Análise de Medidas Repetidas: Áreas de Uso • São freqüentemente usadas em pesquisas científicas em áreas agrícolas, biológicas, médicas, geográficas, demográficas dentre outras. Medidas Repetidas: Suposições • As observações para cada unidade experimental devem ser expressas em unidades comparáveis; • As observações devem se distribuir normalmente com variância constante entre 2 observações dentro de cada unidade experimental; Medidas Repetidas: Suposições • Requer que as unidades experimentais sejam independentes. Disposição dos Dados Grupos Unidade Experimental 1 1 Condições de Avaliação 1 2 K p y11 p y111 y 112 K 1 2 y 121 M M M M M 1 n1 y 1n 1 1 y 1n 1 2 2 1 y 211 y 212 2 2 y 221 y 222 M M 2 M M n2 M M y 2n 21 g 1 y g11 g 2 y g 21 M g M M ng K y 122 M M y 2n2 2 y g12 y g 22 M y gn g 1 y gn g 2 M K K K K y12 p M y1n1 p y 21 p y 22 p M y 2 n2 p M KM y g1 p K yg2p M KM y gn g p Análise Univariada: Modelo yijk = m + ai + d j(i) + bk + abik + eijk Análise Univariada: Modelo m: representa a média geral; a : representa o efeito do i-ésimo tratamento; d : representa o efeito aleatório da j-ésima unidade experimental dentro do i-ésimo tratamento; b : representa o efeito da k-ésima condição de avaliação; ab : representa o efeito de interação entre o i-ésimo tratamento e a k-ésima condição de avaliação; i j (i ) k ik e ijk : representa o erro aleatório da observação y ijk , Onde, d j (i ) Ç NID (0, s ) 2 d e ijk Ç NID (0,s ) 2 e E ( yijk ) = m + a i + b k + ab ik V(yijk ) = S e é1 êr 2ê = s å êM ( pxp) ê ër r 1 M r r L rù r L rúú M M ú ú r M 1û S : é a matriz de variâncias e covariâncias, também conhecida como matriz uniforme; r : representa a correlação entre dois elementos quaisquer dentro do mesmo vetor resposta; s 2 = s d2 + s e2 Anova e Teste de Efeitos • A tabela de Anova é composta por dois tipos de erros: entre sujeitos e dentro de sujeitos; • Esta Análise Univariada de Perfis admite uma estrutura de Covariâncias Uniforme dada pela matriz S, significando que todos os pares de observações sobre o mesmo sujeito têm igual correlação; Anova e Teste de Efeitos • Para os testes dos efeitos dentro de sujeitos a matriz S deve seguir um certo padrão, conhecido como covariância do tipo H (Huynh e Feldt); • O teste de esfericidade testa este padrão. Se a esfericidade é aceita a matriz S segue o padrão exigido, podendo-se usar o teste F tradicional para testar os efeitos dentro de sujeitos; Anova e Teste de Efeitos • Se o teste de esfericidade é rejeitado, dependendo da probabilidade de rejeição, pode-se usar o Epsilon de Greenhouse e Geisser ou Epsilon de Huynh-Feldt para se ter um F ajustado para testar cada efeito dentro de sujeitos. Tabela Anova Univariada Fonte de Variação GL SQ QM F QM_Grupo/QM_E(A) Grupo g -1 SQ_Grupo QM_Grupo Erro (A) n-g SQ_E(A) QM_E(A) Cond.Avaliação p-1 SQ_Cond.Aval. QM_Cond.Aval. QM_Cond.Aval./QM_E(B) Cond.Aval*Grupo (g-1) (p-1) SQ_Cond*Grupo QM_Cond*Grupo QM_Cond*Grupo/QM_E(B) Erro (B) (n-g) (p-1) SQ_E(B) Total np - 1 QM_E(B) Análise Multivariada de Perfis • O tamanho da amostra se baseia no número de unidades experimentais; • O procedimento multivariado tem menos sensibilidade do que o procedimento univariado; • Não exige o padrão da matriz de variâncias e covariâncias requerido pelo perfil univariado; Análise Multivariada de Perfis • A exemplo da univariada, exige que S deve ser comum a todos os tratamentos, sendo que as componentes aleatórias do erro devem seguir uma distribuição normal; • É assintoticamente equivalente a univariada para os tamanhos de amostras encontrados na prática; Análise Multivariada