{"id":486,"date":"2023-07-29T18:02:44","date_gmt":"2023-07-29T18:02:44","guid":{"rendered":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/"},"modified":"2023-07-29T18:02:44","modified_gmt":"2023-07-29T18:02:44","slug":"anova-ra-em-dois-sentidos","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/","title":{"rendered":"Como realizar anova bidirecional em r"},"content":{"rendered":"

<\/p>\n

\n

Uma ANOVA bidirecional<\/a> (\u201can\u00e1lise de vari\u00e2ncia\u201d) \u00e9 usada para determinar se h\u00e1 ou n\u00e3o uma diferen\u00e7a estatisticamente significativa entre as m\u00e9dias de tr\u00eas ou mais grupos independentes que foram divididos em dois fatores.<\/span><\/p>\n

Este tutorial explica como realizar uma ANOVA bidirecional em R.<\/span><\/p>\n

Exemplo: ANOVA bidirecional em R<\/strong><\/span><\/h3>\n

Digamos que queremos determinar se a intensidade do exerc\u00edcio e o g\u00eanero impactam a perda de peso. Neste caso, os dois factores que estamos a analisar s\u00e3o o exerc\u00edcio<\/em> e o g\u00e9nero<\/em> , e a vari\u00e1vel de resposta \u00e9 a perda de peso,<\/em> medida em libras.<\/span><\/p>\n

Podemos realizar uma ANOVA bidirecional para determinar se o exerc\u00edcio e o g\u00eanero impactam a perda de peso e para determinar se existe uma intera\u00e7\u00e3o entre o exerc\u00edcio e o g\u00eanero na perda de peso.<\/span><\/p>\n

Estamos recrutando 30 homens e 30 mulheres para participar de um experimento no qual designamos aleatoriamente 10 de cada um para seguir um programa sem exerc\u00edcios, com exerc\u00edcios leves ou com exerc\u00edcios intensos por um m\u00eas.<\/span><\/p>\n

O c\u00f3digo a seguir cria o quadro de dados com o qual trabalharemos:<\/span><\/p>\n

