t para duas amostras

O que o bloco faz

models/t_test Compara médias de dois grupos independentes pelo teste t. A saída é data/test.

Antes de continuar

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

Hipótese nula

A afirmação que o teste põe à prova, em geral a de que não há efeito ou diferença (médias iguais, ausência de tendência). O teste mede o quanto os dados são incompatíveis com ela; não rejeitá-la não prova que ela é verdadeira.

Graus de liberdade

Quantas informações independentes sobram para estimar uma variabilidade depois de estimados os outros parâmetros. Definem qual distribuição t, F ou qui-quadrado se usa no teste; com poucos graus de liberdade a inferência fica mais incerta.

Variância

A média dos quadrados das distâncias de cada valor à média: mede o quanto os dados se espalham. O desvio padrão é a raiz quadrada da variância e fica na mesma unidade dos dados.

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 a média de uma resposta numérica em dois grupos independentes.

Pressupostos

• As observações, dentro e entre os dois grupos, 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 resposta é aproximadamente normal em cada grupo (com amostras grandes, o teorema central do limite alivia). O models/shapiro lê uma coluna só: para conferir por grupo, filtre cada grupo (data/filter) e rode models/shapiro, ou olhe o view/qq.

  Verificar:Shapiro-WilkQuantil-quantil

  Se falhar: Use o models/wilcoxon.

• No t de Student (variâncias iguais ligado), as variâncias dos dois grupos são iguais. O de Welch, padrão, não pede isso.

  Se falhar: Deixe Variâncias iguais desligado (Welch).

Configuração

Informe resposta numérica e grupo com dois níveis. Variâncias iguais seleciona Student; desligado, Welch. Alternativa define direção.

Exemplo

library(trama)

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

tr_flow(reg) |>
  tr_add("dados", "models/example", dataset = "ToothGrowth") |>
  tr_add("resultado", "models/t_test", resposta = "len", grupo = "supp", from = "dados")

ToothGrowth tem dois suplementos e medidas independentes de comprimento dentário.

Como interpretar

Welch não exige variâncias iguais; Student combina as variâncias. A hipótese nula compara médias.