Sisvar: a Guide for its Bootstrap procedures in multiple comparisons

• Published in: Ciência e agrotecnologia Vol. 38; no. 2; pp. 109 - 112
• Main Author: Ferreira, Daniel Furtado
• Format: Journal Article
• Language: English
• Published: Editora da Universidade Federal de Lavras 01.04.2014; Universidade Federal de Lavras
• Subjects: AGRICULTURE, MULTIDISCIPLINARY; erro tipo I; Monte Carlo; poder; erro tipo I; power; Monte Carlo; poder; type I error
• ISSN: 1413-7054; 1981-1829; 1413-7054
• DOI: 10.1590/S1413-70542014000200001

Sisvar is a statistical analysis system with a large usage by the scientific community to produce statistical analyses and to produce scientific results and conclusions. The large use of the statistical procedures of Sisvar by the scientific community is due to it being accurate, precise, simple and robust. With many options of analysis, Sisvar has a not so largely used analysis that is the multiple comparison procedures using bootstrap approaches. This paper aims to review this subject and to show some advantages of using Sisvar to perform such analysis to compare treatments means. Tests like Dunnett, Tukey, Student-Newman-Keuls and Scott-Knott are performed alternatively by bootstrap methods and show greater power and better controls of experimentwise type I error rates under non-normal, asymmetric, platykurtic or leptokurtic distributions. O Sisvar é um sistema de analise estatística de amplo uso pela comunidade científica para realização de suas análises estatísticas e, portanto, para produção de seus resultados científicos e realização de suas descobertas. O grande uso dos procedimentos de analises estatísticas do, Sisvar pela comunidade científica ocorre em virtude de ter acurácia, precisão simplicidade e robustez. Dentro de tantas opções de analises, o Sisvar tem uma ferramenta não muito usada, que são os procedimentos de comparações múltiplas, usando as aproximações bootstrap. Neste artigo, objetivou-se revisar esse assunto e mostrar algumas vantagens em se utilizar o Sisvar para realizer tal análise na comparação das médias de tratamentos. Testes como os de Dunnett, Tukey, Student-Newman-Keuls e Scott-Knott são aplicados alternativamente por meio de métodos bootstrap e mostram elevado poder e melhor controle das taxas de erro tipo I por experimento sob distribuições não-normais, assimétricas, platicúrticas ou leptocúrticas.