 #make this example reproducible\n<\/span>set.seed(10)\n\n#create data frame\n<\/span>data <- data.frame(gender = rep(c(\"Male\", \"Female\"), each = 30),\n                   exercise = rep(c(\"None\", \"Light\", \"Intense\"), each = 10, times = 2),\n                   weight_loss = c(runif(10, -3, 3), runif(10, 0, 5), runif(10, 5, 9),\n                                   runif(10, -4, 2), runif(10, 0, 3), runif(10, 3, 8)))\n\n#view first six rows of data frame\n<\/span>head(data)\n\n# gender exercise weight_loss\n#1 Male None 0.04486922\n#2 Male None -1.15938896\n#3 Male None -0.43855400\n#4 Male None 1.15861249\n#5 Male None -2.48918419\n#6 Male None -1.64738030\n\n#see how many participants are in each group<\/span>\ntable(data$gender, data$exercise)\n\n# Intense Light None\n# Female 10 10 10\n# Male 10 10 10\n<\/strong><\/pre>\n
 Explore os dados<\/strong><\/span><\/h3>\n
 Antes mesmo de ajustar o modelo ANOVA bidirecional, podemos entender melhor os dados encontrando a m\u00e9dia e o desvio padr\u00e3o da perda de peso para cada um dos seis grupos de tratamento usando o pacote dplyr<\/strong> :<\/span><\/p>\n
 #load dplyr<\/em> package<\/span>\nlibrary(dplyr)\n\n#find mean and standard deviation of weight loss for each treatment group<\/span>\ndata %>%\n  group_by<\/span> (gender, exercise) %>%\n  summarize<\/span> (mean = mean(weight_loss),\n            sd = sd(weight_loss))\n\n# A tibble: 6 x 4\n# Groups: gender [2]\n# gender exercise means sd\n#          \n#1 Female Intense 5.31 1.02 \n#2 Female Light 0.920 0.835\n#3 Female None -0.501 1.77 \n#4 Male Intense 7.37 0.928\n#5 Male Light 2.13 1.22 \n#6 Male None -0.698 1.12 \n<\/strong><\/pre>\n
 #set margins so that axis labels on boxplot don't get cut off<\/span>\nby(mar=c(8, 4.1, 4.1, 2.1))\n\n#create boxplots\n<\/span>boxplot(weight_loss ~ gender:exercise,\ndata = data,\nmain = \"Weight Loss Distribution by Group\",\nxlab = \"Group\",\nylab = \"Weight Loss\",\ncol = \"steelblue\",\nborder = \"black\", \nlas = 2 #make x-axis labels perpendicular<\/span>\n)<\/strong><\/pre>\n
 Podemos constatar de imediato que os dois grupos que participaram em exerc\u00edcio intenso<\/em> parecem apresentar valores de perda de peso mais elevados. Podemos verificar tamb\u00e9m que os homens tendem a ter valores de perda de peso mais elevados do que as mulheres, tanto no grupo de exerc\u00edcio intenso<\/em> como no de exerc\u00edcio leve<\/em> .<\/span><\/p>\n
 A seguir, ajustaremos o modelo ANOVA bidirecional aos nossos dados para ver se essas diferen\u00e7as visuais s\u00e3o realmente estatisticamente significativas.<\/span><\/p>\n
 Ajustando o modelo ANOVA bidirecional<\/strong><\/span><\/h3>\n
 A sintaxe geral para ajustar um modelo ANOVA bidirecional em R \u00e9:<\/span><\/p>\n
 aov(vari\u00e1vel de resposta ~predictor_variable1 *predictor_variable2, dados = conjunto de dados)<\/span><\/strong><\/p>\n
 Observe que o *<\/strong> entre as duas vari\u00e1veis preditoras indica que tamb\u00e9m queremos testar um efeito de intera\u00e7\u00e3o entre as duas vari\u00e1veis preditoras.<\/span><\/p>\n
 Em nosso exemplo, podemos usar o c\u00f3digo a seguir para ajustar o modelo ANOVA bidirecional, usando perda_de_peso<\/em> como vari\u00e1vel de resposta e g\u00eanero<\/em> e exerc\u00edcio<\/em> como as duas vari\u00e1veis preditoras.<\/span><\/p>\n
 Podemos ent\u00e3o usar a fun\u00e7\u00e3o summary()<\/strong> para exibir o resultado do nosso modelo:<\/span><\/p>\n
 #fit the two-way ANOVA model<\/span>\nmodel <- aov(weight_loss ~ gender * exercise, data = data)\n\n#view the model output<\/span>\nsummary(model)\n\n# Df Sum Sq Mean Sq F value Pr(>F)    \n#gender 1 15.8 15.80 11.197 0.0015 ** \n#exercise 2 505.6 252.78 179.087 <2e-16 ***\n#gender:exercise 2 13.0 6.51 4.615 0.0141 *  \n#Residuals 54 76.2 1.41                   \n#---\n#Significant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n<\/strong><\/pre>\n
 A partir dos resultados do modelo, podemos ver que o g\u00e9nero<\/em> , o exerc\u00edcio<\/em> e a intera\u00e7\u00e3o entre as duas vari\u00e1veis s\u00e3o todos estatisticamente significativos ao n\u00edvel de signific\u00e2ncia de 0,05.<\/span><\/p>\n
