Exemplo 1 Considere duas amostras de duas populaes (popA e
popB) abaixo. Avalie se as varincias destas populaes so
estatisticamente iguais. # amostras das populaes (a=amostra de popA; b=amostra de popB) a=c(10,15,12,13,14,17,18) b=c(2,10,32,13,14,16) # varincias (repare que a varincia de b bem superior a de a) var(a) var(b) # fcalculado fcal=var(b)/var(a) fcal #teste F var.test(b,a) # repare no Fcal, graus de liberdade (df=degree of freedon)e no pvalue. O p-value foi menor que 0.05, ento, rejeita-se H0, ou seja, as varincias so estatisticamente diferentes.
Exemplo 2 - Considere uma situao hipottica onde um novo
procedimento cirrgico foi avaliado em 15 pacientes (dados a seguir). Para que ele seja considerado adequado, o tempo de cicatrizao mdio no deve ser estatisticamente superior a 12 dias. Insira a programao abaixo e observe atentamente os resultados. # dados do procedimento em tempo de cicatrizao em 12 pacientes dados=c(8,9,12,15,8,9,6,7,8,9,11,12,13,14,11) dados # mdia amostral mean(dados) # teste para avaliar se a mdia de cicatrizao estatisticamente igual a 12 t.test(dados, mu=12) # repare que o p-value foi menor que 0.05, ento se considera que a mdia estatisticamente diferente de 12 # vamos supor agora que a mdia de referncia fosse 11, ou seja, a mdia amostral no pode ser estatisticamente igual a 11 para o procedimento ser considerado adequado. Repare no teste abaixo que neste caso o procedimento no seria adequado (p-value maior do que 0.05) t.test(dados, mu=11) # repare que em ambos os testes o resultado pode ser interpretado pelo intervalo de confiana que vai de 8.65 at 11.61. Assim, no primeiro caso o intervalo superior no atinge o 12 e no segundo atinge 11.
# alternativa no paramtrica (Wilcoxon ou Mann-Whitney)
wilcox.test(dados, mu=12)
Exemplo 3 - Em exemplo de Kaps and Lamberson (2009), foram
injetadas gonodatropina e soluo salina em porcas. O objetivo foi determinar se a gonodatropina resultava em maior taxa de ovulao. Seguem os dados da taxa de ovulao mensurada em dois grupos de animais # grupo tratado com gonodatropina gonodatropina=c(14,14,7,45,18,36,15) # grupo tratado com soluo salina salina=c(12,11,12,12,14,13,9) # mdias (repare que a taxa de ovuo mdia no grupo tratado com gonodatropina superior) mean(gonodatropina) mean(salina) # para testar estas mdias primeiro deve-se fazer um teste F para verificar se as varincias das duas amostras so estatisticamente iguais var.test(gonodatropina,salina) # as varincias so estatisticamente diferentes # ento faremos o teste t considerando varincias diferentes t.test(gonodatropina,salina, var.equal = FALSE) # apesar da diferena mdia aparentemente elevada, estatisticamente no se pode considerar as mdias diferentes, pois p-value>0.05. # opo no paramtrica wilcox.test(gonodatropina,salina) # teste de normalidade shapiro.test(gonodatropina) shapiro.test(salina)
Exemplo 4 Suponha que duas tcnicas para avaliar a idade
gestacional (em semanas) foram avaliadas em 12 gestantes (dados a seguir). Conclua pelo teste t para dados pareados se o desvio mdio encontrado pode ser considerado ao acaso. # resultados pela tcnica 1 (t1) e pela tcnica 2 (t2) t1=c(12.1, 26.3,19.4,32.5,16.6,34.0,14.4,8.0,10.0,11.1,6.6,29.9) t2=c(12.5,27,18.9,31,15.8,32,12,8,11.5,10.5,6.9,28.3) # desvios desvios=t1-t2 desvios # para criar uma tabela com os desvios x=data.frame(t1,t2, desvios) x # teste t para avaliar se os desvios so estatisticamente iguais a zero t.test(t1,t2, paired=TRUE) # p-value maior que 0.05, ento, estatisticamente o desvio mdio encontrado entre as duas tcnicas igual a zero ( provvel de ter ocorrido ao acaso) # opo no paramtrica wilcox.test(t2,t1, paired=TRUE) # teste de normalidade shapiro.test(desvios)