O segundo método de comparação múltipla proposto por Fisher e usualmente chamado de teste ou procedimento de Bonferroni, consiste na realização de um teste t para cada par de médias a uma taxa de erro por comparação (TPC) de α(k2).
Calcular manualmente intervalos de confiança de Bonferroni para os desvios padrão (sigmas)
Os testes Post hoc são um conjunto de testes para descobrir onde estas diferenças residem. Os testes consistem em comparações pareadas, projetadas para comparar todas as diferentes combinações dos grupos de tratamento. A ANOVA não informa quais grupos diferem, somente informa que existe uma diferença.
Os testes t são testes de hipótese úteis na estatística quando é necessário comparar médias. Você pode comparar uma média amostral com um valor hipotético ou com um valor alvo usando um teste t para uma amostra. Você pode comparar as médias de dois grupos com um teste t para duas amostras.
O teste t pareado é útil para analisar o mesmo conjunto de itens que foram medidos sob duas condições diferentes, as diferenças nas medições feitas sobre o mesmo assunto antes e depois de um tratamento, ou diferenças entre dois tratamentos dados ao mesmo assunto.
O Qui-Quadrado de Mantel-Haenszel testa a hipótese de que existe um relacionamento linear entre as duas variáveis. R2 é a correlação de Pearson (rô) entre as duas variáveis. O teste de Fisher é útil para analisar dados discretos (nominais ou ordinais), quando os tamanhos das duas amostras são pequenos.
Para escolher o teste, carregar em Statistics e abre-se a janela à direita onde se escolhe o teste. Carregar em Continue na janela de Crosstabs:Statistics. Para se saber como estão associadas as variáveis é importante pedir que as tabelas contenham não só os valores observados mas os esperados.
É um teste não paramétrico utilizado para comparar três ou mais populações. Ele é usado para testar a hipótese nula de que todas as populações possuem funções de distribuição iguais contra a hipótese alternativa de que ao menos duas das populações possuem funções de distribuição diferentes.
Interpretação. O Minitab utiliza a estatística de Mann-Whitney, para calcular o valor-p, que é uma probabilidade que mede a evidência contra a hipótese nula. Como a interpretação da estatística de Mann-Whitney depende do tamanho da amostra, use o valor-p para tomar uma decisão sobre o teste.
Um nível de significância de 0,05 indica que o risco de se concluir que existe uma diferença, quando, na verdade, não existe nenhuma diferença real, é de 5%. Se o valor de p for menor ou igual ao nível de significância, você deve rejeitar a hipótese nula.
Se você não atender às orientações de tamanho amostral para os testes paramétricos e não tiver certeza de que os dados seguem uma distribuição normal, deverá usar um teste não paramétrico.
é usada para testar a hipótese nula que a função de distribuição acumulada Fx é igual a alguma função de distribuição, sob hipótese, S(x), ou seja, {H0:F(x)=S(x)H1:F(x)≠S(x).
Em estatística, os testes de normalidade são usados para determinar se um conjunto de dados de uma dada variável aleatória, é bem modelada por uma distribuição normal ou não, ou para calcular a probabilidade da variável aleatória subjacente estar normalmente distribuída.