Métodos Pesquisa e Análise

Quantitativa

Texto 8

1
 ETAPAS DA PESQUISA QUANTITATIVA

Definição do Problema de pesquisa, o marco teórico elaborado e as

ETAPA 0
perguntas de pesquisa ou hipóteses determinadas.

O Desenho, no que se estabelece a metodologia que será utilizada, as

ETAPA 1
técnicas de coleta de dados e análises de informação que será realizada.

Operacionalizar as perguntas de pesquisa, convertendo-lhes em indicadores

ETAPA 2 ou variáveis medíveis e desenhar a amostragem e seleção de unidades que
facilitarão a informação solicitada.

Coletar dados, mediante técnicas., considerando que a habitual em

ETAPA 3
metodologia quantitativa é o survey (pesquisa de campo).

Analisar a informação da pesquisa, isto é, analisar e sintetiza mediante a

ETAPA 4 estadística descritiva e generalizar dados da amostra à população realizando
estimações, mediante a denominada estatística inferencial

Processo completa-se com os passos de interpretação, onde se elaborariam

ETAPA
os resultados, e disseminação, no que se preparariam o material para a
FINAL
comunicação dos resultados.

2
 PLANEJAMENTO E ANÁLISES DA PESQUISA QUANTITATIVA II:
Estatística Inferencial

ESTATÍSTICA INFERENCIAL

Intervalos de Confiança e Testes de Hipóteses

Técnicas por meio das quais são tomadas as decisões sobre uma população estatística, decisões estas
baseadas unicamente na observação de uma amostra ou na elaboração de testes de hipóteses.

ESTIMAÇÃO

Processo que consiste em utilizar dados amostrais para estimar parâmetros populacionais
desconhecidos.

1. Estimação da Média de uma População

Média Pontual: O brasileiro consome 60 kg de carne, em média, por ano.

𝜇 = 𝑥̅

Média Intervalar: O consumo médio de carne no país está entre 50 e 70 kg por pessoa por ano.

𝜇 = 𝑥̅ ± 𝑒𝑟𝑟𝑜 (intervalo de confiança)

Exemplo

3
Intervalo de Confiança

Um intervalo de confiança dá um intervalo de valores, centrado na estatística amostral, no qual

julgamos, com um risco conhecido de erro, estar o parâmetro da população.

Nível de Confiança

É a probabilidade de o intervalo conter a verdadeira média estimada. A notação mais usual para o
nível de confiança associado a um intervalo é (1 − 𝛼 )

Quanto maior for o nível de confiança desejado, maior será o intervalo de confiança ou erro.

𝑥̅
(1 − 𝛼 ) = 90%

(1 − 𝛼 ) = 95%

(1 − 𝛼 ) = 99%

Intervalo de ocorrência da média populacional

Calculo do Intervalo de confiança para a média

Caso 1: quando o desvio padrão da média populacional é conhecido.

𝜎
𝜇 = 𝑥̅ ± 𝑒𝑟𝑟𝑜 => 𝜇 = 𝑥̅ ± 𝑍𝛼⁄2 ∙
√𝑛

Caso 2: quando o desvio padrão da média populacional é desconhecido e n>30.

𝑆
𝜇 = 𝑥̅ ± 𝑒𝑟𝑟𝑜 => 𝜇 = 𝑥̅ ± 𝑍𝛼⁄2 ∙ 𝑒𝑟𝑟𝑜
√𝑛

Observação: Para quando amostra é considerada grande (𝑛 > 30), para:

(1 − 𝛼 ) = 90% => 𝑧 = 1,65

(1 − 𝛼 ) = 95% => 𝑧 = 1,96
(1 − 𝛼 ) = 99% => 𝑧 = 2,58

Caso 3: quando o desvio padrão da média populacional é desconhecido e n<30

𝑆
𝜇 = 𝑥̅ ± 𝑒𝑟𝑟𝑜 => 𝜇 = 𝑥̅ ± 𝑡𝛼⁄2 ∙
√𝑛

Para se chegar ao valor de 𝑡𝛼⁄2 , é necessário extrair:

Qual o valor de alfa?
Qual o valor do GL (Graus de Liberdade)?
GL = n - 1

4
Quadro sucinto de Intervalo de confiança

IC
Parâmetro
Uma população Duas populações

Variâncias conhecidas
 𝜎
𝑥̄ ± 𝑍𝛼 𝜎12 𝜎22
(amostras grandes) 2 √𝑛 𝑥̄ 1 − 𝑥̄ 2 ± 𝑍𝛼 √ +
2 𝑛1 𝑛2

Variâncias desconhecidas, mas iguais.

