Sei sulla pagina 1di 5

ANOVA e o Delineamento Experimental

() Statistically, in any study involving the comparison of two groups of individuals, there are three sources of variation
(or error). These are 'between group' representing real differences between the two samples, 'between individual',
representing biological variation and 'within individual', representing the measurement error. Although it is the first of
these which is normally of interest, any measurement of it will be influenced by the other two. The best measure of
between groups variation is the difference between means, with uncertainty (due to sampling) quantified by the
standard error of this difference. The appropriate measure of within group variability is the standard deviation between
individuals, whilst the appropriate measure of measurement error is the within patient standard deviation. A general
framework encompassing all three is the analysis of variance. Fonte: A comparative assessment of cephalometric errors.

Joanna M. Battagel. European Journal of Orthodontics 15 (1993) 305-314 (pgina 305)

....................................................................................................................................
() Statistically, in any study involving the comparison of two groups of individuals, there are three
sources of variation (or error).
(1) These are 'between group' representing real differences between the two samples,
(2)'between individual', representing biological variation
and (3) 'within individual', representing the measurement error.
Although it is the first of these ('between group') which is normally of interest, any measurement
of it will be influenced by the other two ('between individual' com biological variation e 'within
individual com measurement error ').
The best measure of between groups variation is the difference between means, with uncertainty
(due to sampling) quantified by the standard error of this difference.
The appropriate measure of within group variability ('between individual') is the standard
deviation between individuals,
Whilst the appropriate measure of measurement error is the within patient standard deviation.

A general framework encompassing all three is the analysis of variance.

ANOVA e o Delineamento Experimental


#1) Com a assimilao de conceitos bsicos de estatstica experimental, o pesquisador
saber que ao planejar um experimento ter de decidir: ter trs decises:
(1) quais medies devem ser feitas (a resposta);
(2) quais condies a estudar (os tratamentos);
(3) qual material experimental vai empregar (as unidades).

E, ainda, identificar as trs principais fontes de variabilidade que correspondem s trs


decises acima, sobre o contedo:
(1) variabilidade devido s condies de interesse (que desejamos);
(2) variabilidade no processo de medio (no desejada);
(3) variabilidade no material experimental (no desejada).
Um bom delineamento possibilitar a estimativa da quantidade de variabilidade devida a
cada uma dessas fontes.
A variabilidade est em toda parte na cincia, e, assim, o pensamento estatstico a
principal razo dos cientistas, necessitarem tanto no planejamento de seus estudos quanto para
a anlise dos resultados. Um bom delineamento e anlise permitem conhecer a variabilidade
devida s condies de interesse, mesmo na presena da variabilidade de outras fontes que
afetem esses dados.
A variabilidade nas condies de interesse a fonte de variabilidade que queremos e a
sua estimativa constitui o principal objetivo do experimento. A variabilidade nas respostas o
erro de medio. No a fonte de variabilidade que desejamos, mas um fato da vida na
cincia que se voc faz duas medies sob condies que so quase as mesmas, o nmero
que conseguimos quase nunca exatamente igual. A variabilidade no material experimental,

como a variabilidade das respostas, no o que procuramos, mas inevitvel. Nem sempre
dois hamsters so biologicamente os mesmos; alguns apresentam naturalmente, por exemplo,
concentraes de enzima maiores que outros.
#2) A fim de obtermos concluses sobre os dados teremos de saber responder
pergunta:- quo grande a variabilidade? O problema de medio dos erros se faz difcil por
uma questo bvia, mas um fato incmodo, porque simplesmente no podemos v-los; apenas
podemos ver as medies. O mtodo comumente empregado para medir o tamanho do erro se
chama anlise de varincia (ANOVA), cuja idia comparar a variao devido aos tratamentos,
variabilidade devido s condies de interesse (que desejamos), com a variao devido ao
acaso ou resduo, que inevitvel.
Enfim, com a assimilao de conceitos bsicos de estatstica experimental, o
pesquisador saber que ao planejar um experimento para medir o tamanho do erro
experimental ter de considerar dois princpios essenciais de um experimento: a casualizao e
a repetio.

