! !

Manual de!
SPSS !

Gestão e Análise de Dados

!

Faculdade de Ciências Médicas

UNIVERSIDADE NOVA DE LISBOA
JOANA RIBEIRO ! 1
ÍNDICE

1. INICIAR O SPSS!...................................................................................................................!3!
!

2. AS JANELAS DO SPSS!......................................................................................................!4!
!
2.1. Janela Variable View!.....................................................................................................!4!

3. SUMARIZAÇÃO DE DADOS!..............................................................................................!7!
!
3.1. Tabela de Frequências!..................................................................................................!7!

4. GRÁFICOS!..........................................................................................................................!11!
4.1. Gráficos Pie!...................................................................................................................!11!
4.2. Gráficos de Barras!.......................................................................................................!13!
4.2.1. Gráfico de Barras Simples!.................................................................................!13!
4.2.2. Gráfico de Barras Agrupadas!............................................................................!15!
4.3. Histograma!....................................................................................................................!17!
!
4.4. Caixa de Bigodes (Boxplots)!......................................................................................!19!

5. MEDIDAS DESCRITIVAS!..................................................................................................!22!
5.1. Ordenar os dados!........................................................................................................!24!
5.2. Gráficos Q-Q Plot!.........................................................................................................!25!
5.3. Gráfico Detended Q-Q Plot!.........................................................................................!25!
5.4. Análise de questões de escolha múltipla!.................................................................!26!
5.4.1. Utilizar variáveis auxiliares que nos permitem recolher informação adicional
!.......................................................................................................................................!28!
!
5.4.2. Cruzamento de Variáveis - Crosstabs!..............................................................!28!

6. TESTES ESTATÍSTICOS!..................................................................................................!30!
6.1. Amostras Independentes!............................................................................................!30!
6.2. Amostras emparelhadas!.............................................................................................!38!
6.2.1. Testes t-pares!......................................................................................................!41!
6.2.2. Teste Não paramétricos para amostras emparelhadas!
Wilcoxon e Sinais!................................................................................................!43!
6.2.3. Teste de McNemar!..............................................................................................!48!
!
6.3. Teste Qui-quadrado!.....................................................................................................!50!

7. EXERCÍCIOS RESOLVIDOS!............................................................................................!56!

! 2
1. INICIAR O SPSS
!

Depois de aberto, surge a seguinte janela:

Carregar em Cancel, a não ser que queiramos abrir uma base de dados pré-feita.

! !

! 3
2.! AS JANELAS DO SPSS
Janelas principais

Data View: janela semelhante ao do Excel onde são informatizar dados.

VariableView: janela onde definimos as variáveis.!

Janelas de resultados

Output: janela onde surgem os resultados das análises realizadas.

Chart Editor: janela destinada a alterações estéticas dos gráficos.

2.1.!Janela Variable View

Cada variável é definida por:

Name: nome definido para a variável. Este campo não pode ter espaço e o
caracter inicial tem de ser uma letra.

Type: tipo da variável.

! 4
Label: destinado a descrever variáveis, sem limitações de caracteres, isto é,
podem-se usar todos os tipos e espaços.

Value: uma das definições mais importantes.

!
Exemplo

Questionário em que se analisa as idades.

NOTA

Quando existem
indivíduos que não
mencionam a sua
idade, adicionamos
o value como um
número absoluto.
!

Missing: são as não respostas.

Não há resposta:

! 5
 Definir as variáveis que não têm resposta e que não pretendo que
entre no estudo:

!
!

Definir o intervalo de valores que não pertence à análise:

!
!

Columns: largura da coluna

Measure: nível de medida da variável. Quando se trata de uma variável

qualitativa utiliza-se nominal, quando se trata de uma variável
quantitativa (número) é scale.

! !

! 6
3.! SUMARIZAÇÃO DE DADOS
!

3.1.!Tabelas de Frequências

A Tabela de Frequência

!
Através da seta azul, seleccionar a variável que pretendo analisar para
variable(s). Seleccionar OK.

!
O resultado surge numa janela output.

! 7
 NOTA
Tabelas e gráficos da janela output devem ser colados no Microsoft Office
Word através da tecla “colar especial” de modo a não desformatar.
!

!
Análise da Tabela de Frequência

Foi observada uma amostra de 17 pacientes, dos quais 8 eram homens

(47,1%) e os restantes mulheres (9; 52,9%). Dessa amostra verificou-se que
a maioria tem seguro de saúde 13 (76,5%).

Alterar aspectos estéticos da Tabelas de Frequência

Duplo click sobre a tabela que pretendo alterar.

Marcar, com o rato, a célula que se pretendo alterar (fica a bold).

!
!

De!seguida!seleccionar!o!destaque!que!pretendo!fazer.!

! 8
 !
Antes do destaque:

!
Após o destaque:

!
Alterar a apresentação da tabela

! 9
 !

! !

! 10
4.! GRÁFICOS

4.1.!Gráficos Pie

Gráficos Pie

São apropriados para variáveis nominais com 4 ou menos categorias.

Como fazer?

!
Click em define.

!
Seleccionar OK.

! 11
Alterar aspectos estéticos o gráfico

Duplo click sobre o gráfico.

Surge a janela chart editor.

Para que as percentagens de cada fatia sejam representadas no gráfico,

seleccionar o item para o qual a seta verde aponta.

