Aulas 13 - Revisão Final - Key

Reviso
Parte II
Tera-feira, 17 de Dezembro de 13
Modelos sem Varivel Dependente
IPEAP 2013
Situao de Pesquisa
Agora o investigador quer saber em que medida a quantidade de chocolates que
cada indivduo come se relaciona com o seu nvel de ansiedade, avaliada com
uma escala variando de 0 = menor ansiedade a 4 = maior ansiedade. Os dados
esto apresentados na Tabela abaixo.
Indivduos i
Chocolates
Ansiedade
Ana
Antnio
David
Filipa
Joana
Joo
Maria
Paulo
Pedro
Ricardo
Rita
Rute
5
2
4
5
6
4
7
4
3
2
8
10
1
0
3
1
2
3
4
3
2
0
4
4
Representao Grfica do Nosso Modelo
V1
r = relao
V2
Medida da relao entre duas

variveis
Covarincia (COV): medida da associao entre duas variveis. Permite
avaliar a existncia e a direo da relao entre duas variveis
quantitativas. A covarincia dada por:
IPEAP 2013
Medida da magnitude da relao

entre duas variveis
Coeficiente de correlao (r de Pearson): medida da associao entre
duas variveis. Permite avaliar a fora (magnitude) e direo da relao
entre as variveis. O r de Pearson e seu Erro-Padro so dados por:
Uma correlao , assim, uma covarincia estandarzidada:

A correlao uma covarincia expressa em unidades de desviospadro porque foi dividida pelo produto dos desvios-padro das
variveis envolvidas;
Uma correlao pode variar entre -1 (correlao negativa perfeita) e +1
(correlao positiva perfeita).
IPEAP 2013
Interpretao da Magnitude do Coeficiente de

Correlao
r=
0.00
0.00
(ausncia de relao entre as variveis)
< r 0.20 (relao muito fraca)
0.20 < r 0.30 (relao fraca)

0.30 < r 0.60 (relao moderada)
0.60 < r 0.80(relao forte)
0.80 < r < 1.00(relao muito forte)
r = 1.00 (relao perfeita)
IPEAP 2013
Magnitude da Relao
V1
r = 0.736
Relao forte
Positiva
Varincia
Compartilhada = 2 = r2
= 0.7362
V2
Ausncia de Relao
V1
V2
Relao Fraca
V1
V2
Relao Moderada
V1
V2
V1
V2
Relao Forte
Relao Perfeita
(V1 = V2)
r2 = 0.542
IPEAP 2013
Voltemos questo fundamental da

inferncia estatstica:
Amostra (n)
rX1.X2 = 0.736
Como, a partir do
que observamos na
amostra, podemos
inferir o que se
passa na populao?
Populao (N)
X1.X2 = ?
IPEAP 2013
Teste de Hipteses
i. Hipteses
H0 : r = 0
H1: r 0
Rever a aula sobre o teste

de hiptese?
0.05
ii. Estatstica de teste
Estatstica de teste = 3,439
iii. Deciso
estatstica de teste (3,439) |valor crtico (2,228)| logo rejeito H0!
iv. Concluso
Podemos assim dizer que existe na populao uma correlao
forte e positiva (r = 0.736, p < .05) entre a ansiedade e a
quantidade de barras de chocolates que os alunos comem.
IPEAP 2013
10
Modelos com uma Varivel

Dependente e um Preditor Contnuo
IPEAP 2013
11
Situao de Pesquisa
Agora o investigador levantou a hiptese de que ao observar o nvel de
ansiedade dos alunos (0 = menor ansiedade a 4 = maior ansiedade) se
consegue prev a quantidade de chocolates que cada aluno come. Os dados
esto apresentados na Tabela abaixo.
Indivduos i
Chocolates
Ansiedade
Ana
Antnio
David
Filipa
Joana
Joo
Maria
Paulo
Pedro
Ricardo
Rita
Rute
5
2
4
5
6
4
7
4
3
2
8
10
1
0
3
1
2
3
4
3
2
0
4
4
12
Representao Grfica dos Modelos

Modelo Nulo: Yi = b0
Intercepto
b0
Yi
Modelo Proposto: Yi = b0 + b1Ansiedadei

Intercepto
Ansiedadei
b0
b1
Yi
13
Modelo Proposto: Representao Grfica e

Interpretao dos Resultados
Yi = 2.311 + 1.195*Ansiedadei
10!
Na medida em que aumenta um

ponto na ansiedade, aumentam
1.195 chocolates.
9!
Nmero de Chocolates!
8!
7,091!
7!
5,896!
6!
4,701!
5!
3,506!
4!
3!
2,311!
2!
1!
0!
0!
1!
2!
Ansiedade!
3!
4!
Intercepto = Chocolates quando a ansiedade = 0

