborao e formatao de
grficos, a anlise de grficos ser vista adiante em outros tpicos.
Para treinamento da elaborao e formatao de grficos, iremos trabalhar com o
arquivo Dados 1 e o tipo de grfico Scatterplots.
Clique no menu Graphs, em seguida em Scatterplots;
Clique em Variables;
9
Selecione a varivel DAP para o eixo x e a varivel HT para o eixo y;

Clique OK;
Na opo Advanced, selecione o tipo de grfico regular, e o tipo de regresso

Logarithmic;
Clique OK;
Clique em OK para finalizar o grfico;
10
A = este campo guarda as anlises que esto sendo realizadas sendo semelhante ao
Explorer do Windows. O usurio pode alterar o nome da anlise ou at mesmo
transportar para outra pasta;
B = um atalho da anlise que est sendo realizada;
C = o resultado do grfico.
2.2. Formatando Grficos
A formatao de um grfico pode ser feita de maneiras diferentes, uma das
opes dando 2 cliques com o boto esquerdo sobre o grfico, tendo como resultado a
figura abaixo;
Uma outra opo dando dois cliques com o boto esquerdo do mouse, direto
onde sequer formatar. Vamos utilizar a segunda opo.
Para formatar o ttulo do grfico d dois cliques sobre ele;
Escolha o tipo de fonte Times New Roman, negrito e o tamanho de 12;

Digite o ttulo Dimetro em funo da altura;
11
Clique OK.
Para formatar o ttulo do eixo x e do eixo y, seguir o mesmo procedimento
adotado para o ttulo do grfico.
Para formatar o tipo de ponto do grfico, d dois cliques sobre qualquer um dos
pontos;
Em Makers troque os pontos em crculo por tringulo transparente;

Troque a cor azul por preto;
Clique Close;
Clique OK.
12
Para formatar a escala do eixo x, d dois cliques sobre o eixo x;
Em Range, modifique para escala Manual, e indique o valor mnimo 6 e o valor

mximo 34. Caso queira que o valor mnimo seja 0, marque a opo Start from zero.
Para formatar a escala do eixo y, d dois cliques sobre o eixo y; e siga os
mesmos procedimentos da formatao do eixo x.
Para formatar a linha de regresso, d dois cliques sobre ela;
Em line altere a cor da linha de regresso para preto.

Em cima do grfico aparece a seguinte barra de ferramenta especifica para
grfico:
Com os cones pertencentes a esta barra, voc pode destacar algum ponto e
escrever uma observao sobre ele.
Resultado do grfico
13
Exerccio:
Utilizando o arquivo Dados 1, construir um grfico do tipo scatterplots do
volume com casca (VCC) em funo do dimetro (DAP), regresso linear de cor preta,
ttulos fonte Times New Roman, tamanho 12, colocando as unidades nos ttulos do eixo
(VCC m3/ha e DAP em cm), pontos quadrados transparentes de cor preta, eixo x
iniciando do zero, eixo y com o mnimo 0 e o mximo 1,0.
Resultado
14
MDULO 2 ESTATSTICA DESCRITIVA E TESTES DE HIPTESES

1. Estatstica Descritiva e Testes de Hipteses
Neste mdulo estudaremos como obter algumas funes da estatstica bsica,
entre elas a estatstica descritiva, a correlao, o teste t para amostras dependentes e para
amostras independentes.
1.1. Estatstica Descritiva
Para o estudo da estatstica descritiva, trabalharemos com o arquivo Dados 1.
O objetivo deste tpico obter valores mximos, mnimos, mdias, desvio padro,
varincia e limites de confiana para algumas variveis.
Na Barra de Menu, clique sobre o menu Basic statistics/Tables;
Clique sobre Descriptive statistics;

Clique OK;
Selecione as variveis DAP, HT, VCC, VSC e VCASCA;
Clique OK;
Clique em Advanced;
15
Alm do nmero de termos, da mdia, do desvio padro e de valores mximos e

mnimos, selecione limite de confiana e varincia;
Clique Summary.
1.2. Correlao
A correlao uma medida de associao entre duas variveis, o valor da
correlao varia de 1 a +1, sendo que os valores que aparecem em vermelho sero as
correlaes significativas. Para exemplificar o clculo das correlaes utilizaremos o
arquivo Dados 1.
No menu de estatstica bsica, clique sobre o menu Correlation matrices;
Existem duas opes para obter os valores da correlao, a primeira One

variable list e permite formar uma matriz de correlao com os dados selecionados.
Como exemplo clique sobre One vaiable list, e selecione as variveis DAP, HT, VCC,
VSC e VCASCA;
Clique sobre Summary;
16
Lembrando que os dados em vermelho representam uma correlao significativa.

Na segunda opo Two List (rect matriz) o calculo feito colocando uma ou
mais variveis em comparao com outras variveis. Como exemplo clique sobre Two
List (rect matriz) e selecione a varivel DAP como primeira varivel e HT, VCC, VSC
e VCASCA como segundas variveis;
Clique OK;
Clique sobre Summary.
17
1.3. Teste t para amostras independentes

O teste t para dados independentes aplicado quando se trabalha com
observaes que no foram originadas da mesma parcela, ou que as medies no foram
realizadas duas a duas.
Para aplicao do teste t, para amostras independentes, ser utilizado o arquivo
Dados 2.
Um pesquisador querendo saber a influncia de hormnios no crescimento de
crista de pintinhos, testou a aplicao de dois hormnios em lotes diferentes de pintinho,
a testosterona (A) e a dehydrogesterona (B). Aps 15 dias da aplicao foram realizadas
as medidas no tamanho da crista, escolhendo aleatoriamente 10 pintinhos tratado com
testosterona e 10 com deydrogesterona. Embora no seja um exemplo especfico da rea
florestal, consiste em um exemplo extremamente didtico, motivo pelo qual foi aqui
inserido.
Abrir o arquivo Dados 2;
No menu de estatstica bsica, clique sobre o menu t-test, independent, by
variables;
Selecione a varivel A como primeira varivel, e a varivel B como segunda;
Clique OK;
1.4. Teste t para amostras dependentes (teste t pareado)

