Alguns Comandos do MINITAB Instrução 1: digitar Ctrl+L ... aparece um espaço em branco – uma janela em branco Instrução 2: digitar o comando selecionado (um dos comandos abaixo mencionados) nesse espaço em branco Instrução 3: clicar em Submit commands comando = mean
comando = center
Média
Padronização Z (mudança de escala) mean c1
valores em c1 em c2 os valores de Zx
comando = stdev
onde Zx = (valor x – média)/dp
Desvio padrão (dp) stdev c1 a tecla F3 ... apaga todos os comandos presentes em Ctr+L
center C1 C2
as quatro operações algébricas ( + - X / ) comando = comando = ADD ADD Somo as colunas c1 c2 c3 e o resultado (a comando = SUBTRACT soma) aparece em c4 comando = MULTIPLY ADD c1 c2 c3 c4 comando = DIVIDE
add c1 10 c2 subtract c1 10 c2 multiply c1 5 c2 divide c1 10 c2
comando = DESCRIBE describe c1
os valo valore ress de idad idadee em c1, c1, por por exem exempl plo, o, e tere teremo moss o resu result ltad ado o da Session estatística descritiva (média, desvio padrão e etc.) na
comando = DESCRIBE BY
por exemplo: exemplo: os valores valores de idade em c1 e em c2 sexo (letra (letra m para o sexo masculino e letra f para o sexo feminino) teremos o resultado da estatística descritiva (média, desvio padrão e etc...) na Session segundo o sexo (masculino e feminino)
describe c1 ; by c2. comando = Print com a constante k1 let k1 = sqrt(42) print k1
o resultado é apresentado na Session
Data Display K1 6.48074
sqrt = square root = raiz quadrada( 42 = 6,48074 comando = LET
let c3 = c1 + c2 soma os valores das colunas c1 e c2, e o resultado vai vai para a coluna c3 Inserir o número 15 na na segunda linha da coluna c1: let c1(2) = 15 Elevar ao ao quadrado quadrado os números números da da coluna coluna c1: let c2 = c1**2 c1**2
comando = N
tamanho da amostra (resultado expresso com a constante k1, por exemplo) let k1 = n(c1) print k1
comando = COUNT
tamanho da amostra (resultado expresso com a constante k2, mas poderia ser k3, k4... etc ) let k2 = count(c1) print k2
comando = NAME
comando = SORT
comando = STACK
(designamos nomes às colunas)
(ordena os valores)
(empilha os valores)
name c1 "A" name c2 "B"
sort c1 c1 resultado em c1
stack C1-C4 C5
ou
o resultado, valores empilhados de c1 até c4, em
2
name c3 "C"
c5
sort c1 c2 resultado em c2 comando = COPY copy c1 c7
os dados de C1 são copiados para c7 comando = rmean exemplo
rmean c1-c5
C1 C2 10 20 10 10 comando =
média da linha (rmean >>> r = row = linhas; mean = média) calcula as médias dos valores das linhas das colunas c1 até c5 e o resultado é apresentado em c6
c6
C3 C4 C5 C6 30 40 50 30 20 20 30 18 cdf = cumulative distribution function
Cálculo da área (probabilidade) de uma curva Normal (de menos infinito até o valor Z ou X) caso a) estatística Z = 1 Normal (média = 0.0 e dp = 1.0)
CDF 1; Normal 0.0 1.0. caso b) valor da variável X (que (que segue a Normal) Normal) = 35 Normal (média = 50.0 e dp = 5.0)
CDF 35; Normal 50.0 5.0.
Procedimento inverso para obter o valor da estatística Z correspondente à probabilidade igual a 2,5%
Procedimento inverso para obter o valor da variável X correspondente correspondente à probabilidade igual a 5% InvCDF 0.05; Normal 50.0 5.0.
InvCDF 0.025; Normal 0.0 1.0.
comandos para gráficos comando = HIST hist c1 histograma dos valores de c1 comando = fitline
comando = BOXP boxp c1 box-plot dos valores de c1
comando = DOTP dotp c1 dotplot dos valores de c1
linha de regressão; diagrama de dispersão; r2 poder explicativo do modelo de ajuste (fit) linear fitline c2 c1
nas colunas: c1 e c2 os valores das variáveis variáveis numéricas (peso e altura, por exemplo)
coeficiente de correlação ( r ) comando = CORR corr c2 c1 comando = RANK correlação ordinal de Spearman nas colunas: c1 e c2 os valores das variáveis numéricas (peso rank c1 c3 e altura, por exemplo) rank c2 c4 rank c1 c3 assinala em c3 as posições dos valores de c1 corr c3 c4 comando = SET em seqüência (I) comando = SET Set C1 para inserir números em c1 exemplo: 2 2
set c1 2(2) 3(4) end
3333
1( 1 : 10 / 1) 2 End.
duas vezes o nº 1, duas vezes o nº 2 duas vezes o nº 3, duas vezes o nº 4 e etc... até 10 e essa seqüência uma vez (e de um em um) na coluna c1 haverá 20 números
3
comando = SET em seqüência (II) Set C2 1( 1 : 10 / 2) 3 End.
três vezes o nº 1; três vezes o nº 3; três vezes o nº 5; três vezes o nº 7 e ; três vezes o nº 9 e essa seqüência uma vez (e de dois em dois: 1 3 5 7 9) na coluna c2 haverá 15 números comando = Arbitrary Set of Numbers SET em seqüência (III)
consigo inserir, em C1, os números nú meros -1 e +1, um de cada vez, e toda a seqüência 5 vezes terei 10 valores em C1 -1+1-1+1-1+1-1+1 e etc
Set C1 5( -1 +1 )1 End. comando =
CODE
os números de C1
os dados em C1 (mínimo = 18 e máximo = 26, por exemplo) e em C2 o resultado
Code (18:20) 19 (20:22) 21 (22:24) 23 (24:26) 25 C1 C2
os números entre 18 e 20 serão os números entre 21 e 22 serão os números entre 23 e 24 serão os números entre 25 e 26 serão
serão representados em C2 representados pelo número 19 representados pelo número 21 representados pelo número 23 representados pelo número 25
comando = SPLIT worksheet dividir a Planilha segundo uma variável (coluna) C1 ... data ; C2 .. age; C3 …education; C4 .. sexo e etc… SPLIT worksheet segundo a variável sexo (por exº) e assim teremos duas planilhas (uma para sexo masculino e a outra para o sexo feminino)
Split; By 'Sexo'. comando = SUBSET
Subconjunto ou uma amostra da Planilha (população)
as linhas de 10 a 20, por exemplo, vão ser escolhidas para a nova planilha (nome: ALFA) Subset; Rows 10:20; Name "ALFA"; Include. comando = SUBSET CONDITION
Subconjunto ou uma amostra da Planilha (população) com o mouse ir no menu do Minitab e selecionar>>Data>> Subset worksheet>... dou nome à amostra (subset) Rows that match = Condition… (IMC >30) nesse exemplo, IMC são os valores do índice de massa corporal (IMC= Peso/altura 2) Gráfico de Colunas
(médias)
comando = = CHART (I)
uma coluna vs grupos
C1 ...os valores numéricos (idade por exemplo) C2 ... Grupos (a variável sexo, por exemplo)
Chart Mean( c1 ) * c2; Bar. Gráfico de Colunas (médias) comando = CHART (II) duas colunas justapostas C1 e C2 os valores ... = peso e altura (por exemplo) Chart Mean( C1 - C2 );
4
Overlay; Bar. Gráfico de Colunas (médias) comando = CHART (III) duas colunas vs grupos C1 e C2 os valores ... = peso e altura (por exemplo) segundo C3 ... = grupos (sexo,por exemplo) Chart Mean( C1 - C2 ) * C3; Overlay; Bar.