 Verificando as suposi\u00e7\u00f5es do modelo<\/strong><\/span><\/h3>\n
 Antes de prosseguirmos, precisamos verificar se as premissas do nosso modelo s\u00e3o atendidas para que os resultados do nosso modelo sejam confi\u00e1veis. Em particular, uma ANOVA bidirecional assume:<\/span><\/p>\n
 1. Independ\u00eancia<\/strong> \u2013 as observa\u00e7\u00f5es de cada grupo devem ser independentes umas das outras. Como usamos um<\/span> desenho aleat\u00f3rio , essa suposi\u00e7\u00e3o deve ser atendida, portanto n\u00e3o precisamos nos preocupar muito com isso.<\/span><\/p>\n
 2. Normalidade<\/strong> \u2013 a vari\u00e1vel dependente deve ter distribui\u00e7\u00e3o aproximadamente normal para cada combina\u00e7\u00e3o de grupos dos dois fatores.<\/span><\/p>\n
 Uma forma de testar esta suposi\u00e7\u00e3o \u00e9 criar um histograma dos res\u00edduos do modelo. Se os res\u00edduos forem distribu\u00eddos aproximadamente normalmente, esta suposi\u00e7\u00e3o deve ser satisfeita.<\/span><\/p>\n
 #define model residuals\n<\/b><\/span>reside <- model$residuals<\/strong>\n\n#create histogram of residuals<\/strong><\/span>\nhist(resid, main = \"Histogram of Residuals\", xlab = \"Residuals\", col = \"steelblue\")<\/strong><\/pre>\n
 Os res\u00edduos t\u00eam distribui\u00e7\u00e3o aproximadamente normal, portanto podemos assumir que a suposi\u00e7\u00e3o de normalidade \u00e9 atendida.<\/span><\/p>\n
 3. Vari\u00e2ncia igual<\/strong> \u2013 as vari\u00e2ncias de cada grupo s\u00e3o iguais ou aproximadamente iguais.<\/span><\/p>\n
 Uma maneira de verificar essa suposi\u00e7\u00e3o \u00e9 realizar um teste de Levene para igualdade de vari\u00e2ncias usando o pacote car<\/strong> :<\/span><\/p>\n
 #load car<\/em> package<\/span>\nlibrary(car)\n\n#conduct Levene's Test for equality of variances<\/span>\nleveneTest(weight_loss ~ gender * exercise, data = data)\n\n#Levene's Test for Homogeneity of Variance (center = median)\n# Df F value Pr(>F)\n#group 5 1.8547 0.1177\n#54  \n<\/strong><\/pre>\n
 Como o valor p do teste \u00e9 maior que nosso n\u00edvel de signific\u00e2ncia de 0,05, podemos assumir que nossa suposi\u00e7\u00e3o de igualdade de vari\u00e2ncias entre grupos \u00e9 atendida.<\/span><\/p>\n
 Analise as diferen\u00e7as de tratamento<\/strong><\/span><\/h3>\n
 Depois de verificarmos que as suposi\u00e7\u00f5es do modelo foram atendidas, podemos ent\u00e3o realizar um teste post hoc<\/a> para determinar exatamente quais grupos de tratamento diferem uns dos outros.<\/span><\/p>\n
 Para nosso teste post hoc, usaremos a fun\u00e7\u00e3o TukeyHSD()<\/strong> para realizar o teste de Tukey para compara\u00e7\u00f5es m\u00faltiplas:<\/span><\/p>\n
 #perform Tukey's Test for multiple comparisons\n<\/span>TukeyHSD(model, conf.level=.95) \n\n#Tukey multiple comparisons of means\n# 95% family-wise confidence level\n#\n#Fit: aov(formula = weight_loss ~ gender * exercise, data = data)\n#\n#$gender\n# diff lwr upr p adj\n#Male-Female 1.026456 0.4114451 1.641467 0.0014967\n#\n#$exercise\n# diff lwr upr p adj\n#Light-Intense -4.813064 -5.718493 -3.907635 0.0e+00\n#None-Intense -6.938966 -7.844395 -6.033537 0.0e+00\n#None-Light -2.125902 -3.031331 -1.220473 1.8e-06\n#\n#$`gender:exercise`\n# diff lwr upr p adj\n#Male:Intense-Female:Intense 2.0628297 0.4930588 3.63260067 0.0036746\n#Female:Light-Female:Intense -4.3883563 -5.9581272 -2.81858535 0.0000000\n#Male:Light-Female:Intense -3.1749419 -4.7447128 -1.60517092 0.0000027\n#Female:None-Female:Intense -5.8091131 -7.3788841 -4.23934219 0.0000000\n#Male:None-Female:Intense -6.0059891 -7.5757600 -4.43621813 0.0000000\n#Female:Light-Male:Intense -6.4511860 -8.0209570 -4.88141508 0.0000000\n#Male:Light-Male:Intense -5.2377716 -6.8075425 -3.66800066 0.0000000\n#Female:None-Male:Intense -7.8719429 -9.4417138 -6.30217192 0.0000000\n#Male:None-Male:Intense -8.0688188 -9.6385897 -6.49904786 0.0000000\n#Male:Light-Female:Light 1.2134144 -0.3563565 2.78318536 0.2185439\n#Female:None-Female:Light -1.4207568 -2.9905278 0.14901410 0.0974193\n#Male:None-Female:Light -1.6176328 -3.1874037 -0.04786184 0.0398106\n#Female:None-Male:Light -2.6341713 -4.2039422 -1.06440032 0.0001050\n#Male:None-Male:Light -2.8310472 -4.4008181 -1.26127627 0.0000284\n#Male:None-Female:None -0.1968759 -1.7666469 1.37289500 0.9990364<\/strong><\/pre>\n