O teste t para dados dependentes baseado na comparao entre a diferena
mdia entre os pares de observaes, normalmente utilizado quando se quer avaliar o
efeito de um determinado tratamento. Por exemplo, considere uma mquina que
determina a dureza de um metal pressionando sobre este com uma ponta, sendo
conhecida a presso utilizada para faz-lo. Medindo a profundeza da depresso causada
pela ponta, a dureza do metal determinada. Neste exemplo tem-se duas pontas
disponveis para a mquina e suspeita-se que uma delas produz leituras diferentes da
outra, sendo um caso tpico de aplicao desse teste. Observe que ao invs de um metal
poderia, por exemplo, se tratar de uma pea de madeira, ou seja, um estudo tpico de
tecnologia da madeira
Para aplicao do teste t para amostras dependentes, ser utilizado o arquivo
Dados 3.
Para reduzir o nmero de manchas, causada por um vrus em folhas de uma
espcie, um produtor plantou determinadas sementes oriundas do mesmo saco, com
uma soluo sem tabaco (preparao 1) e com soluo contendo tabaco (preparao 2),
aps um determinado tempo ele contou o nmero de manchas que havia em cada planta.
Seu objetivo verificar se existe diferena ao considerar utilizar o tabaco, sendo um
caso de aplicao do teste t para amostra (ou dados) dependentes.
18
Abrir o arquivo Dados 3;

No menu de estatstica bsica, clique sobre o menu t-test, dependent, by
samples;
Selecione a varivel prep 1 como primeira varivel, e a varivel prep 2 como
segunda;
Clique OK;
19
MDULO 3 REGRESSO E ANLISE DE PROCESSOS

1. Preliminares
A palavra regresso apareceu na literatura pela primeira vez com Pearson, 1908.
Anlise de regresso um dos mtodos estatsticos mais importantes e mais usado em
cincia florestal. Isto se justifica porque na maioria das vezes o pesquisador est
interessado em avaliar efeitos de algumas variveis sobre outras, de maior interesse e
porque, em geral, muitas variveis so de difcil mensurao ou custo de mensurao,
devendo ser estimadas em funo de variveis mais facilmente mensurveis.
Um modelo de regresso dito linear se ele linear nos parmetros. Por
exemplo, Y = b0 + b1X + e. Caso contrrio, ele dito no-linear, por exemplo, Y =
b0Xb1+e um modelo no-linear. O processo de ajuste desses dois tipos de modelos
diferente. No caso no-linear, a soluo obtida por meio de processos iterativos,
enquanto o ajuste linear matematicamente simples e consiste em minimizar alguma
funo, em geral a soma de quadrados dos resduos. Sendo os modelos lineares de posto
completo, resulta sempre em um nico estimador de parmetros, o que no acontece no
caso no-linear.
O problema da anlise de regresso consiste em: escolher um modelo estatstico,
obter e testar as estimativas dos parmetros desse modelo, avaliar a equao obtida e
aplicar corretamente a equao. Estas tarefas setornam extremamente simples e
gratificantes ao usar o Statistica, devido sua eficincia, flexibilidade e interface
amigvel. A propsito, possvel afirmar que no existe no mercado um software de
estatstica mais eficiente e amigvel do que ele, no caso de modelos de regresso linear
e no-linear. O mesmo acontece em relao a outros mtodos estatsticos, fazendo com
que o software seja identificado por especialistas nacionais e de outros pases como o
melhor software de estatstica existente, superando, inclusive, o SAS. oportuno
resaltar que a nica ausncia sentida refere-se estatistica espacial.
No uma pretenso aqui ministrar curso terico de estatstica. Pressupe-se que
os participantes tenham conhecimentos bsicos sobre o tema. Entretanto, alguns
aprofundamentos tericos sero discutidos por ocasio das aulas prticas, de uso do
software.
Mas o que uma regresso? A
figura a seguir permite entender o que
uma regresso, ou seja, uma reta (ou
curva) que passa por pontos ou dados
observados,
com
o
melhor
balenceamento possvel entre valores
observados e valores estimados.
Veremos os critrios para verificar tal
balanceamento.
Veremos que regresso mltipla uma tcnica sedutora. Dois exemplos so

apresentados a seguir, sendo um sobre Anlise de Regresso Padro e outro sobre o
procedimento Stepwise. Contudo, outros exemplos de ordem prtica na engenharia
florestal sero apresentados e resolvidos durante o curso.
20
2. Regresso Linear Mltipla

2.1 Ajuste e Avaliao da Regresso
O primeiro passo consiste em abrir, importar ou digitar os dados. No importa o
procedimento em uso. Conforme visto no mdulo 1, ao entrar em um dos procedimentos
do Statistica, naturalmente o usurio dever informar quais dados deseja utilizar.
Ao clicar no mdulo Multiple
Linear Regression aparecer a tela de
dilogo a seguir. Nesta tela o usurio
dever informar qual a varivel
dependente e quais so asvariveis
independentes. Em seguida, ele poder
acessar o boto Advanced e assinalar
algumas sdas interessantes.por exemplo,
recomendvel, antes de ajustar o
modelo, rever algumas estatsticas
descritivas e a matriz de correlao. Isto
conseguido habilitando a opo
indicada na tela e clicando no boto OK.
Alguns
exemplos
de
estatsticas
descritivas
so
apresentadas
na
sequncia de telas aqui apresentada.
21
Aps analisar as estatsticas descritivas, o usurio deve voltar ao menu principal

e ajustar o modelo clicando no boto OK. A primeira sada gerada apresentada a
seguir. Nesta sada o usurio j pode visualizar o grau de ajustamento do modelo,
observando o coeficiente de determinao. Contudo, isto no suficiente para aceitar ou
rejeitar uma equao. necessrio avaliar com mais detalhes as estimativas geradas
pela mesma. A principal ferramenta para esta anlise a anlise grfica dos resduos.
Nesse particular, o Statistica oferece uma grande variedade de grficos importantes. Os
participantes so agora encorajados a analisar as opes de grficos de resduos
existentes no software.
Ao clicar em Summary o usurio poder visualizar os coeficientes estimados e

suas significncias. O Statistica assinala em vermelho aqueles coeficientes que so
significativos, facilitando a interpretao dos resultados. Os coeficientes estimados so
apresentados na coluna B e a significncia na coluna p-level. O valor de p-level,
multiplicado por 100, a significncia. Por exemplo, o intercepto (bo) da tela de
resultados a seguir, indica que a estimativa 31,26604 estatsticamente diferente de zero
em nvel de 2,73%. Esta ltima coluna extremamente importante, pois aquelas
variveis no significativas devem, em princpio, ser rejeitadas pelo pesquisador, por
no estarem contribuindo significativamente para explicar as variaes na varivel
22
dependente Y. A coluna indicada por Beta contm os coeficientes padronizados e o

usurio no deve se preocupar com ela. O mesmo contece com a colunaStd.Err.ofBeta.
Na tela a seguir, o usurio pode observar as correlaes parciais e o respectivo

coeficiente de correlao. Tais estimativas so utilizadas quando do uso do
procedimento Stepwise e o usurio no deve se preocupar com ela por enquanto.
Outra sada importante apresentada a seguir. Trata-se da listagem dos resduos.