comando = TABLE
é igual a XTABLE C1 C2 (crosstabulation ou cruzamento de variáveis) em C1 a coluna sexo por exemplo em C2 a coluna tabagismo por exemplo
TABLE C1 C2 com média e desvio padrão em C1 a coluna sexo por exemplo em C2 a coluna tabagismo por exemplo em C3 os valores numéricos (batimento cardíaco, por exemplo)
table c1 c2; mean c3; stdev c3.
comando = EXPAND Macro EXPAND
% expand c1 c2 c3 em C1 ... os valores numéricos (escores, por exemplo) em C2 as freqüências (número de vezes, contagem); em C3 …nessa coluna os valores expandidos (resultado) pode ser útil juntar o comando describe ao comando expand
% expand c1 c2 c3 describe c3 o símbolo % especifica que é arquivo macro Confira: há vários arquivos tipo macro na pasta Macros criada no teu HD, quando foi instalado o programa no teu micro (o local dos macros usual é c:>>arquivos de programas>>Minitab 14>>macros>>gmed; gmean..) Conheça: para saber a finalidade de cada macro selecionar com o mouse no menu do Minitab>> Tools>>Notepad (= bloco de notas)>>abrir todos os arquivos e selecionar.
comando = RANDOM
gerar 1000 números em C1 com média 100 e dp =10 Random 1000 C1; Normal 100 10. pode ser útil juntar o comando describe ao comando RANDOM Random 1000 C1;
Normal 100 10. describe c1
Alterar o tipo de dados
Gerar dados aleatórios com o mouse
do tipo texto para tipo numérico, por exemplo
com o mouse ir no menu do Minitab e selecionar>> Calc >Random Data>> selecionamos uma curva (Normal, por exemplo) e especificamos os seus parâmetros (média e desvio padrão) Generate (1000) rows of data em C1 (store)
com o mouse ir no menu do Minitab e selecionar>> Data > Change Data Type
5
Teste Qui-quadrado
Estatística descritiva
com o mouse ir no menu do Minitab e selecionar>>
com o mouse ir no menu do Minitab e selecionar>>
Stat > Tables > CrossTabulation and Chi-Square
Stat > Basic Statistics > Display Descriptive Statistics Teste t de Student
com o mouse ir no menu do Minitab e selecionar>>
Testes-T ou Z Stat > Basic Statistics > 1-Sample Z 1-Sample t 2-Sample t Paired t
Teste de proporção
1 ou 2 amostras
com o mouse ir no menu do Minitab e selecionar>> Stat >Basic Statistics > 1 Proportion 2 Proportions comando = TWOSAMPLE Teste t de Student duas médias (amostras independentes) Intervalo de Confiança (diferença) de médias IC (95%) C1 …dados da amostra I C2 …dados da amostra II
TwoSample C2 C1 ou C1 C2
comando = PAIRED Teste t de Student Duas médias (amostras dependentes, pareadas) Intervalo de Confiança (diferença) de médias IC (95%) C1 …dados da amostra I C2 …dados da amostra II Paired C2 C1 ou C1 C2
Teste de K ruskal Wallis Multiple Comparisons (teste de Dunn-Bonferroni) MACRO em C1, em C2, em C3 .. os valores dos grupos a serem comparados entre si
Teste de
%krusmc C1 C2 C3; unstacked; Falpha 0.05. Kruskal Wallis Multiple Comparisons (teste de Dunn-Bonferroni) MACRO com um grupo Controle
em C2 e em C3 .. os valores dos grupos a serem comparados, apenas, com o C1 (controle) %krusmc c2 c3; control c1; unstacked; Falpha 0.05. comando = Teste de Mann-Whitney Mann-Whitney C1 C2; Alternative 0. comando = KAPPA comando = ChiSquare
Índice de concordância com os dados nas colunas c1 e c2 C1 ... sexo, por exemplo (masculino e feminino)
com os dados nas colunas c1 e c2 C1 ... sexo, por exemplo (masculino e feminino) C2 ... tabagismo, por exemplo (fuma e não fuma)
6
C2 ... tabagismo, por exemplo (fuma e não fuma) XTABS C1 C2; Kappa.
ChiSquare C1 C2 comando = PLOT
comando = REGR
regressão linear nas colunas C1(abcissa) e em C2(ordenada) os valores regr c2 1 c1 numéricos
comando = ANOVA one-way = 1 fator
scatterplot = diagrama de dispersão plot c1*c2 comando = ANOVA two-way = 2 fatores
na coluna C1 os valores numéricos e em C2 os códigos dos níveis do fator (dos grupos) anova C1 = C2
na coluna C1 os valores numéricos e em C2 e em C3 os códigos dos níveis dos fatores
ou
ou
GLM C1= C2
GLM C1 = C2!C3
Comando = TUKEY
após ANOVA 1-way
anova C1 = C2!C3
em C1 os dados em C2 os grupos
oneway c1 c2; tukey.