!
Quando a janela do chart editor é fechada, automaticamente são adicionadas
as alterações na janela de output.

! 12
 Antes: Depois:

!
4.2.!Gráficos de Barras

Utilizado para variáveis discretas.

!
!
4.2.1.! Gráfico de Barras Simples
!

! 13
 !
!

Seleccionar Ok.

! 14
 Alteração

Colocar barras horizontais:

!
Depois:

!
4.2.2.! Gráfico de Barras Agrupadas

! 15
 Define.

!
!

!
!

! 16
 Alteração

Antes: Depois:

!
4.3.!Histograma

Utilizados para variáveis quantitativas contínuas.

! 17
 !
Além da representação gráfica, o histograma dá-nos a informação:

•! Dimensão amostral (N = 17)

•! Média Aritmética (Mean = 36 anos)
•! Desvio Padrão (Std. Dev = 16,602)

Seleccionar o Display Normal Curve

! 18
 4.4.!Caixa de Bigodes (Boxplots)

São representações gráficas que ajudam numa análise prévia dos dados,
dando informação relevante.

Aplicável a dados quantitativos

Como fazer?

!
!

Pode-se obter pela opção simples ou clusters.

! 19
 !
!

!
Análise

Verifica-se que os gráficos não apresentam aparentemente simetria em ambos

os casos e a idade das mulheres tem maior dispersão que a dos homens. Não
há outliers.

! 20
 Outliers

!
!

!
•! outlier moderado no indivíduo 17
* outlier severo no indivíduo 16

! !

! 21
5.! MEDIDAS DESCRITIVAS
Análise descritivas:

•! Quantitativas – média
•! Qualitativas – moda

!
!

!
!

! 22
Statistics

!
Resultado e Análise – Exercício da Clínica XPTO

Verifica-se que a média da idades dos pacientes é 36 anos com um desvio padrão
de 16,6 anos.

A idade mínima deste grupo de pacientes é de 19 anos e a máxima é de 59 anos.

A mediana das idades é 28 anos com um IQ (intervalo interquartis) de 27 anos.

desvio#padrão 16,6
CV#(coeficiente#de#variação) = = ×100 = 47%
média 36

Devíamos utilizar então a média e o desvio de padrão.

! 23
 !
Pela análise do boxpoth, verifica-se que, aparentemente, os dados não são
simétricos.

5.1.!Ordenar os dados

Data – Sort Cases

! 24
 !

!
5.2.!Gráficos Q-Q Plot

!
No Q-Q-Plot os dados devem estar o mais sobrepostos possíveis à diagonal
para verificar a normalidade dos mesmos.

5.3.!Gráfico Detended Q-Q Plot

! 25
 !
No gráfico Detended Q-Q Plot os dados devem distribui-se aleatoriamente
acima e abaixo da linha horizontal. Aparentemente, os dados não seguem uma
distribuição normal.

5.4.!Análise de questões de escolha múltipla

Uma questão de escolha múltipla é uma questão que admite uma ou mais
opções de resposta. Define-se como uma variável desdobrada.

Como analisar as questões de escolha múltipla?

! 26
 !
Colocam-se as variáveis que fazem parte da resposta múltipla em Variablesin
Set. Depois escolhe-se a opção dicotómica ou categoria conforme a variável é
binária ou não, respectivamente. Atribui-se um nome em SetName e a
descrição em LabelName, fazendo add de seguida. Identifica-se que temos
uma variável de resposta múltipla quando temos $ antes do nome, por exemplo
p5.

Esta nova variável fica definida e quando a quisermos analisar fazemo-la

através do CustomTables.

!
!

! 27
 !
!

Resultado e Análise

!
Verifica-se que a especialidade mais utilizada no hospital é a pediatria, cerca
de 47,1% dos utentes utilizam-na.

Na amostra recolhida não se observou nenhum doente a afirmar frequentar

consultas de psiquiatria.

Temos uma distribuição unimodal, sendo a pediatria a moda.

5.4.1.! Utilizar variáveis auxiliares que nos permitem recolher

informação adicional

! 28
 !
!

!
!

5.4.2.! Cruzamento de Variáveis - Crosstabs

Consiste na criação de tabelas de contingência que permitem retirar

informação adicional sobre dados recolhidos.

!
!

! 29
Coloca-se a variável em linha e a outra em coluna, só se utilizam 2
variáveis de cada vez.

!
!

Resultado e Análise

!
!

1.! Nas mulheres qual a % que tem seguro de saúde? 66,7%

2.! Dos que não tem seguro de saúde qual a % de homens? 25%
3.! Do total da amostra, qual a % de mulheres com seguro de saúde?
35,3%

! 30
6.! TESTES ESTATÍSTICOS
!

!
TESTES!PARA!2!AMOSTRAS!

! Amostras!Independentes! Amostras!Emparelhadas!

! Sem!Distribuição! Com!Distribuição! Diferenças!Sem! Diferenças!Com!

Normal! Normal! Distribuição!Normal! Distribuição!Normal!
!

!
Homocedásticas!
Homocedásticas!

Diferenças!Não!
Diferenças!
Simétricas!

simétricas!
Não!

!
Teste!!!!!!!!!!!!!!!!
Mann%Whitney!

Satterthwaite!