Esta sada importante para a identificao de possveis peculiaridades justificveis, ou
seja, de outliers. Aqui cabe lembrar que os utliers devidamente identificados devem ser
eliminados da base de dados, sendo efetuado um novo ajuste do modelo. As opes para
identificao/caracterizao de outliers sero apresentadas durante o treinamento. Porm
cabe observar que o desvido padro importante nessa caracterizao. Uma das
mehores maneiras de identificar possveis outliers atravs de grficos de disperso,
conforme xemplo a seguir. A melhor maneira de avaliar uma equao, do ponto de vista
estatstico, atravs da anlise dos resduos. Nesse sentido, o Statistica gera diversos
grficos cuja interpretao trivial. Alguns exemplos sero vistos durante o
treinamento.
23
24
Identificando outliers por meio de grficos
2.2. Stepwise
O procedimento stepwise consiste em identificar, passo a passo, o melhor
modelo de regresso e, de certa forma, permite identificar variveis independentes
importantes para explicar as variaes sobre a varivel dependente Y. O processo
consiste em entrar com a varivel mais correlacionada com Y e, em seguida, por meio
do coeficiente de correlao parcial, entrar com novas variveis, verificando sua
permanncia por meio da determinao parcial. No final do processo a melhor equao
25
obtida. O statistica realiza esse procedimentoautomaticamente, porm, o usurio tem

que definir valores de F para uma varivel ser aceita e para ser rejeitada na equao. O
exemplo a seguir ilustra o procedimento. Interessads na tepria pertinente poderm
recorrer a livros texto de estatstica e ao prprio manual do Statistica.
Ao clicar na opo inicial

Advanced aparecer a tela a seguir. Nessa
tela, o usurio deve definir o mtodo
pretendido, por exemplo, Forward, oa
valores de F para entrada e remoo de
variveis, o nmero de passos a serem
executados e como os resultados devem ser
apresentados. Aps definir os respectivos
campos, clicando em OK aparecer a tela
apresentada na sequncia. O exemplo
ilustrado a seguir hipottico, apenas para
demonstrar a sequncia de anlise. Durante
o treinamento, um exemplo completo ser
desenvolvido
utilizando
o
arquivo
10Itens.sta, que est em
c:\Arquivosdeprogramas\statsoft\statistica6
\Examples\dataset, considerando a varivel
item 1 como dependente.
Clicando em OK aparecer a tela de resultados semelhante

tela a seguir. Observe que no primeiro passo ainda no existe nenhuma
variavel no modelo. No passo 1 j foi inserida a varivel teste3, que
a varivel mais correlacionada com a varivel depndente job-prof.
26
Neste exemplo, a equao de regresso final :

y = -124.200 + 1.357*X3 + 0. 296*X1 + 0. 517*X4
27
Vamos utilizar agora o arquivo 10itens. Uma matriz de

correlaao, obtida via estatstica descritiva, e apresentada a seguir.
Observe que a maior correlao e entre as variveis item1 e item2,
portanto, esta e a primeira varivel a entrar no modelo.
Siga e execute os comandos indicados nas telas 1 a 19 a seguir
e verifique que qualquer opo de stepwise adotada resulta na mesma
equao no final, permanecendo as variveis independentes item2,
item3, item7 e item10.
TELA 1.
TELA2: clique no atalho indicado.
28
TELA3:
TELA4: clique em variables.

29
TELA5: clique em Options e marque a opcao indicada.
30
TELA6: clique em coefficients.
TELA7: resultado.
31
TELA8: clique em summary of stepwise regression.
TELA9: resultado.
32
TELA10:: resultado completo.

Steps Degr. of
F to
P to
F to
P to
Effect
"ITEM2" Step 1 1
48,77300 0,000000 Entered
"ITEM3"
31,09662 0,000000 Out
"ITEM4"
21,98838 0,000009 Out
"ITEM5"
0,15847
0,691431 Out
"ITEM6"
1,93842
0,166992 Out
"ITEM7"
40,23031 0,000000 Out
"ITEM8"
16,04378 0,000121 Out
"ITEM9"
18,17455 0,000046 Out
"ITEM10"
"ITEM2" Step 2 1
32,73843 0,000000 Out

48,77300 0,000000
In
"ITEM3"
10,22478 0,001872 Out
"ITEM4"
8,83226
0,003732 Out
"ITEM5"
0,43772
0,509793 Out
"ITEM6"
0,78578
0,377570 Out
"ITEM7"
10,68495 0,001495 Out
"ITEM8"
0,67470
0,413431 Out
"ITEM9"
3,71031
0,057005 Out
"ITEM10"
11,02700 0,001266 Entered
"ITEM2" Step 3 1
24,27610 0,000003
In
"ITEM10"
11,02700 0,001266
In
"ITEM4"
5,35544
0,022790 Out
"ITEM5"
0,38946
0,534062 Out
"ITEM6"
0,64385
0,424301 Out
"ITEM7"
7,10002
0,009043 Out
"ITEM8"
0,09641
0,756858 Out
"ITEM9"
1,45010
0,231473 Out
"ITEM3"
9,12650
0,003229 Entered
"ITEM2" Step 4 1
12,69560 0,000573
In
"ITEM10"
9,91303
0,002187
In
"ITEM3"
9,12650
0,003229
"ITEM5"
0,05901
0,808590 Out
"ITEM6"
0,75031
0,388560 Out
"ITEM7"
3,94937
0,049769 Entered
"ITEM8"
0,56121
0,455623 Out
"ITEM9"
0,56741
0,453151 Out
"ITEM4"
3,05174
0,083882 Out
In
"ITEM2" Step 5 1
7,03181
0,009384
"ITEM10"
7,32664
0,008056
In
"ITEM3"
5,89427
0,017074
In
"ITEM7"
3,94937
0,049769
"ITEM6"
0,48836
0,486387 Out
"ITEM5"
0,07465
0,785288 Out
"ITEM8"
0,86272
0,355358 Out
"ITEM9"
0,76630
0,383594 Out
"ITEM4"
3,40799
0,068029 Out
In
In
TELA11: clique em Partial corrs etc.
33
TELA12: resultado.
34
TELA13: clique em Options e marque a opo indicada. Clique em