Criar arquivos executáveis (exec terminação mtb) usando comandos No menu do Minitab, com o mouse, após executar uma determinada tarefa é possível conhecer os comandos executados pelo programa e, ainda, após selecioná-los – clicar no mouse-lado direito - copiá-los, salvá-los SAVE AS como EXEC files (com terminação mtb, por exemplo) para numa outra ocasião voltar a utilizá-lo
Window
>Project
Manager
>History
ou Ctrl+Alt+H
aí conheceremos os
comandos a serem copiados e salvos Para executar um arquivo exec o procedimento, no menu do Minitab, com o mouse é: File > Other Files > Run An Exec >> Select file>>.... e selecionamos o arquivo exec >> Abrir Escrever um Macro Global No menu do Minitab ir no Tools>Notepad ... digitar Digitar gmacro na primeira linha Digitar o nome do macro na segunda linha (preferência um nome simples)
.......... digitar os vários comandos .........
endmacro na última linha Exemplo de um arquivo macro elaborado pelo usuário gmacro beta set c1 10(10) 10(15) 10(20) end set c2 10(8) 10(12) 10(15) end set c3 10(25) 10(30) 10(35) end describe c1 c2 c3 endmacro
salvar com terminação mac na pasta MACRO beta.mac o nome é beta porque escolhi beta na segunda linha de comando do arquivo macro e para rodar ou Executar arquivo Macro digitar %beta no espaço que aparece após Ctrl+L assim: %beta Para Executar arquivo Macro (***.mac) a partir do disquete (no drive a)
7
Por exemplo, o arquivo beta.mac (fora de pasta no drive a com o disquete) no espaço que aparece após Ctr+L é só digitar %a:beta
Classificação de 3 colunas by C1 Sort c1 c2-c4 c1 c2-c4; By c1 c1 c1 c1. _______________________________
Classificação de 4 colunas by C1 idem colunas anteriores; em C5, por exemplo, a altura
Classificação de 3 colunas by C1 na coluna C1 eu tenho, por exemplo, os nomes que devem ser colocados em ordem alfabética, mas as demais colunas C2 C3 e C4 devem seguir os nomes em C1 em C2, por exemplo, o sexo em C3, por exemplo, a idade; em C4, por exemplo, o peso
Sort c1 c2-c5 c1 c2-c5; By c1 c1 c1 c1 c1.
TALLY com porcentagem
Teste Exato de Fisher
Contagem e % das colunas
p-valor é bilateral XTABS C1 C2; Fisher.
comando = TESTE de Tukey
comando = TESTE de Tukey (anova 2-way) com IC e p-valor
tally c1 c2; counts; percents.
(anova 1-way) com IC e p-valor # valores (dados) na coluna C1 #fator na coluna C2
# valores (dados) na coluna C1 # fator na colunas C2 e C3
GLM c1 = c2; Pairwise c2; Tukey.
GLM c1 = c2! c3; means c2!c3; Pairwise c2!c3; Tukey.
teste t- Student
Gráfico de médias
com Summarized data
plot of means
duas amostras independentes
TwoT 23 13.3 1.7 19 12.4 1.8 Sample Size: 23 e 19 Mean: 13.30 and 12.40 Standard deviation: 1.7 and 1.8 comando = ANCOVA C1 … sexo por exº C2 … QI por exº C3 … valores C4 … idade (covariado)
GLM c3 = c1!c2; Covariates c4; means c1!c2.
c1 os dados em c2, sexo, por exº em c3, QI, por exeº
interact c3 c2; responses c1.
comando = LET para módulo
let c1 = abs(c1) comando = LET para Média Geométrica let c2 = ANTILOG(SUM(LOGT(C1)/COUNT(C1))) comando = LET para exponencial (ex) onde e = 2.7183
let c2 = exp(c1) Expressão lógica do comando LET
8
= ou EQ igual a ... exemplo, let c2 = (c1=5) ou let c2 = c1 EQ 5 - = ou NE não igual a a ... exemplo, let c2 = (c1=-5) ou let c2 = c1 NE 5 < ou LT menor que ... exemplo, let c2 = c1 LT 5 > ou GT maior que ... exemplo, let c3 = c1 GT 5 < = ou LE menor ou igual a ... exemplo, let c4 = c1 LE 5 > = ou GE maior ou igual a ... exemplo, let c5 = c1 GE 5
comando = GMED
macro cálculo da mediana
obtém-se a mediana de valores tabelados (ou agrupados)
dados em C1 em C2 as freqüências
cdf 11.36 k1; F 4 20. let k2 = 1-k1 print k2 obs.: k2 é o p-valor obtido associado ao Fcalculado os números 4 e 20 são os gl
%gmed C1 C2
%DOTP C1 C2 C3; ONEPAGE.
Cálculo do p-valor da estatística F após o teste ANOVA Fcalculado = 11.36
macro
%DOTP C1 C2 C3; macro OPTION 2; média±dp ONEPAGE.
o default é mediana e quartis
Comando = PARS Soma parcial acumulada
dados em C1 e a soma acumulada em C2 let c2 = PARS (c1)
Comando = DO ENDDO
Exemplo. O resultado fica assim: C1 C2 20 20 20 20 20 20 20 20 20 20
gmacro DOENDDO DO k1 = 1:10 let c1(k1) = 20 let c2(k1) = 30 ENDDO endmacro para rodar o macro DOENDO
30 30 30 30 30 30 30 30 30 30
basta digitar %ENDOENDO no espaço após Ctr+L (submit Commands>
Comando DO ENDDO duas vezes gmacro doenddo
Exemplo. O resultado fica assim: C1 5
C2 C3 C4 10 15 45
9
DO k1 = 1:3 let c1(k1) = 5 let c2(k1) = 10 ENDDO DO k2 = 1:5 let c3 = c1+c2 let c4(k2) = sum (c3) ENDDO endmacro
5 5
10 10
15 15
45 45 45 45
ANOVA de MEDIDAS REPETIDAS Modelos RM ANOVA que devem ser especificados em General Linear Model RM ANOVA = anova de medidas repetidas
STAT > ANOVA > General Linear Model dados (responses) em C1
RM ANOVA (I) apenas uma variável dependente (A) model: A R; onde R is random factor em c2, fator repetido A; (dependente = within-subjects) em c3, fator R ... Réplicas (ou unidades experimentais); dados (responses)
GLM c1 = c2 c3;
em C1
means c2; Pairwise c2; Tukey; NoCI; GHistogram; GNormalplot; GFits.
para se obter o teste de comparação múltipla de Tukey, quando se especifica o modelo RM ANOVA, o fator R deve ser considerado como efeito fixo (e não aleatório ou “random”)
RM ANOVA (II) uma variável independente (fator A) e uma variável dependente (fator B) model: A!B R(A); onde R is random factor em c2, fator A (between-subjects) ; em c3, fator repetido B (dependente = within-subjects) em c4, fator R ... Réplicas (ou unidades experimentais); dados (responses) em C1
GLM c1 = c2!c3 c4(c2); means c2!c3; Pairwise c2!c3; Tukey; NoCI; GHistogram; GNormalplot; GFits.
RM ANOVA (III) duas variáveis independentes ( A e B) e apenas uma variável dependente (C) model: A!B!C R(A B); onde R is random factor em c2 e em c3, fatores A e B (between-subjects) ; em c4, o fator repetido C (dependente = within-subjects); em c5, o fator R ... Réplicas (ou unidades experimentais);
10
dados (responses) em C1
GLM c1 = c2!c3!c4 c5(c2 c3); random c5; means c2!c3!c4; GHistogram; GNormalplot; GFits.