14
Em que medida o Modelo Proposto melhor

do que o Modelo Nulo
Proportional Reduction in Error (PRE):
Onde:
SSE = Soma dos quadrados dos erros;
IPEAP 2013
15
Em que medida o Modelo Proposto melhor

do que o Modelo Nulo
Por conveno, PRE designado R2:
R2 = 0.542 interpretado como o tamanho do efeito e representa a proporo do

erro reduzida pelo modelo proposto;
Neste caso, pode-se dizer que o Modelo Proposto representa uma reduo de
54,2% (0.542*100) no erro de estimao relativamente ao Modelo Nulo. Isto
significa que a ansiedade explica 54.2% da varincia do consumo de chocolates;
A raiz quadrada do R2 representa a correlao mltipla ( R ) entre o conjunto dos
preditores e a varivel dependente:
Compare com a aula sobre

correlao
IPEAP 2013
16
Inferncia sobre os Parmetros Estimados
Amostra (n)
b0 = 2.311
b1 = 1.195
Populao (N)
0 = ?
1 = ?
Como, a partir do
que observamos
na amostra,
podemos inferir o
que se passa na
populao?
IPEAP 2013
17
Teste de Hiptese
Ser o valor estimado para 0 (b0 = 2.311) significativamente
diferente de 0?
Formulao das Hipteses
H0: 0 = 0 (Hiptese Nula)
H1: 0 0 (Hiptese Alternativa)
0.05 (erro do tipo 1)
IPEAP 2013
18
Teste de Hipteses
i. Hipteses
H 0 : 0 = 0
rever as aulas sobre o teste

de hiptese de b0
H1: 0 0
0.05
Estatstica de teste = 2.498
iii. Deciso
estatstica de teste (2.498) |valor crtico (2,228)| logo rejeito H0!
iv. Concluso
Podemos assim dizer que, na populao, a quantidade de
chocolates que os indivduos com grau de ansiedade mais baixo
(i.e., ansiedade = 0) comem diferente de zero.
IPEAP 2013
19
Teste de Hiptese
Ser o valor estimado para 1 (b1 = 1.195) significativamente
diferente de 0?
H1: 1 0 (Hiptese Alternativa)
IPEAP 2013
20
Teste de Hipteses
i. Hipteses
H 0 : 1 = 0

de hiptese de b1
H1: 1 0
0.05
iii. Deciso
iv. Concluso
Podemos assim dizer que, na populao, o peso da ansiedade na
quantidade de chocolates significativamente diferente de zero.
IPEAP 2013
21
Inferncia sobre o PRE (R, R2)
Amostra (n)
R = 0.736
Como, a partir do
que observamos na
amostra, podemos
inferir o que se
passa na populao?
Populao (N)
=?
IPEAP 2013
22
Teste de Hipteses
i. Hipteses
H0 : = 0

de hiptese do R
H1: 0
0.05
iii. Deciso
estatstica de teste (11.828) |valor crtico (4.960)| logo rejeito H0!
iv. Concluso
Na populao, a reduo do erro implicada pelo modelo proposto
significativamente diferente de zero. Portanto, o modelo
proposto melhor do que o modelo nulo.
IPEAP 2013
23
Modelos com uma Varivel

Dependente Contnua e um Preditor
Dicotmico
IPEAP 2013
24
Problema de Investigao
O investigador levantou a hiptese de que a quantidade de chocolates que
homens e mulheres comem diferente.
Os dados esto apresentados na Tabela abaixo.
Indivduos i
Chocolates
Sexo
Ana
Antnio
David
Filipa
Joana
Joo
Maria
Paulo
Pedro
Ricardo
Rita
Rute
5
2
4
5
6
4
7
4
3
2
8
10
Feminino
Masculino
Masculino
Feminino
Feminino
Masculino
Feminino
Masculino
Masculino
Masculino
Feminino
Feminino
25
Informao sobre as Variveis

necessrio quantificar a varivel independente usando o sistema de
codificao dummy em que se atribui o cdigo 1 uma condio e 0 s outra
condies. O nmero de variveis dummy = C 1, onde C = a quantidade de
categorias.
Indivduos i
Chocolates
Sexo
Ana
Antnio
David
Filipa
Joana
Joo
Maria
Paulo
Pedro
Ricardo
Rita
Rute
5
2
4
5
6
4
7
4
3
2
8
10
Feminino
Masculino
Masculino
Feminino
Feminino
Masculino
Feminino
Masculino
Masculino
Masculino
Feminino
Feminino
Sexo
(Dummy)
1
0
0
1
1
0
1
0
0
0
1
1
Neste exemplo, atribumos 1 para as mulheres e 0 para os homens.