de Perfis • Só pode ser aplicada quando n-g p-1; • No modelo para análise multivariada as observações são expressas na forma matricial. Modelo Multivariado • E(Y) (n x p) = X (n x g) b (g x p) onde, é y111 êy ê 121 ê . ê . ê . êy ê 1n11 . Y= ê ê . ê . êy ê g11 ê . ê . ê . ê êë y gng 1 y112 y122 . . . y1n12 . . . y1g12 . . . y gng 2 . . . . . . . . . . . . . . . . . . . . . . . . y11 p ù é y11' ù y12 p ú ê y12' ú ú ê ú . ú ê . ú . ú ê . ú . ú ê . ú y1n1 p ú ê y1' n1 ú ú ê ú . ú ê . ú = . ú ê . ú . ú ê . ú y g1 p úú ê y g' 1 ú ê ú . ú ê . ú . ú ê . ú . ú ê . ú ú ê ú y gngp ûú ë y gng û é1n1 0 ê 0 1n 2 ê. . X =ê . ê. . ê. ê0 0 ë é m 11 m 12 êm m 22 ê 21 . . b =ê . ê . ê . . êm ë g1 m g 2 . . . . . . 0ù 0ú . ú ú . ú . ú . 1ng úû . . . . . . . . . m 1 p ù é m 1' ù . m 2 p ú ê m 2' ú ú ê ú . ú ê . ú = . ú ê . ú . ú ê . ú . m gp úû êë m g' úû Y (n x p) : matriz de dados; X (n x g) : matriz de especificação; b (g x p) : matriz de parâmetros que definem a estrutura de variação do comportamento médio da resposta. Os vetores linhas da matriz de parâmetros acima representam o perfil médio de respostas para as unidades experimentais do i-ésimo tratamento. Análise Multivariada: Matriz de Variâncias e Covariâncias és ê s ê 12 . ê S= ê . ê . ê êës 1 p 2 1 s 12 2 s2 . . . s 2 p . . . s 1p ù ú . . . s 2p ú . . ú . . ú ú . . 2 ú . . . s p úû Onde, sij : representa a covariância entre as observações medidas em condições de avaliações distintas; 2 sj : é a variância das observações medidas na mesma condição de avaliação. Hipóteses H0 : não existe interação entre Grupo*Condições de Avaliação (Perfis paralelos) é m 11 ê m 12 ê . H0 :ê ê . ê . êm 1 p 1 ë m 12 ù é m 21 m 13 ú ê m 22 . . ú ê . ú=ê . . ú ê . . . ú ê . m 1 p úû êëm 2 p 1 é m g1 m 22 ù êm m 23 ú ê g2 ú . . ú = ...= ê . . . ú ê . ê . . . ú êm m 2 p úû ë g p 1 m g2 ù m g3 ú ú . . ú . . ú . . ú m gp úû Hipóteses H0 : não existe efeito de Grupo (Perfis Coincidentes) é m g1 ù é m 11 ù é m 21 ù êm ú ê m 12 ú ê m 22 ú ê g2 ú ê . ú ê . ú . ú ê ê ú ê ú = = ...= H0 : . . ê . ú ê ú ê ú ê . ú ê . ú ê . ú êm ú êm 1 p ú êm 2 p ú ë û ë û ë gp û Hipóteses H0 : não existe efeito das Condições de Avaliação (Perfis Horizontais) é m1 p ù é m 11 ù é m 12 ù êm ú ê m 21 ú ê m 22 ú ê 2p ú ê . ú ê . ú . H 0 : ê ú = ê ú = ...= ê ú ê . ú ê . ú ê . ú ê . ú ê . ú ê . ú êm ú ê m g1 ú ê m g 2 ú ë û ë û ë gp û Estatísticas de Testes Multivariados • • • • O critério de Roy; O critério de Wilks; O traço de Hotelling-Lawley; O traço de Pillai. Análise de Medidas Repetidas: Modelos Mistos • É o procedimento mais difundido para análise de medidas repetidas; • Dentre as várias estruturas da matriz de variâncias e covariâncias, tem-se o Componente Simétrico (CS), Auto Regressivo de 1ª Ordem, AR(1), e Não Estruturada (UN). Modelos Mistos: Modelo Y = Xb + Za + e Onde, Y : é o vetor de dados observados; X : é matriz de planejamento para os efeitos fixos; b : é o vetor de parâmetros associados aos efeitos fixos; a : é o vetor de parâmetros associados aos efeitos aleatórios; Z : é a matriz de planejamento para os efeitos aletórios; e : é o vetor de erros aleatórios. a ~ N( 0; s G ) e e ~ N( 0; s R ); 2 2 a e e são não correlacionados; G : matriz de covariâncias associada a a; R : matriz de covariâncias associada a e; éa ù é 0 ù E ê ú = ê ú ëe û ë0 û e V éêa ùú = éêG ëe û ë 0 V = Var(Y) = ZGZ’ + R 0ù Rúû Equações do Modelo Misto X' R ^ Z' R ^ 1 1 X ' R Z b X ' R = ^ ^ ^ 1 Z + G a Z ' R ^ X ^ X Z' R 1 1 ^ ^ 1 1 y y Solução para os Efeitos Fixos e Aleatórios Fixos: 1 b = X' V ^ ^ ^ X X' V 1 1 Aleatórios: ^ ^' ^ a =G Z V 1 y X b y