RM ANOVA (IV) três variáveis independentes ( A B C) e apenas uma variável dependente (D)
model: A!B!C!D
R(A B C);
onde R is random factor
em c2, c3 e c4, os fatores A, B e C (between-subjects); em c5, fator repetido C (dependente = within-subjects) em c6, o fator R ... Réplicas (ou unidades experimentais); dados (responses)
em C1
GLM c1 = c2!c3!c4!c5 c6(c2 c3 c4); random c6; means c2!c3!c4!c5; GHistogram; GNormalplot; GFits.
________________________________________________________________
RM ANOVA (V) nenhuma variável independente e duas variáveis dependentes (A e B) model: A!B A*R B*R R; onde R is random factor em c2 e em c3, os fatores repetidos A e B (dependente = within-subjects) ; em c4, o fator R... Réplicas (ou unidades experimentais);
dados (responses) em C1
GLM c1 = c2!c3 c2*c4 c3*c4 c4 ; random c4; means c2!c3; GHistogram; GNormalplot; GFits.
para se obter o teste de comparação múltipla de Tukey, quando se especifica o modelo RM ANOVA, o fator R deve ser considerado como efeito fixo (e não aleatório ou “random”)
11
RM ANOVA (VI) uma variável independente (A) e duas variáveis dependentes (B e C)
model: A!B!C B*R C*R R(A); onde R is random factor em c2, o fator A (independente = between-subjects); em c3 e em c4, os fatores repetidos B e C (dependente = within-subjects) ; em c5, o fator R ... Réplicas (ou unidades experimentais);
dados (responses) em C1
GLM c1 = c2!c3!c4 c3*c5
c4*c5 c5(c2);
random c5; means c2!c3!c4; GHistogram; GNormalplot; GFits.
comando = EXEC com LOOP cálculo de médias de “n em n” linhas de valores em uma coluna C1; o resultado na coluna C2 let k1 = k1+2 ou let k3 = k1+1 e etc... indica o loop que deve ser inicializado com let k1 =1 e let k3 = 1 inicializar com na Session após Editor >> Enable Commands MTB > let k1 = 1 < enter> MTB > let k3 = 1 < enter>
inicializar com na Session após Editor >> Enable Commands MTB > let k1 = 1 < enter> MTB > let k4 = 1 < enter>
comando = EXEC com LOOP médias de 2 em 2 linhas
comando = EXEC com LOOP médias de 3 em 3 linhas
Let k2 = k1+1 Let c2(k3) = (c1(k1)+c1(k2))/2 Let k1 = k1+2 Let k3 = k3+1
Let K2=K1+1 Let K3=K2+1 Let C2(K4)=(C1(K1)+C1(K2)+C1(K3))/3 Let K1=K1+3 Let K4=K4+1
salvamos esses comandos são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº:
salvamos esses comandos são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: means3rowsby3rows.mtb
means2rowsby2rows.mtb
salvar com terminação mtb comando = EXEC com LOOP médias de 5 em 5 linhas
12
inicializar com na Session após Editor >> Enable Commands mtb>LET K1=1 < enter> mtb>LET K6=1 < enter>
Let K2=K1+1 Let K3=K2+1 Let K4 = K3+1 Let K5 = K4+1
Let C7(K6)=(C6(K1)+C6(K2)+C6(K3)+C6(K4)+C6(K5))/5
Let K1=K1+5 Let K6=K6+1
salvamos esses comandos são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº:
means5rowsby5rows.mtb
13
comando = EXEC com LOOP == cálculo de médias de “n em n” linhas de valores em uma coluna C1; o resultado na coluna C2 (continuação)
Três Possibilidades para executar o EXEC com LOOP Cálculo das médias de 2 em 2 linhas da coluna C1 Exemplo (em C1 há 180 números)
Primeira etapa. Inicialização na Session (duas formas possíveis) 1ª) digitar na Session os dois comandos de inicialização: let k1=1 e após Editor >> Enable Commands MTB > let k1=1 << enter >> MTB > let k3=1 << enter >>
MTB > 2ª) digitar Ctrl+L e no espaço em branco digitar os dois comandos de inicialização: let k1=1 e e clicar em Submit commands
let k3=1
let k3=1
(fim da primeira etapa) (etapa comum às três possibilidades de executar o comando EXEC)
Segunda etapa EXEC Primeira possibilidade (EXEC com o mouse no menu do Minitab) Segunda possibilidade (EXEC na Session) Terceira possibilidade (EXEC no espaço Ctrl+L)
Primeira possibilidade (EXEC com o mouse no menu do Minitab) MTB > let k1=1 < enter > MTB > let k3=1 < enter > MTB > Agora com o mouse ir selecionar File > Other Files > Run An Exec k vezes no nosso caso que C1 tem 180 valores 180 / 2 = 90 vezes, ou seja, k = 90. nesse caso devo digitar o número 90 Com o mouse select file means2rowsby2rows.mtb << abrir>> Continuação da Primeira possibilidade (EXEC com o mouse no menu do Minitab) Observação: na Session temos: Executing from file: C:\Arquivos de programas\MINITAB 14\CK Execs Loops Macros\means2rowsby2rows.mtb
Esse é o caminho, o local means2rowsby2rows.mtb
onde
se
encontra o
arquivo
Esse caminho, essa especificação, pode ser copiada (basta selecionar e
14
ctrl+C) e colado no espaço Ctrl+L (terceira possibilidade) ou, novamente, se for o caso, na própria Session (segunda possibilidade).
