Escolar Documentos
Profissional Documentos
Cultura Documentos
Exemplo:
Quinze alunos foram inquiridos quanto ao seu grau de satisfação (numa escala de 0 a
100) em relação à sua Universidade, obtendo-se os seguintes resultados:
75 60 55 80 52 90 60 91 72 58 77 80 66 40 62
H 0 : µ1 = 72
H 1 : µ1 ≠ 72 (Teste bilateral)
1
Output
T-Test
One-Sample Statistics
Std. Error
N Mean Std. Deviation Mean
Grau de satisfação 15 67,87 14,451 3,731
One-Sample Test
Test Value = 72
95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
Grau de satisfação -1,108 14 ,287 -4,133 -12,14 3,87
2
Interpretação:
Neste exemplo, dado tratar-se de um teste bilateral, compara-se directamente o valor de
p-value=0.287 com α=0.05 (nível de significância). Como p-value=0.287 > 0.05 não se
rejeita H0. Assim, não há evidência estatística para rejeitar a hipótese de que a média de
satisfação (numa escala de 0 a 100) em relação à sua Universidade na população de
alunos que frequentam aquela Universidade é 72, com α=0.05.
Grupo I 2 5 4 6 8 9 7 5 6 5
Grupo II 9 3 8 7 10 11 9 11 7 8
Sabendo que a variável em estudo segue uma distribuição normal, teste se existem
diferenças significativas entre o tempo que os dois grupos de bebés levaram a
adormecer (α=0.05).
H 0 : µ1 − µ 2 = 0 ou H 0 : µ1 = µ 2
H1 : µ1 − µ2 ≠ 0 ou H1 : µ1 ≠ µ 2 (Teste bilateral)
3
Analyze/compare means/independent sample t-test
4
<Define Groups>
<Continue>
<OK>
T-Test
Group Statistics
Std. Error
Grupo N Mean Std. Deviation Mean
tempo levado 1 10 5,70 2,003 ,633
até adormecer 2 10 8,30 2,359 ,746
5
Independent Samples Test
Interpretação:
A primeira tabela apresenta as medidas descritivas dos dados (dimensão n de cada
amostra), média, desvio-padrão e erro-padrão amostrais) e o segundo quadro diz
respeito ao teste de Levene para a homogeneidade (igualdade) das variâncias e ao teste t
para a comparação de duas médias no caso de duas amostras independentes.
H 0 : σ 12 = σ 22
H 0 : σ 12 ≠ σ 22
Note que neste caso no que concerne ao teste de Levene p=0.751, pelo que não se
rejeita a hipótese de que, neste exemplo, as variâncias são iguais. Assim, considera-se
que as variâncias populacionais, embora desconhecidas, são iguais.
O quadro anterior apresenta a seguir o valor da estatística do teste (t) para a igualdade
das médias, o número de graus de liberdade e a probabilidade de significância do teste
(nível de significância descritivo do teste/p-value - sig.).
6
B) Teste t de Student para amostras emparelhadas;
Exemplo:
Um grupo de 10 pessoas é submetido a um tipo de dieta durante um mês, sendo
avaliado o peso no início da dieta (X) e no final da dieta (Y), tendo-se obtido os
seguintes resultados:
X 120 104 93 87 85 98 102 106 88 90
Y 116 102 90 83 86 97 98 108 82 85
Ao nível de 5%, podemos concluir que houve diminuição do peso médio pela aplicação
da dieta?
H 0 : µ1 − µ 2 = 0 ou H 0 : µ1 = µ 2
7
<Ok>
Output
T-Test
Std. Error
Mean N Std. Deviation Mean
Pair X 97,30 10 10,924 3,455
1 Y 94,70 10 11,499 3,636
N Correlation Sig.
Pair 1 X&Y 10 ,975 ,000
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair 1 X - Y 2,600 2,591 ,819 ,747 4,453 3,174 9 ,011
Interpretação:
O valor da estatística do teste é 3.174.
8
Neste exemplo, como o teste é unilateral, o valor do p-value dado pelo output deve ser
p − value
dividido por 2 e comparado apenas com α. Assim, ≅ 0.0055 ≤ 0.05 , logo
2
rejeita-se H0, podendo afirmar-se, com 95% de confiança, que houve diminuição do
peso médio pela aplicação da dieta.
9
Teste de aderência do Qui-Quadrado - Resolução no SPSS
Exemplo 1:
Um modelo de carro de determinada marca é vendido no mercado em 5 cores:
vermelha, branca, preta, azul e cinzenta. Num estudo de mercado para saber a
popularidade das várias cores, analisou-se uma amostra casual tendo-se obtido os
seguintes resultados:
Cor v b p a c
Nº de Observações 88 65 52 45 50
Em face desta amostra, haverá razões para dizer que há preferência por determinada
cor ?
