t para uma amostra

O que o bloco faz

models/one_sample_t Compara a média de uma coluna com valor de referência. A saída é data/test.

Antes de continuar

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

Amostra

A parte da população que é de fato observada. Quando é sorteada com probabilidades conhecidas, permite estimar características da população e medir a incerteza dessa estimativa.

p-valor

A probabilidade de obter um resultado tão extremo quanto o observado, ou mais, se a hipótese nula fosse verdadeira. p-valor pequeno indica dados pouco compatíveis com a hipótese nula; ele não é a probabilidade de a hipótese nula ser verdadeira nem mede o tamanho do efeito.

Delineamento

O plano que diz como os tratamentos são distribuídos nas unidades experimentais: inteiramente casualizado, em blocos, quadrado latino, parcelas subdivididas. Ele determina o modelo e a análise de variância adequados.

Normalidade

Pressuposto de que os erros do modelo seguem a distribuição normal (em forma de sino). Em modelos lineares ele se confere nos resíduos, não nos dados brutos; desvios leves pesam pouco em amostras grandes.

Independência

Pressuposto de que o erro de uma observação não informa sobre o de outra. Falha com medidas repetidas no mesmo indivíduo, unidades vizinhas ou dados no tempo, e a sua violação pode distorcer bastante os p-valores e os intervalos.

Quando usar

Use para comparar uma média amostral a um valor de referência definido previamente.

Pressupostos

• As observações são independentes entre si.

  Se falhar: Não há teste no trama para isso: é o delineamento (sorteio, uma medida por unidade) que garante. Medidas repetidas na mesma unidade pedem models/paired_t ou models/lmer.

• A coluna é aproximadamente normal (com amostras grandes, o teorema central do limite alivia). Se a coluna mistura grupos, filtre cada grupo (data/filter) e rode o models/shapiro, ou olhe o view/qq.

  Verificar:Shapiro-WilkQuantil-quantil

Configuração

Informe Variável, mu e alternativa bilateral, menor ou maior.

Exemplo

library(trama)

reg <- tr_registry()
tr_use("trama.models", registry = reg)

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "PlantGrowth") |>
  tr_add("resultado", "models/one_sample_t", variavel = "weight", mu = 5, from = "dados")

Com PlantGrowth, o bloco lê weight e calcula a diferença entre a média amostral e mu = 5, com estatística t, p-valor e intervalo para essa diferença.

Como interpretar

O intervalo e o teste referem-se à média populacional frente ao valor mu.