duas.amostras.teste package:nenhum R Documentation Teste de hipótese a respeito de duas amostras verificando antes as premissas do teste. Description: Verifica se os dados satisfazem os pressupostos dos Teste t de Student e Wilcoxon (ou Mann-Whitney) para decidir qual destes usar. Usage: duas.amostras.teste(vector.a, vector.b, ...) ## Default method: duas.amostras.teste(vector.a, vector.b, alt.hypothesis="two.sided", signif.level=0.05, paired=FALSE, mu=0, w.correct=TRUE, removeNA=TRUE, return.htest=FALSE) Arguments: vector.a e vector.b vetores numéricos (não vazios) com os dados. alt.hypothesis string de caractere especificando a hipótese alternativa. Pode ser "two.sided" (default), "greater" ou "less" (ver em Detalhes). signif.level valor numérico do nível de significância do teste. paired valor lógico indicando se deseja teste pareado (ver em Detalhes). mu valor numérico indicando o parâmetro da hipótese nula. w.corret valor lógico indicando se deve ser aplicado a correção para normalidade para o valor de p no teste de Wilcoxon. removeNA valor lógico indicando se os NAs devem ser removidos. Caso não seja, NAs serão convertidos em zeros. return.htest valor lógico indicando se a função deve retornar o objeto de classe 'htest' do teste ou imprimir o resultado na tela. Details: A função é aplicável somente para testes com duas amostras. Os vetores passados como parâmetros serão analisados para verificar se são do tipo 'numeric' ou 'integer'. A presença de NAs será verificada. Se for especificado o parâmetro removeNA=TRUE, os NAs serão removidos e vetores menores, sem os NAs serão analisados. Caso o parâmetro seja falso, os NAs serão convertidos em zeros. O tamanho dos vetores serão verificados. Vetores de tamanho 1 ou nulos retornarão erro. Quando o parâmetro paired=TRUE, os vetores devem ser do mesmo tamanho. A função verifica se os dados são normais para escolher entre o Teste t e o Teste de Wilcoxon. Caso os dados sejam normais, a função escolhe o primeiro teste, senão escolhe o segundo. Posteriormente é verificada a homoscedasticidade dos dados. Para o Teste t quando as variâncias são diferentes, a correção de Welch é aplicada ao grau de liberdade. Uma das premissas do Teste de Wilcoxon é a igualdade das variâncias (Zar 2010). Quando o tamanho das amostras não são iguais e a maior variância está associada a maior amostra, a probabilidade do Erro Tipo I será menor que o especificado no nível de significância (Zar 2010). Se a maior variância está associada a menor amostra, a probabilidade do Erro Tipo I é maior que a especificada no nível de significância (Zar 2010). O parâmtro alt.hypothesis define a hipótese alternativa. Para o Teste t, a diferença entre as médias analisadas para a hipótese alternativa pode ser: diferente do parâmetro mu, por padrão igual a zero, para a análise bicaudal (two.sided); menor que mu (less) ou maior que mu (greater) para testes unicaudais. Para o Teste de Wilcoxon a hipótese alternativa pode ser: a localização (média ou mediana) da distribuição dos dados dos vetores 'a' e 'b' são diferentes de mu (two.sided); a localização do vetor 'a' maior que a do vetor 'b' (greater) ou a localização do vetor 'a' menor que a do vetor 'b' (less). Value: Lista com a classe "htest" contendo os seguintes componentes (return.htest=TRUE). statistic valor da estatística do teste. parameter graus de liberdade (Teste t) ou parâmetros da distribuição (Teste de Wilcoxon). p.value valor de p para o teste. null.value valor hipotético da média (Teste T) ou desvio dos valores (Teste de Wilcoxon) da hipótese nula. alternative string descrevendo a hipótese alternativa. method descrição do tipo do teste utilizado. data.name string de caractere com o nome dos dados utilizados. conf.int intervalo de confiança. estimate valor estimado da diferença das médias (Teste t) ou desvio dos dados (Teste de Wilcoxon). Author(s): Mario José Marques Azevedo Estudante de Mestrado em Ecologia. Universidade Estadual de Campinas, Campinas, Brasil. References: Hollander and Douglas A. Wolfe (1973), Nonparametric Statistical Methods. New York: John Wiley & Sons. Pages 27–33 (one-sample), 68–75 (two-sample). Or second edition (1999). Jarrold H. Zar, J. 2010. Biostatistical analysis. 