Segunda possibilidade (EXEC na Session)
Após a inicialização: MTB > let k1=1 < enter > MTB > let k3=1 < enter > MTB > É para digitar EXEC seguindo de aspas o caminho para se chegar ao arquivo exec com nome de means2rowsby2rows.mtb MTB > EXEC "C:\Arquivos de programas\MINITAB 14\CK Execs Loops Macros\means2rowsby2rows.mtb" 90 << enter >> no nosso caso que C1 tem 180 valores (portanto 180/2 = 90 vezes)
Terceira possibilidade (EXEC no espaço Ctrl+L)
Edit >> Command Line Editor ou Ctrl+L Nesse espaço em branco temos de digitar a inicialização do looping: let k1 = 1 let k3 = 1
EXEC"C:\Arquivos de programas\MINITAB 14\CK Execs Loops Macros\means2rowsby2rows.mtb" 90
no nosso caso que C1 tem 180 valores (portanto 180/2 = 90 vezes)
comando = CK capabilities com LOOP as médias dos valores de três colunas C1 C2 C3 são apresentadas em C4 nas três linhas de C4 aparecem as médias respectivas das três colunas C1 C2 C3
esses dois comandos:
let c4(k1) = mean(CK1) let k1 = K1+1 ... indica o looping são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: meancolumnsckcapabilities com terminação mtb é necessário a inicialização do looping com let k1 = 1
Primeira etapa. Inicialização na Session (duas formas possíveis) 1ª) digitar na Session os dois comandos de inicialização: let k1=1 e após Editor >> Enable Commands MTB > let k1=1 << enter >> MTB > let k3=1 << enter >>
MTB > 2ª) digitar Ctrl+L e no espaço em branco digitar os dois comandos de inicialização: let k1=1 e e clicar em Submit commands
let k3=1
let k3=1
(fim da primeira etapa) (etapa comum às três possibilidades de executar o comando EXEC)
Segunda etapa. EXEC com CK capabilities
15
observação: a execução desse caso é similar ao caso anterior (média de 2 em 2 linhas)
Primeira possibilidade (EXEC com o mouse no menu do Minitab) Segunda possibilidade (EXEC na Session) Terceira possibilidade (EXEC no espaço Ctrl+L) esses dois comandos:
let c4(k1) = mean(CK1) let k1 = K1+1 são digitados no menu do Minitab>>Tools>>Notepad>> e salvos sob nome, por exº: meancolumnsckcapabilities com terminação mtb
o comando EXEC CK capabilities deve ser efetuado K vezes, ou seja, se forem 3 colunas (C1 C2 C3), então, K = 3
após Ctr+L: digitar Execute "C:\Documents and Settings\usuario\Meus documentos\meancolumnsckcapabilities.mtb" 3 e clicar em Submit commands Os comandos de inicialização – primeira etapa - podem ser salvos sob um arquivo exec (com terminação mtb) e esse arquivo pode ser posto para ser executado dentro do arquivo exec – da segunda etapa. Assim, é possível rodar “um exec dentro de outro exec”.
“um exec dentro de outro exec” Podemos criar um outro arquivo tipo exec para inicializar e executar outro arquivo exec, por exemplo, o arquivo aleska executa o arquivo means2rowsby2rows. Assim, sob nome de aleska.mtb com os comandos abaixo: let k1 = 1 let k3 = 1 EXEC "C:\Arquivos de programas\MINITAB 14\CK Execs Loops Macros\means2rowsby2rows.mtb" 10 Obtém-se, simultaneamente, a inicialização e a execução do arquivo tipo exec means2rowsby2rows (com a execução do arquivo tipo exec sob nome aleska mtb ... é a terminação default do programa para arquivos tipo exec
CRD =
Split-plot ANOVA= parcelas subdivididas
16
completely randomized design = experimento inteiramente
casualizado
Modelos Split-plot ANOVA que devem ser especificados em General Linear Model
STAT > ANOVA > General Linear Model
dados (responses) em C1
Main Plot factor = Hard-to-change factor = HTG = fator principal em C2
Sub-plot factor = Easy to-change factor = ETG = fator secundário em C3
em C4 Whole Plot (WP) = a parcela maior, a principal que deve ser
codificada de forma única (por exemplo, se HTG tiver 3 níveis e houver 3 repetições, então, WP ou seja, as parcelas principais devem ser numeradas de 1 até 9)
CRD Split-plot
Caso (I) 1 main-plot factor ... MP e 1 sub-plot factor ... sp
modelo: MP!sp WP(MP); onde WP ... whole plot é fator aleatório
CRD Split-plot
Caso (II)
2 main-plot factors ... MP1 MP2 e 1 sub-plot factor ... sp
modelo: MP1!MP2!sp WP(MP1 MP2);
onde WP ... whole plot é fator aleatório
CRD Split-plot
Caso (III)
3 main-plot factors ... MP1 MP2 MP3 e 1 sub-plot factor ... sp
MP1!MP2!MP3 sp MP3);
MP1*sp
modelo:
MP2*sp
MP3*sp
WP(MP1 MP2
onde WP ... whole plot é fator aleatório
Caso (IV)
CRD Split-plot
1 main-plot factor ... MP e 2 sub-plot factors ... sp1 and sp2 modelo: MP!sp1!sp2
WP(MP);
onde WP ... whole plot é fator
aleatório Caso (V)
CRD Split-plot
2 main-plot factors ... MP1 MP2 e 2 sub-plot factors ... sp1 and sp2 modelo: MP1!MP2!sp1!sp2 WP(MP1 MP2); onde WP ... whole plot é fator aleatório
Caso (VI)
CRD Split-plot
17
1 main-plot factor ... MP1 e 3 sub-plot factors ... sp1 sp2 and sp3 modelo: MP sp1 sp2 sp3 MP*sp1 MP*sp2 MP*sp3 sp1*sp2
sp1*sp3 sp2*sp3
WP(MP);
onde WP ... whole plot é fator aleatório
Mudar de coluna Texto para coluna Numérica
Mudar de coluna Numérica para coluna Texto
a C1está no formato texto C1-T e após a C1 está no formato numérica C1 e Ctr+ L digitar é para digitar o após Ctr+ L é para digitar o comando: comando: Text C1 C1
Numeric C1 C1
comando = ANOVA three-way = 3 fatores na coluna C1 os valores numéricos e em C2, C3 e em C4 os códigos dos níveis dos fatores
anova C1 = C2!C3!C4
Dot Plot
ou GLM C1 = C2!C3!C4
segundo 2 variáveis em cores diferentes
não aparecem as médias e nem as medianas; só aparecem os pontos em cores diferentes correspondentes aos tipos de tratamento.
C1 … os valores numéricos C2 ... por exº Tempo (códigos: 7 d; 14d; 21d e etc...) C3 ... por exº Tratamentos (códigos: 1: controle; 2: teste e etc...) Dotplot C1*C2; Group C3; Overlay; Dot C3.
NESTED DESIGN If B nested in A, both crossed with C then A!B(A)!C Onde A!B(A)!C = A B(A) C A*C B*C = A!C B*C
B(A)
Um fator B nested in A, ambos cruzados com C B nested in A, both crossed with C then A!B(A)!C
exemplo em C1 .. os valores... notas dos alunos
em C2 ... o fator A … Estratégia de ensino (verbal e visual) em C3 ... o fator B ... Professores (códigos 1; 2; 3 e 4) em C4 ...o fator C … Sexo (masculino e feminino)
modelo: A!B(A)!C ... Ctr+L ... digitar GLM C1 = C2!C4 C3(c2) C3*C4; random C3. Sexo (C) dos alunos
Masculino (C1)
Estratégia de Ensino (A) Visual (A1) Verbal (A2) Professores (B) B1 B2 B3 B4 44
54
60
86
33
53
47
89
55
55
68
86
57
57
72
81
51
56
75
71
37
56
54
55
37
63
37
50
18 Feminino (C2)
30
60
58
44
48
61
55
57
50
48
61
56
Professor aninhado na Estratégia. Ambos são fatores cruzados com os alunos.