Teste!T%pares!
Teste!!!!!!!!

Teste!Sinais!

!
T%student!

Wilcoxon!
Teste!

Teste!

6.1.!Amostras Independentes

1º Passo – Informatizar dados

No SPSS as amostras independentes são informatizadas todas na mesma

coluna e na coluna ao lado coloca-se a indicação do grupo a que pertencem.
As amostras independentes não têm que ter todas a mesma dimensão.

! 31
 !
2º Passo – Estatística Descritiva

O primeiro passo é fazer o explore para que se possa ter sensibilidade com os
dados.

A diferença no explore de amostras independentes é que no factor list é colocada

a variável que identifica o grupo.

!
Além!das!estatísticas!habituais!para!uma!amostra,!quando!temos!uma!ou!mais!amostras!
o!SPSS!permite!colocar!o!teste!de!Levene!(teste!de!homocedasticidade).!

! 32
 !
!

!
!

Descrever as amostras e calcular o CV para cada uma.

O comando explore com as características descritas anteriormente dão-nos o

seguinte quadro:

! 33
 Intervalo!de!Confiança!

!
O que nos permite descrever exaustivamente as amostras recolhidas tal como
fazíamos anteriormente comparando-as (cv; médias; dp; medianas; mínimo;
máximo).

Por exemplo, neste exercício verifica-se através do explore que os valores da

amostra submetida à solução salina são mais altos que os valores da amostra
com vasoconstritor.

Intervalos de Confiança:

ABCDEF = 139,49; 282,18

ABCDEF = 139,49; 282,18

Além da descritiva vamos verificar as condições de aplicabilidade.

3º Passo – Condições de aplicabilidade

Além da descritiva vamos verificar:

a)! Normalidade

Solução Salina

KL : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#Q#ORZVçãR#OQZY[Q#OX\VXS#PYOTUYWVYçãR#PX#]QVOO##########
!
K^ : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#Q#ORZVçãR#OQZY[Q#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#

! 34
!

Vasocontritor

KL : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#_QOR`R[OTUYTRU#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#########
!
K^ : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#_QOR`R[OTUYTRU#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#

!
df – degrees of freedom (graus de liberdade de dimensões amostral)

Como n < 50 em ambas as amostras utiliza-se o teste de Shapiro-Wilk.

aCDEFbFcEdefdFe = 0.742
aEFhiçãF#EDhfcD = 0.656 > 0.05

Verifica-se que o p-value vasocontritor e da solução salina são ambas

superiores a 5% (α). Assim não rejeito H0 e assumo a normalidade em
ambas as amostras. Logo, utiliza-se um teste paramétrico.

Outra forma de abordar a normalidade é através dos gráficos: Normal Q-Q

Plot e Detrended Normal Q-Q Plot.

!
!

! 35
 NOTA

Se o teste da normalidade apresentar como resultado uma distribuição normal,

então posso verificar a normalidade através dos gráficos.

Se o teste da normalidade apresentar como resultado uma distribuição não

normal, não é necessário observar os gráficos.
!
!
b)! Homocedasticidade

Faz-se um único teste para cada 2 amostras.

! Exemplo

Tenho 3 amostras (3 turmas): faço 3 testes de normalidade e o teste de

!
homoscedasticidadepara T1+T2; T1+T3; T2+T3.

O teste a usar (mean ou median) baseia-se no cálculo do CV (coeficiente

de variabilidade) feito anteriormente.

CV vaso = 53,25%

CV const = 26,96%

Logo utiliza-se a média.

O teste de Levene diz-nos que p-value = 0.711 > 5% (α). Deste modo, não
rejeito H0, o que significa que existe homocedasticidade, logo o teste a
aplicar é o t-student.

TESTE T-STUDENT

Para o aplicar temos que escrever as hipóteses e as 2 condições de

aplicabilidade (normalidade e homocedasticidade) têm que dar “Não
rejeitar H0”.

KL : lE = lC
K^ : lE ≠ lC

Como realizar o SPSS?

! 36
 !
!

!
!

! 37
 O output resultante é:

Homocedásticas!

Não!Homocedásticas! Teste!Levine! Teste t

com!distribuição!normal!
Teste de Satterwaite

Este output dá-nos a informação de 2 testes. Na 1º linha o teste t (quando

há homocedasticidade). Na 2º linha o teste de Satterhwaite (quando não
há homocedasticidade mas há normalidade).

Os valores do teste lêm-se em Sig (2 tailed) = 0,65 (> 5%), logo não rejeito
H0, concluindo que não existem diferenças estatisticamente significativas
entre os valores médios da solução salina e do vasoconstricotor. Igual
conclusão se pode retirar através do intervalo de confiança (IC), ou seja se
este contém o valor 0 concluí-se que não existem diferenças significativas,
o que é o caso pois AB = −182,679; 6,012 que contém o zero.

! Exemplo

O intervalo de confiança tem sempre de confirmar os resultados finais, sendo por isso
!
um dado de confirmação e fortalecedor dos resultados obtidos. Nunca dão resultados
opostos.
No caso de não ter normalidade

O teste que se utiliza é o de Mann-Whitney.

KL : oL.p#EDhf = oL.p#CDEF
K^ : oL.p#EDhf ≠ oL.p#CDEF

! 38
 !
!

