Pessoal, boa noite! Surgiu uma dúvida conceitual, que não estou conseguindo resolver. Estava preparando minhas aulas e ao conferir um exercício no R que inicialmente tinha resolvido com esses comandos (Solução 1) observei que pelo p-value aceitaria a H0: não há diferença entre as médias. Contudo, pela minha resolução manual, deveria rejeitar H0. Logo, propus a solução 2, exatamente como realizei manualmente e dai, os resultados foram iguais. Gostaria de saber, qual é a diferença da solução 1 para a solução 2? Para mim, a sintaxe de ambas soluções deveria retornar a mesma conclusão. Problema:Uma distribuidora de combustíveis deseja verificar se um novo tipo de gasolina é eficaz na revitalização de motores velhos.Selecionou-se 12 automóveis de um mesmo modelo com mais de 8 anos de uso e, após regulagem dos motores, verifica-se o consumo de combustível. Em seguida, o carro é abastecido com o novo tipo de combustível durante 15 semanas e uma nova aferição é feita (km/litro). Como o desempenho dos automóveis foi medido antes e depois das 15 semanas, é razoável assumir que exista alguma dependência entre as variáveis. Gostaria de testar de realizar o teste de hipótese ao nível de 5%:H0: mD = 0 (O novo combustível não aumenta o rendimento) Ha: mD > 0 (O novo combustível aumenta o rendimento), onde mD é a verdade média da diferença do rendimento apos e antes. Aqueles que puderem me ajudar a entender, agradeço desde já!!!att.Simone ### Solução 1 consumo<- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8, 11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)momento<- factor(c(rep(‘Antes’,12), rep(‘Apos’,12))); momento t.test(consumo ~ momento, paired = T, conf.level = 0.95, alternative=‘greater’) # Paired t-test##data: consumo by momento#t = -6.5396, df = 11, p-value = 1#alternative hypothesis: true difference in means is greater than 0#95 percent confidence interval:# -3.7495 Inf#sample estimates:#mean of the differences # -2.941667 ### Solução 2X <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8)# antesY <- c(11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)# aposD <- Y-X # Diferença
t.test(D, paired = F, conf.level = 0.95, alternative='greater')## One Sample t-test##data: D#t = 6.5396, df = 11, p-value = 2.097e-05#alternative hypothesis: true mean is greater than 0#95 percent confidence interval:# 2.133833 Inf#sample estimates:#mean of x # 2.941667 ***---***---***---***---***---***---***---***---***---***---***---***---**** Simone Daniela Sartorio* Professora Adjunta II no CCA/UFSCar, Araras/SP.* Doutora e Mestre em Estatística e Experimentação Agronômica - ESALQ/USP.* Licenciada em Matemática - UNESP/Rio Claro.* Contatos: * tel: (19)3543-2664* cel: (19)98182-0586 - Tim***---***---***---***---***---***---***---***---***---***---***---***---*** Tenha um bom dia! ;)
Simone, Perceba que em ambos os casos o R está te dando a mesma resposta. A diferença entre os dois resultados reside no fato de, no primeiro caso, tu estar calculando Antes - Apos, e não Apos - Antes, que é o teu objetivo. # Solução 1 consumo <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8, 11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4) momento <- factor(c(rep("Apos",12), rep("Antes",12)), ordered=TRUE) t.test(consumo ~ momento, paired = T, conf.level = 0.95, alternative="greater") # Solução 2 X <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8)# antes Y <- c(11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)# apos D <- Y-X # Diferença t.test(D, paired = F, conf.level = 0.95, alternative='greater') ###### Note que adicionei o argumento ordered=TRUE na criação do vetor com os grupos do experimento para a Solução 1. 2016-08-22 11:06 GMT-03:00 Simone D. Sartorio via R-br < r-br@listas.c3sl.ufpr.br>:
Pessoal, boa noite!
Surgiu uma dúvida conceitual, que não estou conseguindo resolver. Estava preparando minhas aulas e ao conferir um exercício no R que inicialmente tinha resolvido com esses comandos (Solução 1) observei que pelo p-value aceitaria a H0: não há diferença entre as médias. Contudo, pela minha resolução manual, deveria rejeitar H0. Logo, propus a solução 2, exatamente como realizei manualmente e dai, os resultados foram iguais. Gostaria de saber, qual é a diferença da solução 1 para a solução 2? Para mim, a sintaxe de ambas soluções deveria retornar a mesma conclusão.
Problema: Uma distribuidora de combustíveis deseja verificar se um novo tipo de gasolina é eficaz na revitalização de motores velhos. Selecionou-se 12 automóveis de um mesmo modelo com mais de 8 anos de uso e, após regulagem dos motores, verifica-se o consumo de combustível. Em seguida, o carro é abastecido com o novo tipo de combustível durante 15 semanas e uma nova aferição é feita (km/litro).
