Tutorial ANOVA
No tutorial desta semana, vamos cobrir o tópico de Análise de variação . Veja abaixo uma lista de exemplos de problemas relevantes, com soluções passo a passo.
Esperamos que você os ache úteis. Compartilhamos tutoriais completos, dicas e sugestões, com os membros de nossa comunidade. Por favor, não hesite em Entre em contato se você tiver alguma dúvida.
Problemas de amostra de ANOVA
Questão 1: Uma análise de variância foi usada para avaliar as diferenças médias de medidas repetidas pesquisa. Os resultados foram relatados como F (3,24) = 6,40.
uma. Quantas condições de tratamento foram comparadas no estudo?
b. Quantas pessoas participaram do estudo?
Solução: (a) Havia 3 + 1 = 4 condições de tratamento.
(b) O número total de desejado é 3 + 24 + 1 = 28.
Questão 2: Os dados a seguir representam os resultados de um estudo de medidas independentes comparando três tratamentos.
uma. Calcule SS para o conjunto de 3 meios de tratamento. (Use as três médias como um conjunto de n = 3 pontuações e calcule SS.)
b. Usando o resultado da parte a, calcule n (SS significa). Observe que esse valor é igual a SS entre (consulte a Equação 13.6).
c. Agora, calcule o centro com uma fórmula computacional usando os valores T (Equação 13.7). Você deve obter o mesmo resultado da parte b.
Solução: (a) Nós entendemos que \(\bar{M}=\frac{2+3+7}{3}=4\)
o que significa que
\[S{{S}_{Means}}={{\left( 2-4 \right)}^{2}}+{{\left( 3-4 \right)}^{2}}+{{\left( 7-4 \right)}^{2}}=4+1+9=14\]
(b) Isso implica que \(n*S{{S}_{Means}}=10\times 14=140\).
(c) Temos, por outro lado,
\[S{{S}_{Between}}=\frac{{{20}^{2}}}{10}+\frac{{{30}^{2}}}{10}+\frac{{{70}^{2}}}{10}-\frac{{{120}^{2}}}{30}=140\]
Questão 3:
Os danos às residências causados pelo rompimento da tubulação podem ser caros para consertar. Quando o vazamento para descoberto, centenas de litros de água podem já ter inundado a casa. As válvulas de desligamento automático podem evitar danos extensos causados pela água devido a falhas no encanamento. As válvulas sensores sensores que interrompem o fluxo de água em caso de vazamento, evitando inundações. Uma característica importante é o ritmo (em milissegundos) necessário para o sensor detectar o vazamento de água. Os dados de amostra coletados para quatro válvulas de corte diferentes estão contidos no arquivo Waterflow.
uma. Produza a tabela ANOVA relevante e conduza um teste de hipótese para determinar se o tempo médio de detecção difere entre os quatro modelos de válvula de corte. Use um nível de significância de 0,05.
b. Qual é a fonte de variação entre os fundadores?
Válvula 1 |
Válvula 2 |
Válvula 3 |
Válvula 4 |
17 |
18 |
28 |
17 |
10 |
17 |
25 |
17 |
18 |
11 |
30 |
17 |
18 |
16 |
26 |
19 |
17 |
16 |
25 |
18 |
14 |
18 |
27 |
21 |
18 |
14 |
23 |
21 |
13 |
17 |
23 |
12 |
10 |
20 |
26 |
15 |
11 |
14 |
22 |
18 |
Solução: A tabela a seguir é obtida a partir dos dados fornecidos
Obs. |
Válvula 1 |
Válvula 2 |
Válvula 3 |
Válvula 4 |
17 |
18 |
28 |
17 |
|
10 |
17 |
25 |
17 |
|
18 |
11 |
30 |
17 |
|
18 |
16 |
26 |
19 |
|
17 |
16 |
25 |
18 |
|
14 |
18 |
27 |
21 |
|
18 |
14 |
23 |
21 |
|
13 |
17 |
23 |
12 |
|
10 |
20 |
26 |
15 |
|
11 |
14 |
22 |
18 |
|
Significar |
14,6 |
16,1 |
25,5 |
17,5 |
St. Dev. |
3.406 |
2.558 |
2.461 |
2.677 |
Nós gostaríamos de testar
\[H_0: \,\mu_{1}= \mu_{2}= \mu_{3}= \mu_{4}\]
\[H_A: \operatorname{Not all the means are equal}\]
Com os dados encontrados na tabela acima, podemos calcular os seguintes valores, que são necessários para construir a tabela ANOVA. Nós temos:
\[SS_{Between}=\sum\limits_{i=1}^{k}{n}_{i} {\left( {\bar{x}}_{i}-\bar{\bar{x}} \right)}^{2}\]
and therefore\[SS_{Between}={10}\left({14.6}-{18.425}\right)^2+ {10}\left({16.1}-{18.425}\right)^2+ {10}\left({25.5}-{18.425}\right)^2+ {10}\left({17.5}-{18.425}\right)^2=709.475\]
Also,\[SS_{Within} = \sum\limits_{i=1}^{k}{\left( {n}_{i}-1 \right) s_{i}^{2}}\]
de onde nós temos
\[SS_{Within}=\left({10}-1\right) \times {3.406}^2+ \left({10}-1\right) \times {2.558}^2+ \left({10}-1\right) \times {2.461}^2+ \left({10}-1\right) \times {2.677}^2=282.3\]
Therefore\[MS_{Between}=\frac{SS_{Between}}{k-1}= \frac{{709.475}}{3}= {236.492}\]
Da mesma forma, consegue-se que
\[MS_{Within} = \frac{SS_{Within}}{N-k}= \frac{{282.3}}{36}= {7.842}\]
Portanto, a estatística F é calculada como
\[F=\frac{MS_{Between}}{MS_{Within}} = \frac{{236.492}}{{7.842}}= {30.1583}\]
O valor crítico para \(\alpha ={0.05}\), \(df_{1} = 3\) e \(df_{2}= {36}\) é dado por
\[F_C = {2.8663}\]
e o valor p correspondente é
\[p=\Pr \left( {{F}_{3,36}}> {30.1583} \right) = {0.000}\]
Observa-se que o valor de p é menor que o nível de significância \[\alpha =0.05\] e, consequentemente, rejeitamos \({{H}_{0}}\). Consequentemente, temos evidências suficientes para rejeitar a hipótese nula de médias iguais, ao nível de significância de 0,05.
Resumindo, temos a seguinte tabela ANOVA:
Fonte |
SS |
df |
em |
F |
valor p |
Crit. F |
Entre Grupos |
709.475 |
3 |
236.492 |
30,1583 |
0,000 |
2.8663 |
Dentro de grupos |
282,3 |
36 |
7,842 |
|||
Total |
991,775 |
39 |
||||
(b) A soma dos quadrados entre as ex é 709.475.