Amostras
Pequenas (n<30)

!
Como p-value = 0,068, logo > 5%, concluo que não há evidência de
diferença significativas nos valores medianos.

6.2.!Amostras emparelhadas

Estamos perante amostras emparelhadas quando para o mesmo indivíduo

temos 2 ou mais observações para momentos temporais diferentes.

Em termos de informatização as amostras

emparelhadas são diferentes das
independentes pois os dados de cada
indivíduo deverão ser informatizados na
mesma linha, isto é cada linha é um
indivíduo com as respectivas observações.
NOTA
Quando as observações de um
indivíduo não estão completas
exclui-se esse indivíduo dos
estudos.

! 39
Exercício 5

Após a informatização dos dados devemos criar uma variável que representa
a diferença antes e após (dif D).

Para criar essa variável utiliza-se a opção Compute do SPSS.

! 40
Em Target Variable dá-se o nome à nova variável que vamos criar e em
Numeric Expression escreve-se a fórmula de cálculo que queremos aplicar.

O resultado é uma nova variável que servirá para aplicar o teste para amostras
emparelhadas.

!
Agora a base de dados está preparada para aplicar o teste para amostras
emparelhadas, onde se trabalha com a nova variável criada.

As hipóteses a testar são:

KL : lq = 0
K^ : lq ≠ 0

Começa-se por fazer a análise através do explore, considerando as variáveis

antes e após em separado, para verificar a análise descritiva, destacando os
principais valores.!

! 41
 De seguida faz-se o mesmo para a variável diferença, mas já verificando a
normalidade para se decidir se utilizamos um teste paramétrico ou não
paramétrico.

!
Em termos de descritiva pode-se falar dos valores mínimos e máximos da
variável diferença, não nos interessa falar de médias, medianas.

Por exemplo, verifica-se que o valor mínimo da diferença antes e após a

maratona de -0,60 sendo o valor máximo desta mesma diferença de 1,90.

Vamos testar a normalidade:

KL : r#PYsXUX[çQ#OX\VX#PYOTUYWVYçãR#PX#]QVOO############
!
K^ : r#PYsXUX[çQ#[ãR#OX\VX#PYOTUYWVYçãR#PX#]QVOO####

!
Como a dimensão amostral é igual a 10 (< 50), utiliza-se o teste de Shapiro-
Wilkque diz que:

P-value (sig) = 0.646, > 0.05 (α) não rejeito H0, concluindo que a variável
diferença seguem distribuição de Gauss, logo pode-se utilizar o teste
paramétrico t-pares.

6.2.1.! Teste t-pares

É um teste paramétrico para amostras emparelhadas.

! 42
As hipóteses a testar são:

KL : lq = 0
K^ : lq ≠ 0

Para aplicar o teste faz-se:

!
!

Temos de informar o SPSS quais as variáveis que farão a nova variável

diferença (não se coloca a diferença neste passo).

O resultado do teste é:

! 43
 Então verifica-se que p-value = 0.101, > 0.05 (α), logo não rejeito H0
concluindo que as diferenças encontradas não são significativas.

6.2.2.! Teste Não paramétricos para amostras emparelhadas:

Wilcoxon e Sinais

Quando temos amostras emparelhadas devemos verificar se a variável

diferença segue ou não distribuição de Gauss. Se seguir utilizamos o t-
pares, caso contrário pode-se utilizar ou Wilcoxon ou Sinais conforme a
simetria das diferenças.

Exercício 7

Estamos perante amostras emparelhadas com 2 emparelhamentos pois

o mesmo indivíduo tem mais que uma avaliação em momentos temporais
diferentes.

Depois de informatizarmos os dados e antes de fazermos qualquer

análise temos de criar a variável diferença, pois é esta variável que nos
leva a decidir qual o teste a utilizar.

! 44
Faz-se a descritiva das 2 variáveis em separado.

!
!

!
!

De seguida faz-se a descritiva, verificando também a normalidade da

variável diferença.

! 45
 !
Descreve-se a descritiva sem aprofundar muito…

O que é mais relevante é a normalidade.

KL : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#Q#ORZVçãR#OQZY[Q#OX\VXS#PYOTUYWVYçãR#PX#]QVOO##########
!
K^ : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#Q#ORZVçãR#OQZY[Q#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#

Deve-se apresentar o valor do teste mas também o grafismo que vêem

validar a nossa decisão.

! 46
 !
Como n < 50 utiliza-se o teste de Shapiro-Wilk que tem p = 0, < 5% logo
rejeito H0 e aceito H1, concluindo que a diferença não segue distribuição
normal, logo teremos que aplicar um teste não paramétrico.

Para decidir dos testes que deve ser utilizado temos que verificar se a
variável diferença é simétrica.

A simetria é verificada fazendo o seguinte cálculo do coeficiente de

simetria a partir da tabela das descritivas da diferença:

tuvwcvEE
-1,96 < #< -1,96
tdx.yeeF#tuvwcvEE#

! 47
No nosso exemplo temos :

z.{||
Coeficiente de Simetria = = 6.24. Como > 1.96 conclui-se que as
L.p}L
diferenças não são simétricas, logo aplica-se o teste dos Sinais. Se
fossem simétricas aplicava-se Wilcoxon.

KL : oL.p#~Ä = 0######
!
K^ : oL.p#~Ä ≠ 0######

Aqui escolhe-se Sign ou Wilcoxon conforme as diferenças não são ou

são simétricas respectivamente.