5º ed., Prentice Hall, London. Note: Requer pacote 'car' See Also: t.test(), wilcox.test() e var.test() do pacote 'stats' e leveneTest() do pacote 'car'. Examples: # Zar 2010 Biostatistical Analisys. Example 8.1 two tailed t test # Blood-Clotting Times (in Minutes) of Male Adult Rabbits Given One of Two Different Drugs # Answer: Mean blood-clotting time is not the same for subjects receiving drug B as it is for # receiving drug G. example8.1.a<-c(8.8,8.4,7.9,8.7,9.1,9.6); # Drug B example8.1.b<-c(9.9,9.0,11.1,9.6,8.7,10.4,9.5); # Drug G duas.amostras.teste(example8.1.a,example8.1.b); # Zar 2010 Biostatistical Analisys. Example 8.2 one tailed t test # Heights of Plants, Each Grown with One of Two Different Fertilizers # Answer: The mean plant height (in cm) is greater with the newer fertilizer. example8.2.a<-c(48.2,54.6,58.3,47.8,51.4,52.0,55.2,49.1,49.9,52.6); # Present fertilizer example8.2.b<-c(52.3,57.4,55.6,53.2,61.3,58.0,59.8,54.8); # Newer fertilizer duas.amostras.teste(example8.2.a,example8.2.b,alt.hypothesis="less"); # Zar 2010 Biostatistical Analisys. Example 8.2a two tailed t test with Welch correction # Times for seven cockroach eggs to hatch at one laboratory temperature and for eight eggs to hatch at # another temperature # Answer: Means of temperature are diferent example8.2a.a<-c(40,38,32,37,39,41,35); # At 30ºC example8.2a.b<-c(36,45,32,52,59,41,48,55); # At 10ºC duas.amostras.teste(example8.2a.a,example8.2a.b); # Zar 2010 Biostatistical Analisys. Example 9.1 two tailed paired t test # Measure of forelegs and hindlegs lengths of deer # Answer: Mean of diferences between hindlegs and forelegs are diferent 0 example9.1.a<-c(142,140,144,144,142,146,149,150,142,148); # Hindleg length (cm) example9.1.b<-c(138,136,147,139,143,141,143,145,136,146); # Foreleg length (cm) duas.amostras.teste(example9.1.a,example9.1.b,paired=TRUE); # Zar 2010 Biostatistical Analisys. Example 9.2 one tailed paired t test # Test whether a new fertilizer results in an increase of more than 250 kg/ha in crop yield over the # old fertilizer # Answer: New fertilizer not increase of more than 250 kg/ha in crop yield example9.2.a<-c(2250,2410,2260,2200,2360,2320,2240,2300,2090); # Wilh new ferlilizer example9.2.b<-c(1920,2020,2060,1960,1960,2140,1980,1940,1790); # Wilh old ferlilizer duas.amostras.teste(example9.2.a,example9.2.b,paired=TRUE,alt.hypothesis="greater",mu=250); # Hollander & Wolfe (1973), 29f. One tailed paired Wilcoxon test # Hamilton depression scale factor measurements in 9 patients with mixed anxiety and depression, taken # at the first (x) and second (y) visit after initiation of a therapy (administration of a # tranquilizer) x <- c(1.83,0.50,1.62,2.48,1.68,1.88,1.55,3.06,1.30) y <- c(0.878,0.647,0.598,2.05,1.06,1.29,1.06,3.14,1.29) duas.amostras.teste(x,y,paired=TRUE,alt.hypothesis="greater") # Myles Hollander and Douglas A. Wolfe (1973), Nonparametric Statistical Methods. New York: John Wiley & # Sons. Pages 27–33 (one-sample), 68–75 (two-sample). Or second edition (1999). # Teste de Wilcoxon bicaudal com violacao da premissa de igualdade de variancias set.seed(42); x<-runif(30,1,30); y<-runif(35,1,60); duas.amostras.teste(x,y); # Teste de Wilcoxon bicaudal com correcao para normalidade set.seed(42); x<-runif(30,1,30); y<-runif(50,1,30); duas.amostras.teste(x,y); # Teste de Wilcoxon bicaudal com correcao para normalidade set.seed(42); x<-c(rnorm(30),NA,NA); y<-c(rnorm(50),NA); duas.amostras.teste(x,y);