OK.
TELA14: clique em summary stepwise regression.
35
TELA15: resultado.
Steps Degr. of
F to
P to
F to
P to
Effect
"ITEM2" Step 1 1
6,068085 0,015667
In
"ITEM3"
3,726256 0,056712
In
"ITEM4"
3,323768 0,071605
In
"ITEM5"
0,178294 0,673850
Removed
"ITEM6"
0,808962 0,370827
In
"ITEM7"
4,424043 0,038226
In
"ITEM8"
1,603782 0,208636
In
"ITEM9"
0,355046 0,552766
In
"ITEM10"
5,422673 0,022117
In
"ITEM2" Step 2 1
5,970775 0,016474
In
"ITEM3"
4,019824 0,047940
In
"ITEM4"
3,428775 0,067312
In
"ITEM10"
5,413590 0,022201
In
"ITEM6"
0,842947 0,360982
In
"ITEM7"
4,407796 0,038543
In
"ITEM8"
1,482558 0,226523
In
"ITEM9"
0,315994 0,575407
Removed
"ITEM5"
0,178294 0,673850 Out
"ITEM2" Step 3 1
6,702672 0,011190
In
"ITEM3"
4,373972 0,039248
In
"ITEM4"
4,164702 0,044140
In
"ITEM10"
6,001975 0,016182
In
"ITEM6"
0,890877 0,347712
Removed
"ITEM7"
4,312633 0,040619
In
"ITEM8"
1,359262 0,246679
"ITEM9"
0,315994 0,575407 Out
"ITEM5"
0,137363 0,711778 Out
In
"ITEM2" Step 4 1
6,944881 0,009848
In
"ITEM3"
4,325611 0,040294
In
"ITEM4"
3,816182 0,053765
In
"ITEM10"
6,156269 0,014891
In
"ITEM8"
1,286375 0,259632
Removed
"ITEM7"
4,695225 0,032802
"ITEM6"
0,890877 0,347712 Out
"ITEM9"
0,357911 0,551139 Out
"ITEM5"
0,158881 0,691112 Out
In
"ITEM2" Step 5 1
5,800817 0,017969
In
"ITEM3"
3,938232 0,050116
In
"ITEM4"
3,407988 0,068029
Removed
"ITEM10"
5,038482 0,027136
In
"ITEM7"
4,299716 0,040854
In
"ITEM8"
1,286375 0,259632 Out
"ITEM6"
0,813338 0,369465 Out
"ITEM9"
0,215414 0,643642 Out
"ITEM5"
0,043978 0,834353 Out
"ITEM2" Step 6 1
7,031807 0,009384
In
"ITEM3"
5,894267 0,017074
In
36
"ITEM7"
3,949366 0,049769
In
"ITEM10"
7,326636 0,008056
In
"ITEM4"
3,407988 0,068029 Out
"ITEM8"
0,862718 0,355358 Out
"ITEM6"
0,488355 0,486387 Out
"ITEM9"
0,766304 0,383594 Out
"ITEM5"
0,074646 0,785288 Out
TELA16: marque a opo indicada e clique em OK.
TELA17: clique em summary of best subset regression.
37
TELA18: resultado.
R square No. of "ITEM2" "ITEM3" "ITEM4" "ITEM5" "ITEM6" "ITEM7"
"ITEM8"
"ITEM9" "ITEM10"
1 0,507160 9
0,258189 0,175507 0,158986 0,032152 0,067827 0,203710 -0,124833 0,053689 0,217979
2 0,506184 8
0,253542 0,180139 0,160594
3 0,505216 8
0,268268 0,182276 0,170967 0,028003 0,069676 0,200013 -0,117405
0,226266
4 0,504469 7
0,263613 0,185959 0,171698
0,224668
5 0,502730 8
0,262020 0,173710 0,150179 0,034429
0,211454 -0,122679 0,057025 0,220104
6 0,501609 7
0,257103 0,178646 0,151755
0,210066 -0,115022 0,053351 0,218765
7 0,500533 7
0,272855 0,180861 0,162670 0,030081
0,207745 -0,114714
0,228983
8 0,499670 6
0,267908 0,184802 0,163350
0,206733 -0,108420
0,227299
0,068885 0,202295 -0,117724 0,050210 0,216697

0,070501 0,198980 -0,111584
9 0,498378 8
0,222340 0,169495 0,151715 0,015681 0,065506 0,192219
0,039258 0,186038
10 0,498138 7
0,221031 0,171994 0,152731
0,066105 0,191837
0,037923 0,186308
11 0,497321 7
0,231415 0,174792 0,160940 0,013326 0,066984 0,189980
0,193609
12 0,497148 6
0,230033 0,176772 0,161540
0,067452 0,189718
0,193619
13 0,494243 7
0,226640 0,167860 0,143325 0,018156
0,199894
0,042722 0,188624
14 0,493922 6
0,225168 0,170740 0,144414
0,199532
0,041211 0,188964
15 0,492990 6
0,236641 0,173594 0,153178 0,015649
0,197641
0,196943
16 0,492750 5
0,235060 0,175913 0,153819
0,197396
0,196983
17 0,488959 8
0,270789 0,203650
0,038214 0,052388 0,200819 -0,113002 0,091566 0,243618
18 0,487577 7
0,265408 0,209504
0,053463 0,199098 -0,104393 0,087879 0,242399
19 0,486755 8
0,291483
20 0,486282 7
0,273240 0,201025
21 0,484787 6
0,267692 0,207061
22 0,484370 7
0,285551
23 0,482986 7
0,290654 0,219663
24 0,482934 8
0,327991 0,226044 0,155982 0,026607 0,081927
0,187567 0,049886 0,064629 0,253117 -0,114899 0,075422 0,208111

0,039732
0,207002 -0,111829 0,092534 0,244169

0,205343 -0,102847 0,088718 0,242913
0,191286
0,066163 0,252941 -0,103292 0,070848 0,205681