Como o desempenho dos automóveis foi medido antes e depois das 15 semanas, é razoável assumir que exista alguma dependência entre as variáveis. Gostaria de testar de realizar o teste de hipótese ao nível de 5%: H0: mD = 0 (O novo combustível não aumenta o rendimento) Ha: mD > 0 (O novo combustível aumenta o rendimento), onde mD é a verdade média da diferença do rendimento apos e antes.
Aqueles que puderem me ajudar a entender, agradeço desde já!!! att. Simone
### Solução 1
consumo<- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8, 11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4) momento<- factor(c(rep(‘Antes’,12), rep(‘Apos’,12))); momento
t.test(consumo ~ momento, paired = T, conf.level = 0.95, alternative=‘greater’)
# Paired t-test # #data: consumo by momento #t = -6.5396, df = 11, p-value = 1 #alternative hypothesis: true difference in means is greater than 0 #95 percent confidence interval: # -3.7495 Inf #sample estimates: #mean of the differences # -2.941667
### Solução 2 X <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8)# antes Y <- c(11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)# apos D <- Y-X # Diferença
t.test(D, paired = F, conf.level = 0.95, alternative='greater') # # One Sample t-test # #data: D #t = 6.5396, df = 11, p-value = 2.097e-05 #alternative hypothesis: true mean is greater than 0 #95 percent confidence interval: # 2.133833 Inf #sample estimates: #mean of x # 2.941667
****---***---***---***---***---***---***---***---***---***---***---***---**** ** Simone Daniela Sartorio* * Professora Adjunta II no CCA/UFSCar, Araras/SP. * Doutora e Mestre em Estatística e Experimentação Agronômica - ESALQ/USP. * Licenciada em Matemática - UNESP/Rio Claro. * Contatos: * tel: (19)3543-2664 * cel: (19)98182-0586 - Tim
****---***---***---***---***---***---***---***---***---***---***---***---**** * Tenha um bom dia! ;)*
_______________________________________________ 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/
Simone, boa tarde. Na solução 1: t.test(consumo ~ momento, *paired = T*, conf.level = 0.95, alternative=‘greater’) Na solução 2: t.test(D, *paired = F*, conf.level = 0.95, alternative='greater') Acredito que o problema esteja aí. Att., *Emerson* Em 22 de agosto de 2016 11:06, Simone D. Sartorio via R-br < r-br@listas.c3sl.ufpr.br> escreveu:
Pessoal, boa noite!
Surgiu uma dúvida conceitual, que não estou conseguindo resolver. Estava preparando minhas aulas e ao conferir um exercício no R que inicialmente tinha resolvido com esses comandos (Solução 1) observei que pelo p-value aceitaria a H0: não há diferença entre as médias. Contudo, pela minha resolução manual, deveria rejeitar H0. Logo, propus a solução 2, exatamente como realizei manualmente e dai, os resultados foram iguais. Gostaria de saber, qual é a diferença da solução 1 para a solução 2? Para mim, a sintaxe de ambas soluções deveria retornar a mesma conclusão.
Problema: Uma distribuidora de combustíveis deseja verificar se um novo tipo de gasolina é eficaz na revitalização de motores velhos. Selecionou-se 12 automóveis de um mesmo modelo com mais de 8 anos de uso e, após regulagem dos motores, verifica-se o consumo de combustível. Em seguida, o carro é abastecido com o novo tipo de combustível durante 15 semanas e uma nova aferição é feita (km/litro).
Como o desempenho dos automóveis foi medido antes e depois das 15 semanas, é razoável assumir que exista alguma dependência entre as variáveis. Gostaria de testar de realizar o teste de hipótese ao nível de 5%: H0: mD = 0 (O novo combustível não aumenta o rendimento) Ha: mD > 0 (O novo combustível aumenta o rendimento), onde mD é a verdade média da diferença do rendimento apos e antes.
Aqueles que puderem me ajudar a entender, agradeço desde já!!! att. Simone
### Solução 1
consumo<- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8, 11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4) momento<- factor(c(rep(‘Antes’,12), rep(‘Apos’,12))); momento
t.test(consumo ~ momento, paired = T, conf.level = 0.95, alternative=‘greater’)
# Paired t-test # #data: consumo by momento #t = -6.5396, df = 11, p-value = 1 #alternative hypothesis: true difference in means is greater than 0 #95 percent confidence interval: # -3.7495 Inf #sample estimates: #mean of the differences # -2.941667
### Solução 2 X <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8)# antes Y <- c(11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)# apos D <- Y-X # Diferença
t.test(D, paired = F, conf.level = 0.95, alternative='greater') # # One Sample t-test # #data: D #t = 6.5396, df = 11, p-value = 2.097e-05 #alternative hypothesis: true mean is greater than 0 #95 percent confidence interval: # 2.133833 Inf #sample estimates: #mean of x # 2.941667
****---***---***---***---***---***---***---***---***---***---***---***---**** ** Simone Daniela Sartorio* * Professora Adjunta II no CCA/UFSCar, Araras/SP. * Doutora e Mestre em Estatística e Experimentação Agronômica - ESALQ/USP. * Licenciada em Matemática - UNESP/Rio Claro. * Contatos: * tel: (19)3543-2664 * cel: (19)98182-0586 - Tim
