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)