<\/p>\n
Voc\u00ea pode usar a fun\u00e7\u00e3o z.test()<\/strong> do pacote BSDA<\/strong> para realizar uma amostra e dois testes z de exemplo em R.<\/span><\/p>\n Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica:<\/span><\/p>\n Ouro:<\/span><\/p>\n Os exemplos a seguir mostram como usar esta fun\u00e7\u00e3o na pr\u00e1tica.<\/span><\/p>\n Suponha que o QI de uma determinada popula\u00e7\u00e3o seja normalmente distribu\u00eddo com m\u00e9dia \u03bc = 100 e desvio padr\u00e3o \u03c3 = 15.<\/span><\/p>\n Um cientista quer saber se um novo medicamento afeta os n\u00edveis de QI. Ent\u00e3o ela recruta 20 pacientes para us\u00e1-lo durante um m\u00eas e registra seus n\u00edveis de QI no final do m\u00eas.<\/span><\/p>\n O c\u00f3digo a seguir mostra como realizar um teste z de amostra em R para determinar se o novo medicamento causa uma diferen\u00e7a significativa nos n\u00edveis de QI:<\/span><\/p>\n A estat\u00edstica de teste para o teste z de uma amostra \u00e9 0,90933<\/strong> e o valor p correspondente \u00e9 0,3632<\/strong> .<\/span><\/p>\n Como este valor p n\u00e3o \u00e9 inferior a 0,05, n\u00e3o temos evid\u00eancias suficientes para rejeitar a hip\u00f3tese nula.<\/span><\/p>\n Assim, conclu\u00edmos que o novo medicamento n\u00e3o afeta significativamente o n\u00edvel de QI.<\/span><\/p>\n Suponha que os n\u00edveis de QI de indiv\u00edduos de duas cidades diferentes sejam normalmente distribu\u00eddos, cada um com desvios padr\u00e3o populacionais de 15.<\/span><\/p>\n Um cientista quer saber se o n\u00edvel m\u00e9dio de QI dos indiv\u00edduos na cidade A e na cidade B \u00e9 diferente. Ent\u00e3o ela seleciona uma amostra aleat\u00f3ria simples<\/a> de 20 indiv\u00edduos de cada cidade e registra seus n\u00edveis de QI.<\/span><\/p>\n O c\u00f3digo a seguir mostra como realizar um teste z de duas amostras em R para determinar se o n\u00edvel m\u00e9dio de QI \u00e9 diferente entre as duas cidades:<\/span><\/p>\n A estat\u00edstica de teste para o teste z de duas amostras \u00e9 -1,7182<\/strong> e o valor p correspondente \u00e9 0,08577.<\/strong><\/span><\/p>\n Como este valor p n\u00e3o \u00e9 inferior a 0,05, n\u00e3o temos evid\u00eancias suficientes para rejeitar a hip\u00f3tese nula.<\/span><\/p>\n Assim, conclu\u00edmos que o n\u00edvel m\u00e9dio de QI n\u00e3o \u00e9 significativamente diferente entre as duas cidades.<\/span><\/p>\n Os tutoriais a seguir explicam como realizar outros testes estat\u00edsticos comuns em R:<\/span><\/p>\n Como realizar um teste Z de uma propor\u00e7\u00e3o<\/a> Voc\u00ea pode usar a fun\u00e7\u00e3o z.test() do pacote BSDA para realizar uma amostra e dois testes z de exemplo em R. Esta fun\u00e7\u00e3o usa a seguinte sintaxe b\u00e1sica: z.test(x, y, alternative=’ two.sided ‘, mu= 0 , sigma.x=NULL, sigma.y=NULL,conf.level= .95 ) Ouro: x : valores da primeira amostra y : valores para a segunda amostra (se […]<\/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-2231","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n z.test(x, y, alternative=' two.sided<\/span> ', mu= 0 ,<\/span> sigma.x=NULL, sigma.y=NULL,conf.level= .95<\/span><\/span><\/span> )<\/span>\n<\/strong><\/pre>\n\n
Exemplo 1: Uma amostra de teste Z em R<\/strong><\/span><\/h2>\n
library<\/span> (BSDA)<\/span>\n\n#enter IQ levels for 20 patients\n<\/span>data = c(88, 92, 94, 94, 96, 97, 97, 97, 99, 99,\n 105, 109, 109, 109, 110, 112, 112, 113, 114, 115)\n\n#perform one sample z-test\n<\/span>z.test(data, mu= 100 , sigma.x=<\/span> 15<\/span> )\n\n\tOne-sample z-Test\n\ndata:data\nz = 0.90933, p-value = 0.3632\nalternative hypothesis: true mean is not equal to 100\n95 percent confidence interval:\n 96.47608 109.62392\nsample estimates:\nmean of x \n 103.05 \n<\/strong><\/span><\/pre>\n Exemplo 2: Teste Z de duas amostras em R<\/strong><\/span><\/h2>\n
library (BSDA)<\/span>\n<\/span>\n#enter IQ levels for 20 individuals from each city\n<\/span>cityA = c(82, 84, 85, 89, 91, 91, 92, 94, 99, 99,\n 105, 109, 109, 109, 110, 112, 112, 113, 114, 114)\n\ncityB = c(90, 91, 91, 91, 95, 95, 99, 99, 108, 109,\n 109, 114, 115, 116, 117, 117, 128, 129, 130, 133)\n\n<\/span>#perform two sample z-test\n<\/span>z.test(x=cityA, y=cityB, mu=<\/span> 0<\/span> , sigma.x= 15<\/span> , sigma.y= 15<\/span> )\n\n\tTwo-sample z-Test\n\ndata: cityA and cityB\nz = -1.7182, p-value = 0.08577\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -17.446925 1.146925\nsample estimates:\nmean of x mean of y \n 100.65 108.80\n<\/span><\/strong><\/span><\/pre>\n Recursos adicionais<\/strong><\/span><\/h2>\n
Como realizar um teste t de amostras pareadas em R<\/a>
Como realizar o teste t de Welch em R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"