0,031563 0,053625 0,193767 -0,098015
0,262026
-0,105409 0,041547 0,253333
38
25 0,482037 6
0,285512 0,223997
0,054477 0,192572 -0,091357
0,260396
26 0,481240 6
0,330647 0,233471 0,165971
0,083799
0,257791
27 0,481216 6
0,235899 0,200960
0,051657 0,189912
28 0,480910 6
0,301431
29 0,480181 6
0,293378 0,217149
30 0,479140 5
0,288037 0,221648
0,198873 -0,089654
31 0,478610 5
0,238530 0,198720
0,196081
32 0,477465 8
0,282886 0,163944 0,189495 0,026399 0,072258 0,244208 -0,062985 0,084865
33 0,477076 5
0,256649 0,214531
34 0,476399 5
0,305368
35 0,475885 5
0,299150 0,223688 0,157482
36 0,475690 5
0,271382
37 0,474776 5
0,261565 0,209170
38 0,474411 5
0,338918 0,234302 0,155709
39 0,474359 4
0,259616 0,212427
40 0,474211 5
0,259340
41 0,473931 8
0,208583
-0,095105
0,216572
0,200021 -0,096653
0,262789
0,033046
0,200266
0,257748 -0,090884
0,198427
0,065853 0,240531
0,190592
0,191812
0,233866
0,020626
-0,090548
0,174879
0,234122
0,248773
0,062210 0,181923
0,212362 0,173151 0,012459 0,075376 0,279250 -0,059253 0,089509 0,241312
44 0,465561 4
0,287575 0,172380 0,196696
0,242792
45 0,461447 4
0,221146 0,181170
0,280691
0,190714
0,247787
0,323515 0,259436
47 0,455758 4
0,313175 0,247695
48 0,455723 4
0,355561 0,267689
49 0,452847 4
0,331977 0,255826
50 0,452507 3
0,330100 0,258688
51 0,451841 4
0,296304
0,203828
0,288848
52 0,445148 3
0,326990
0,232201
0,291487
53 0,441746 3
0,319248
0,267350
0,066599 0,254425
-0,073276
0,293481
0,018618
0,270120
0,270291
0,270637
55 0,433821 3
0,334082 0,220762
56 0,432137 3
0,390906
57 0,428800 3
0,395552 0,234640 0,200012
0,095952
0,253684
0,241513
0,284005
0,298574
0,246327
0,196719
58 0,426283 3
0,236016
0,332471
0,244968
0,366154
0,304073
0,229913 0,246513
61 0,400458 2
0,438274
62 0,398554 2
0,398577
63 0,395973 2
0,444454 0,284772
64 0,388025 2
0,485172
65 0,380104 2
0,247650
0,065993
54 0,435452 3
60 0,415852 3
0,193890
0,235640
46 0,456798 4
0,255221
0,160854
0,366064
0,295382
0,312878
0,253092
0,376612
0,390208
66 0,378960 2
0,397512
67 0,377798 2
0,305682
68 0,363869 2
0,305297
0,328750
0,457740
0,396736
0,499155
0,174856
70 0,353836 2
0,464005
0,261714
0,576457
72 0,291038 1
0,539480
73 0,250412 1
75 0,183254 1
0,262487
0,191457
0,308580 0,224942 0,147979
74 0,240879 1
0,219172
0,229821
43 0,469547 4
71 0,332302 1
0,232950
0,080651
0,276094
69 0,356901 2
0,261094
0,076270 0,215080
0,052738 0,185220
42 0,471498 4
59 0,419319 3
0,075278 0,214179
0,068347 0,250541 -0,093844
0,500412
0,490794
0,428082
39
76 0,156442 1
0,395527
77 0,140681 1
0,375074
78 0,019396 1
79 0,001614 1
0,139270
0,040181
TELA19: retorne e clique em coefficients, obtendo o resultado a

seguir. Veja que a mlhor equao foi sempre a mesma. Recomenda-se
utilizr a primeira opo aqui ilustrada, ou seja, Forward Entry.
3. Regresso No-Linear
O ajuste de modelos no-lineares feito por meio do procedimento NonLinear
Estimation indicado na tela a seguir. O usurio pode ajustar modelos pr-definidos,
porm, mais til o procedimento user specified regression least squares, conforme a
segunda tela a seguir. Essa tela acessada ao clicar em NonLinear estimation. Nesse
caso, o usurio deve escrever o modelo a ser ajustado, na sua forma normal, sem
explicitar o termo erro aleatrio.
40
41
A sequncia a seguir ilustra o ajuste do modelo item1=b0*item2^b3+e. O

usurio poder navegar com tranquilidade pelas telas a seguir. A discusso terica sobre
os resultados gerados nas mesmas ser tratada durante o treinamento. Recomenda-se aos
usurios fazer suas prprias anotaes nessas telas, durante o treinamento. Esta opo
foi adotada por entender que o manual do Statistica de fcil compreenso no caso de
modelos de regresso no-linear e linear. Pode-se inferir que aps alguns ajustes de
modelos no lineares o usurio estar dominando o mdulo Nonlinear Estimation.
42
43
44
45
46
4. Consideraes Finais
Os mdulos de anlise de processos, controle dequalidade e estatstica no
paramtrica no foram inseridos nestas anotaes. Dada a particularidade dos temas
tratados, optou-se por exemplificar os procedimentos mais importantes utilizando
diretamente os aplicativos e o manual do prprio Statistica. Por meio de uma simulao
de treinamento, verificou-se que qualquer tentativa de elaborar um roteiro era deficiente
em relao opo adotada. Outra justificativa para optar por esta alternativa o fato
dos procedimentos encontrados nesses mdulos, em geral, interessarem apenas alguns
poucos usurios e, portanto, o tratamento dirigido se torna mais eficiente. Isto no
acontece com os mdulos Interface do Statistica, Estatistica descritiva e testes de
hipteses, modelos de regresso e delineamentos experimentais.Esses, certamente so
de interesse de todos os usurios, cabendo elaborar o roteiro resumido. Apesar disto,
qualquer usurio no deve abrir mo do manual eletrnico do Statistica (Contents and
Index) ou video manual (Animated Overviews). O fato que se o usurio sabe qual
anlise estatstica que deve ser usada, encontr-la no Statistica e proceder a anlise se
torna uma tarefa agradvel, divertida e simples.
Cabe ressaltar ainda que os exemplos dirigidos para a rea florestal foram
reservados para o treinamento, ou seja, para os prprios usurios resolverem durante o
treinamento. Isto interessante por permitir melhor discusso e curiosidade.
47
MDULO 4 DELINEAMENTO EXPERIMENTAIS

O objetivo deste mdulo apresentar as principais funes do Statistica 6.0 para
anlise estatstica de delineamentos experimentais. Sero apresentados recursos para se
proceder as seguintes anlises: teste das pressuposies da anlise de varincia, anlise
de varincia com um fator (delineamento inteiramente casualizado), teste de
comparao de mdias, anlise de regresso com teste para falta de ajustamento, anlise
de varincia com mltiplos fatores (delineamento em blocos casualizados),
delineamento em esquema fatorial e delineamento com parcelas subdivididas. Os
exemplos que sero utilizados foram extrados de GARCIA (2001) e de BANZATTO e
KRONKA (1989).
1. Consideraes iniciais
Para analisar um delineamento experimental necessrio que se tenha
conhecimento, dentre outros, sobre:
Experimento, tratamento, parcela e repetio.
Tratamento quantitativo X tratamento qualitativo
Varivel aleatria discreta X varivel aleatria contnua
Princpios bsicos da experimentao
Anlise de varincia
Hipteses da anlise de varincia
Teste de hipteses
Pressuposies da anlise de varincia
Teste de comparao de mdias
Anlise de regresso
O fluxograma a seguir apresenta as principais etapas da anlise estatstica de um
delineamento experimental.
48
49
2. Apresentao da opo ANOVA do Statistica 6.0

Exemplo 1 varivel original: BIOM
* Clicar na opo Statistics na Barra de Menu principal e escolher ANOVA; aps
selecionar o tipo de anlises (Type of analyis) clicar em OK
50
* Na opo Variables selecionar as variveis dependentes e os fatores, em seguida,

na opo Categorical factor selecionar os cdigos para as variveis independentes
(fatores). Aps selecionar as variveis Clicar em OK
51
* Clicar em More results
52
3. Teste das Pressuposies da Anlise de Varincia

