1 / 16

Aula Prática

Aula Prática. Condições de Normalidade Teste de Hipótese Prof. Renata M. C. R. Souza Alunos: raaf@cin.ufpe.br dcfq@cin.ufpe.br. Tópicos Abordados. Base de Dados Condições de Normalidade Exemplo Teste de Aderência Exemplo Teste de Hipótese Paramétrico exemplo Não- Paramétrico

brac
Download Presentation

Aula Prática

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Aula Prática Condições de Normalidade Teste de Hipótese Prof. Renata M. C. R. Souza Alunos: raaf@cin.ufpe.br dcfq@cin.ufpe.br

  2. Tópicos Abordados • Base de Dados • Condições de Normalidade • Exemplo • Teste de Aderência • Exemplo • Teste de Hipótese • Paramétrico • exemplo • Não- Paramétrico • exemplo

  3. Condições de Normalidade • Verificar se amostra segue uma distribuição normal ou não • Histograma – fazer a análise pela quantidade, ou seja, por linha; • Box-Plot – faz a análise por variáveis, ou seja, por coluna. • Teste de Aderência.

  4. Histograma • Histograma simétrico , distribuição Normal • A freqüência é mais alta no centro e decresce gradualmente para as caudas de maneira simétrica (forma de sino). A média e a mediana são aproximadamente iguais e localizam-se no centro do histograma (ponto de pico).

  5. Box-Plot O Box-Plot é um gráfico no formato de caixa, cujos limites são o 1º quartil e o 3º quartil, que representam 25% e 75% dos dados respectivamente. Esta caixa é dividida por uma linha, a mediana, que significa 50% dos dados. Existem também dois eixos,ligados à caixa estendendo-se aos extremos, isto é ao menor e ao maior valor dos dados, excluindo os valores discrepantes (outliers). De um extremo ao outro, temos o espalhamento dos dados. • Quando a mediana divide exatamente no meio(simetria) a caixa.

  6. Base de Dados - IRIS • Problema de Classificação de flores e possui 4 variáveis, são elas: • 1. sepal length in cm • 2. sepal width in cm • 3. petal length in cm • 4. petal width in cm • 5. class: • Iris Setosa • Iris Versicolour • Iris Virginica • http://archive.ics.uci.edu/ml/machine-learning-databases/iris • www/~raaf/ESAP

  7. Exemplo – Pratica1.r • Pratica1.r • Ler os dados da população • hist(conjuntos) • boxplot(conjuntos)

  8. Exercícios • Pratica2.r • Criar uma amostra de uma classe • Pratica3.r • Criar amostras usando as três classes • Ao final calcular a média • Pratica4.r • Criar amostras usando as três classes • Ao final calcular a média

  9. Teste de Hipótese • Caso a amostra seja normal • Supõe que a distribuição é normal • Teste de Hipóteses paramétricos • Student T test • P-value – quanto menor melhor para rejeitar H0 • Caso a amostra NÃO seja normal • Não faz suposição de distribuição de probabilidade • Teste de hipótese não paramétricos • Wilcoxntest • P-value - quanto menor melhor para rejeitar H0

  10. Exemplo • Hip1 <- wilcox.test(MEDIA1,MEDIA2,alternative=c("less")) • alternative = c("two.sided", "less", "greater") • analisar p-value • Rej1 = ifelse (Hip1$p.value<0.05,1,0) • Hip2 <- t.test(MEDIA1,MEDIA2,alternative=c("less")) • alternative = c("two.sided", "less", "greater") • Analisar p-value • Rej2 = ifelse (Hip2$p.value<0.05, 1, 0) • Pratica4.r • Testar as duas médias da amostra utilizando teste de hipótese

  11. Condições de Normalidade • Teste de Aderência • A idéia é de comparar as freqüências observadas com as freqüências esperadas. • H0: a amostra é selecionada de uma população que segue uma determinada distribuição. • Ha: a amostra não é selecionada de uma população que segue uma determinada distribuição.

  12. Exemplo usando Kolmogorov-Smirnov • H0: segue a mesma distribuição normal • H1:não segue a mesma distribuição normal • X = rnorm(100) e Y=runif(100) • hist(X) , hist(Y) • ks.test(X,Y) • Two-sample Kolmogorov-Smirnov test • data: x and y • D = 0.55, p-value = 1.458e-13 • alternative hypothesis: two-sided • Conclusão: Se o p-value menorque o valor D, entãorejeita HO e aceita H1.Logo, as distribuiçõesnãosãoiguais

  13. Exemplo usando Kolmogorov-Smirnov • H0: segue a mesma distribuição normal • H1:não segue a mesma distribuição normal • X = rnorm(100) e Y=rnorm(100) • hist(X) ,hist(Y) • ks.test(X,Y) • Two-sample Kolmogorov-Smirnov test • data: x and y • D = 0.11, p-value = 0.5806 • alternative hypothesis: two-sided • Conclusão: Se o p-value maiorque o valor D, então NÃO rejeitaHO.Logo, ?????

  14. Exemplo Prático no R • Selecione duas amostras • www/~raaf/ESAP; • setwd("C://Desktop//Disciplina Prof.Renata“) • conjunto1 <- read.table("irisA.txt",sep=",“) • Análise descritiva dos dados • média, mediana, desvio-padrão e variância • mean(conjunto1), median(conjunto1) • sd(conjunto1) e var(conjunto1)

  15. Exemplo Prático no R • Condições de Normalidade • Histograma = hist() • Box – Plot = boxplot() • Teste de Aderência • chisq.test • ks.test • Teste de Hipótese • Paramétrico = t.test • Não –Paramétrico = wilcox.test

  16. Referencias • http://www/~rmcrs/ESAP/arquivos/TestesAderencia.pdf • http://cran.r-project.org/

More Related