26

Intercepto
b0
Yi
Modelo Proposto: Yi = b0 + b1Sexoi

Intercepto
Sexoi
b0
b1
Yi
27

Yi = 3.169 + 3.663*Sexoi
10!
Nmero de Chocolates!
9! que aumenta um
Na medida em
ponto no sexo, aumentam 3.663
8!
chocolates.
6,832!
7!
6!
5!
4!
3,169!
3!
2!
1!
0!
Maculino = 0!
Feminino = 1!
Sexo!
Intercepto = Chocolates quando o sexo = 0

28
Amostra (n)
b0 = 3.169
b1 = 3.663
Populao (N)
0 = ?
1 = ?
Como, a partir do
que observamos
na amostra,
podemos inferir o
que se passa na
populao?
IPEAP 2013
29
Teste de Hipteses
i. Hipteses
H 0 : 0 = 0

de hiptese do b0
H1: 0 0
0.05
iii. Deciso
iv. Concluso
chocolates que os indivduos do sexo masculino comem
diferente de zero.
IPEAP 2013
30
Teste de Hipteses
i. Hipteses
H 0 : 1 = 0

de hiptese do b1
H1: 1 0
0.05
iii. Deciso
iv. Concluso
O peso do sexo na quantidade de chocolates significativamente
diferente de zero. Isto quer dizer que, na populao, existe diferena
na quantidade de chocolates que homens e mulheres comem.
IPEAP 2013
31
Amostra (n)
R = 0.794
Como, a partir do
que observamos na
amostra, podemos
inferir o que se
passa na populao?
Populao (N)
=?
IPEAP 2013
32
Teste de Hipteses
i. Hipteses
H0 : = 0

de hiptese do R
H1: 0
0.05
iii. Deciso
iv. Concluso
IPEAP 2013
33
Modelo com uma varivel

dependente contnua e um preditor
com mais de duas categorias
IPEAP 2013
34
Situao de Pesquisa
Agora o investigador quer saber se mensagens persuasivas influenciam o consumo de
chocolates. O investigador levantou duas hipteses: uma mensagem informando que o
chocolate faz mal sade implica menor consumo de chocolates em comparao com
uma mensagem neutra; enquanto uma mensagem informando que o chocolate faz bem
leva a mais consumo do que uma mensagem neutra. Para testar estas hipteses, o
investigador manipulou o contedo das mensagens por meio da alocao aleatria dos
alunos em um de trs grupos: condio chocolate faz mal; condio de controlo em que a
mensagem no envolvia chocolates; condio chocolate faz bem. Os dados esto
apresentados na Tabela abaixo.
Indivduos i
Chocolates
Mensagem
1
2
3
4
5
6
7
8
9
10
11
12
5
2
4
5
6
4
7
4
3
2
8
10
Controlo
Faz Mal
Controlo
Faz Bem
Controlo
Faz Mal
Faz Bem
Controlo
Faz Mal
Faz Mal
Faz Bem
Faz Bem
IPEAP 2013
35
Sistema de Codificao Dummy

Como temos 3 categorias, podemos ento definir 2 variveis dummy
Indivduos i Chocolates Mensagens

1
2
3
4
5
6
7
8
9
10
11
12
5
2
4
5
6
4
7
4
3
2
8
10
Controlo
Faz Mal
Controlo
Faz Bem
Controlo
Faz Mal
Faz Bem
Controlo
Faz Mal
Faz Mal
Faz Bem
Faz Bem
Dummy 1
D1
0
1
0
0
0
1
0
0
1
1
0
0
Dummy 2
D2
0
0
0
1
0
0
1
0
0
0
1
1
IPEAP 2013
36

Intercepto
b0
Yi
Modelo Proposto: Yi = b0 + b1D1i + b2D2i
Intercepto
D1i
D2i
b0
b1
Yi
b2
37
Resoluo do Problema:
Anlise de Regresso Linear Simples
38