Exemplo 1 Varivel original: BIOM; varivel transformada: LnBIOM
3.1. Teste de normalidade
a) Teste de Lillieffors
Hipteses: Ho: os dados podem ser estudados por meio da distribuio Normal
H1: os dados no podem ser estudados por meio da distribuio Normal
* Clicar na opo Statistics na Barra de Menu e escolher Basic Statistics/Tables.
Selecionar Descriptive statistics e clicar em OK:
53
* Clicar na opo Normality e selecionar a varivel reposta em Variables
* No campo relacionado distribuio (Distribution) selecionar a opo KolmogorovSmirnov & Lillieffors test for normality e, em seguida, clicar em Frequency tables
54
* Regra de deciso (considerando 5% de probabilidade)

Se P 0,05, no se rejeita H0 (o teste no significativo)
Se P < 0,05, rejeita-se H0 (o teste significativo)
b) Anlise Grfica
* Na janela ANOVA/MANOVA One-Way ANOVA clicar na opo Variables, em
seguida na janela Select dependent variables and a categorical predictor (factor) no
campo Dependent variable list selecionar BIOM e no campo Categorical predictor
(factor) selecionar Trat.
* Na opo ANOVA Results clicar em residuals 1. Depois selecionar a varivel
dependente (Dependent variables) BIOM. Em seguida clicar em Normal no campo
Probab plots of resids.
55
3.2.Teste de Homogeneidade de Varincia

Hipteses: Ho: as varincias so semelhantes, ou seja,
H1: pelo menos uma varincia difere das demais
a) Teste de Cochran, Hartley, Bartlett
* Na opo ANOVA Results clicar em Assumptions. Depois selecionar a varivel
dependente (Dependent variables) BIOM. Em seguida, no campo Homogeneity of
variance/covariances clicar em Cochran C, Hartley, Bartlett

b) Anlise Grfica
* Na janela ANOVA Results clicar em Plot means vs. Std devisitions. Depois na
opo Variances
56
Repetir os passos do item 3.1 e 3.2 para a varivel transformada (LnBIOM).

Verificar se as pressuposies foram atendidas.
OBS - Os testes para a varivel original e para a varivel transformada podem ser
realizados de uma s vez:
* Na janela Descriptive Statistics clicar na opo Variables, em seguida na janela
Select the variables for the analysis no campo Select variables selecionar BIOM e
LnBIOM.
* Na janela ANOVA/MANOVA One-Way ANOVA clicar na opo Variables,
em seguida na janela Select dependent variables and a categorical predictor
(factor) no campo Dependent variable list selecionar BIOM e LnBIOM e no
campo Categorical predictor (factor) selecionar Trat
57
Resultados:
Teste de Normalidade:
Teste de Homogeneidade da varincia
58
59
4. Anlise de varincia com um fator e testes de mdias

Exemplo 1 varivel original: BIOM; varivel transformada: LnBIOM
a) Teste das pressuposies da anlise de varincia
Utilizar a varivel transformada
b) Anlise de varincia com um fator
Hipteses: Ho: os tratamentos tm o mesmo efeito, ou seja, t1 = t2 = t3 = t4 = t5 = t6
H1: pelo menos dois tratamentos tm efeitos diferentes
* Na janela ANOVA/MANOVA One-Way ANOVA (pode-se retornar para esta janela
atravs da opo Modify na janela ANOVA Results) clicar na opo Variables, em
campo Dependent variable list selecionar LnBIOM e no campo Categorical predictor
(factor) selecionar HERB
* Na janela ANOVA Results clicar em All effects:
* Na janela ANOVA Results clicar em All effects/Graphs e depois em OK:
60

c) Teste de mdias
Comparar contrastes entre duas mdias
Hipteses: Ho: o contraste entre as mdias estatisticamente nulo, ou seja, C = 0
H1: C 0
* Na janela ANOVA Results clicar em More results; em seguida, clicar em Post-hoc;
no campo Effect selecionar HERB e no campo Display selecionar Sgnificant
differences; depois clicar no Tukey HSD:
61
* No campo Display selecionar Homogeneous groups; depois clicar no Tukey HSD
* Para ordenar as mdias em ordem decrescente selecionar a varivel LnBIOM Mean e

clicar em Sort
62
5. Anlise de varincia com um fator e anlise de regresso

Exemplo 4 varivel original: P; varivel transformada: Ln P
* Teste de normalidade e homogeneidade da varincia para a varivel original (seguir
todos os passos do item 3)
As pressuposies foram atendidas
b) Anlise de varincia preliminar

c) Anlise de regresso
* Estabelecer uma relao funcional entre o peso de sementes (peso de 1000 sementes)
e doses de gesso. Fazer um grfico Scatterplots entre Dose (x) e P (y):
63
* Ajustar equaes de regresso com os dados individuais na opo Multiple

Regression do menu Statistics. Selecionar o modelo mais adequado com base na
significncia do teste t, no coeficiente de determinao, na anlise grfica dos resduos e
no teste para falta de ajustamento.
Testar os seguintes modelos:
Linear: P = 0 + 1Doses +
Quadrtico: P = 0 + 1Doses + 2Doses2 +
Cbico: P = 0 + 1Doses + 2Doses2 + + 3Doses3 +
* Calcular as variveis Doses2 e Doses3
Resultados
Modelo linear:
Modelo quadrtico:
Modelo cbico:
64
* Corrigir os valores de R2 e de t calculado (no Excel)

* Anlise de varincia da regresso com o teste para falta de ajustamento (no Excel)
Hipteses do teste para falta de ajustamento:
Ho: o modelo de regresso adequado para descrever os dados
H1: o modelo de regresso no adequado para descrever os dados
* Quadro auxiliar (no Excel)
6. Anlise de varincia com mltiplos fatores e testes de mdias
Exemplo 2 varivel original: P; varivel transformada LnP
a)Teste das pressuposies da anlise de varincia
OBS Para o teste de homogeneidade da varincia
* Na janela General ANOVA/MANOVA selecionar Main effects ANOVA no campo
Type of analyis; e no campo Specification method selecionar Quick specs dialog
* Na janela ANOVA/MANOVA Main effects ANOVA clicar na opo Variables, em
campo Dependent variable list selecionar P e no campo Categorical predictor
(factor) selecionar Trat e Blocos
65
b) Anlise de varincia com mltiplos fatores

