27/05/2019

CURSO DE ESPECIALIZAÇÃO:
REABILITAÇÃO NEUROPSICOLÓGICA:
TOPICOS BÁSICOS PARA ATENDIMENTO DA
CRIANÇA E DO IDOSO

Execução & Análise

Testes de hipóteses
Prof. Dr. Alex Bacadini França
Profa Dra. Juliana S. Faccioli

OBJETIVOS

•Gerar hipóteses: dividir sua teoria em um conjunto de previsões testáveis

• Analisar os dados: ajustar um modelo estatístico aos dados - esse modelo

testará suas previsões originais.

•Avaliar este modelo para ver se ele suporta ou não suas previsões iniciais

•Analisar mudanças e intervenções em modelos ABA

Hipóteses
Nula e alternativa 1
3

1
 27/05/2019

Usando modelos estatísticos para testar questões de pesquisa

Até agora...
Amostras para estimar o que está acontecendo em uma população grande a qual não temos
acesso.
Usamos a média como um exemplo, mas o que acontece quando o cenário é mais complexo?

Você e eu estamos aqui sentados,

conversando e nos divertindo. Mas é só
porque estamos bêbados. De outra forma,
nunca conversaríamos. Porque isso?

Usando modelos estatísticos para testar questões de pesquisa

Nesses casos, estamos detectando efeitos na população e quantificando esses

efeitos.
Maneiras de quantificar efeitos e decidir se eles são significativos.

1. Criar uma hipótese (ou hipóteses) – isso será, geralmente,

uma previsão de que algum tipo de efeito existe na população.
2. Coletar alguns dados úteis.
3. Testar as previsões originais.

Hipoteses

Hipótese Alternativa (Ha): Crença do

pesquisador (Eu acredito que eu como mais
chocolate quando faço as análises do meu TCC /
Eu acredito que barulho ao fundo atrapalha a
memória de curto prazo / O tratamento X
funciona melhor que o Y)

Hipótese Nula (H0): Esta hipótese é o oposto da

hipótese alternativa. (Não existe(m) diferença(s).
Tudo é aleatório!

2
 27/05/2019

Hipóteses
Queijo dá pesadelos:
●A hipótese alternativa: as pessoas que comem queijo antes
de dormir têm mais pesadelos do que quem não come;
●A hipótese nula: quem come queijo antes de dormir tem o
mesmo número de pesadelos do que aqueles que não.

Determine a hipótese nula para as crenças

abaixo

●Eu acredito que a quantidade de álcool consumida

esteja relacionada com o número de erros ao volante

●Eu acredito que, quanto mais próximos estivermos das

eleições mais mentiras ouviremos dos políticos

Testes de hipóteses
Conceitos e exemplos 2
9

3
 27/05/2019

Lógica dos testes de hipóteses

●Formular as hipóteses e testá-las
●Calcular a probabilidade deste relacionamento
acontecer
●Se esta probabilidade calculada na amostra reflete
um relacionamento genuíno na população
●E quão forte é o efeito na população

10

Lógica dos testes de hipóteses

Nunca podemos ter absoluta certeza de que qualquer
hipótese está correta.

●Probabilidades -> Calculamos a probabilidade de que os

resultados que obtivemos ocorreram por acaso – à medida que essa
probabilidade diminui, confirmamos que a hipótese alternativa é
correta e que a hipótese nula pode ser rejeitada

11

Testar a afirmação de uma mulher de que ela conseguia determinar, provando

uma xícara de chá, se o leite ou o chá foi colocado primeiro na xícara.

Dar à mulher algumas xícaras de chá em que o leite fosse colocado primeiro e
outras em que o leite fosse colocado por último e ver se ela conseguiria
identificá-las corretamente.

Existiria um número igual de xícaras com o leite colocado em primeiro lugar e

por último, mas não saberia a ordem em que foi colocado.

12

4
 27/05/2019

1. Chá 2. Leite
Se ela adivinhar nessa

50% de chances
probabilidade (1/20), ela
realmente é muito boa!
Não foi por acaso!
Evento raro de ocorrer

20 maneiras nas quais essas xícaras podem ser arranjadas -> a mulher
somente adivinharia a ordem correta uma vez em 20 (ou 5% das vezes).

13

Usamos probabilidade para fazer inferência estatística de forma

semelhante. Desejamos especificar a probabilidade de um evento
ocorrer se não houver diferença na população.

Se essa probabilidade for muito baixa, rejeitamos a possibilidade de a

diferença obtida entre as medias ser devida unicamente a erro casual
(rejeitamos a hipótese nula).

14

Estatística frequentista => valor de p (Sig.)

