Introdução A Estatistica - Todos Os Testes

Escolher a estatística
correcta
Escolher a estatística correcta
Qual é o teste estatístico que

melhor se adequa aos meus
dados?
2
O que necessita saber para escolher o teste estatístico:
- Questão de investigação
- Que tipo de variáveis vão ser analisadas
- Qual é a natureza dos dados
O que quer fazer com os dados?
3
1- Explorar relações entre variáveis

2- Explorar diferenças entre grupos
4
- Explorar a associação entre pares de variáveis

(correlação/regressão linear)
- Predizer contagens numa variável a partir das contagens de
outra variável (regressão bivariada)
- Predizer contagens numa variável a partir das contagens de
outra variável (regressão múltipla)
- Identificar a estrutura base num grupo de variáveis
relacionadas (análise factorial)
5
VARIÁVEIS QUANTITATIVAS
- Correlação de Pearson: explora a força da relação entre 2 variáveis;

obtém-se a direcção da correlação (positiva/negativa); obtém-se o r de
Pearson e sua significância estatística (p)
- Correlação parcial: Permite controlar possíveis variáveis de confusão;
permite obter uma visão mais “precisa” da relação que ocorre entre 2
variáveis, controladas por uma terceira
- Regressão múltipla: explora a capacidade preditiva dum conjunto de
variáveis independentes em relação a uma medida quantitativa; permite
avaliar a contribuição relativa de cada variável individual
- Análise factorial: condensa um conjunto de variáveis; agrupa as
variáveis/escalas com padrões semelhantes interligados
6
VARIÁVEIS QUALITATIVAS
- Teste de Qui-quadrado: testa a independência vs. relação entre

variáveis
7
Família de testes usados para procurar diferenças significativas

entre grupos de indivíduos
Estas análises envolvem a comparação de médias para cada

grupo relativamente a uma ou mais variáveis dependentes
8
-Teste de T: compara as médias entre 2 amostras independentes (ex:

masculino/feminino) ou entre 2 amostras emparelhadas (antes/depois)
- Análise de variância (ONE-WAY ANOVA): similar ao teste T mas
podem analisar-se simultaneamente mais de 2 grupos; procura-se
apenas comparar as diferenças estatísticas na variável dependente
devido à acção de um único factor (1 variável independente); permite
saber se existem diferenças significativas entre grupos mas não
identifica os grupos (G1/G2 ou G1/G3 ou G2/G3) – Post-hoc tests;
ANOVA- repeated measures (amostras emparelhadas) e ANOVA-
between groups (amostras independentes)
- Análise de variância (TWO-WAY ANOVA): permite testar o impacto de
2 variáveis independentes numa variável dependente (estudo de efeitos
interactivos numa variável dependente); permite inferir acerca do efeito
principal de 1 variável independente; TWA repeated measures e TWA
9 between-groups
- Analise de variância multivariada (MANOVA): similar aos teste

anteriores mas permite analisar mais de 2 variáveis (ex: comparar
diferentes tratamentos em relação a uma variedade de medidas como a
ansiedade, sintomas físicos, depressão)
- Análise de covariância (MANCOVA): permite controlar estatisticamente
os possíveis efeitos duma variável de confusão adicional (covariável);
importante quando se suspeita que um grupo de indivíduos difere de
outro em apenas uma variável que pode por sua vez influenciar o efeito
que a variável dependente exerce na variável dependente
10
Processo de escolha - passo a passo

1- A que questões se propõe a responder?
2- Verifique as escalas e os itens nas perguntas dos
questionários
3- Identifique a natureza das suas variáveis
(independente/dependente); (qualitativas/quantitativas)
4- Desenhe um diagrama para cada uma das questões
colocadas (relação/diferenças)
5- Decida quando usar testes paramétricos vs. não-
paramétricos)*
6- Decisão final
11
Processo de escolha - passo a passo
* Opção 1: usar sempre os testes paramétricos; quando