! 48
 Como p-value = 0,001 (< 5%), rejeito H0 e aceito H1 concluindo que há
forte evidência de diferenças nas observações aos 5 e aos 6 anos.

6.2.3.! Teste de McNemar

É um teste não paramétrico para amostras emparelhadas aplicado a

tabelas de contingência 2x2.

O que difere em relação ao Qui-quadrado é que o Qui-quadrado pode ser

aplicado a tabelas superiores a 2x2 e o Qui-quadrado estuda a
associação entes 2 variáveis diferentes (sexo vs. altura; tosse vs.
bronquite) enquanto que o McNemar na maioria dos casos é a mesma
variável estudada.

O McNemar apenas estuda os pares discordantes, ou seja que regista

alterações, logo as hipótese a estudar neste teste são:

KL :#a~ + = aÄ (+)
K^ : a~ + ≠ aÄ (+)

Exercício 9

KL :#aq~ + = aqq (+)

K^ : aq~ + ≠ aqq (+)

Para fazer o teste de McNemar faz-se:

!
Coloca-se a variável inicial em linha e a após tratamento (ou incidência)
em coluna.

! 49
 !

!
Os outputs resultantes são:

1.! A tabela de contingência

Verifica-se que das 30 parturientes observadas antes e após o

aconselhamento há 5 sem depressão cujo aconselhamento
provocou a incidência depressiva e 8 com depressão cujo
aconselhamento colmatou este problema.

! 50
 2.! Teste de McNemar

Como p-value = 0.581 (> 5%), não rejeito H0, concluindo que não há
diferenças significativas antes e após o aconselhamento psicológico.

6.3.!Teste Qui-quadrado

Teste aplicado apenas em tabelas de contingência.

Com este teste pretende-se verificar a associação entre 2 variáveis.

As hipóteses a testas são:

KL : ÇãR#ℎá#QOOR`YQçãR#X[TUX#Q#_QUá_XZ#Ö#X#Ü#
K^ : Ká#QOOR`YQçãR#X[TUX#Q#_QUá_XZ#Ö#X#Ü########

Para aplicar este teste no SPSS temos de informatizar a linha e a coluna que
compõem a tabela de contingência.

Exercício 1

Observou-se uma amostra de 1319 indivíduos para testar a associação entre

ter tosse e bronquite. O que concluí?

Como pretendemos testar associação utilizamos o teste Qui-quadrado.

Hipóteses:

KL : ÇãR#ℎá#QOOR`YQçãR#X[TUX#TXU#TROOX#X#WUR[áVYTX#
!
K^ : Ká#QOOR`YQçãR#X[TUX#TXU#TROOX#X#WUR[áVYTX#########

!
!

A informatização da tabela é feita com as conjugações possíveis das nossas

variáveis.

! 51
 !
!
!
!

Depois de informatizar as opções da tabela de contingência temos que informar

o programa quais os valores que estão em cada célula. Para isso criamos uma
nova coluna que é habitualmente designada por frequência. Esta variável de
frequência é de scale.

!
!

! 52
 Por último temos que informar o programa que cada linha vale a frequência
respectiva, para isso faz-se:

!
!
!
!

!
!
!

!
!

! 53
Depois aplica-se o teste:

!
!

!
!

!
!

! 54
 !

!
Resultado e Análise
!

! 55
!

Critério!de!Cochran!
!
O critério de Cohran é verificado na alinha a.

Como p-value (asymp. Sig. (2-sided)) = 0 < α (5%), rejeita-se H0 e aceita-se H1,
logo há evidência de forte associação entre tosse e bronquite (classificação
pelo slide 77).

! !

! 56
7.! EXERCÍCIOS RESOLVIDOS
FICHA NÚMERO 1

Exercício 1

1º Passo fazer o Explore

Foram observados 57 pacientes com o objectivo de identificar o peso dos

tumores extraídos do abdómen.

2º Passo Calcular o coeficiente de variação

àXO_YR#âQPUãR 15,865
= ×100 = 43,2%
äéPYQ 36,72

Calculou-se o cv = 43,2% o que significa que há pouca dispersão da média de

pesos dos tumores, logo a média é uma medida apropriada para análise
descritiva.

A média dos pesos dos tumores é de 36,72 onças com um desvio padrão (DP)
de 15,865 onças.

O valor mediano (mediana) do peso dos tumores é de 32 onças com intervalo

interquartil (IQ) de 22 onças.

Verifica-se também que o peso mínimo é de 12 onças e o máximo 79 onças.

! 57
3ºPasso – Descobrir a moda

Verifica-se igualmente (através da tabela de frequência) que a distribuição

destes dados é bimodal (moda = 27; 28).

Como média (36,72) > mediana (32) > moda (27,28), conclui-se que a
distribuição do peso dos tumores é assimétrica positiva.

! 58
Tal como verificado pela média, mediana e moda, o histograma indica-nos a
eventual existência de assimetria.

Também através do boxplot verificamos que os dados deverão ser assimétricos.

Verifica-se também a existência de um outlier moderado correspondente ao peso

do tumor do paciente 57 (79 onças).

! 59
4º Passo – Gráficos Q-Q Plot

!
Aparentemente, os dados não seguem uma distribuição normal.