Yi = 4.750 2.000*D1i + 2.750*D2i
D1 = os indivduos da condio faz mal

comem menos 2 chocolates do que os
indivduos da condio de controlo.
D2 = os indivduos da
condio faz bem comem
mais 2.75 chocolates do
que os indivduos da
condio de controlo.
Intercepto = Chocolates quando D1 e D2 = 0

39

Yi = 4.750 2.000*D1i + 2.750*D2i
D1 = os indivduos da condio faz mal

comem menos 2 chocolates do que os
indivduos da condio de controlo.
D2 = os indivduos da
condio faz bem comem
mais 2.75 chocolates do
que os indivduos da
condio de controlo.
Intercepto = Chocolates quando D1 e D2 = 0

40
Amostra (n)
b0 = 4.750
b1 = -2.000
b2 = 2.750
Populao (N)
0 = ?
1 = ?
Como, a partir do
que observamos
na amostra,
podemos inferir o
que se passa na
populao?
2 = ?
IPEAP 2013
41
Teste de Hipteses
i. Hipteses
H 0 : 0 = 0

de hiptese do b0
H1: 0 0
0.05
iii. Deciso
iv. Concluso
chocolates que os indivduos da condio do controlo comem
diferente de zero.
IPEAP 2013
42
Teste de Hipteses
i. Hipteses
H 0 : 1 = 0
H1: 1 < 0

de hiptese do b1
0.05
Estatstica de teste = -1.972
iii. Deciso
estatstica de teste (-1.972) < valor crtico (-1.833), logo rejeito H0!
iv. Concluso
O peso da dummy 1 na quantidade de chocolates significativamente
menor do que zero. Isto quer dizer que, na populao, os indivduos na
condio de faz mal comem menos chocolates do que os indivduos da
condio de controlo. Portanto, a hiptese do investigador foi confirmada.
IPEAP 2013
43
Teste de Hipteses
i. Hipteses
H 0 : 2 = 0
H1: 2 > 0

de hiptese do b2
0.05
iii. Deciso
estatstica de teste (2.712) > valor crtico (1.833), logo rejeito H0!
iv. Concluso
O peso da dummy 2 na quantidade de chocolates significativamente
maior do que zero. Isto quer dizer que, na populao, os indivduos na
condio de faz bem comem mais chocolates do que os indivduos da
condio de controlo. Portanto, a segunda hiptese do investigador foi
confirmada.
IPEAP 2013
44
Amostra (n)
R = 0.843
Como, a partir do
que observamos na
amostra, podemos
inferir o que se
passa na populao?
Populao (N)
=?
IPEAP 2013
45
Teste de Hipteses
i. Hipteses
H0 : = 0

de hiptese do R
H1: 0
0.05
iii. Deciso
iv. Concluso
IPEAP 2013
46
Resoluo do Problema com

Anlise de Varincias com um factor (One-way ANOVA)
IPEAP 2013
47
Teste de Hipteses
rever as
aulas sobre o teste
de hiptese na
ANOVA
i. Hipteses
H0 : 1 = 2 = 3
H1: ao menos uma mdia difere das outras
0.05
iii. Deciso

iv. Concluso
Existe ao menos uma diferena entre as mdias de chocolates comidos
nos grupos. Portanto, a manipulao influenciou o consumo de
chocolates. Quais mdias so diferentes umas das outras?.
IPEAP 2013
48
One-way ANOVA: Comparaes Planeadas

Sistema de comparao de mdias usado quando o investigador
tem hipteses especficas para as diferenas entre as mdias. Este
sistema muitas vezes chamado contrastes. Abaixo temos um
exemplo de codificao para comparaes planeadas.
Comparao 1
C1
Comparao 2
C2
G1: Faz Mal
-1
G2: Controlo
-1
G3: Faz Bem
Grupos
Regras: A quantidade de contraste igual ao nmero de graus de

liberdade do numerador; a soma de cada contraste deve ser igual
zero.
C1 = Compara o grupo 1 com o grupo 2;
C2 = Compara o grupo 3 com o grupo 2.
Assim, o grupo 2 (controlo) o grupo de referncia contra o qual os
outros grupos so comparados
IPEAP 2013
49
... e continuando com mais trabalho