se tem uma amostra razoavelmente grande alguns
autores consideram correcto utilizar estes testes; procure
na literatura da sua área de investigação que testes
usam os autores e justifique a sua escolha
- Opção 2: manipule (transforme) os dados de forma à
sua distribuição ser normal
- Opção 3: usar testes não-paramétricos (são geralmente
menos robustos ou menos sensíveis a detectar
diferenças)
12
Exemplos:
- Qui-quadrado: teste de independência
Ex. de questão de investigação: Qual é a relação entre o género e

taxa de desistência da terapia?
Variáveis: ✓ 1 variável independente qualitativa (sexo)
✓ 1 variável dependente qualitativa (desistência da terapia)
Diagrama:
Sexo masculino feminino

desistência Sim
não
13
Exercício1: ficheiro survey.sav

Survey ou levantamento que permite obter informação acerca dos
factores que afectam os inquiridos em termos de ajustamento
psicológico e bem estar
Objectivo desta análise Avaliar a correlação existente entre os

sentimentos e o nível de stress
Alternativa não paramétrica:
Correlação de Spearman
14
Variáveis:
Nome da variável Rótulo da variável Instruções de codificação
TPCOISS Total Perceived Control of Mede o grau de controlo dos inquiridos em

Internal State Scale relação aos estados emocionais internos
(emoções, reacções físicas…).
TPCOISS=  pc1 a pc18
TPCOISS = [18 a 90]
TPSTRESS Total Perceived Stress Scale Mede o nível de stress sentido pelos
inquiridos. TPSTRESS=  pss1 a pss10
TPSTRESS= [10 a 50]
15
Exercício1.1. Elaborar o gráfico de dispersão
16

50
40
30
20
10
10 20 30 40 50 60 70 80 90
total PCOISS
17
Exercício1.2. Determinar o R de Pearson
18
Exercício1.2. Determinar o R de Pearson
Correlations
total
perceived
total PCOISS stress
total PCOISS Pearson Correlation 1 -,581**
Sig. (2-tailed) , ,000
N 430 426
total perceived stress Pearson Correlation -,581** 1
Sig. (2-tailed) ,000 ,
N 426 433
**. Correlation is significant at the 0.01 level (2-tailed).
Coeficiente de determinação: r2 = 33,76 Sentir stress permite explicar

34% da variância entre
inquiridos
19
Objectivo desta análise Avaliar a correlação existente entre o

optimismo e afectações negativas entre
homens e mulheres (2 grupos)
1- Dividir a amostra em masculino/feminino

2- Efectuar a análise de correlação
20
Exercício2: dividir a amostra
21
Exercício2: determinar o coeficiente de Pearson

SEX: 1 MALES SEX: 2 FEMALES
50 50
40 40
30 30
total perceived stress
20 20
10 10
10 20 30 40 50 60 70 80 90 20 30 40 50 60 70 80 90
total PCOISS total PCOISS

22
Exercício2: determinar o coeficiente de Pearson
Correlations
total negative
sex total optimism affect Ho: r=0
MALES total optimism Pearson Correlation 1 -,220**
N 184 184
total negative affect Pearson Correlation -,220** 1 Rejeito Ho ou seja: existe
N 184 185
correlação entre as
FEMALES total optimism Pearson Correlation 1 -,394** TPCOISS e total perceived
N
stress nos homens e nas
251 250
total negative affect Pearson Correlation -,394** 1 mulheres
N 250 250
**. Correlation is significant at the 0.01 level (2-tailed).
23
Exemplos:
- Regressão múltipla
Ex. de questão de investigação: Como varia o nível de satisfação da vida

em relação à auto-estima, optimismo e o
Variáveis: nível de stress. Qual o melhor factor
para prever o NSV
✓ 2 ou + variáveis independentes quantitativas (nível de satisfação da vida)

✓ 1 variável dependente quantitativa (auto-estima, optimismo e o nível de
percepção do stress)
Auto-estima
Optimismo Nível de satisfação da vida
Diagrama: Percepão do stress
24
▪ Teste T (2 grupos)
▪ Análise de variância (2 ou + grupos)
▪ Técnicas para amostras emparelhadas (matched paired)
▪ Técnicas para amostras independentes
▪ ONE_WAY (1 variável independente)
▪ TWO-WAY (2 variáveis independentes)
▪ Multivariate analysis (+ 1 variável dependente)
▪ ANCOVA (análise de covariância quando se necessita de
controlar uma variável adicional)
Estes testes só são válidos se seguirem determinados critérios:

- variável dependente quantitativa;
- distribuição normal;
25 - igualdade de variância (teste de Levene, p≥0,05)
Testes de hipóteses: testam o pressuposto da hipótese nula

(Ho); aceita-se ou rejeita-se a Ho consoante o nível de
significância estabelecido
Nível de significância (p) : probabilidade do acaso influenciar

nas diferenças encontradas em determinada ocorrência
Resultado observado Resultado “verdadeiro” na população

experimentalmente usando uma
amostra
A=B A B
A=B correcto Erro de tipo II
A B Erro de tipo I Correcto

26
Quando se usam testes de hipóteses temos que ter em conta os

erros estatísticos:
Erro do Tipo I: A probabilidade de rejeitar a Ho num resultado

que, na realidade, está correcto. Chamado de α (alpha),
geralmente o seu valor máximo é fixado em 0.05 (5%), mas
pode atingir o valor 0,1 (10%) em amostras (n<20);
Erro do Tipo II: A probabilidade de não rejeitar a Ho num

resultado que, na realidade, não está correcto. Chamado de β
(beta), geralmente o seu valor máximo é fixado em 0.20
(20%). Este erro acontece principalmente quando a amostra é
muito pequena.
27

Os erros estatísticos estão associados ao poder do teste:
- Ao tentar controlar o Erro de tipo I está a aumentar o erro de
tipo II
- O poder de um teste depende do tamanho da amostra
- Ter cuidado se: obtiver um resultado não significativo
numa amostra pequena. Deve verificar o poder do teste
(≥80%)
Considerando α= 0,05, aceita-se Ho se p≥0,05 (não existem

diferenças significativas) e rejeita-se Ho se p<0,05
(existem diferenças estatísticas significativas)
28

Efeito do tamanho da amostra:
- Nem sempre o facto de se encontrar diferenças significativas

(p<0,05) numa amostra pode estar correcto, principalmente
em amostras grandes, onde pequenas diferenças podem
tornar-se significativamente diferentes
Estatísticas para analisar o efeito do tamanho da amostra:

eta2 (ANOVA) - representa a proporção da variância da
variável dependente explicada pela variável independente
Interpretação dos valores de eta2

0,01= efeito fraco
0,06= efeito moderado
0,14= efeito forte
29
Exemplos:
- Teste T de amostras independentes
Ex. de questão de investigação: Terão os homens mais auto-estima que

as mulheres?
Variáveis:
✓ variável qualitativa independente com categorias (H/M)
✓ variável quantitativa dependente (nível de auto-estima)
Teste de Mann-Whitney
30
Variável
dependente
Variável
independente
31
Ho: os homens têm o mesmo nível de auto-estima que as mulheres

Group Statistics
Std. Error
sex N Mean Std. Deviation Mean
total self esteem MALES 184 34,02 4,911 ,362
FEMALES 252 33,17 5,705 ,359
Inde pendent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Aceito
Mean Ho ou seja não
Std. Error Difference
F Sig. t df Sig. (2-tailed) DifferenceDifference Lower Upper
total self esteem Equal variances
3,506 ,062 1,622 434 ,105
existem
,85 ,522
diferenças
-,179 1,873
assumed
Equal variances
significativas entre o
1,661 422,349 ,098 ,85
not assumed nível de,510auto-estima
-,156 1,850
nos
homens e as mulheres
32
Calcular o valor de eta2 para o teste t
2
t
eta 2  2
t  ( N1  N 2  2)
substituindo
2
1,62
eta 2   0,006
1,62  (184  252  2)
2
Apenas 6% das diferenças

são atribuídas ao género
(masculino ou feminino)
33

Exemplos – ficheiro experim.sav
Experim.sav é um ficheiro incluído no livro SPSS Survival Guide. Este
ficheiro é fictício e serve para perceber o funcionamento de técnicas
estatísticas
- Teste T de amostras emparelhadas
Questão de investigação: Será que existe diferença significativa no

medo que os mesmos alunos sentem em relação à estatística depois de
realizarem medidas de intervenção, de forma a concluírem com sucesso
a disciplina de estatística
34 Teste de Wilcoxon