Hipteses: Ho: os tratamentos tm o mesmo efeito, ou seja, t1 = t2 = t3 = t4 = t5 = t6
H1: pelo menos dois tratamentos tm efeitos diferentes
* Na janela ANOVA Results clicar em All effects e depois em All effects/Graphs:
66

c) Teste de mdias
Comparar contrastes entre duas mdias
Hipteses: Ho: o contraste entre as mdias estatisticamente nulo, ou seja, C = 0
H1: C 0
* Na janela ANOVA Results clicar em More results; em seguida, clicar em Post-hoc;
no campo Effect selecionar Trad e no campo Display selecionar Homogeneous
groups; Realizar os testes de: Tukey HSD1, Dunnett2 (testemunha: tratamento 5),
Duncans3, Newman-Keuls4.
OBS: - Ordenar as mdias em ordem decrescente (conforme procedimento
apresentado no item 5)
- Para os testes Duncans e Newman-Keuls apresentar a diferena mnima
significativa para cada amplitude dos contrastes, para isto no campo
Display selecionar a opo Critical ranges
Resultados:
(1)
(2)
67
(3)
(4)
7. Anlise de varincia em esquema fatorial e testes de mdias

Exemplo 3 varivel original: MS; varivel transformada LnMS
* Teste de normalidade e homogeneidade da varincia (seguir todos os passos do item
3)
Optou-se pelo uso da varivel original
OBS - Para o teste de homogeneidade de varincia:
68
* Na janela General ANOVA/MANOVA selecionar One-Way ANOVA no campo

Type of analyis; e no campo Specification method selecionar Quick specs dialog.
campo Dependent variable list selecionar MS e LnMS e no campo Categorical
predictor (factor) selecionar Trat.
b) Anlise de varincia em esquema fatorial
Para o fator Espcie:
Hipteses: Ho: os nveis do fator Espcie tm o mesmo efeito, ou seja, E1=E2= E3
H1: pelo menos dois nveis do fator Espcie tem efeitos diferentes
Para o fator Herbicida:
Hipteses: Ho: os nveis do fator Herbicida tm o mesmo efeito, ou seja, H1=H2=H3
H1: pelo menos dois nveis do fator Herbicida tem efeitos diferentes
Para a interao entre os fatores Espcie e Herbicida:
Hipteses: Ho: todas as combinaes entre os nveis do fator Espcie e do fator
Herbicida tm o mesmo efeito, ou seja, E1H1=E1H2= . . . = E3H3
H1: pelo menos duas combinaes entre os nveis do fator Espcie e do
fator Herbicida tem efeitos diferentes
ANOVA GERAL
* Na janela General ANOVA/MANOVA selecionar no campo Type of analyis a
opo Main effects ANOVA (clicar no Modify para modificar ou iniciar uma nova
anlise); e no campo Specification method selecionar Quick specs dialog (Conforme
item 6).
* Na janela ANOVA/MANOVA Main effects ANOVA clicar na opo Variables, em
campo Dependent variable list selecionar MS e no campo Categorical predictor
(factor) selecionar Trat.
69
ANOVA EM ESQUEMA FATORIAL

* Na janela General ANOVA/MANOVA selecionar Factorial ANOVA no campo
Type of analyis (clicar no Modify para modificar ou iniciar uma nova anlise); e no
campo Specification method selecionar Quick specs dialog
* Na janela ANOVA/MANOVA Factorial ANOVA clicar na opo Variables, em
campo Dependent variable list selecionar MS e no campo Categorical predictor
(factor) selecionar Espcie, Herbicida e Bloco.
70
* Na janela ANOVA Results clicar em All effects/Graphs e selecionar o grfico da

interao (Espcie x herbicida):
71
c) Quadro de mdias com os dados originais

* Na janela ANOVA Results clicar em More results e depois em Means. No campo
Plot or show means for effect selecionar Espcie*Herbicida; depois clicar na opo
Observed, unweighted:
d) Desdobramento da interao
Espcie dentro de Herbicida (Espcie / Herbicida)
- Para o herbicida 1 (Espcie / Herbicida 1)
1 passo: Na janela General ANOVA/MANOVA selecionar Factorial ANOVA no
campo Type of analyis; no campo Specification method selecionar Quick specs
dialog; e na opo SELECT CASES selecionar o Herbicida 1
72
2 passo: Na janela ANOVA/MANOVA Factorial ANOVA clicar na opo

Variables, em seguida na janela Select dependent variables and a
categorical predictor (factor) no campo Dependent variable list
selecionar MS e no campo Categorical predictor (factor) selecionar
Espcie e Bloco:
3 passo: Na janela ANOVA Results clicar em More results e depois em Post-hoc.

No campo Effect selecionar Espcie; no campo Display selecionar
Homogeneous groups; no campo Error term digitar o valor do quadrado
mdio do resduo na opo MS e o grau de liberdade do resduo na opo
df; e por ltimo clicar em Tukey HSD:
4 passo: Classificar as mdias em ordem decrescente
73
- Para o Herbicida 2 (Espcie / Herbicida 2)

Repetir os passos 1, 2, 3 e 4 com a seguinte alterao: no passo 1 selecionar o herbicida
2.
- Para o Herbicida 3 (Espcie / Herbicida 3)
Repetir os passos 1, 2, 3 e 4 com a seguinte alterao: no passo 1 selecionar o herbicida
3.
Resultados:
Espcie / Herbicida 2:
Espcie / Herbicida 3:
74
Herbicida dentro de Espcie (Herbicida / Espcie)

- Para a Espcie 1 (Herbicida / Espcie 1)
* Repetir os passos 1, 2, 3 e 4 com as seguintes alteraes: no passo 1 selecionar a
espcie 1; e no passo 2 selecionar Herbicida e Bloco no campo Categorical predictor
(factor).
espcie 2; e no passo 2 selecionar Herbicida e Bloco campo Categorical predictor
(factor).
espcie 3; e no passo 2 selecionar Herbicida e Bloco no campo Categorical predictor
(factor).
Resultados:
Herbicida / Espcie 1:
75
8. Experimentos em parcelas subdividida

Exemplo 5 varivel original: BIOM; varivel transformada LnBIOM
OBS - Para o teste de homogeneidade de varincia:
* Na janela General ANOVA/MANOVA selecionar One-Way ANOVA no campo
campo Dependent variable list selecionar BIOM e LnBIOM e no campo Categorical
predictor (factor) selecionar Trat.
b) Anlise de varincia
* Na janela General ANOVA/MANOVA selecionar Factorial ANOVA no campo
* Na janela ANOVA/MANOVA Factorial ANOVA clicar na opo Variables, em
campo Dependent variable list selecionar BIOM e no campo Categorical predictor
(factor) selecionar CULT TEMPO E BLOCO.
76
* Na janela ANOVA Results clicar em All effects/Graphs e selecionar o grfico da