! 60
Exercício 2

1º Passo fazer o Explore

!
2º Passo Calcular o coeficiente de variação

àXO_YR#âQPUãR 0,24385
= ×100 = 36,7%
äéPYQ 0,6630

Verifica-se que a média é de 0,6630 com um desvio padrão de 0,24385. A

mediana é de 0,6350.

Máximo 1,17 e mínimo 0,27

! 61
 !
!

Tanto o histograma como o boxplot dão-nos indicação de eventual normalidade

dos dados.

!
!

! !

! 62
Exercício 3

!
!

Foram observados 30 homens de idade compreendida entre os 40 e os 49 anos

com o objectivo de identificar o peso dos seus rins.

àXO_YR#âQPUãR 47,135
= ×100 = 14,7%
äéPYQ 320,93

Calculou-se o cv = 14,7% o que significa que há pouca dispersão da média de

pesos dos rins, logo a média é o valor apropriado para a análise descritiva.

A média dos pesos dos rins é de 320,93 gramas com um desvio padrão de 47,135
gramas.

O valor mediano do peso (mediana) dos rins é de 322,50 gramas com intervalo
interquartil de 72 gramas.

Verifica-se também que o peso mínimo é de 208 gramas e o máximo 403 gramas.

! 63
 !
!

Através! da! tabela! de! frequências! verificaQse! que! a! distribuição! dos! dados! é! unimodal!
(moda!=!358).!

Como!a!moda!(358)!>!mediana!(322,50)!>!média!(320,93)!concluiQse!que!a!distribuição!do!
peso!dos!rins!é!assimétrica!negativa.!

! 64
 !
Tal como verificado pela média, mediana e moda, o histograma indica-nos a
eventual existência de assimetria.

!
Também através da caixa de bigodes verifica-se que os dados deverão ser
assimétricos.

Verifica-se também a não existência de outliers.

! 65
 !
!

Aparentemente os dados não seguem uma distribuição normal.

! !

! 66
Exercício 6

Vinte doentes foram distribuídos aleatoriamente por dois grupos de tratamento

(10 doentes em cada grupo). Os dados correspondem à alteração sofrida pelos
iões cloro do soro depois de cada tratamento.

Tratamento A: 4.3 6.2 4.4 8.2 0.5 2.6 4.2 4.1 5.6 3.4

Tratamento B: 6.1 0.9 0.7 0.8 1.3 3.1 1.9 3.9 2.1 0.1

O que conclui?

Estatística Descritiva

Foram observados 20 doentes que foram distribuídos aleatoriamente por dois

grupos de tratamento (10 doentes tratamento A e 10 doentes tratamento B) com
objectivo de identificar as alterações sofridas pelos iões de cloro do soro depois
de cada tratamento.

qvECfF#ãDxeãF |,Lçz| qvECfF#ãDxeãF ^,}|{L

`_~ = = = 47,7% `_Ä = = 87,37%
åéxfD é,zpL åéxfD |,LèL

Calculou-se o cv para o tratamento A (47,7%) que permite concluir que a média

é o valor apropriado para a análise descritiva. Por outro lado, o cv do tratamento

! 67
B é de 87,37%, logo a mediana é o valor apropriado para a análise descritivas
no tratamento B. Comparando os cv pode-se constatar que o cv do tratamento
A é menor que a do tratamento B, o que significa que o tratamento! A possui
menor dispersão da média das alterações sofridas pelos iões de cloro do soro
após a sua administração em relação ao tratamento B.

A média da alteração sofrida pelos iões de cloro do soro depois do tratamento A

é de 4,350 com um desvio padrão de 2,0732 e do tratamento B é de 2,090 com
um desvio padrão de 1,8260.

O valor mediano (mediana) da alteração sofrida pelos iões de cloro do soro

depois do tratamento A é de 4,250 com intervalo interquartil de 2,6 e do
tratamento B é de 1,600 com intervalo interquartil de 2,5.

Verifica-se também que a alteração mínima é de 0,5 e a máxima de 8,2 no

tratamento A e 0,1 (mínimo) e 6,1 (máximo) no tratamento B.

Por outro lado, averigua-se ainda que os valores da amostra submetida ao

tratamento A são mais altos que os valores da amostra submetida ao tratamento
B.

ABêeDdDëvcdF#~ = 2,867; 5,833

ABêeDdDëvcdF#Ä = 0,784; 3,396

Constata-se que a distribuição dos dados de ambas as amostras são amodais

(sem moda).

Em relação ao tratamento A, como a mediana (4,250) < média (4,350) conclui-

se que a distribuição das alterações é assimétrica positiva.

Tal como verificado pela média e mediana, o histograma indica-nos a eventual

existência de assimetria.

! 68
Em relação ao tratamento B, como a mediana (1,600) < média (2,090) conclui-
se que a distribuição das alterações é assimétrica positiva.

!
Tal como verificado pela média e mediana, o histograma indica-os a eventual
existência de assimetria.

Por comparação dos histogramas verifica-se que, provavelmente, a distribuição

da amostra submetida ao tratamento B tem uma assimetria mais positiva que a
distribuição da amostra submetida ao tratamento A.

!
Também através da caixa de bigodes verifica-se que os dados deverão ser
assimétricos em ambas as amostras. Verifica-se também a não existência de
outliers.