35

Paired Sample s Statistics
Std. Error
Mean N Std. Deviation Mean
Pair fear of stats time1 40,17 30 5,160 ,942
1 fear of stats time2 37,50 30 5,151 ,940
Paired Sample s Correlations

Rejeto Ho ou seja: existem
diferenças significativas
N Correlation Sig.
Pair fear of stats time1 & entre os alunos antes das
30 ,862 ,000
1 fear of stats time2 medidas de intervenção e
Paired Sample s Test
depois
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair fear of stats time1 -
2,67 2,708 ,494 1,66 3,68 5,394 29 ,000
1 fear of stats time2
36
Calcular o valor de eta2 para o teste t
2
t
eta 2  2
t  ( N1  1)
substituindo
2
5 ,39
eta 2   0,50
5,39  (30  1)
2
As medidas de intervenção
permitem explicar 50% das
diferenças encontradas nos alunos
em termos de receio da estatística
37
Exemplos:
- ONE-WAY ANOVA (análise de variância entre grupos)
Ex. de questão de investigação: Existe diferença entre o grau de

optimismo para indivíduos com
Variáveis: diferentes idades?
✓ 1 variável qualitativa independente com 2 Alternativa não
ou + grupos (18 a 29 anos, 30 a 44 anos, >45 paramétrica:
anos)
✓ 1 variável quantitativa (grau de optimismo) Teste de Kruskall-Wallis
idade
Diagrama: 18 a 29 anos 30 a 44 anos >45 anos
38 Média do nível de ansiedade


Exemplos – ficheiro survey.sav
39

Geralmente usam-se quando há

violação da homogeneidade dos grupos
40
De scriptiv es
total optimism
95% Confidence Interval for
Mean
N Mean Std. Deviation Std. Error Lower Bound Upper Bound Minimum Maximum
18-29 147 21,36 4,551 ,375 20,62 22,10 7 30
30-44 153 22,10 4,147 ,335 21,44 22,77 10 30
45+ 135 22,96 4,485 ,386 22,19 23,72 8 30
Total 435 22,12 4,429 ,212 21,70 22,53 7 30
Te st of Homogene ity of Variance s
total optimism
Levene
Statistic df1 df2 Sig.
,746 2 432 ,475
Iguais variâncias
Robust Te sts of Equality of Means
total optimism
a
Statistic df1 df2 Sig.
Welch 4,380 2 284,508 ,013
Brown-Forsythe 4,623 2 423,601 ,010
a. Asymptotically F distributed.
41

ANOVA
total optimism
Sum of
Squares df Mean Square F Sig.
Between Groups 179,069 2 89,535 4,641 ,010
Within Groups 8333,951 432 19,292
Total 8513,021 434
sum squares between  groups 179,07 Rejeito Ho ou seja:

eta 2    0,02 existem diferenças
total sum square 8513,02 significativas entre grupos
O factor idade apenas

contribui com 2% para
explicar as diferenças
42

Multiple Comparisons
Dependent Variable: total optimism

Tukey HSD
Mean
Difference 95% Confidence Interval
(I) age 3 groups (J) age 3 groups (I-J) Std. Error Sig. Lower Bound Upper Bound
18-29 30-44 -,74 ,507 ,308 -1,94 ,45
45+ -1,60* ,524 ,007 -2,83 -,36
30-44 18-29 ,74 ,507 ,308 -,45 1,94
45+ -,85 ,519 ,230 -2,07 ,37
45+ 18-29 1,60* ,524 ,007 ,36 2,83
30-44 ,85 ,519 ,230 -,37 2,07
*. The mean difference is significant at the .05 level.
Existem diferenças significativas entre o

