Avaliação de Monte Carlo dos testes ANOVA F e Kruskal-Wallis sob distribuição binomial
Palavras-chave:
Poder, taxa de erro tipo I, simulação Monte Carlo, DICResumo
Para verificar a igualdade de mais de dois níveis de um fator de interesse em experimentos conduzidos sob delineamento inteiramente casualizado (CRD) é comum a utilização do teste F ANOVA, considerado o teste mais poderoso para esse fim. Entretanto, a confiabilidade de tais resultados depende dos seguintes pressupostos: aditividade dos efeitos, independência, homocedasticidade e normalidade dos erros. O teste não paramétrico de Kruskal-Wallis requer suposições mais moderadas e, portanto, é uma alternativa quando as suposições exigidas pelo teste F não são atendidas. No entanto, quanto mais fortes forem as suposições de um teste, melhor será seu desempenho. Quando os pressupostos fundamentais são atendidos, o teste F é a melhor opção. Neste trabalho, a normalidade dos erros é violada. Variáveis de resposta binomial são simuladas para comparar os desempenhos dos testes F e Kruskal-Wallis quando um dos pressupostos da análise de variância não é satisfeito. Através da simulação de Monte Carlo, foram simulados experimentos de 3.150.000 para avaliar a taxa de erro tipo I e a taxa de potência dos testes. Na maioria das situações, o poder do teste F foi superior ao de Kruskal-Wallis e, ainda assim, o teste F controlou as taxas de erro tipo I.
Referências
CAMPOS, H. de. Estatística experimental não-paramétrica. 4a ed. Piracicaba: FEALQ, 1983.349p.
FEIR, B.; TOOTHAKER, L. The ANOVA F-test versus the Kruskal-Wallis test: a robustness study. In: Annual Meeting of the American Educational Research Association, Chicago, 1974. URL http://eric.ed.gov/ERICWebPortal/search/detailmini.jsp?_nfpb=true&_&ERICExtSearch_SearchValue_0=ED091423&ERICExtSearch_Search$ Chicago, 1974.
KRUSKAL, W. H; WALLIS, W. A. Use of ranks in one-criterion variance analysis, Journal of the American Statistical Association, Washington, v. 47, p. 583-621, 1952.
LIMA, P. C.; ABREU, A. R. de. Estatística experimental: ensaios balanceados. Lavras:
UFLA, 2000. 99 p.
R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria, 2011. ISBN 3-900051-07-0, URL http://www.R-project.org/.
REIS, G. M.; RIBEIRO, J. I. Jr. Comparação de testes paramétricos e não paramétricos aplicados em delineamentos experimentais. In: III Simpósio Acadêmico de Engenharia de Produção, Vicosa, 2007.Anais do III Simpósio Acadêmico de Engenharia de Produção, URL http:www.http://www.saepro.ufv.br/Image/artigos/SA03.pdf, Vicosa, 2007.
SIEGEL, S.; CASTELLAN, N. J. Jr. Estatística não-paramétrica para ciências do comportamento. 2 ed. Trad. S. I. C. Carmona. Porto Alegre: Artmed, 2006. 448p.
VIEIRA, S. Analise de variância (ANOVA). São Paulo: Atlas, 2006. 204p.
Sigmae, Alfenas,
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