****---***---***---***---***---***---***---***---***---***---***---***---**** * Tenha um bom dia! ;)*
_______________________________________________ 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.
NÃO, Emerso, a diferença entre os "paired" nas duas chamadas deve-se que no primeiro caso se usa um par de vetores de dados e no segundo um único vetor, e portanto o "paired" não tem sentido nenhum... Veja as respostas mais acima para ver a razão real da "discrepância". 2016-08-22 14:15 GMT-03:00 Emerson Cotta Bodevan via R-br < r-br@listas.c3sl.ufpr.br>:
Simone, boa tarde.
Na solução 1:
t.test(consumo ~ momento, *paired = T*, conf.level = 0.95, alternative=‘greater’)
Na solução 2:
t.test(D, *paired = F*, conf.level = 0.95, alternative='greater')
Acredito que o problema esteja aí.
Att.,
*Emerson*
Em 22 de agosto de 2016 11:06, Simone D. Sartorio via R-br < r-br@listas.c3sl.ufpr.br> escreveu:
Pessoal, boa noite!
Surgiu uma dúvida conceitual, que não estou conseguindo resolver. Estava preparando minhas aulas e ao conferir um exercício no R que inicialmente tinha resolvido com esses comandos (Solução 1) observei que pelo p-value aceitaria a H0: não há diferença entre as médias. Contudo, pela minha resolução manual, deveria rejeitar H0. Logo, propus a solução 2, exatamente como realizei manualmente e dai, os resultados foram iguais. Gostaria de saber, qual é a diferença da solução 1 para a solução 2? Para mim, a sintaxe de ambas soluções deveria retornar a mesma conclusão.
Problema: Uma distribuidora de combustíveis deseja verificar se um novo tipo de gasolina é eficaz na revitalização de motores velhos. Selecionou-se 12 automóveis de um mesmo modelo com mais de 8 anos de uso e, após regulagem dos motores, verifica-se o consumo de combustível. Em seguida, o carro é abastecido com o novo tipo de combustível durante 15 semanas e uma nova aferição é feita (km/litro).
Como o desempenho dos automóveis foi medido antes e depois das 15 semanas, é razoável assumir que exista alguma dependência entre as variáveis. Gostaria de testar de realizar o teste de hipótese ao nível de 5%: H0: mD = 0 (O novo combustível não aumenta o rendimento) Ha: mD > 0 (O novo combustível aumenta o rendimento), onde mD é a verdade média da diferença do rendimento apos e antes.
Aqueles que puderem me ajudar a entender, agradeço desde já!!! att. Simone
### Solução 1
consumo<- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8, 11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4) momento<- factor(c(rep(‘Antes’,12), rep(‘Apos’,12))); momento
t.test(consumo ~ momento, paired = T, conf.level = 0.95, alternative=‘greater’)
# Paired t-test # #data: consumo by momento #t = -6.5396, df = 11, p-value = 1 #alternative hypothesis: true difference in means is greater than 0 #95 percent confidence interval: # -3.7495 Inf #sample estimates: #mean of the differences # -2.941667
### Solução 2 X <- c(8.1, 7.9, 6.8, 7.8, 7.6, 7.9, 5.7, 8.4, 8.0, 9.5, 8.0, 6.8)# antes Y <- c(11.6, 8.8, 9.9, 9.5, 11.6, 9.1, 10.6, 10.8, 13.4, 10.6, 10.5, 11.4)# apos D <- Y-X # Diferença
t.test(D, paired = F, conf.level = 0.95, alternative='greater') # # One Sample t-test # #data: D #t = 6.5396, df = 11, p-value = 2.097e-05 #alternative hypothesis: true mean is greater than 0 #95 percent confidence interval: # 2.133833 Inf #sample estimates: #mean of x # 2.941667
****---***---***---***---***---***---***---***---***---***---***---***---**** ** Simone Daniela Sartorio* * Professora Adjunta II no CCA/UFSCar, Araras/SP. * Doutora e Mestre em Estatística e Experimentação Agronômica - ESALQ/USP. * Licenciada em Matemática - UNESP/Rio Claro. * Contatos: * tel: (19)3543-2664 * cel: (19)98182-0586 - Tim
****---***---***---***---***---***---***---***---***---***---***---***---**** * Tenha um bom dia! ;)*
_______________________________________________ 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.
participantes (4)
-
Cesar Rabak -
Emerson Cotta Bodevan -
Marcus Nunes -
Simone D. Sartorio