Teste t para amostras independentes

Teste t de amostras independentes, que compara as médias de dois grupos.

O teste t independente, usado para testar diferentes grupos de pessoas, também assume que:
as variâncias são iguais (homogeneidade da variância) e os escores são independentes (porque
vêm de diferentes pessoas).

É importante lembrar que, no teste t, o tamanho da amostra é extremamente importante para

determinar a significância da diferença entre as médias.

Por isso, ao aumentar o tamanho da amostra, as médias tendem a ser mais estáveis e mais
representativas.

No caso de populações independentes, há necessidade de verificar se as variâncias

de X e Y são homogêneas (variância comum) ou não, pela aplicação à priori do
teste F, conforme post neste site.

Assim sendo, no caso do teste “t” para amostras independentes e com variância
comum, a estatística do teste é dada por:

   

sendo:

    

Com graus de liberdade definidos para o teste igual a: nx + ny - 2.

Se as variâncias de X e Y são diferentes, então a estatística do teste é:

   
Com os graus de liberdade do teste definidos por:

      

Exemplo

Dois viveiros produzem mudas para uma indústria florestal e esta quer padronizar
o processo de produção das mudas que chegam ao campo. Assim, deseja-se saber
se, em média, as mudas dos dois viveiros possuem mesmo tamanho (a 5% de
significância) e, consequentemente, se a variabilidade das alturas das mudas são
iguais ou não (uniformidade) nos dois viveiros.

De cada viveiro, foi retirada aleatoriamente uma amostra de 10 mudas, cujas

alturas (em centímetros) são:

As estimativas das médias e das variâncias das alturas das mudas dos dois viveiros,
são:
      

1) Teste F:

 As hipóteses a serem testadas no teste F, com base nas variâncias amostrais, são:

    

 A estimativa da estatística do teste F, será:

    

O valor tabelado de F(5%; 9 e 9 graus de liberdade) conforme tabela abaixo é: 3,18.

Como Fcalculado > Ftabelado, então: Rejeita-se a hipótese Ho (ver figura abaixo), isto é, a
variância das alturas das mudas do viveiro 1 é maior do que a do viveiro 2, a 5% de
significância, pelo teste F.

Neste caso, não há uma variância comum e o teste “t” para as médias deve
ser realizado com as variâncias independentes.

2) Teste “t”

As hipóteses a serem testadas no teste “t”, são:

      

Como as variâncias são independentes, a estatística do teste “t” será:

    

Os graus de liberdade do teste serão:

      

O valor tabelado de “t”, ao nível de 5% de significância e 13 graus de liberdade (ver

tabela abaixo), é igual a 2,16.
Como tcalculado > ttabelado então: Rejeita-se a hipótese Ho, ou seja, as médias das alturas
das mudas dos viveiros diferem estatisticamente (ver figura baixo), a 5% de
significância, pelo teste “t”.
Por que utilizar a comparação de duas amostras independentes?

 Este teste se aplica a planos amostrais onde se deseja comparar dois grupos
independentes . Esses grupos podem ter sido formados de duas maneiras
diferentes:

 a) Extraiu-se uma amostra da população A e outra amostra da população B;



b) Indivíduos da mesma população foram alocados aleatoriamente a um

dos dois tratamentos em estudo.

Quando utilizar? 

Quando o objetivo é comparar duas populações quanto a uma variável

quantitativa, é muito comum que os pesquisadores não conheçam os parâmetros
de nenhuma delas, isto é, sejam desconhecidas as médias (µ) e também os desvios
padrão (σ) populacionais;

Como interpretar um teste T independente no SPSS

 O teste t independente ou desemparelhado é uma medida estatística da

diferença entre as médias de duas amostras independentes e distribuídas de forma
idêntica.