! 69
 !
!

!
!

Através da observação dos gráficos Q-Q plot, aparentemente, os dados não

seguem uma distribuição normal.

Verificação da Normalidade

Tratamento A
!
KL : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#TUQTQSX[TR#r#OX\VXS#Q#PYOTUYWVYçãR#PX#]QVOO#########
!
K^ : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#TUQTQSX[TR#r#[ãR#OX\VXS#Q#PYOTUYWVYçãR#PX#]QVOO
!
Tratamento B
!
KL : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#TUQTQSX[TR#í#OX\VXS#Q#PYOTUYWVYçãR#PX#]QVOO#########
K^ : NO#PQPRO#PQ#QSROTUQ#OVWSXTYPQ#QR#TUQTQSX[TR#í#[ãR#OX\VXS#Q#PYOTUYWVYçãR#PX#]QVOO
!
!

Como as amostras são independentes e em ambas n < 50 utiliza-se o teste de

Shapiro-Wilk.

! 70
 adeDdDëvcdF~ = 0,856
> 0,05!
adeDdDëvcdF~ = 0,157
!
Verifica-se que o p-value do tratamento A e do tratamento B são ambos
superiores a 5% (α). Assim não rejeito H0 e assumo a normalidade em ambas as
amostras. Logo, utiliza-se um teste paramétrico.

Verificação da Homocedasticidade – Teste de Levene

!
O teste a utilizar (mean ou median) baseia-se no cálculo do coeficiente de
variabilidade.

qvECfF#ãDxeãF |,Lçz|
Bì~ = = = 47,7%!!
åéxfD é,zpL

àXO_YR#âQPUãR 1,8260
BìÄ = = = 87,37%!
äéPYQ 2,090

Neste caso, pelo CVA deveria ser utilizada a média (p-value = 0,957) e pelo CVB
(p-value = 0,924) deveria ser utilizada a mediana. Independentemente de ser
utilizada o teste baseado na média ou na mediana, o teste de Levene diz-nos p-
value (0,956 ou 0,924) > 5% (α). Deste modo, não rejeito H0, o que significa que
existe homocedasticidade, logo o teste a aplicar é o t-student.

Teste t-student

KL :#l~ = lÄ
!
K^ :#l~ ≠ lÄ
!

!
Os valores do teste p-value = 0,019 (< 5%), logo rejeito H0, concluindo que
existem diferenças estatisticamente significativas entre os valores médios do
tratamento A e o tratamento B. Igual conclusão se pode retirar através do
intervalo de confiança (IC), ou seja se este não contém o valor 0 conclui-se que
existem diferenças significativas, o que é o caso pois IC = 0,4245; 4,0955 que
não contém o zero.

! !

! 71
 Exercício 8

Pretende-se analisar a relação entre o modo como uma pessoa sente que é a vida
(vida) e a forma como é feliz na vida (feliz). O modo como a pessoa sente que é
a vida tem 3 categorias: 1 = Excitante; 2 = Rotineira; 3 = Aborrecida, enquanto que
a forma como é feliz tem as seguintes categorias: 1 = Muito feliz; 2 =
Moderadamente feliz; 3 = Não muito feliz. O quadro seguinte apresenta os
resultados obtidos:

! ! Feliz! !

! ! Moderadamente! Não!muito!
Muito!feliz! Total!
feliz! feliz!

Vida! Excitante! 171! 110! 71! 352!

! Rotineira! 172! 184! 116! 472!

! Aborrecida! 119! 115! 253! 477!

Total! ! 462! 409! 430! 1301!

O que conclui?

Neste exercício será aplicado o teste qui-quadrado, visto que se pretende

verificar a associação entre 2 variáveis (felicidade e vida).

Hipóteses

KL : ÇãR#ℎá#QOOR`YQçãR#X[TUX#Q#_YPQ#X#Q#sXZY`YPQPX######
!
K^ : Ká#QOOR`YQçãR#X[TUX#Q#_YPQ#X#Q#sXZY`YPQPX##############

A seguinte tabela de contingência tem uma dimensão de 3x3.

! 72
 !

O critério de Cohran é verificado na alinha a.

Como p-value (asymp. Sig (2-sided)) = 0 < 5% (α), rejeita-se H0 e aceita-se H1.
Logo, há evidência de forte associação entre o modo como uma pessoa sente que
é a vida e a forma como é feliz na vida.

! !

! 73
FICHA NÚMERO 2

Exercício 2

Estamos perante 2 amostras independentes logo a informatização das mesmas no

SPSS é feita numa única coluna (os dados) e na coluna ao lado a identificação da
amostra a que pertence.

!
Descritiva dos dados

!
Cálculo do CV:

! 74
 àXO_YR#âQPUãR 2.256 !
BìîFëvë = ×100 = ×100 = 30.12%
äéPYQ 74.91

àXO_YR#âQPUãR 2.111 !
Bìåihïve = ×100 = ×100 = 27.19%
äéPYQ 77.64

Como ambos os CV são menores que 50% utiliza-se a média como medida de
localização.

Por esta análise descritiva verifica-se que:

•! A temperatura de conforto das mulheres é ligeiramente superior à dos homens,

77.64 e 7.91, respectivamente (Dp = 2.111 e 2.256). A verificação se esta
diferença é significativa será feita pelo teste de hipótese adequado, de seguida.
•! Há ligeiramente maior variabilidade nas temperaturas de conforto nos homens
e nas mulheres (Dp).