 O valor p indica se h\u00e1 ou n\u00e3o diferen\u00e7a estatisticamente significativa entre cada grupo.<\/span><\/p>\n
 Por exemplo, na \u00faltima linha acima, vemos que o grupo de homens sem exerc\u00edcio n\u00e3o apresentou uma diferen\u00e7a estatisticamente significativa na perda de peso em compara\u00e7\u00e3o com o grupo de mulheres sem exerc\u00edcio (valor p: 0,990364).<\/span><\/p>\n
 Tamb\u00e9m podemos visualizar os intervalos de confian\u00e7a de 95% resultantes do teste de Tukey usando a fun\u00e7\u00e3o plot()<\/strong> em R:<\/span><\/p>\n
 #set axis margins so labels don't get cut off\n<\/span>by(mar=c(4.1, 13, 4.1, 2.1))\n\n#create confidence interval for each comparison\n<\/span>plot(TukeyHSD(model, conf.level=.95), las = 2)\n<\/strong><\/pre>\n
 Relat\u00f3rio de resultados de ANOVA bidirecional<\/span><\/strong><\/h3>\n
 Finalmente, podemos relatar os resultados da ANOVA bidirecional de uma forma que resume os resultados:<\/span><\/p>\n
 Uma ANOVA de dois fatores foi realizada para examinar os efeitos do g\u00eanero ( masculino, feminino)<\/em> e do programa de exerc\u00edcios (nenhum, leve, intenso)<\/em> na perda de peso (medido em libras).<\/em> Houve uma intera\u00e7\u00e3o estatisticamente significativa entre os efeitos do sexo e do exerc\u00edcio na perda de peso (F(2, 54) = 4,615, p = 0,0141).<\/span> Foram realizados testes post-hoc de Tukey HSD.<\/span><\/p>\n
 Para os homens, um programa de exerc\u00edcios intenso<\/em> resultou em perda de peso significativamente maior do que um programa leve<\/em> (p < 0,0001) ou nenhum programa de exerc\u00edcios<\/em> (p < 0,0001). Al\u00e9m disso, nos homens, uma dieta leve<\/em> resultou em perda de peso significativamente maior do que nenhum regime de exerc\u00edcios<\/em> (p < 0,0001).<\/span><\/p>\n
 Para as mulheres, um programa de exerc\u00edcios intenso<\/em> resultou em perda de peso significativamente maior do que um programa leve<\/em> (p < 0,0001) ou nenhum programa de exerc\u00edcios<\/em> (p < 0,0001).<\/span><\/p>\n
 Verifica\u00e7\u00f5es de normalidade e teste de Levene foram realizadas para verificar se os pressupostos da ANOVA foram atendidos.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"
Uma ANOVA bidirecional (\u201can\u00e1lise de vari\u00e2ncia\u201d) \u00e9 usada para determinar se h\u00e1 ou n\u00e3o uma diferen\u00e7a estatisticamente significativa entre as m\u00e9dias de tr\u00eas ou mais grupos independentes que foram divididos em dois fatores. Este tutorial explica como realizar uma ANOVA bidirecional em R. Exemplo: ANOVA bidirecional em R Digamos que queremos determinar se a intensidade […]<\/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-486","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\nComo realizar ANOVA bidirecional em R - Estatoriais<\/title>\n<meta name=\"description\" content=\"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/\" \/>\n<meta property=\"og:locale\" content=\"pt_PT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Como realizar ANOVA bidirecional em R - Estatoriais\" \/>\n<meta property=\"og:description\" content=\"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T18:02:44+00:00\" \/>\n<meta name=\"author\" content=\"Dr. benjamim anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr. benjamim anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo estimado de leitura\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/\",\"url\":\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/\",\"name\":\"Como realizar ANOVA bidirecional em R - Estatoriais\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/pt\/#website\"},\"datePublished\":\"2023-07-29T18:02:44+00:00\",\"dateModified\":\"2023-07-29T18:02:44+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666\"},\"description\":\"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/#breadcrumb\"},\"inLanguage\":\"pt-PT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Lar\",\"item\":\"https:\/\/statorials.org\/pt\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Como realizar anova bidirecional em r\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/pt\/#website\",\"url\":\"https:\/\/statorials.org\/pt\/\",\"name\":\"Statorials\",\"description\":\"O seu guia para a literacia estat\u00edstica!