Se um dos grupos de estudo for considerado grupo controle<\/em> , ent\u00e3o devemos utilizar o teste de Dunnett<\/a> como teste post-hoc.<\/span><\/p>\n Este tutorial explica como realizar o teste Dunnett em R.<\/span><\/p>\n Suponha que um professor queira saber se duas novas t\u00e9cnicas de estudo t\u00eam o potencial de melhorar as notas dos seus alunos nos testes. Para testar isso, ela divide aleatoriamente sua turma de 30 alunos nos tr\u00eas grupos a seguir:<\/span><\/p>\n Depois de uma semana usando a t\u00e9cnica de estudo atribu\u00edda, cada aluno faz o mesmo exame.<\/span><\/p>\n Podemos usar as seguintes etapas em R para criar um conjunto de dados, visualizar as m\u00e9dias do grupo, realizar uma ANOVA unidirecional e, finalmente, realizar o teste de Dunnett para determinar qual nova t\u00e9cnica de estudo (se houver) produz resultados diferentes em compara\u00e7\u00e3o com o grupo de controle .<\/span><\/p>\n Etapa 1: crie o conjunto de dados.<\/span><\/strong><\/p>\n O c\u00f3digo a seguir mostra como criar um conjunto de dados contendo os resultados dos exames de todos os 30 alunos:<\/span><\/p>\n Etapa 2: visualize os resultados dos exames de cada grupo.<\/span><\/strong><\/p>\n O c\u00f3digo a seguir mostra como produzir boxplots para visualizar a distribui\u00e7\u00e3o dos resultados dos exames para cada grupo:<\/span> <\/p>\n Apenas pelos box plots, podemos perceber que a distribui\u00e7\u00e3o das notas dos exames \u00e9 muito diferente para cada t\u00e9cnica de estudo. Em seguida, realizaremos uma ANOVA unidirecional para determinar se essas diferen\u00e7as s\u00e3o estatisticamente significativas.<\/span><\/p>\n Relacionado:<\/strong>Como tra\u00e7ar v\u00e1rios gr\u00e1ficos de caixa em um \u00fanico gr\u00e1fico em R<\/a><\/span><\/p>\n Etapa 3: execute uma ANOVA unidirecional.<\/span><\/strong><\/p>\n O c\u00f3digo a seguir mostra como realizar uma ANOVA unidirecional para testar as diferen\u00e7as entre as pontua\u00e7\u00f5es m\u00e9dias dos exames em cada grupo:<\/span><\/p>\n Como o valor p geral ( 0,0476<\/strong> ) \u00e9 inferior a 0,05, isso indica que cada grupo n\u00e3o tem a mesma nota m\u00e9dia no exame. A seguir, realizaremos o teste de Dunnett para determinar qual t\u00e9cnica de estudo produz notas m\u00e9dias nos exames que diferem daquelas do grupo de controle.<\/span><\/p>\n Etapa 4: execute o teste de Dunnett.<\/span><\/strong><\/p>\n Para realizar o teste Dunnett em R podemos usar a fun\u00e7\u00e3o DunnettTest()<\/strong> da biblioteca DescTools<\/strong> que utiliza a seguinte sintaxe:<\/span><\/p>\n Teste de Dunnett (x, g)<\/strong><\/span><\/p>\n<\/blockquote>\n Ouro:<\/span><\/p>\n O c\u00f3digo a seguir mostra como usar esta fun\u00e7\u00e3o em nosso exemplo:<\/span><\/p>\n A forma de interpretar o resultado \u00e9 a seguinte:<\/span><\/p>\n Com base nos resultados, podemos perceber que o estudo da T\u00e9cnica 2 \u00e9 a \u00fanica t\u00e9cnica que produz notas m\u00e9dias nos exames significativamente (p = 0,0296) diferentes daquelas do grupo controle.<\/span><\/p>\n Uma introdu\u00e7\u00e3o \u00e0 ANOVA unidirecional<\/a> Um teste post hoc \u00e9 um tipo de teste realizado ap\u00f3s uma ANOVA para determinar quais m\u00e9dias de grupo s\u00e3o estatisticamente significativamente diferentes umas das outras. Se um dos grupos de estudo for considerado grupo controle , ent\u00e3o devemos utilizar o teste de Dunnett como teste post-hoc. Este tutorial explica como realizar o teste Dunnett […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1042","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Exemplo: teste de Dunnett em R<\/strong><\/span><\/h3>\n
\n
#create data frame<\/span>\ndata <- data.frame(technique = rep<\/span> (c(\"control\", \"new1\", \"new2\"), each<\/span> = 10<\/span> ),\n score = c(76, 77, 77, 81, 82, 82, 83, 84, 85, 89,\n 81, 82, 83, 83, 83, 84, 87, 90, 92, 93,\n 77, 78, 79, 88, 89, 90, 91, 95, 95, 98))\n\n#view first six rows of data frame<\/span>\nhead(data)\n\n technical score\n1 control 76\n2 controls 77\n3 controls 77\n4 controls 81\n5 controls 82\n6 controls 82\n<\/strong><\/pre>\n boxplot(score ~ technique,\n data = data,\n main = \"Exam Scores by Studying Technique\",\n xlab = \"Studying Technique\",\n ylab = \"Exam Scores\",\n col = \"steelblue\",\n border = \"black\")\n<\/strong><\/pre>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/dunnettsr.png\")
<\/p>\n #fit the one-way ANOVA model<\/span>\nmodel <- aov(score ~ technique, data = data)\n\n#view model output\n<\/span>summary(model)\n\n Df Sum Sq Mean Sq F value Pr(>F) \ntechnical 2 211.5 105.73 3.415 0.0476 *\nResiduals 27 836.0 30.96 \n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1<\/strong><\/pre>\n\n
\n
#load DescTools library<\/span>\nlibrary(DescTools)\n\n#perform Dunnett's Test\n<\/span>DunnettTest(x=data$score, g=data$technique)\n\n Dunnett's test for comparing several treatments with a control: \n 95% family-wise confidence level\n\n$control\n diff lwr.ci upr.ci pval \nnew1-control 4.2 -1.6071876 10.00719 0.1787 \nnew2-control 6.4 0.5928124 12.20719 0.0296 * \n\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1' '1.' 0.1 ' ' 1<\/strong><\/pre>\n\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar ANOVA unidirecional em R<\/a>
Como realizar o teste de Tukey em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"