De seguida vamos verificar a normalidade através do teste de Shapiro-Wilks porque

a n=11(< 50).

Para os homens:

KL : NO#PQPRO#PQ#QSROTUQ#OX\VXS#PYOTUYWVYçãR#PX#]QVOO##########
!
K^ : NO#PQPRO#PQ#QSROTUQ#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#

Para as mulheres:

KL : NO#PQPRO#PQ#QSROTUQ#OX\VXS#PYOTUYWVYçãR#PX#]QVOO##########
!
K^ : NO#PQPRO#PQ#QSROTUQ#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#

O output é:

!
Como p-value homens = 0.312 e p-value mulher = 0.16, ambos são < 5%, assim
não rejeito H0 concluindo que os dados de ambas amostras seguem a distribuição
de Gauss.

Podemos complementar a análise pelos gráficos.

! 75
 !

!
Os gráficos levam-me à mesma decisão relativamente à normalidade, apesar de
não estarem perfeitos.

De seguida vamos verificar a homocedasticidades, através do teste de Levene.

KL :#ñ | î = ñ | å
!
K^ :##ñ | î ≠ ñ | å

!
Como p-value = 0.777 (> 5%) não rejeito H0, logo assumo que as variância são
iguais entre as 2 amostras.

O teste a aplicar é o teste paramétrico t-student:

KL : lî = lå
!
K^ : lî ≠ lå

! 76
 !
!

Como!o!p'value!=!0.008!(<!5%)!rejeito!H0!concluindo!que!existem!diferenças!significativas!
entre!as!temperaturas!de!conforto!dos!homens!e!das!mulheres.!

! !

! 77
Exercício 4

Neste estudo utiliza-se o teste Qui-quadrado uma vez que, apesar da tabela de
contingência ser de 2x2, as variáveis são diferentes (depressão associada à falta
de intimidade).

K0:#ÇãR#ℎá#QOOR`YQçãR#X[TUX#Q#PXaUXOOãR#X#Q#sQZTQ#PX#Y[TYSYPQPX
!
K1:#Ká#QOOR`YQçãR#X[TUX#Q#PXaUXOOãR#X#Q#sQZTQ#PX#Y[TYSYPQPX########

!
!

! 78
 !

Dos indivíduos com depressão a percentagem que tem falta de intimidade é de …

Como p-value = 0, rejeito H0 e aceito H1, concluindo que há associação entre a

depressão e a falta de intimidade.

! 79
Exercício 7

!
Pesagem dos dados:

Aplicar o teste:

Como estamos a estudar a mesma variável e a tabela de contingência é de 2x2,

logo concluo que utilizo o McNemar.

KL :#a~ + = aq (+)
K^ : a~ + ≠ aq (+)

! 80
!

Nesta tabela só tem interesse o estudo dos pares discordantes.

Verifica-se que das 100 doentes com cefaleias frequentes que foram
submetidos……….. (só falar dos discordantes)

!
!

Da observação do teste, p-value = 0.007 (<5%), logo aceito H0, concluindo que
existem diferenças significativas.

! 81
Exercício 8

Estamos perante 2 amostras independentes, logo a informatização das mesmas

no SPSS é feita em 2 coluna (os dados) e na coluna ao lado a identificação da
amostra a que pertence.

!
Cálculo do CV:

CVEDTA = 25.55%
CVEspectometria = 26.545

! 82
 Por esta análise descritiva verifica-se que o método espectrometria atómica tem
média ligeiramente superior ao EDTA e os valores máximos e mínimos são
superiores na amostra recolhida por espectrometria atómica.

De seguida vamos verificar a normalidade da diferença através do teste de

Shapiro-Wilks.

Falar dos mínimos e máximos………………….

KL : NO#PQPRO#PQ#QSROTUQ#OX\VXS#PYOTUYWVYçãR#PX#]QVOO##########
K^ : NO#PQPRO#PQ#QSROTUQ#[ãR#OX\VXS#PYOTUYWVYçãR#PX#]QVOO#
!

O output é:

!
!

Como p-value = 0.109 (> 5%), assim não rejeito H0 concluido que os dados da
diferença entre os 2 métodos seguem distribuição de Gauss. No entanto, a análise
gráfica apresenta resultados que indicam a não normalidade.

!
!

De seguida vamos verificar se a diferenças são simétricas.

! 83
 !
^.L}^
= 1.4375 como este valor está entre -1.96 e 1.96 conclui-se que as diferenças
L.çp|
encontradas são simétricas.

Logo, o teste a aplicar é o de Wilcoxon.

lq = 0
!
lq ≠ 0

! 84
 Como p-value = 0.105 (> 5%) não rejeito H0 concluindo que as diferenças
encontradas nos 2 métodos não são estatisticamente significativas.

Neste exercício podíamos considerar de imediato que há normalidedade neste

caso e aplicar-se-ia o teste t-pares.

lq = 0
!
lq ≠ 0

!
!

!
!

Como! p'value! =! 0.130! (>! 5%),! não! rejeito! H0,! concluindo! que! as! diferenças!
encontradas!nos!2!métodos!não!são!estatisticamente!significativas.!

! 85