Para gerar a figura da Curva Normal – área hachuriada = probabilidade macro %NCRVTAIL
%NCRVTAIL 0.10
%NCRVTAIL 0.10; PARAMS 50 5.
padrão bilateral média = 0 e dp = 1
bilateral média = 50 e dp =5
%NCRVTAIL 0.10; Lower.
%NCRVTAIL 0.10; PARAMS 50 5; LOWER.
padrão unilateral inferior média = 0 e dp = 1
unilateral inferior média = 50 e dp =5
%NCRVTAIL 0.10; PARAMS 50 5; UPPER.
%NCRVTAIL 0.10; Upper. padrão unilateral superior média = 0 e dp = 1
unilateral superior média = 50 e dp =5
Area under Standard Normal Curve
-1.64485
1.64485
0.05 -4
-3
0.05 -2
-1
0 Z
1
2
3
4
19 Area under Normal Curve
41.7757
58.2243
0.05 30
0.05
35
40
45
50
55
60
65
70
Data
comando = WSTAT
macro
cálculo da média obtém-se a média de valores tabelados (ou agrupados) dados em C1 em C2 as freqüências após Ctr+L
comando = expand e describe macro
cálculo da média obtém-se a média de valores tabelados (ou agrupados) dados em C1 em C2 as freqüências
digitar
após Ctr+L
%WSTAT C1 C2 o resultado na Session
digitar
%expand c1 c2 c3 describe c3
Estatística Descritiva de uma Tabela de distribuição de freqüências
macro
dados em C1 em C2 as freqüências após Ctr+L
digitar
%wstat c1 c2 ... para se obter a média %gmed c1 c2 ... para se obter a mediana
%expand c1 c2 c3 describe c3 ... para se obter a média e o desvio padrão
comando = GMEAN
macro
Intervalo de Confiança para a Média Para IC(95%)
cálculo da média geométrica dados em C1 após Ctr+L
digitar
após Ctr+L digitar
OneZ C1; Sigma 0.17.
............................. t- Student
Para IC (95%): após Ctr+L digitar
20
oneT c1
.............................. ..
%gmean c1
.............................
Para IC (98%):
Para IC(90%)
gmean = G = raiz quadrada do produto entre A e H G = (A x H) [1/2]
após Ctr+L digitar
OneZ C1; Sigma 0.17; Confidence 90.0.
A ... média aritmética H ... média harmônica
após Ctr+L digitar
oneT c1; confidence 98.
.............................. ..
.............................
Intervalo de Confiança para a Proporção N = 20; evento = 7
Para IC(99.74%) após Ctr+L digitar
OneZ C1; Sigma 0.17; Confidence 99.74.
após Ctr+L digitar
.............................. ..
POne 20 7; UseZ.
Intervalo de confiança para a variância (IC) Variância = desvio padrão ao quadrado; σ2 = (dp)2
Fórmula: σ2 = gl(s2) /
2 gl
Exemplo resolvido: Se forem conhecidos o “n” (tamanho da amostra) e a variância amostral, então, qual é o IC para a variância, sob nível de 80%? n = 10 e, portanto, gl = n-1=10-1=9; s2 = 2.25 para IC(80%) 100,00% – 80,00% = 20,00%
sobra para as laterais o valor de 20% e teremos 10% e 10% o Minitab apresenta a área de - infinito até
após Ctr+L
digitar:
invcdf 0.90 k1; chis 9. print k1 invcdf 0.10 k2; chis 9. print k2
let k3 = (9*2.25)/k1 print k3
2
21
Data Display K1 14.6837 ... é o valor de Data Display K2 4.16816 ... é o valor de
let k4 = (9*2.25)/k2 print k4 2
superior
2 inferior
Data Display K3 1.37908 esse é o valor de σ2inferior = 1.38 Data Display K4 4.85826 esse é o valor de σ2superior = 4.86 Resposta. IC(80%):Probab.(1.38 ≤ σ2 ≤ 4.86) = 80%
macro HBINS macro que apresenta a freqüência e percentual de observações que caem default bins criadas pelo histograma.
dados em C1
uso de midpoints
%HBINS 20.5 40.5 2 C1 permite especificar os mesmos intervalos de um histograma para apresentar a tabela com os limites de intervalo e as freqüências
o primeiro intervalo do histograma de seus dados em C1 tem um midpoint igual a 20.5, o último intervalo de seu histograma tem um midpoint de 40.5, e o incremento entre os midpoints é 2.
macro HBINS uso de cutpoints o primeiro intervalo do histograma de seus dados começa em 20; o último intervalo de seu histograma termina em 40 e a largura dos intervalos é 2
%HBINS 20 40 2 C1; # cutpoint.
O primeiro argumento após o %HBINS é sempre o menor midpoint/cutpoint, o segundo argumento é sempre o maior midpoint/cutpoint, o terceiro argumento é o incremento e o último argumento é a coluna dos dados.
Exemplo 1. Números que seguem a Normal (mínimo = 57 e máximo = 132). Random 100 C1; Normal 100.0 15.0. minimum c1 maximum c1 %HBINS 57 132 20 c1; cutpoint.
22 Row 1 2 3 4
Intervals 57 to 77 77 to 97 97 to 117 Totals
Frequencies 9 36 48 93
Percents 9.677 38.710 51.613 100.000
Exemplo 2. Números que seguem a Normal (mínimo = 57 e máximo = 132). Random 100 C1; Normal 100.0 15.0. minimum c1 maximum c1
%HBINS 57 132 20 c1
Row 1 2 3 4 5
Intervals 47 to 67 67 to 87 87 to 107 107 to 127 Totals
Frequencies 1 20 53 23 97
Percents 1.031 20.619 54.639 23.711 100.000
Ctr+L Soma
Ctr+L
de matrizes ADD m1 m2 m3 print m3 print m3 Subtração de matrizes Subtract m1 m2 m3
Ctr+L Multiplicação de matrizes MULTIPLY m1 m2 %MATRXDET M1 K1 Ctr+L Determinante da matriz Ctr+L
m3 print m3 print k1 macro
Cálculo do coeficiente de correlação entre duas colunas C1 e C2 by Grupos (na coluna C3)
corr c1 c2; by c3. exº. soma de matrizes
exº. subtração de matrizes
ADD c1-c2 c6 copy c6 m1 ADD c3-c4 c7 copy c7 m2 ADD m1 m2 m3 print m3 copy m3 c8
ADD c1-c2 c6 copy c6 m1 ADD c3-c4 c7 copy c7 m2 Subtract m1 m2 m3 print m3 copy m3 c8
Ctr+L
Ctr+L
exº. multiplicação de matrizes
o resultado (matriz m3) encontra-se nas colunas c8 a c11 e na Session m1 é do tipo (4 x 2) m2 é do tipo (2 x 4) o produto m3 é, portanto, do tipo 4 x 4 Ctr+L
Copy c1 c2 m1 Copy c3-c6 m2 MULTIPLY m1 m2 m3 Print m3 Copy m3 c8-c11
MATRIX TRANSPOSTA
23
Exemplo as linhas passam a serem as colunas e vice-versa
copy c1-c14 m1 transpose m1 m2 copy m2 c20-c31 No início 12 linhas e 14 colunas. Após teremos: 12 colunas e 14 linhas O resultado aparece nas colunas c20 a c31
DELETE rows delete 5 6 11 32 35 c1 as linhas 5 6 11 32 e 35 de C1 são deletadas
log na base 10 = logt = logten a volta é com antilog log na base E = logE a volta é com expo Let c2 = LOGT(c1) os valores estão em C1 Let c2 = LOGE(c1) Let c2 = ANTILOG(c1) é a volta à base 10 Let c3 = EXPO(c1) é a volta dos valores após log natural (base e)
Regressão Linear – Previsão de valores Exemplo. Qual é o valor de Y ( altura) para X: idade = 40 meses? C1 ... idade (meses) C2 ... altura (cm) Regress c2 1 c1; Predict 40.
