Teste de Homogeneidade do qui-quadrado

Valores esperados

Favorável Desfavorável Indeciso

pedopsiquiatras 57.71 63.53 58.76

psicólogos 32.06 35.29 32.65
pediatras 9.62 10.59 9.79
terapeutas 9.62 10.59 9.79

(53  57.71) 2 (61  63.53) 2 (9  9.79) 2

 2 amostral    ...   3,76
57.71 63.53 9.79

graus de liberdade (gl): (r-1)(c-1)= (4-1)(3-1)=6

p-value= 0.709>0,05, logo não rejeitamos a hipótese nula, ou seja mantemos a hipótese de haver
homogeneidade de opiniões.
30

Teste de aleatoriedade Fisher

A dimensão das amostras provenientes das diferentes populações são fixadas à partida, ou ambas as
margens da tabela são fixas.

Exemplo: Num estudo sobre percepção extra sensorial pretende-se investigar se um indivíduo é capaz de
identificar a cor de cada cartão de um conjunto de 26, em que 14 são pretos e 12 brancos (Informação dada à
partida). O resultado da experiência é o seguinte:

identificação
preto branco Total

preto 9 5 14
realidade
branco 6 6 12

Total 12 8 26

Objetivo: Avaliar se o número de identificações certas é suficientemente elevado para rejeitar a hipótese de
que o número de identificações certas resulta apenas do acaso, (H0).

Obs: Como o nº de cartas é fixo, então é suficiente conhecer nº de cartas pretas (brancas) para termos toda
a informação da tabela. 31

1
 Teste de aleatoriedade Fisher

Hipóteses

H0: O número de identificações certas deve-se ao acaso.

Este teste de aleatoriedade é usualmente conhecido como teste exato de Fisher.

p-value= 0.692>0,05, logo não rejeitamos a hipótese nula, ou seja mantemos a hipótese de o nº de
identificações certas dever-se ao acaso. 32

Teste de McNemar- amostras emparelhadas

O teste de McNemar é usado para analisar frequências (proporções) de duas amostras relacionadas, isto é, tem
como objetivo avaliar a eficiência de situações “antes” e “após.

Utilizando-se uma tabela de contingência para a característica nominal poderemos avaliar se existem alterações
significativas da situação “após” em relação à situação “antes.

Depois Neste quadro A e D sujeitos mudaram de opinião e B e C sujeitos não

1 0 mudaram de opinião.
Antes
A B
H 0 : P ( A)  P ( D ) vs H 1 : P ( A)  P ( D ) P( A)  ; P( B) 
0 A B AC BD

1 C D
Ho: não há diferenças significativas de opinião nas duas amostras
vs
H1: há diferenças significativas de opinião nas duas amostras

Como A+D representam o nº total de elementos que mudaram de opinião então é de esperar que, sob H0, que
metade deles altere a opinião de 0 para 1[ ½(A+D)] e metade de 1 para 0 [½(A+D)].
33

2
 Teste de McNemar

Estatística de teste

( A  D) 2
2  ~ 1
A D

A D 2 A D 2
(A  ) (D  )
 (Oi  ( A  D) 2
2
Ei) 2 2
 
2
   .... 
Ei A D A D A D
2 2

Estatística de teste com correção de continuidade

(amostras pequenas n<=60)

( A  D  1) 2 a 2
2  ~
AD 1

Obs:

• Se A+D n<=25 é usada a distribuição binomial.

• Se A+D >25 o valor de prova é calculado a partir da estatística de teste com correção de continuidade.

Teste de McNemar
Exemplo: Um psicólogo infantil está interessado em estudar a iniciação de contactos sociais em crianças. Ele
observou que crianças que entram no infantário estabelecem contatos interpessoais com adultos ao invés de
com outras crianças. Para testar esta hipótese analisou 78 crianças nos seus primeiros dias no infantário e ao fim
do
primeiro mês fim de 30 dias de frequência. Os resultados obtidos forma os seguintes:

trigésimo dia

1º dia Criança Adulto Total

Adulto 24 34 A=18
10 D=10
Criança 18 26 44

Total 42 36 78

35

3
 Teste de McNemar
Hipóteses:
H0: a probabilidade de que uma criança mude a sua atenção de um adulto para criança (P ) é igual aA

probabilidade que ela mude de criança para adulto (P ) e é igual a 50%, ou seja: P = P = 1/2.
B A B

( A  D  1) 2 (8  1) 2
 obs    1.75
A D 18  10

Teste de McNemar-SPSS
Analyze/descriptive statistics /nonparametric tests/ 2 related samples

p= 0.186>0,05, não se rejeita H0, isto é, não existe evidência significativa que nos
leve a considerar que as crianças apresentam tendência para mudar o seu objeto de
36
interesse.