interao (CULT x TEMPO):
c) Quadro de mdias com os dados originais

* Na janela ANOVA Results clicar em More results e depois em Means. No campo
Plot or show means for effect selecionar CULT x TEMPO; depois clicar na opo
Observed, unweighted:
77
d) Desdobramento da interao
Cultura (Variedade) dentro de Tempo (CULT / TEMPO)
* Calcular o QMRcombinado (no Excel)
- Para o TEMPO 30 (CULT / TEMPO 30)
Seguir os passos conforme item 7
1 passo: Na janela General ANOVA/MANOVA selecionar Factorial ANOVA no
campo Type of analyis; no campo Specification method selecionar
Quick specs dialog; e na opo SELECT CASES selecionar o TEMPO
30
2 passo: Na janela ANOVA/MANOVA Factorial ANOVA clicar na opo
Variables, em seguida na janela Select dependent variables and a
categorical predictor (factor) no campo Dependent variable list
selecionar MS e no campo Categorical predictor (factor) selecionar
CULT e BLOCO:
3 passo: Na janela ANOVA Results clicar em More results e depois em Post-hoc.
No campo Effect selecionar Espcie; no campo Display selecionar
Homogeneous groups; no campo Error term digitar o valor do quadrado
mdio do resduo combinado na opo MS e o grau de liberdade do
resduo combinado na opo df; e por ltimo clicar em Tukey HSD:
4 passo: classificar as mdias em ordem decrescente
78
Repetir os passos 1, 2, 3 e 4 com a seguinte alterao: no passo 1 selecionar o TEMPO

60.
90.
120.
Resultados:
CULT / TEMPO 30:
CULT / TEMPO 60:
CULT / TEMPO 90:
CULT / TEMPO 120:
Tempo dentro de Cultura (TEMPO / CULT)

Utilizar o QMR (b)
Testar os seguintes modelos:
Linear: P = 0 + 1TEMPO +
Quadrtico: P = 0 + 1TEMPO + 2TEMPO2 +
79
Raiz quadrada: P = 0 + 1TEMPO + 2TEMP01/2 +

Calcular as variveis TEMPO2 e TEMPO1/2
- Para a CULT 1 (TEMPO / CULT 1)
* Selecionar o cultivar 1 (CULT=1) na opo SELECT CASES da janela Multiple
Linear Regression
* Estabelecer uma relao funcional entre a biomassa seca de capim-elefante os tempos
de avaliao. Fazer um grfico Scatterplots entre TEMPO (x) e BIOM (y):
* Ajustar equaes de regresso com os dados individuais na opo Multiple

Regression do menu Statistics. Selecionar o modelo mais adequado com base na
significncia do teste t, no coeficiente de determinao, na anlise grfica dos resduos e
no teste para falta de ajustamento.
Resultados
Modelo linear:
80
Modelo quadrtico:
Raiz quadrada:

* Realizar a anlise de varincia da regresso com o teste para falta de ajustamento (no
Excel)
* Repetir os mesmos procedimentos (selecionar o cultivar 2 (CULT=2) na opo
SELECT CASES da janela Multiple Linear Regression)
81
Resultados
Modelo linear:
Modelo quadrtico:
Raiz quadrada:

Excel)
* Repetir os mesmos procedimentos (selecionar o cultivar 3 (CULT=3) na opo
SELECT CASES da janela Multiple Linear Regression)
82
Resultados:
Modelo linear:
Modelo quadrtico:
Raiz quadrada:

Excel).
83

Apostila Statistica 6

Enviado por

Direitos autorais:

Formatos disponíveis

Apostila Statistica 6

Enviado por

Dados do documento

Descrição original:

Título original

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

Apostila Statistica 6

Enviado por

Direitos autorais:

Formatos disponíveis

Sobre o uso do Statistica 6.

Helio Garcia Leite - SIF\DEF\UFV

A = Barra de Ttulo - aparece o nome do arquivo que est sendo trabalhado;

A = Marque o arquivo que quer trabalhar;

A =Clicando sobre ela, poder importar todas as planilhas do arquivo;

Clique sobre a planilha desejada, e OK.

A = Destaca o nmero de colunas que o arquivo possui;

1.4. Formatao do Arquivo

Outra alternativa consiste em marcar com o Boto de Cabealho, clicar com o

1.5. Formatando Coluna

A = Coloca o tamanho da fonte, para o ttulo da coluna;

1.6. Adicionando Colunas e Linhas

A = Indique quantas colunas sero adicionadas;

A = Indique quantas linhas sero adicionadas;

D Enter ou dois cliques com o boto esquerdo do mouse;

A = Digite o nome da coluna (Ln DAP);

A = Digite o nome do arquivo;

B = mude para a opo Excel Workbook;

A = Digite o nome do arquivo;

Selecione a varivel DAP para o eixo x e a varivel HT para o eixo y;

Na opo Advanced, selecione o tipo de grfico regular, e o tipo de regresso

Escolha o tipo de fonte Times New Roman, negrito e o tamanho de 12;

Em Makers troque os pontos em crculo por tringulo transparente;

Para formatar a escala do eixo x, d dois cliques sobre o eixo x;

Em Range, modifique para escala Manual, e indique o valor mnimo 6 e o valor

Em line altere a cor da linha de regresso para preto.

MDULO 2 ESTATSTICA DESCRITIVA E TESTES DE HIPTESES

Clique sobre Descriptive statistics;

Alm do nmero de termos, da mdia, do desvio padro e de valores mximos e

Existem duas opes para obter os valores da correlao, a primeira One

Lembrando que os dados em vermelho representam uma correlao significativa.

1.3. Teste t para amostras independentes

1.4. Teste t para amostras dependentes (teste t pareado)

Abrir o arquivo Dados 3;

MDULO 3 REGRESSO E ANLISE DE PROCESSOS

Veremos que regresso mltipla uma tcnica sedutora. Dois exemplos so

2. Regresso Linear Mltipla

Aps analisar as estatsticas descritivas, o usurio deve voltar ao menu principal

Ao clicar em Summary o usurio poder visualizar os coeficientes estimados e

dependente Y. A coluna indicada por Beta contm os coeficientes padronizados e o

Na tela a seguir, o usurio pode observar as correlaes parciais e o respectivo

Outra sada importante apresentada a seguir. Trata-se da listagem dos resduos.

Identificando outliers por meio de grficos

obtida. O statistica realiza esse procedimentoautomaticamente, porm, o usurio tem

Ao clicar na opo inicial

Clicando em OK aparecer a tela de resultados semelhante

Neste exemplo, a equao de regresso final :

Vamos utilizar agora o arquivo 10itens. Uma matriz de

TELA2: clique no atalho indicado.

TELA4: clique em variables.

TELA5: clique em Options e marque a opcao indicada.

TELA6: clique em coefficients.

TELA8: clique em summary of stepwise regression.

TELA10:: resultado completo.

48,77300 0,000000 Entered

31,09662 0,000000 Out

21,98838 0,000009 Out

40,23031 0,000000 Out