CHART gráfico de colunas contagem
Exemplo: em C1 .. sexo; em C2 ... Escola
chart c1 c2
CHART função (exº: mean) gráfico de colunas
Exemplo: em C1 .. idade; em C2 ... Peso; em C3 ... Escola
chart mean(c1)*c3 chart mean(c1 c2)*c3
comando =
INDPLOT individual values plot Exemplo: em C1 .. idade; em C2 ... Peso
indplot c1 c2
Gráfico de Colunas: Média±EPM (=erro padrão da média) Exemplo: em C1 ... idade; em C2 ... Peso; em C3 ... sexo
indplot (c1 c2)*c3 no menu com o mouse: Editor>>Add>>Data Display marca caixa (x) Bar e (x) Interval Bar e desmarca (x) (individual plot) seleciona, clica na barra de erro e selecione a opção Options (Standard
Error) ; multiple = 1 e selecione a opção Groups (selecione C3) aparece cores diferentes nas barras de erro e, também, nas colunas comando =
INDPLOT com sobreposição (overlay ) exemplo 1: indplot (c1 c2); overlay.
24
exemplo 2:
indplot (c5 c6 c7); overlay.
Distribuição Binomial de Probabilidade (parâmetros n; x) Probabilidade pontual (PDF) Ctr+L
PDF c1 c2; Binomial n p .
Exemplo 1. Se n= 10; p = 0.3; então, em c1 inserir os valores de nº de eventos (sucessos). E, em C2, teremos os valores (resultados) de probabilidade (P) associados aos valores de C1.
PDF c1 c2; Binomial 10 0.3.
Distribuição Binomial de Probabilidade (parâmetros n; x) CONTINUAÇÃO é, ainda, possível obter todos os resultados possíveis de X sucessos na
SESSION
PDF; Binomial n p . Probabilidade cumulativa (CDF) Ctr+L
CDF c1 c2; Binomial n p .
Exemplo 2. Se n= 10; p = 0.3; então, em c1 inserir os valores de nº de eventos (sucessos). E, em C2, teremos os valores (resultados) de probabilidade cumulativa, somadas (P) associados aos valores de C1.
CDF c1 c2; Binomial 10 0.3.
é, ainda, possível obter todos os resultados possíveis de X sucessos na
SESSION
CDF; Binomial n p . comando Matrixplot
em c1 ... tempo (em minutos) de estudo dos alunos em c2 ... nota na Prova de Bioquímica em c3 ... nota na Prova de Fisiologia em c4 ... nota na Prova de Histologia
Transpose
Matrixplot ( c2 c3 c4 ) *( c1 ); Symbol. matriz transposta inverter dados nas linhas para disposição em colunas
25
comando: em c1 até c6 estão dados que vão para c7 e c8 (após colunas em uso= after) Transpose C1-C6; After. PERCENTILE macro %PERCENTILE C1 C2 C3 dados em C1; os valores de percentil em C2; a resposta em C3 FIGURA DE BARRAS EMPILHADAS (I) – o valor médio foi calculado, a partir das colunas c2 a c5, e representado no gráfico de barras
chart mean(c2-c5)*c1; overlay; stack; bar.
em c1, por exemplo, elementos Carbono, Oxigênio, Fósforo que somados resultam em 100% em c2, em c3 ... até c5, por exemplo, os grupos de agentes clareadores
FIGURA DE BARRAS EMPILHADAS (II) – o valor médio foi inserido, nas colunas c2 a c5, e representado no gráfico de barras chart (c2-c5)*c1; summarized; overlay; stack; bar. em c1, por exemplo, elementos Carbono, Oxigênio, Fósforo que somados resultam em 100% em c2, em c3 ... até c5, por exemplo, os grupos de agentes clareadores
I. Gráfico de Concordância-Sobrevivência -- Survival-Agreement Plot Ronir Raggio Luiz et al./ Journal of Clinical Epidemiology 56 (2003)963-967: Assessment of agreement of a quantitative variable: a new graphical approach proporção de desacordo versus o valor de diferença (em módulo)
em C1 ... valores de diferença (em módulo) entre os dois métodos em C2 ... valores de freqüência correspondente a cada valor de diferença obtido Ltest c1; Frequency c2; Noparametric; Splot; Xminimum 0; Brief 2; KMEstimates; Confidence 95.0; TwoCI.
II. Gráfico de Concordância-Sobrevivência -- Survival-Agreement Plot
26
comparações
em C1 valores de diferença (em módulo) entre os dois métodos; em C2 valores de freqüência correspondente a cada diferença; em C3 códigos, valores, das comparações dos grupos vs o grupo de referência.; em C3 .. código 1 indica método A vs o Método de Referência código 2 indica método B vs o Método de Referência e etc... O percentual se refere à proporção de desacordo segundo o valor de diferença (em módulo) Name c1 "diferença" Name c2 "frequência" Name c3 "comparações"
Ltest c1; Frequency c2; By c3; Noparametric; Splot; Xminimum 0; Brief 2; KMEstimates; Confidence 95.0; TwoCI.
Construção de uma Curva Normal Idealizada
entro com os dados, com a faixa especificada dos dados em C1 em C2 estarão os valores de probabilidade segundo a Normal A Normal é especificada. A média e o dp são escolhidos. indico onde vou colocar as linhas de referência (k1: verticais e k2: horizontais) set c1 320:480/1 end pdf c1 c2; normal 400 20. plot c2*c1; reference 2 0; reference 1 370 400 410; connect.
