CHP7266 - Estatástica e Experimentação (em R)

---

Aula 7

Prof. Lorenzo Zanette - l.zanette@ufc.br

Testes clássicos

Comparando as médias de dois conjuntos

Dados : “transectos.txt”

read.table("transectos.txt",header=T)->transects
head(transects)

##   trans1 trans2
## 1      3      5
## 2      4      5
## 3      4      6
## 4      3      7
## 5      2      4
## 6      3      4

t.test(transects[1],transects[2])

## 
##  Welch Two Sample t-test
## 
## data:  transects[1] and transects[2]
## t = -3.873, df = 18, p-value = 0.001115
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
##  -3.0849115 -0.9150885
## sample estimates:
## mean of x mean of y 
##         3         5

#Tentemos um teste não paramétrico...

wilcox.test(transects$trans1,transects$trans2)

## Warning in wilcox.test.default(transects$trans1, transects$trans2): cannot
## compute exact p-value with ties

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  transects$trans1 and transects$trans2
## W = 11, p-value = 0.002988
## alternative hypothesis: true location shift is not equal to 0

Um pouco mais conservador…

boxplot(transects)

---

---

Correlações

read.table("produtividade.txt",header=T)->produ
head(produ)

##   x y f
## 1 1 3 a
## 2 2 4 a
## 3 3 2 a
## 4 4 1 a
## 5 5 3 a
## 6 6 1 a

plot(produ$x,produ$y,ylab="Crescimento_do_ninho",xlab="Pluviosidade",las=1)

No entanto…

library(ggplot2)
names(produ)

## [1] "x" "y" "f"

ggplot(data=produ,aes(x=x,y=y,color=f))+
geom_point()

ggplot(data=produ,aes(x=x,y=y,color=f))+
geom_point()+
  facet_wrap(~ f)

read.table("aves.txt",header=T)->aves
head(aves)

##        peso idade
## 1  3.179297     1
## 2  9.142903     7
## 3  6.414290     4
## 4 13.461561    11
## 5  4.795761     2
## 6 20.908349    18

plot(aves$peso~aves$idade,las=1,xlim=c(0,22),ylim=c(0,22))
abline(a=0,b=1,col="red")

> Quanto covariam as variáveis?

# var(x,y) = covariância de x e y
var(aves$peso,aves$idade) 

## [1] 35.04179

Quanto isso representa em termos de variação

# Variação de x e y juntas
var(aves$peso)*var(aves$idade)

## [1] 1229.921

# Finalmente o coeficiente de correlação
CC<- var(aves$peso,aves$idade) /sqrt(var(aves$peso)*var(aves$idade)) 

CC

## [1] 0.999189

cor(aves$peso,aves$idade)

## [1] 0.999189

cor.test(aves$peso,aves$idade)

## 
##  Pearson's product-moment correlation
## 
## data:  aves$peso and aves$idade
## t = 119.01, df = 23, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.9981303 0.9996483
## sample estimates:
##      cor 
## 0.999189