Teste de aleatorização

O que o bloco faz

O teste de aleatorização de Fisher: a justificativa do teste vem do sorteio que foi de fato feito, e não da normalidade. Sob a hipótese nula exata — o tratamento não muda a resposta de nenhuma unidade —, cada unidade teria dado a mesma resposta com qualquer outra alocação que o sorteio poderia ter produzido. O bloco então re-sorteia a alocação pela mesma receita do experiments/design (tr_experiments_randomize), mantém a resposta de cada unidade, recalcula a estatística e situa a observada nessa distribuição.

O conjunto de re-sorteios é o das alocações admissíveis do delineamento, não o de todas as permutações: no DBC o tratamento só troca dentro do bloco; na parcela subdividida a parcela só troca de lugar com parcela do mesmo bloco e a subparcela dentro da parcela; no quadrado latino sai outro quadrado. A tabela repete o escopo de cada fator.

Estatística

O F do Termo no quadro de ANOVA da análise (a do plano, ou outra), ou o F (1 gl, bilateral) de uma linha de contraste do experiments/contrasts.

p-valor

• exato — enumera todas as alocações admissíveis (DIC, DBC e fatorial neles, até 100 000) e dá a proporção com estatística ≥ a observada; a observada está entre elas.
• Monte Carlo — com R re-sorteios e b deles ≥ a observada, p = (b + 1)/(R + 1), que nunca é zero e tem nível exato (Phipson e Smyth, 2010).
• automático — exato quando a estrutura é enumerável e há até Re-sorteios alocações; Monte Carlo fora disso.

Empates contam como ”≥” (tolerância relativa de 10⁻⁸). A tabela traz também o p do quadro (o do F de Snedecor): em dados normais os dois ficam perto (Pitman, 1938).

Antes de continuar

Termos que esta página usa, em poucas palavras. As definições completas estão no glossário.

Bootstrap e reamostragem

Técnicas que repetem a análise muitas vezes sobre versões modificadas da própria amostra (sorteios com reposição, omissão de observações, embaralhamento) para medir a incerteza de uma estimativa ou obter um p-valor sem depender de uma fórmula pronta.

Fator

Uma variável explicativa categórica cujo efeito se quer estudar, como adubo, cultivar ou dose. Num experimento fatorial, dois ou mais fatores são combinados.

Tratamento

A condição aplicada a uma unidade experimental: um nível de um fator ou uma combinação de níveis de vários fatores. As comparações do experimento são entre tratamentos.

Unidade experimental

A menor porção de material que recebe um tratamento de forma independente: uma parcela de campo, um vaso, um animal. É a unidade que conta como repetição.

Casualização

Sortear qual unidade recebe qual tratamento. Protege as comparações contra diferenças sistemáticas entre unidades que não foram medidas e é o que justifica os testes do experimento.

Pressupostos

• A alocação observada saiu do sorteio descrito no plano: o conjunto de re-sorteios é o das alocações admissíveis daquele delineamento.

  Verificar:Ver o plano

  Se falhar: Sem sorteio (ou com outro sorteio), o teste não tem a justificativa de Fisher; use a análise paramétrica e diga isso.

• Sob H0, a resposta de cada unidade não depende do tratamento que ela recebeu (a nula exata: efeito zero em toda unidade, mais forte que a igualdade de médias). Não pede normalidade nem variâncias iguais.

Parâmetros

• Resposta — em branco, a do plano. Com dados ligado, a tabela precisa de unidade (a do plano) e da resposta; se trouxer as colunas de tratamento, elas têm de ser a alocação do plano.

• Análise (nó de models) — em branco, a do plano (plano$analise, a que o experiments/error sugeriu). Outro id (models/anova_factorial) troca a análise; os params dela vêm de Params da análise.

• Params da análise — nome = valor; nome = valor, sobrescrevendo os do plano. A resposta é posta sozinha quando o nó tem resposta.

• Termo testado — a linha do quadro de ANOVA (models/anova_table, SQ tipo I) cujo p conta: irrigacao, irrigacao:variedade. Em branco, o primeiro fator de tratamento do plano.

• Contraste: conjunto — nenhum testa o F do termo; um conjunto do experiments/contrasts testa o F (1 gl) de uma linha dele, com o Termo como fator contrastado.

• Contraste: linha — o nome da linha (linear, quadratico).

• Contrastes (digitados), Controle, Doses — como no experiments/contrasts.

• Re-sorteios — R do Monte Carlo (999 é o usual).

• Método — automático, monte carlo ou exato.

Valor

out: o histograma da estatística sob re-sorteio, com a observada marcada. tabela: teste, estatistica, observado, p_valor, metodo, alocacoes (avaliadas), admissiveis (quantas há, quando enumerável), maiores_ou_iguais, falhas, p_parametrico (o do quadro), analise e escopo. distribuicao: a estatística de cada alocação.

Exemplos

tr_flow(reg) |>
  tr_add("plano", "experiments/design", estrutura = "dbc", fatores = "t: A, B", repeticoes = 5L) |>
  tr_add("mu", "experiments/effect", tipo = "intercepto", valor = 10, from = "plano") |>
  tr_add("t", "experiments/effect", tipo = "fixo", fator = "t", efeitos = "A = 0, B = 1", from = "mu") |>
  tr_add("y", "experiments/error", sd = 1, from = "t") |>
  tr_add("ta", "experiments/randomization_test", from = "y")