27 Scatterplot of C2 vs C1 370
400410
0.020
0.015
2 C
0.010
0.005
0.000 300
obs.: média 4dp média 4dp
350
400 C1
450
500
compreende praticamente 100% dos valores = 400 4(20) faixa de 320 até 480
*se quiser que o valor referência zero, na horizontal, apareça na figura terei de inserir reference 2 0; após plot c2*c1 vide abaixo **se quiser que o valor referência zero, na vertical, apareça na figura terei de inserir reference 1 0; após plot c2*c1 vide abaixo set c1 320:480/1 end pdf c1 c2; normal 400 20. plot c2*c1; reference 2 0; reference 1 370 400 410; connect.
Construção de uma Curva Normal Idealizada sob constante k
let k1 = mean(c1)+stdev(c1) se quiser especificar um valor a partir de C1, por exº let k2 = mean(c1)-stdev(c1) se quiser especificar um valor a partir de C1, por exº reference 1 k1 k2; indica linha vertical e referências média 1dp
set c1 0:100/0.1 end let k1 = mean(c1)+stdev(c1) let k2 = mean(c1)-stdev(c1) let k3 = mean(c1) let k4 = stdev(c1) pdf c1 c2;
28
normal k3 k4. plot c2*c1; reference 2 0; reference 2 0.003; reference 1 k1 k3 k2; connect. Scatterplot of C2 vs C1 21.1
50
78.9
0.014 0.012 0.010 0.008 2 C
0.006 0.004 0.003
0.002 0.000
0
0
20
40
60
80
100
C1
…………………………………………………………………………………………………….
Construção de uma curva de Poisson (média k1)
…………………………………………………………………………………………………….
set c1 0:50/1 end let k1 = mean(c1) pdf c1 c2; poisson k1. plot c2*c1; connect.
Análise de Sobrevivência: Kaplan-Meyer dados em C1 os valores de Tempo dados em C2 os valores 1 de 0 C1 Tempo 8 1 7 7 4 5 7 5
C2 Evento 0 0 1 1 0 1 0 1
29
6 3
0 1
Menu Route: Stat > Reliability > Distribution Analysis (Right Censoring)> Nonparametric Distribution Analysis
Variables: Time Clicar em Censor ... Using Censor Columns ..... Evento ... Censoring Value: 0 especificar o valor zero Estimation: especificar o Método (Kaplan-Meyer) Graphs: Survival Plot (especificar) (X) Storage: Survival Probabilities Times for Survival Probabilities C3 C4
STIM1 SURV1 3 0.888889 5 0.634921 7 0.317460
Nonparametric Survival Plot for Tempo Kaplan-Meier Method Censoring Column in Evento
100
Table of Statistics Mean 6.04762 Median 7 IQR *
90 80 t n e c r e P
70 60 50 40 0
1
2
3
4
5
6
7
8
9
Tempo
Applies to Minitab 15
How can I transform attribute data so the assumptions of the regression or ANOVA model are met?
Solution You can use Calc > Calculator to transform binomial data (proportions) or Poisson data (counts). Binomial data (proportions)
You must have one column (or stored constant) for the number of trials (n) and one for the number of events (x). Trials must be positive integers, and events must be integers between 0 and n inclusive. For
30
example, suppose your number of trials are in C1, your number of events are in C2, and you want the transformations stored in C3. Menu Route:
1. Choose Calc > Calculator. 2. In Store result in variable, enter C3. 3. In Expression, enter FTP(C1,C2). 4. Click OK.
The FTP command uses the transformation: (arcsin(sqrt(np/(n+1))) + arcsin(sqrt((np+1)/(n+1))))/2
dados de “n” ou “trials” na coluna C1 e do número de eventos ou “X” em C2 e, depois, após Ctrl+L digitar let c3 = ftp(c1,c2) ……………………………………………………………………………………………………………………..
Poisson data (counts)
You must have one column (or stored constant) for the counts, which must contain nonnegative integers. For example, suppose the counts are in C4, and you want the transformations stored in C5. Menu Route:
1. Choose Calc > Calculator. 2. In Store result in variable, enter C5. 3. In Expression, enter FTC(C4). 4. Click OK.
The FTC command uses the transformation: (sqrt(x)+sqrt(x+1))/2
dados de contagem na coluna C1 e, depois, após Ctrl+L digitar let c2 =
FTC(c1)
……………………………………………………………………………………………………………………..
Statistics for categorical variables
comando STORE Dados em C1 Stores output from TALLY. If you specify n columns with TALLY and request m (COUNTS, CUMCOUNTS, PERCENTS, and CUMPERCENTS) statistics, then the number of columns you require to specify with the STORE subcommand is n + m *n. No statistics are stored for the missing values. The first column you list, contains the data categories, and the rest store the requested statistics in the order in which the subcommands are given. For example,
TALLY C1; PERCENT; COUNT; STORE C2 C3 C4.
stores, the data categories in C2, the percents in C3, and the counts in C4.
31
comando STORE
exemplo 1 com C1 dados em C1
tally c1; counts; percent; cumcounts; cumpercents; store c2 c3 c4 c5 c6. Store deve ser especificado segundo n
+ m*n
Nesse caso, então, n = 1 e m =4, daí 1+4x1 = 5 e, de fato. Foi o que ocorreu. Veja: c2 c3 c4 c5 c6 correspondem a 5 termos, ou seja 5 colunas foram especificadas com o comando store! Outro exemplo para c1 e c2, ou seja, 2 colunas
dados em C1 e dados em C2
C1 C1
c2 Count
c3 CumCnt
c4 Percent
c5 CumPct
c6 C2
10 12 15 20
3 2 4 2
3 5 9 11
15,00 10,00 20,00 10,00
15,00 25,00 45,00 55,00
20 24 30 40
c7 Count 3 2 4 2
c8 CumCnt
c9 Percent
3 5 9 11
15,00 10,00 20,00 10,00
c10 CumPct 15,00 25,00 45,00 55,00
Se n = 2 e m = 4, daí 2+4x2 = 10 ... c3 c4 c5 c6 c7 c8 c9 c10 c11 c12 correspondem a 10 termos, ou seja 10 colunas foram especificadas com o comando store ou storage!
tally c1 c2; counts; cumcounts; percents; cumpercents; store c3-c12.
Ou, com o comando ALL, teremos tudo (counts; cumcounts; percents; cumpercents)
tally c1 c2; all; storage c3-c12. Ou, com o comando ALL , teremos tudo (counts; cumcounts; percents; cumpercents) e SEM o STORE o STORAGE o resultado aparece na Session
tally c1 c2; all.
Desempilhar uma Coluna de dados (em C1) segundo níveis de 1 fator em (C2) Ctr+L Unstack (C1); Subscripts C2; After; VarNames.