Esse teste calcula um valor t para os dados que são relacionados a um valor
p para a determinação de significância. Um dos programas estatísticos mais
reconhecidos é o SPSS, que gera uma variedade de resultados de testes para
conjuntos de dados. Você pode usar o SPSS para gerar duas tabelas para os
resultados de um teste t independente.
 Tabela de Estatísticas do Grupo

Encontre a Tabela de Estatísticas do Grupo na saída de dados. Esta tabela

apresenta valores estatísticos descritivos gerais, como média, desvio padrão, etc.
Interprete os valores de N como o número de amostras testadas em cada um dos
dois grupos para o teste t. 
Encontre os valores de desvio padrão e relacione-os com os conjuntos de
dados. O desvio padrão identifica a proximidade do conjunto de pontos de dados
dentro de cada grupo de teste a seus respectivos meios. Assim, um desvio padrão
maior significa que os dados estão mais espalhados em uma ampla faixa de valores
em comparação com um padrão menor de desvio.

Observe o valor médio de erro padrão para os dois grupos de teste. Este
valor é calculado a partir do desvio padrão e tamanho da amostra da população e
identifica a precisão da média de cada amostra. Um erro padrão menor indica que
a média é mais provável de ser a da população verdadeira.

Tabela de testes de amostras independentes

Encontre a tabela de testes de amostras independentes na saída de dados.

Esta tabela fornece os resultados reais do teste t.

Verifique para determinar se a variação nos dois grupos de teste é

semelhante. Isso é feito observando os resultados do Teste de Igualdade de
Variações de Levene, que é fornecido dentro da tabela. Variâncias iguais serão
denotadas com um valor-p (denotado como "Sig") maior que 0,05 (p > 0,05),
enquanto variâncias desiguais exibirão um valor de p inferior a 0,05 (p < 0,05).

Escolha qual coluna de números você precisa usar com base em se você tem
variações iguais ou desiguais.

Identifique os valores p na seção "t-teste para Igualdade de médias" da

tabela para determinar a significância. A coluna é denotada como “Sig. (Bicaudal)
”. A maioria dos estudos é realizada em um intervalo de confiança de 95%; assim,
um valor de p inferior a 0,05 deve ser considerado significativo significando que
existe uma diferença significativa nas médias das duas populações de amostra
testadas (ou seja, haveria uma diferença significativa nos níveis de colesterol dos
homens em comparação com as mulheres em nosso meio). exemplo anterior.
 Observe a seção intervalo de confiança de 95% da diferença da tabela. Esse
valor fornece um intervalo para o qual, com 95% de certeza, você preveria a
diferença na população real com base nos seus resultados. Assim, um intervalo de
confiança mais restrito fornece resultados mais conclusivos e uma estimativa
melhor da população real do que um intervalo de confiança mais amplo.

Aviso

Assegure-se de que seus dois conjuntos de dados sejam distribuídos normalmente

ou os resultados pode não ser válido. Isso pode ser verificado usando um teste de
normalidade no SPSS para ver se o conjunto de dados se ajusta a uma curva
padrão.

1. No menu Analyze>Compare means escolher Independent-Samples T Test

 2. Colocar a variável BMD na caixa Test Variable(s): e a variável fractura na Grouping
Variable:

3. Como o test t só compara dois grupos é preciso indicá-los pois a variável podia ter mais
do que duas categorias. Carregae no botão Define e colocar os códigos dos grupos a
comparar, ou seja, 1 (dos não fracturados) e 2 (dos fracturados)
 4. As médias dos dois grupos e a diferença das mesmas estão indicadas na figura.

5. Como o teste t assume que os desvios padrões (ou a variância) dos dois grupos são
iguais, no Output do SPSS aparece um teste (teste de Levene) para verificar esta
assumpção. Neste caso aceita-se a hipótese nula de que os desvios padrões são iguais (no
capítulo seguinte será explicado a razão de aceitar a hipótese nula).

6. Tendo aceite que os desvios padrões (ou as variâncias) dos dois grupos são iguais, o
resultado do teste lê-se na linha Equal variances assumed indicada na figura.
7. A probabilidade de obter uma amostra com uma diferença maior ou igual a 0.25 a partir
de uma população sem diferenças entre fracturados e não fracturados relativamente ao
BMD, é menor do que 0.001 (no output do SPSS quando aparece 0.000 quer dizer que o
valor é < 0.001)