Escolar Documentos
Profissional Documentos
Cultura Documentos
Os testes paramétricos são, em geral, mais potentes do que os testes não- paramétricos
ÑAO PARAMÉTRICOS
- A maioria dos testes não-paramétricos tem assunções menos restritivas que os
modelos paramétricos
- A maioria dos testes paramétricos trabalhará com dados ordinais, e algumas técnicas
serão adequadas para dados de escalas nominais
Embora, geralmente, menos poderosos que os testes paramétricos, podem ser mais
poderosos quando as assunções dos modelos paramétricos estiverem erradas (i.e., não se
pode assumir que os dados sigam a lei normal).
INÉS TORIBIO ARGUELLES CURSO 2021-2022
ÑAO PARAMÉTRICOS
- Dados nominais (frequências em categorias), ou
- Dados ordinais (postos), ou distribuições não normais de dados contínuos.
O seu trabalho de 1908, “The probable error of a mean", ofereceu a base para os distintos
testes t de Student.A utilização da distribuição t de Student é uma importante contribuição
para a análise de pequenas amostras. Os testes t incluem duas variedades: testes t para
uma única média e testes t para a diferença de duas médias.
Distribuição de Amostragem de t
A distribuição de amostragem de t é a distribuição de probabilidade dos valores que
ocorreriam se todas as amostras de um tamanho fixo n fossem extraídas da população
definida pela hipótese nula. Dá-nos (1) todos os diferentes valores de t possíveis para
amostras de tamanho n e (2) a probabilidade de obter cada valor se a amostragem é
aleatória da população da hipótese nula. Pagano (2013, p. 329)
Assunções do teste t
O teste t (uma amostra) é apropriado quando a investigação tem apenas uma amostra, 𝜇 é
especificada, 𝜎 é desconhecido e a média da amostra é usada como estatística básica.
Tal como o teste Z, t requer que a distribuição de amostragem de 𝑥ҧ seja normal. Para que a
distribuição de 𝑥ҧ seja normal, n ≥ 30 ou a população dos scores deve ser normal.
Exemplo
Intervalo de Confiança
- A média da amostra é uma estimação pontual
- Desejamos uma estimação intervalar i.e., a probabilidade de que o intervalo inclua
𝜇 seja, por exemplo, igual a 0.95 (ou, 95%)
INÉS TORIBIO ARGUELLES CURSO 2021-2022
Jacob Cohen (1988) disponibilizou um método muito simples para determinar a grandeza de
um efeito real. Quando aplicado ao teste t, o método baseia-se da existência de uma relação
direta entre o tamanho do efeito real e o tamanho da diferença da média (à média de H0).
Use para os cálculos Effect Size Calculator for t test (psychstat.org)); Para interpretar
Em alguns casos entre as duas amostras há uma relação de dependência (e.g., pais e filhos,
gémeos, ou os mesmos participantes em ambas as amostras) e noutras admite-se que as
amostras são completamente independentes. Podemos também dizer, no primeiro caso, que
temos um design intra-grupo (within-groups) enquanto, no segundo caso, falamos de um
design inter-grupos (between-groups).
Vários planos de investigação produzem dados apropriados para o teste t de duas médias
dependentes/relacionadas (ver os dois slides seguintes)
INÉS TORIBIO ARGUELLES CURSO 2021-2022
Plano sucessivo
Os protótipos são o plano antes- depois (pré- pós-teste) e o desenho contrabalançado
(usado para eliminar os efeitos de ordem simples.)
Designs Emparelhados
Plano dito experimenta
O experimentador cria os pares baseando-se quer num pré-teste, quer em qualquer outro
tipo de dados disponíveis (e.g., sexo, idade, QI).
A correlação entre os dois conjuntos de scores pode ser usada vantajosamente pelo teste t.
Por exemplo, com amostras relacionadas, esperamos que alguém com score alto numa
medida (T1) provavelmente venha a obter um score elevado na segunda medida (T2), i.e.,
tenderá a manter a mesma posição relativa no grupo.
Esta variação intraindividual pode ser “descontada” do erro de amostragem (ver slide
seguinte).
INÉS TORIBIO ARGUELLES CURSO 2021-2022
Essa semelhança é evidente se a análise for efetuada nos scores das diferenças, 𝐷, entre as
duas médias (𝑥1 − 𝑥2 = 𝐷); neste caso apenas terá uma amostra (i.e., a amostra das
diferenças).
Exemplo
INÉS TORIBIO ARGUELLES CURSO 2021-2022
Lógica e cálculos
Em alternativa podia ter usado o SPSS para obter o teste t de uma única amostra, embora
neste caso com a variável de resultado das diferenças, 𝐷𝑖.
Verifique (ambos outputs podem ser usados) que o intervalo de confiança de 95% para a
diferença é IC95% (5.46, 10.99); Como se constata o intervalo não inclui zero (o valor
hipotético de H0), por isso, se rejeitou a hipótese nula (p < .05).
O tamanho do efeito, d de Cohen, pode obter-se, para este teste t, de forma idêntica ao do
teste t para uma única amostra, como se segue:
Use para os cálculos Effect Size Calculator for t test (psychstat.org));Para interpretar 𝑑:
- 0.00-0.20 efeito pequeño
- 0.21-0.79 efeito médio
- ≥ .80 efeito grande
uma explicação razoável para as diferenças entre as estatísticas dos dois grupos.
Uma neuropsicóloga acredita que uma região situada no meio da hemisfério direito do
cérebro é essencial para resolver problemas em labirintos de papel-e-lápis e que a região
correspondente no hemisfério esquerdo, por sua vez, não está envolvida nesse processo.
Por sorte tem acesso a n = 6 pacientes que têm essa lesão no hemisfério direito. Para efeitos
comparativos, conseguiu encontrar 4 pacientes com uma lesão similar mas no hemisfério
esquerdo. Todos os pacientes são testados com o mesmo tipo de labirinto.
Esta condição generaliza-se à amostragem de duas (ou +2) amostras sempre que
desconhecermos 𝜎 e tivermos de usar os DP amostrais para o estimarmos.
Violando-se o pressuposto da homogeneidade das variâncias (𝜎2 ≠ 𝜎2), então pode usar o
teste t para variâncias separadas (Separate-Variances t test), como se segue:
Resolução
Escrita dos resultados ao estilo da APA: Os ratos do grupo experimental efetuaram M = 8.4
(DP = 2.066) acasalamentos, enquanto os ratos injetados com o placebo efetuaram M = 5.6
(DP = 1.713) acasalamentos; o teste t para variâncias combinadas foi usado depois de
comprovar-se que as variâncias eram homogéneas (o teste de Levene mostrou um valor p >
.05). O resultado do teste t revelou-se estatisticamente significativo: t(18) = 3.3, p < .05. A
hormona X mostrou-se associada ao aumento do comportamento sexual dos ratos.
INÉS TORIBIO ARGUELLES CURSO 2021-2022
𝜇1 − 𝜇2 = X1 − X2 ± 𝑡𝑐𝑟𝑖𝑡𝑠 Sx1−X2
Obtenha o tamanho do efeito d de Cohen, segundo Pagano (2013, p. 377), como se segue:
Para interpretar 𝑑:
- 0.00-0.20 efeito pequeno
- 0.21-0.79 efeito médio
- ≥.80 efeito grande