43 grupo 18-29 e o grupo >45 anos

23,5
Cuidado com a escala

total optimism 23,0
a,b
Tukey HSD
Subset for alpha = .05
age 3 groups N 1 2 22,5
18-29 147 21,36
30-44 153 22,10 22,10
Mean of total optimism
45+ 135 22,96

22,0
Sig. ,321 ,227
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 144,606.
b. The group sizes are unequal. The harmonic mean 21,5
of the group sizes is used. Type I error levels are
not guaranteed.
21,0
18-29 30-44 45+
age 3 groups
44

Comparações planificadas:
Quando interessa fazer comparações entre grupo

específicos
Questão de investigação: Será que os indivíduos pertencentes

ao grupo 3 (<45 anos) são mais optimistas que os restantes
grupos?
45

A soma dos
coeficientes deve
ser igual a zero
46

Contrast Coefficie nts
age 3 groups
Contrast 18-29 30-44 45+
1 -1 -1 2
Contrast Tests
Value of
Contrast Contrast Std. Error t df Sig. (2-tailed)
total optimism Assume equal variances 1 2,45 ,910 2,687 432 ,007
Does not assume equal 1 2,45 ,922 2,654 251,323 ,008
variances
Rejeito Ho ou seja: existem

diferenças significativas entre
o grupo 3 e os grupo 1 e 2
47
Exemplos:
- TWO-WAY ANOVA (análise de variância entre grupos)
Ex. de questão de investigação: Qual é o efeito da idade no grau de

optimismo para os homens e as mulheres?
Variáveis:
✓ 2 variáveis qualitativa independentes (sexo;
grupo de idades)
✓ 1 variável quantitativa (grau de optimismo)
Diagrama: sexo idade

<30 anos Entre 31 e 49 anos >50 anos
Média do nível de ansiedade Homens
48 Mulheres
- TWO-WAY ANOVA (análise de variância entre grupos)
49
50
51
De scriptiv e Statistics

sex age 3 groups Mean Std. Deviation N
MALES 18-29 21,38 4,330 60
30-44 22,38 3,549 68
45+ 22,23 4,090 56
Total 22,01 3,985 184
FEMALES 18-29 21,34 4,722 87
30-44 21,88 4,578 85
45+ 23,47 4,704 79
Total 22,20 4,734 251
Total 18-29 21,36 4,551 147
30-44 22,10 4,147 153
45+ 22,96 4,485 135
Total 22,12 4,429 435
a
Le vene's Te st of Equality of Error Variances

F df1 df2 Sig.
1,083 5 429 ,369
Aceito Ho ou seja: as variâncias são iguais
Tests the null hypothesis that the error variance of the
dependent variable is equal across groups.
52 a. Design: Intercept+SEX+AGEGP3+SEX * AGEGP3

Ho: Não existe interacção entre o sexo e a idade no nivel de

optimismo
Fraco efeito (1,8%) da idade no
Te sts of Betwee n-Subje cts Effe cts nível de optimismo
Type III Sum Partial Eta
Source of Squares df Mean Square F Sig. Squared
Corrected Model 238,647a 5 47,729 2,475 ,032 ,028
Intercept 206790,069 1 206790,069 10721,408 ,000 ,962
SEX 5,717 1 5,717 ,296 ,586 ,001
AGEGP3 150,863 2 75,431 3,911 ,021 ,018
SEX * AGEGP3 55,709 2 27,855 1,444 ,237 ,007
Error 8274,374 429 19,288
Total 221303,000 435
Corrected Total 8513,021 434
a. R Squared = ,028 (Adjusted R Squared = ,017)
Não existem diferenças significativas entre Aceito a Ho ou seja: a idade

homens e mulheres ao nível do optimismo não interfere no nível de
mas existe diferença entre faixas etárias optimismo entre homens e
mulheres
53
Multiple Comparisons