1 1
𝑥̄ 1 − 𝑥̄ 2 ± 𝑡(𝑔,𝛼) 𝑆𝑝 √ +
2 𝑛1 𝑛2
 𝑆
𝑋̄ ± 𝑡𝛼,𝑛−1
(amostras pequenas) 2 √𝑛

𝑝̂ (1 − 𝑝̂ ) 𝑝̂ 1 (1 − 𝑝̂ 1 ) 𝑝̂ 2 (1 − 𝑝̂ 2 )
P 𝑝̂ ± 𝑍𝛼 √ (𝒑 ̂ 𝟐 ) ± 𝑍𝛼 √
̂𝟏 − 𝒑 +
2 𝑛 2 𝑛1 𝑛2

TESTES DE SIGNIFICÂNCIA (OU HIPÓTESES)

O teste de hipótese permite, a partir do valor amostral, buscar prever o comportamento o parâmetro
populacional dado certo nível de significância.

O teste de hipótese é uma regra de decisão que permite aceitar ou rejeitar como verdadeira uma
hipótese nula, com base na evidência amostral.

Definição da hipótese nula e da hipótese alternativa

Chama-se Hipótese Nula (Ho) a informação a respeito do valor da verdadeira média que queremos
avaliar. Lembrando que a hipótese nula sempre trás consigo o sinal de igualdade (=)

Chama-se Hipótese Alternativa (𝐻1 ) a informação a respeito do verdadeiro parâmetro que aceitaremos
caso a hipótese nula seja rejeitada.

Teste de hipótese para a média amostral

1º passo: definir as hipóteses

𝐻0 𝑒 𝐻1

2º Passo: Estabeleça o nível de significância α do teste;

5
3º passo: calcular o estatístico (𝑍𝑐 𝑜𝑢 𝑡𝑐 ):

𝑥̅ − 𝜇 𝑥̅ − 𝜇
𝑍𝑐 = 𝜎 𝑜𝑢 𝑡𝑐 = 𝑆
√𝑛 √𝑛

4º passo: definir o estatístico de teste tabulado (𝑍𝑇 𝑜𝑢 𝑡𝑇 )

5º passo: concluir

IMPORTANTE: Método pv

Concluir utilizando a “Probabilidade de significância (𝒑−𝒗𝒂𝒍𝒐𝒓 ou pv)” com PSPP ou SPSS

Invés de se definir arbitrariamente um valor para α, um procedimento alternativo consiste em

determinar a probabilidade de significância, ou p-valor do teste. Neste caso calcula-se qual a
probabilidade de ocorrerem valores para os parâmetros são mais desfavoráveis à 𝐻0 . Logo julga-se
se tal valor consiste em um evento raro

1) Bilateral 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻1 : 𝜇 ≠ 𝜇0

Rejeitar 𝐻0 se o 𝑝𝑣(𝑏𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙)   (onde  é o nível de significância, por exemplo, 0.05).

Não rejeitar H0 se o 𝑝𝑣(𝑏𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) > 

2) Unilateral 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻1 : 𝜇 < 𝜇0 ou 𝐻0 : 𝜇 = 𝜇0 𝑣𝑠 𝐻1 : 𝜇 > 𝜇0

Para transformar um 𝑝𝑣(𝑏𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) em unilateral divide-se por dois desde que a amostra aponte no
sentido da hipótese alternativa. Caso contrário, calcula-se

𝑝𝑣(𝑢𝑛𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) = 1 − (𝑝𝑣(𝑏𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) ⁄2)

Então Rejeitar 𝐻0 se o 𝑝𝑣(𝑢𝑛𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) ≤  (onde  é o nível de significância, por exemplo, 0.05).

Não rejeitar H0 se o 𝑝𝑣(𝑢𝑛𝑖𝑙𝑎𝑡𝑒𝑟𝑎𝑙) < 

6
Quadro sucinto de Teste de Hipóteses

1. MÉDIAS (variância conhecida)

Hipótese Estatística Critério para rejeitar H0

𝐻0 : 𝜇 = 𝜇0 𝑍𝐶 < −𝑍𝛼/2 𝑜𝑢 𝑍𝐶 > 𝑍𝛼/2
𝐻1 : 𝜇 ≠ 𝜇0
𝐻0 : 𝜇 = 𝜇0 𝑋̅ − 𝜇0
𝑍𝐶 = 𝑍𝐶 > 𝑍𝛼
𝐻1 : 𝜇 > 𝜇0 𝜎 ⁄ √𝑛
𝐻0 : 𝜇 = 𝜇0
𝑍𝐶 < −𝑍𝛼
𝐻1 : 𝜇 < 𝜇0
𝐻0 : 𝜇1 = 𝜇2 𝑍𝐶 < −𝑍𝛼/2 𝑜𝑢 𝑍𝐶 > 𝑍𝛼/2
𝐻1 : 𝜇1 ≠ 𝜇2
𝑋̅1 − 𝑋̅2
𝐻0 : 𝜇1 = 𝜇2 𝑍𝐶 =
𝐻1 : 𝜇1 > 𝜇2 𝜎2 𝜎2 𝑍𝐶 > 𝑍𝛼
√ 1 + 2
𝑛1 𝑛2
𝐻0 : 𝜇1 = 𝜇2
𝐻1 : 𝜇1 < 𝜇2 𝑍𝐶 < −𝑍𝛼