Segundo Sonia Vieira1, a idia em experimentao comparar grupos, no

apenas unidades. As unidades experimentais do mesmo grupo recebem em estatstica o nome


de repeties ou rplicas. Para formar grupos to iguais quanto possveis fundamental que os
tratamentos sejam sorteados s unidades experimentais. o que os estatsticos chamam de
casualizao.
Um experimento estar planejado quando esto definidos: (a) a unidade experimental;
(b) a varivel em anlise; (c) os tratamentos em comparao; (d) a forma como os tratamentos
sero designados s unidades experimentais.
#3) Se os dados obtidos no procedem de um estudo casualizado 2, no caso de
tratamentos serem sorteados s unidades experimentais, difcil responder a qualquer
justificativa para uso de um modelo de probabilidade, e, portanto, fica difcil justificar a
relevncia dos mtodos usuais de inferncia. Vale o slogan: se no foi aplicada uma tcnica de
casualizao (sorteio aleatrio) ento no se pode generalizar.

1
2

Sonia Vieira e R. Hoffmann. Estatstica Experimental. Ed. Atlas 1989, pgina 12-14.
G.W. Cobb em http://mathfprum.org/kb/plaintext.jspa?messageID=721741

Quando os dados vem de um processo de casusalizao, temos uma receita


para produo de dados que permite (em princpio) repetir o processo de produo de
dados uma e outra vez, que faz possvel a pergunta: - o que aconteceria se fosse
repetido esse experimento muitas vezes? Se isto corresponde a produzir os dados e
calcular um resumo das estatsticas, ento a distribuio de amostragem a
resposta pergunta o que aconteceria se eu fosse produzir esse conjunto de dados e
calculasse essas estatsticas (mdia, por exemplo) muitas vezes?. A distribuio de
amostragem d uma forma de relacionar dados observados s hipteses e
possveis valores de parmetros, ao perguntar quo provvel um determinado valor
observado.

No estudo de delineamento experimental h um elo (link) entre o


delineamento

inferncia,

assim:

delineamentocasualizaomodelo

probabilsticoinferncia. Toda inferncia se justifica por uma referncia de como o estudo foi
delineado. Se no houver casualizao, no h base para um modelo de probabilidade, e
qualquer tipo de inferncia formal especulativo. Toda inferncia formal depende do modelo de
probabilidade, e de que o modelo deva se ajustar ao que foi realmente efetuado na produo
dos dados.
#4) Que os princpios bsicos no delineamento so cinco:
Princpio 1: Seleo aleatria, processo de selecionar aleatoriamente as unidades
experimentais que sero includas no experimento;
Princpio 2: Designao aleatria, processo de designar aleatoriamente as unidades
experimentais aos tratamentos para criar grupos de tratamentos que sero similares (exceto
quanto s variaes casuais) antes dos tratamentos serem aplicados;
Princpio 3: Quando as observaes forem coletadas seqencialmente, a ordem de
execuo do experimento deve ser aleatria. Ordem de execuo do experimento o processo
de designar de forma aleatria unidades ordem de coleo dos dados;

Princpio 4: Controle dos efeitos dos fatores que no so de interesse;


Princpio 5: Replicao, processo de repetir os tratamentos ao conjunto de unidades
experimentais.
Quando as diferenas observadas nos efeitos do tratamento so enormes para
razoavelmente terem ocorrido por puro acaso, diremos que a diferena estatisticamente
significante. Se forem encontradas diferenas significantes entre os tratamentos aps um
experimento bem delineado ter sido executado, diremos que as diferenas so causadas pelos
tratamentos.

#5) Toda inferncia formal pertence a uma das quatro categorias3:

As unidades
amostrais
foram sorteadas de
uma populao?
Sim
No

Os Tratamentos
foram designados de forma aleatria?
Sim

No

I
III

II
IV

I: ambos os tipos de generalizao se justificam;


II: a generalizao da amostra populao se justifica, mas no concluses
referentes causa;
III: as concluses acerca das causas so justificadas, mas a generalizao
alm da amostra especulativa, e no se justifica pelo mtodo de inferncia;
IV: no h base alguma para o modelo de probabilidade, e assim, exceto
em circunstncias no usuais, no h justificativa alguma para uma inferncia
formal.

G.W. Cobb em http://mathfprum.org/kb/plaintext.jspa?messageID=745477