Tukey HSD total optimism
a,b,c
Tukey HSD
Mean Subset
Difference 95% Confidence Interval
age 3 groups N 1 2
(I) age 3 groups (J) age 3 groups (I-J) Std. Error Sig. Lower Bound Upper Bound
18-29 147 21,36
18-29 30-44 -,74 ,507 ,308 -1,94 ,45
30-44 153 22,10 22,10
45+ -1,60* ,524 ,007 -2,83 -,36
45+ 135 22,96
30-44 18-29 ,74 ,507 ,308 -,45 1,94
Sig. ,321 ,227
45+ -,85 ,519 ,230 -2,07 ,37
45+ 18-29 1,60* ,524 ,007 ,36 2,83 Means for groups in homogeneous subsets are displayed.
Based on Type III Sum of Squares
30-44 ,85 ,519 ,230 -,37 2,07
The error term is Mean Square(Error) = 19,288.
Based on observed means. a. Uses Harmonic Mean Sample Size = 144,606.
*. The mean difference is significant at the ,05 level.
b. The group sizes are unequal. The harmonic mean
of the group sizes is used. Type I error levels are
not guaranteed.
c. Alpha = ,05.
54
Estimated Marginal Means of total optimism

24,0
23,5
23,0
Estimated Marginal Means
22,5
22,0
sex
21,5
MALES
21,0 FEMALES
18-29 30-44 45+
age 3 groups
55
Exemplos:
- MANOVA (análise multivariada de variância)
Ex. de questão de investigação:
Terão os homens uma melhor saúde física e mental (tendo em conta os

níveis de ansiedade; grau de depressão e nível de stress) que as
mulheres?
Variáveis:
✓ 1 variável qualitativa independente (sexo)
✓ 2 ou + variáveis quantitativas (níveis de ansiedade; grau de depressão
e nível de stress
56
Exemplos:
- MANOVA (análise multivariada de variância)
Diagrama:
Homens Mulheres
Ansiedade
Depressão
Nível de stress
57
Outros testes estatísticos
- TESTES NÃO PARAMÉTRICOS
▪ paramétrico ≈ parâmetro ou característica da população

▪ Testes paramétricos: distribuição normal da população
▪ Testes não paramétricos: menos sensíveis e podem falhar
em detectar diferenças entre grupos quando estas existem na
realidade
TNP usam-se quando:

▪ os dados são medidos nas escalas nominal ou ordinal
▪ amostras muito pequenas
▪ distribuição não normal
58
- TESTES NÃO PARAMÉTRICOS
Testes não paramétricos Alternativa paramétrica
Qui-quadrado (teste de independência) ---------
Mann-Whitney Teste T amostras independentes
Wilcoxon Signed Rank Test Teste T amostras emparelhadas
Kruskal-Wallis One-Way ANOVA between groups
Friedman Test One-Way ANOVA repated-

measures
Correlação de Spearman Correlação de Pearson
59
- TESTE QUI-QUADRADO
▪ 2 tipos de teste:
- para 1 amostra (goodness of fit): explora as proporções
de casos que caem em determinadas categorias duma única variável e
compara com valores hipotéticos
- teste de independência: verifica se duas variáveis nominais
(categóricas) estão relacionadas. Compara a frequência de casos
encontrados nas várias categorias duma variável comparando com diferentes
categorias de outra variável. EX: Haverá a mesma proporção de homens e
mulheres que fumam?
Compara-se a frequência observada com a frequência esperada (esta
nunca deve ser <5 em cada célula)
60
Exemplos:
- QUI QUADRADO:TESTE DE INDEPENDENCIA
Ex. de questão de investigação: Haverá a mesma proporção de homens

e mulheres que fumam?
Variáveis:
✓ 2 variáveis qualitativas categóricas (2 ou +)
Diagrama: Tabela de contingência

Sexo masculino feminino
fumadores Sim
não
61
62
63
se x * smoke r Crosstabulation
smoker
YES NO Total
sex MALES Count 33 151 184
Expected Count 35,9 148,1 184,0
% within sex 17,9% 82,1% 100,0%
% within smoker 38,8% 43,0% 42,2%
% of Total 7,6% 34,6% 42,2%
FEMALES Count 52 200 252
% within sex 20,6% 79,4% 100,0%
% within smoker 61,2% 57,0% 57,8%
% of Total 11,9% 45,9% 57,8%
Total Count 85 351 436
% within sex 19,5% 80,5% 100,0%
% within smoker 100,0% 100,0% 100,0%
% of Total 19,5% 80,5% 100,0%
64
Ho: A variável fumador é independente do sexo
Chi-Square Te sts
Asymp. Sig. Exact Sig. Exact Sig.

Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square ,494b 1 ,482
Continuity Correctiona ,337 1 ,562
Likelihood Ratio ,497 1 ,481
Fisher's Exact Test ,541 ,282
Linear-by-Linear
,493 1 ,483
Association
N of Valid Cases 436
a. Computed only for a 2x2 table
b. 0 cells (,0%) have expected count less than 5. The minimum expected count is
35,87.
Aceito Ho ou seja: A
proporção de homens e
mulheres fumadoras é igual
65
Exemplos:
- MANN-WHITNEY TEST
Ex. de questão de investigação: Haverá diferenças entre homens e

mulheres em relação à sua auto-estima?
Variáveis:
✓ 1 variável qualitativa categóricas (sexo)
✓ 1 variável quantitativa
66

Exemplos:
- MANN-WHITNEY TEST
67

Exemplos:
- MANN-WHITNEY TEST
Ho: Os homens têm a mesma auto-estima que as mulheres
Ranks
sex N Mean Rank Sum of Ranks

total self esteem MALES 184 227,14 41794,00
FEMALES 252 212,19 53472,00
Total 436
Te st Statisticsa
total self
esteem
Mann-Whitney U 21594,000 Aceito Ho ou seja: os homens
Wilcoxon W 53472,000
Z -1,227
têm a mesma auto-estima que
Asymp. Sig. (2-tailed) ,220 as mulheres
a. Grouping Variable: sex
68

- TESTE DE WILCOXON
Questão de investigação: Será que existe diferença significativa no

medo que os mesmos alunos sentem em relação à estatística depois de
realizarem medidas de intervenção, de forma a concluírem com sucesso
a disciplina de estatística
69
70
Ranks
N Mean Rank Sum of Ranks

fear of stats time2 - Negative Ranks 25 a 16,36 409,00
fear of stats time1 Positive Ranks 4b 6,50 26,00
Ties 1c
Total 30
a. fear of stats time2 < fear of stats time1
b. fear of stats time2 > fear of stats time1
c. fear of stats time1 = fear of stats time2
Te st Statisticsb
Rejeito Ho ou seja:
fear of stats
time2 - fear of existem diferenças
stats time1 significativas entre os
Z -4,180a
Asymp. Sig. (2-tailed) ,000
alunos antes das medidas
a. Based on positive ranks. de intervenção e depois
b. Wilcoxon Signed Ranks Test
71
Exemplos:
-TESTE DE KRUSKAL-WALLIS
Ex. de questão de investigação: Existe diferença entre o grau de

optimismo para indivíduos com
Variáveis: diferentes idades?
✓ 1 variável qualitativa independente com 2
ou + grupos (18 a 29 anos, 30 a 44 anos, >45
anos)
✓ 1 variável quantitativa (grau de optimismo)
idade
Diagrama: 18 a 29 anos 30 a 44 anos >45 anos
72 Média do nível de ansiedade


Exemplos:
73
Ranks
Menor
age 3 groups N Mean Rank
total optimism 18-29 147 198,18
Intermédio
30-44 153 216,05
45+ 135 241,80 Maior
Total 435
Te st Statisticsa,b
total optimism
Chi-Square 8,573
df 2
Asymp. Sig. ,014
a. Kruskal Wallis Test
b. Grouping Variable: age 3 groups
74
Exemplos:
-TESTE DE FRIEDMAN
Ex. de questão de investigação: Existe diferença entre os resultados dos

exames em estatística ao longo de 3
períodos de tempo (antes da
intervenção/depois da intervenção/ 3
meses depois da intervenção)?
75

