
Gracialiano, O Teste T que assume a hipótese de mesma variância para os grupos e o ANOVA que testa as hipóteses H_0: mu_1 = mu_2 H_1: mu_1 != mu_2 são idênticos. O código a seguir não prova isso, mas é um indicativo de que isto é verdade: ########## set.seed(1234) dados <- data.frame( resposta=c(rnorm(10, mean=0.0), rnorm(10, mean=0.8)), grupos=c(rep("x", 10), rep("y", 10)) ) boxplot(resposta ~ grupos, data=dados) teste_t <- t.test(resposta ~ grupos, data=dados, var.equal=TRUE) teste_t$statistic teste_t$p.value teste_anova <- aov(resposta ~ grupos, data=dados) anova(teste_anova)$"F value" anova(teste_anova)$"Pr(>F)" ########## Veja que os p-valores de ambos os testes são equivalentes, ou seja, as conclusões que tiramos de ambos os testes serão as mesmas. Mas veja que as estatísticas dos testes diferem. Isto ocorre porque o Teste T está baseado na distribuição T, enquanto o ANOVA está baseado na distribuição F de Snedecor. Entretanto, é possível mostrar que T^2(v) = F_{1,v}. Ou seja, o quadrado de uma variável aleatória com distribuição T com v graus de liberdade é uma variável aleatória com distribuição F com 1 e v graus de liberdade. Note que a minha explicação acima está muito displicente, pois me faltam tempo e recursos gráficos para expandir melhor meu pensamento. Mas não acredite em mim. Procure a relação entre T, Qui-Quadrado e F de Snedecor em qualquer livro de probabilidade que lá estes resultados estarão melhor explicados. Agora, voltando à tua pergunta original, é possível testar a normalidade dos resíduos em um teste T. Nunca fiz isto e nem vi ninguém fazer, mas imagino que seja idêntica à maneira com a qual tu testaria a normalidade dos resíduos de um ANOVA com as hipóteses H_0: mu_1 = mu_2 H_1: mu_1 != mu_2 Particularmente, eu não realizo estes testes. A análise gráfica dos resíduos já me satisfaz. Mas nada te impede de fazê-los. Como eu disse, em teoria, não vejo porque eles não possam ser realizados. Basta seguir o mesmo raciocínio que tu usa pra analisar os resíduos dos outros ANOVA que tu faz. 2016-11-19 16:29 GMT-03:00 Graciliano via R-br <r-br@listas.c3sl.ufpr.br>:
Olá Cesar,
Então, não falam nada de resíduo. Pensei que o resíduo da analise seria algo relacionado a dispersão das observações em relação à média de cada tratamento.
Na verdade minha preocupação é com a premissa de normalidade. Como geralmente é testado o resíduo da análise, fiquei sem rumo no caso do teste T. No stackexchange.com falam sobre testar normalidade de Y, mas isso não faz muito sentido se devemos ver o comportamento de Y sobre efeito de X.
Espero estar sendo claro. ------------------------------ De: Cesar Rabak <cesar.rabak@gmail.com> Enviada em: 19/11/2016 15:20 Para: Graciliano Galdino <ggaldino@gmail.com>; a lista Brasileira oficial de discussão do programa R. <r-br@listas.c3sl.ufpr.br> Assunto: Re: [R-br] Residuos do Teste T de Student
Gracialiano,
Por que você esperaria resíduos de um teste t de Student?
Você conhece alguma referência ou obra que trate desse teste e fale sobre resíduos calculados devido a esse teste?
2016-11-19 15:55 GMT-02:00 Graciliano Galdino via R-br < r-br@listas.c3sl.ufpr.br>:
Olá a todos,
Quando faço uma análise qualquer usando teste T (t.test) não aparecem os resíduos na lista dos resultados da análise, como aparece na ANOVA. Como faço para extraí-los?
Abraço -- Graciliano Galdino A. dos Santos Biólogo Doutorando em Ciências Florestais - PPGCF Universidade Federal Rural da Amazônia - UFRA
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
_______________________________________________ R-br mailing list R-br@listas.c3sl.ufpr.br https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.
-- Marcus Nunes http://marcusnunes.me/