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/pt\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pt-PT\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666\",\"name\":\"Dr. benjamim anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pt-PT\",\"@id\":\"https:\/\/statorials.org\/pt\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr. benjamim anderson\"},\"description\":\"Ol\u00e1, sou Benjamin, um professor aposentado de estat\u00edstica que se tornou professor dedicado na Statorials. Com vasta experi\u00eancia e conhecimento na \u00e1rea de estat\u00edstica, estou empenhado em compartilhar meu conhecimento para capacitar os alunos por meio de Statorials. Saber mais\",\"sameAs\":[\"https:\/\/statorials.org\/pt\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Como realizar ANOVA bidirecional em R - Estatoriais","description":"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/","og_locale":"pt_PT","og_type":"article","og_title":"Como realizar ANOVA bidirecional em R - Estatoriais","og_description":"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.","og_url":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/","og_site_name":"Statorials","article_published_time":"2023-07-29T18:02:44+00:00","author":"Dr. benjamim anderson","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Dr. benjamim anderson","Tempo estimado de leitura":"7 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/","url":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/","name":"Como realizar ANOVA bidirecional em R - Estatoriais","isPartOf":{"@id":"https:\/\/statorials.org\/pt\/#website"},"datePublished":"2023-07-29T18:02:44+00:00","dateModified":"2023-07-29T18:02:44+00:00","author":{"@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666"},"description":"Este tutorial explica como realizar facilmente uma ANOVA bidirecional em R.","breadcrumb":{"@id":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/#breadcrumb"},"inLanguage":"pt-PT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/pt\/anova-ra-em-dois-sentidos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Lar","item":"https:\/\/statorials.org\/pt\/"},{"@type":"ListItem","position":2,"name":"Como realizar anova bidirecional em r"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/pt\/#website","url":"https:\/\/statorials.org\/pt\/","name":"Statorials","description":"O seu guia para a literacia estat\u00edstica!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/pt\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pt-PT"},{"@type":"Person","@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/e08f98e8db95e0aa9c310e1b27c9c666","name":"Dr. benjamim anderson","image":{"@type":"ImageObject","inLanguage":"pt-PT","@id":"https:\/\/statorials.org\/pt\/#\/schema\/person\/image\/","url":"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"https:\/\/statorials.org\/pt\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr. benjamim anderson"},"description":"Ol\u00e1, sou Benjamin, um professor aposentado de estat\u00edstica que se tornou professor dedicado na Statorials. Com vasta experi\u00eancia e conhecimento na \u00e1rea de estat\u00edstica, estou empenhado em compartilhar meu conhecimento para capacitar os alunos por meio de Statorials. Saber mais","sameAs":["https:\/\/statorials.org\/pt"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts\/486","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/comments?post=486"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/posts\/486\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/media?parent=486"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/categories?post=486"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/pt\/wp-json\/wp\/v2\/tags?post=486"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
 Tamb\u00e9m podemos criar um boxplot<\/a> para cada um dos seis grupos de tratamento para visualizar a distribui\u00e7\u00e3o da perda de peso para cada grupo:<\/span><\/p>\n