10
Output:
NPar Tests
Chi-Square Test
Frequencies
11
cor
Test Statistics
cor
Chi-Squarea 19,967
df 4
Asymp. Sig. ,001
a. 0 cells (,0%) have expected frequencies less than
5. The minimum expected cell frequency is 60,0.
Exercício 2:
Uma moeda foi lançada ao ar 100 vezes e observaram-se 42 caras e 58 coroas. Serão os
resultados compatíveis com a hipótese de que a moeda é não viciada.
Output:
NPar Tests
Chi-Square Test
Frequencies
face
12
Test Statistics
face
Chi-Squarea 2,560
df 1
Asymp. Sig. ,110
a. 0 cells (,0%) have expected frequencies less than
5. The minimum expected cell frequency is 50,0.
Exercício 3:
O último algarismo de 60 números telefónicos escolhidos ao acaso de uma lista foi:
Nº 0 1 2 3 4 5 6 7 8 9
Freq. 8 3 2 5 4 11 5 11 6 5
Output:
NPar Tests
Chi-Square Test
Frequencies
13
NUMERO
Test Statistics
NUMERO
Chi-Squarea 14,333
df 9
Asymp. Sig. ,111
a. 0 cells (,0%) have expected frequencies less than
5. The minimum expected cell frequency is 6,0.
14
Teste de Homogeneidade do Qui-Quadrado
Situação experimental
Disposição para Estudantes a quem se Estudantes a quem se Totais
assistir à conf. disse que o prof. disse que o prof. tinha 30
tinha 65 anos anos
Com disposição 8 15 23
Sem disposição 17 10 27
Totais 25 25 50
Será que existem diferenças entre os 2 grupos de estudantes quanto à disposição para
assistir à conferência (α=0.05) ?
Resolução no SPSS
15
16
Output:
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Disposição para
assistir à conferência * 50 100,0% 0 ,0% 50 100,0%
Situação experimental
17
Chi-Square Tests
Exemplo: Inquiriu-se 200 pessoas sobre a frequência com que vêem TV e sobre o tipo
de analgésicos antipiréticos que consumiam. A informação obtida resultou na seguinte
tabela:
18
Haverá alguma relação entre o consumo de analgésicos e a frequência com que se vê
televisão ? Comente.
Resolução no SPSS
Output:
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Frequência com que
200 100,0% 0 ,0% 200 100,0%
vê TV * Analgésicos
19
Chi-Square Tests
Asymp. Sig.
Value df (2-sided)
Pearson Chi-Square 12,215a 4 ,016
Likelihood Ratio 12,486 4 ,014
N of Valid Cases 200
a. 0 cells (,0%) have expected count less than 5. The
minimum expected count is 5,50.
20
Teste de Fisher
Resolução no SPSS
Output:
Crosstabs
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
Alcool * Fumador 9 100,0% 0 ,0% 9 100,0%
Count
Fumador
não sim Total
Alcool não 2 3 5
sim 3 1 4
Total 5 4 9
21
Chi-Square Tests
Nota: Para realizar o teste de Fisher usa-se os mesmos comandos do SPSS usados no
caso do teste do qui-quadrado.
A nota de rodapé do 2º quadro indica que 100% dos Eij são inferiores a 5. Neste caso
não se deve utilizar o teste do qui-quadrado. A alternativa é o teste de Fisher, cuja
probabilidade de significância unilateral é 0.357. O SPSS fornece também a
probabilidade de significância exacta para um teste bilateral, neste caso, igual a 0.524.
Para decidir sobre a rejeição ou não da hipótese nula deve-se, em ambos os casos,
comparar-se p-value com α, rejeitando-se a H0 quando p ≤ α.
22
Teste de McNemar
Exemplo: Suponha que uma determinada empresa decide fazer uma campanha
publicitária para promover um produto que tinha colocado no mercado há algum tempo.
A admininstração da empresa pretende saber se as preferências dos consumidores se
modificaram após a campanha publicitária. As respostas de 70 consumidores, aos quais
se perguntou, antes e depois da campanha, se consumiam o produto em causa,
encontram-se resumidas no quadro seguinte:
Depois da campanha
Não Sim
Antes da campanha Sim 5 12
Não 33 20
Resolução no SPSS
Input:
23
Output:
NPar Tests
McNemar Test
Crosstabs
Antes & Depois
Depois
Antes 0 1
0 33 20
1 5 12
Test Statisticsb
Antes &
Depois
N 70
Exact Sig. (2-tailed) ,004a
a. Binomial distribution used.
b. McNemar Test
Sendo p = 0.004 < α = 0.05 rejeitamos H0 e concluímos que houve uma mudança
significativa do consumo após a campanha publicitária.
24