Exemplos:
-TESTE DE FRIEDMAN
76

Exemplos:
-TESTE DE FRIEDMAN
Ranks
Mean Rank
fear of stats time1 2,78
fear of stats time2 2,03
fear of stats time3 1,18 Rejeito Ho ou seja: existe um
decréscimo de medo à estatística
ao longo do tempo
Te st Statisticsa
N 30
Chi-Square 41,568
df 2
Asymp. Sig. ,000
a. Friedman Test
77
Objectivo desta análise Avaliar a correlação existente entre os

sentimentos e o nível de stress
78
Ho: não existe correlação entre TPCOISS e total Perceived Stress
Correlations
total
perceived
total PCOISS stress
Spearman's rho total PCOISS Correlation Coefficient 1,000 -,556**
N 430 426
total perceived stress Correlation Coefficient -,556** 1,000
N 426 433
**. Correlation is significant at the .01 level (2-tailed).
Rejeito Ho ou seja: existe correlação entre

as TPCOISS e total perceived stress
79

Introdução A Estatistica - Todos Os Testes

Enviado por

Direitos autorais:

Formatos disponíveis

Introdução A Estatistica - Todos Os Testes

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Introdução A Estatistica - Todos Os Testes

Enviado por

Direitos autorais:

Formatos disponíveis

Escolher a estatística

Qual é o teste estatístico que

O que necessita saber para escolher o teste estatístico:

O que quer fazer com os dados?

1- Explorar relações entre variáveis

1- Explorar relações entre variáveis

- Explorar a associação entre pares de variáveis

1- Explorar relações entre variáveis

- Correlação de Pearson: explora a força da relação entre 2 variáveis;

1- Explorar relações entre variáveis

- Teste de Qui-quadrado: testa a independência vs. relação entre

2- Explorar diferenças entre grupos

Família de testes usados para procurar diferenças significativas

Estas análises envolvem a comparação de médias para cada

2- Explorar diferenças entre grupos

-Teste de T: compara as médias entre 2 amostras independentes (ex:

2- Explorar diferenças entre grupos

- Analise de variância multivariada (MANOVA): similar aos teste

Processo de escolha - passo a passo

Processo de escolha - passo a passo

* Opção 1: usar sempre os testes paramétricos; quando

1- Explorar relações entre variáveis

- Qui-quadrado: teste de independência

Ex. de questão de investigação: Qual é a relação entre o género e

Sexo masculino feminino

1- Explorar relações entre variáveis

Exercício1: ficheiro survey.sav

Objectivo desta análise Avaliar a correlação existente entre os

Alternativa não paramétrica:

1- Explorar relações entre variáveis

Exercício1: ficheiro survey.sav

Nome da variável Rótulo da variável Instruções de codificação

TPCOISS Total Perceived Control of Mede o grau de controlo dos inquiridos em

1- Explorar relações entre variáveis

Exercício1.1. Elaborar o gráfico de dispersão

1- Explorar relações entre variáveis

Exercício1: ficheiro survey.sav

1- Explorar relações entre variáveis

Exercício1.2. Determinar o R de Pearson

1- Explorar relações entre variáveis

Exercício1.2. Determinar o R de Pearson

Coeficiente de determinação: r2 = 33,76 Sentir stress permite explicar

1- Explorar relações entre variáveis

Exercício2: ficheiro survey.sav

Objectivo desta análise Avaliar a correlação existente entre o

1- Dividir a amostra em masculino/feminino

1- Explorar relações entre variáveis

Exercício2: dividir a amostra

1- Explorar relações entre variáveis

Exercício2: determinar o coeficiente de Pearson

total PCOISS total PCOISS

1- Explorar relações entre variáveis

Exercício2: determinar o coeficiente de Pearson

1- Explorar relações entre variáveis

Ex. de questão de investigação: Como varia o nível de satisfação da vida

✓ 2 ou + variáveis independentes quantitativas (nível de satisfação da vida)

2- Explorar diferenças entre grupos

Estes testes só são válidos se seguirem determinados critérios:

2- Explorar diferenças entre grupos