2. MÉDIAS (variância conhecida)

Hipótese Estatística Critério para rejeitar H0

𝐻0 : 𝜇 = 𝜇0
𝑡𝐶 < −𝑡𝛼/2,𝑛−1 𝑜𝑢 𝑡𝐶 > 𝑡𝛼/2,𝑛−1
𝐻1 : 𝜇 ≠ 𝜇0
𝐻0 : 𝜇 = 𝜇0 𝑋̅ − 𝜇0
𝑡𝐶 = 𝑡𝐶 > 𝑡𝛼,𝑛−1
𝐻1 : 𝜇 > 𝜇0 𝑆 ⁄√𝑛
𝐻0 : 𝜇 = 𝜇0
𝑡𝐶 < −𝑡𝛼,𝑛−1
𝐻1 : 𝜇 < 𝜇0

Se 𝜎12 = 𝜎22 = 𝜎 2
𝑋̅1 −𝑋̅2
𝐻0 : 𝜇1 = 𝜇2 𝑡𝐶 = 1 1
,
𝑆𝑃 √ + 𝑡𝐶 < −𝑡𝛼/2,𝑣 𝑜𝑢 𝑡𝐶 > 𝑡𝛼/2,𝑣
𝐻1 : 𝜇1 ≠ 𝜇2 𝑛1 𝑛2

𝑆𝑝 = 𝐷𝑒𝑠𝑣𝑖𝑜 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑜 𝑑𝑒 𝑆1 𝑒 𝑆2
𝑣 = 𝑛1 + 𝑛2 − 2
Se 𝜎12 ≠ 𝜎22
𝑋̅1 − 𝑋̅2
𝑡𝐶 =
𝐻0 : 𝜇1 = 𝜇2
𝑆2 𝑆2 𝑡𝐶 > 𝑡𝛼,𝑣
𝐻1 : 𝜇1 > 𝜇2 √ 1+ 2
𝑛1 𝑛2
𝑣 = 𝑔. 𝑙. 𝐶𝑜𝑚𝑏𝑖𝑛𝑎𝑑𝑜𝑑𝑒 𝑆1 𝑒𝑆2 − 2

7
 𝐻0 : 𝜇1 = 𝜇2
𝑡𝐶 < −𝑡𝛼,𝑣
𝐻1 : 𝜇1 < 𝜇2

3. Proporções

Hipótese Estatística Critério para rejeitar H0

𝐻0 : 𝑝 = 𝑝0
𝑍𝐶 < −𝑍𝛼/2 𝑜𝑢 𝑍𝐶 > 𝑍𝛼/2
𝐻1 : 𝑝 ≠ 𝑝0
𝑝̂ − 𝑝0
𝐻0 : 𝑝 = 𝑝0 𝑍𝐶 =
𝑍𝐶 > 𝑍𝛼
𝐻1 : 𝑝 > 𝑝0 √𝑝0 (1 − 𝑝0 )
𝑛
𝐻0 : 𝑝 = 𝑝0
𝐻1 : 𝑝 < 𝑝0 𝑍𝐶 < −𝑍𝛼

𝐻0 : 𝑝1 = 𝑝2
𝐻1 : 𝑝1 ≠ 𝑝2 𝑍𝐶 < −𝑍𝛼/2 𝑜𝑢 𝑍𝐶 > 𝑍𝛼/2
𝑝̂1 − 𝑝̂2
𝑍𝐶 =
𝐻0 : 𝑝1 = 𝑝2 1 1
√𝑝̂ (1 − 𝑝̂ )√𝑛 + 𝑛 𝑍𝐶 > 𝑍𝛼
𝐻1 : 𝑝1 > 𝑝2 1 2
𝑛1 𝑝̂1 + 𝑛2 𝑝̂2
𝑝̂ = ,
𝐻0 : 𝑝1 = 𝑝2 𝑛1 + 𝑛2
𝐻1 : 𝑝1 < 𝑝2 𝑍𝐶 < −𝑍𝛼