Vamos usar comparaes planeadas porque
o investigador tem hipteses especficas
IPEAP 2013
50
Teste de Hiptese
Ser a mdia do grupo faz mal 1 (M1 = 2.750) significativamente
menor do que a mdia do grupo de controlo 2 (M2 = 4.750)? Isto ,
ser 1 (Contraste1 = -2.000) < 0?
H1: 1 < 0 (Hiptese Alternativa)
Ateno direo da hiptese

proposta pelo investigador
IPEAP 2013
51
Teste de Hipteses
i. Hipteses
H 0 : 1 = 0
H1: 1 < 0

de hiptese do b1
0.05
Estatstica de teste = -1.972
iii. Deciso
estatstica de teste (-1.972) < valor crtico (-1.833), logo rejeito H0!
iv. Concluso
O contraste 1 significativamente menor do que zero. Isto quer dizer que,
na populao, os indivduos na condio de faz mal comem menos
chocolates do que os indivduos da condio de controlo. Portanto, a
primeira hiptese do investigador foi confirmada.
IPEAP 2013
52
... e continuando
IPEAP 2013
53
Teste de Hiptese
Ser a mdia do grupo faz bem 3 (M3 = 7.500) significativamente
maior do que a mdia do grupo de controlo 2 (M2 = 4.750)? Isto ,
ser 2 (Contraste2 = 2.750) > 0?
H1: 2 > 0 (Hiptese Alternativa)
Ateno direo da hiptese

proposta pelo investigador
IPEAP 2013
54
Teste de Hipteses
i. Hipteses
H 0 : 2 = 0
H1: 2 > 0

de hiptese do b2
0.05
iii. Deciso
estatstica de teste (2.712) > valor crtico (1.833), logo rejeito H0!
iv. Concluso
O Contraste 2 significativamente maior do que zero. Isto quer dizer que,
na populao, os indivduos na condio de faz bem comem mais
chocolates do que os indivduos da condio de controlo. Portanto, a
segunda hiptese do investigador foi confirmada.
IPEAP 2013
55
FIM
IPEAP 2013
56

Aulas 13 - Revisão Final - Key

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

Aulas 13 - Revisão Final - Key

Enviado por

Direitos autorais:

Formatos disponíveis

Reviso

Modelos sem Varivel Dependente

Representao Grfica do Nosso Modelo

Medida da relao entre duas

Medida da magnitude da relao

Uma correlao , assim, uma covarincia estandarzidada:

Interpretao da Magnitude do Coeficiente de

(ausncia de relao entre as variveis)

< r 0.20 (relao muito fraca)

0.20 < r 0.30 (relao fraca)

Voltemos questo fundamental da

Rever a aula sobre o teste

Modelos com uma Varivel

Representao Grfica dos Modelos

Modelo Proposto: Yi = b0 + b1Ansiedadei

Modelo Proposto: Representao Grfica e

Na medida em que aumenta um

Intercepto = Chocolates quando a ansiedade = 0

Em que medida o Modelo Proposto melhor

Em que medida o Modelo Proposto melhor

R2 = 0.542 interpretado como o tamanho do efeito e representa a proporo do

Compare com a aula sobre

Inferncia sobre os Parmetros Estimados

rever as aulas sobre o teste

rever as aulas sobre o teste

Inferncia sobre o PRE (R, R2)

rever as aulas sobre o teste

Modelos com uma Varivel

Informao sobre as Variveis

Neste exemplo, atribumos 1 para as mulheres e 0 para os homens.

Representao Grfica dos Modelos

Modelo Proposto: Yi = b0 + b1Sexoi

Modelo Proposto: Representao Grfica e

Intercepto = Chocolates quando o sexo = 0

Inferncia sobre os Parmetros Estimados

rever as aulas sobre o teste

rever as aulas sobre o teste

Inferncia sobre o PRE (R, R2)

rever as aulas sobre o teste

Modelo com uma varivel

Sistema de Codificao Dummy

Indivduos i Chocolates Mensagens

Representao Grfica dos Modelos

Modelo Proposto: Yi = b0 + b1D1i + b2D2i

Modelo Proposto: Representao Grfica e

D1 = os indivduos da condio faz mal

Intercepto = Chocolates quando D1 e D2 = 0

Modelo Proposto: Representao Grfica e

D1 = os indivduos da condio faz mal

Intercepto = Chocolates quando D1 e D2 = 0

Inferncia sobre os Parmetros Estimados

rever as aulas sobre o teste

rever as aulas sobre o teste

rever as aulas sobre o teste

Inferncia sobre o PRE (R, R2)

rever as aulas sobre o teste

Resoluo do Problema com

estatstica de teste (11.068) |valor crtico (4.260)| logo rejeito H0!

One-way ANOVA: Comparaes Planeadas

G1: Faz Mal

G3: Faz Bem

Regras: A quantidade de contraste igual ao nmero de graus de

... e continuando com mais trabalho