Prática: Determinamos nível alpha de probabilidade de 0,05 (5%)

Valor de p menor que o valor da probabilidade da hip. Nula estar certa
p < 0.05 “rejeito’ a hipótese nula e
“aceito” a hipótese alternativa (de que há diferença)

Queijo dá pesadelos:
●A hipótese alternativa é que aqueles que comem queijo antes de dormir
têm mais pesadelos do que quem não come;
●A hipótese nula seria que quem come queijo antes de dormir tem o mesmo
número de pesadelos do que aqueles que não.

15

5
 27/05/2019

Tipos de Teste t
Conceitos e exemplos 2.1
16

Teste t de Student

Willian S. Gosset em 1908.

Guiness -> publicação como “the student”

Queremos saber se as diferenças entre as médias dos grupos

são grandes o suficiente para podermos concluir que as
diferenças ocorrem devido a influência da variável
independente.

17

Teste t de Student

• teste t de amostras independentes: usado quando você deseja comparar as

pontuações médias de dois grupos diferentes de pessoas ou condições (ex.
Alteração na memorização em função do barulho do ambiente)

• teste t de amostras pareadas: usado quando você deseja comparar as

pontuações médias do mesmo grupo de pessoas em duas ocasiões diferentes,
ou quando você tem pares correspondentes (Ex.: tratamento de depressão).

Em ambos os casos, você está comparando os valores em alguma variável

contínua para dois grupos ou em duas ocasiões.

18

6
 27/05/2019

Teste t para amostras independentes

Conceito e exemplo 2.1
19

Teste t de Student
AMOSTRAS INDEPENDENTES

Um teste t de amostras independentes é usado quando você deseja comparar a pontuação

média, em alguma variável contínua, para dois grupos ou condições diferentes
(independentes).
O que você precisa:
- duas variáveis:
• uma variável categórica e independente (por exemplo, homens / mulheres ou condições)
• uma variável dependente contínua (por exemplo: escores de testes, escores de
desempenho, treinamento neuromotor)

O que faz: Em termos estatísticos, você está testando a probabilidade de os dois

conjuntos de pontuações terem a mesma variabilidade.
Se p < 0.05 “aceito” a hipótese alternativa (de que há diferença, logo são diferentes, há um
efeito)

20

Teste t de Student
AMOSTRAS INDEPENDENTES
O grupo teve a tarefa de memorizar e depois escrever o maior numero de palavras que
lembrasse em um ambiente silencioso e depois teve a tarefa de memorizar e depois escrever o
maior numero de palavras que lembrasse em um ambiente com muito barulho.

Pergunta: Existe diferença significativa na média de palavras lembradas sob as condições barulho
e sem barulho?

Objetivo: Verificar a existência de diferenças entre as medias dos grupos e se são grandes o
suficientes para concluirmos que é devido a influencia da variável independente – condição
barulho/sem barulho.
(Comparando o número médio de palavras lembradas entre os grupos nas condições barulho e sem
barulho)

21

7
 27/05/2019

É usado para verificar se as duas condições tem variâncias iguais Probabilidade exata
Se p menor que 0,05 = variâncias diferentes (temos, igualdade das variâncias P = 0.001
não assumidas)
Se p maior que 0,05 = variâncias aproximadamente iguais (igualdade das
variâncias assumidas)

22

p < 0.05 “aceito” a hipótese alternativa (de que há diferença)

Isso estimula o pensamento perigoso - se você atingir o valor p mágico, sua hipótese é
verdadeira.

O uso de tamanhos de efeito estabelece um equilíbrio entre o uso de pontos de corte arbitrários,
como p <.05, e a avaliação se um efeito é significativo dentro do contexto da pesquisa.

Tamanho de efeito é simplesmente uma medida objetiva e (geralmente) padronizada da

magnitude do efeito observado. O fato de que a medida é padronizada significa apenas que
podemos comparar os tamanhos de efeito em diferentes estudos que mediram diferentes variáveis
ou utilizaram diferentes escalas de medição

Relevância clínica/prática

23

Teste t de Student
AMOSTRAS INDEPENDENTES

η2 = t2
t2 + (N1 + N2 – 2)

6,13 2 37,57 37,57

0,63
6,13 2 + (12+12-2) 37,57 + (22) 59,57

The guidelines (proposed by Cohen 1988, pp. 284–7) for

interpreting this value are:
.01=small effect
.06=moderate effect
.14=large effect

24

8
 27/05/2019

Teste t para amostras pareadas

Conceito e exemplo 2.2
25

Teste t de Student
AMOSTRAS PAREADAS

Desenhos experimentais pré-teste / pós-teste são um exemplo do tipo de situação em que esta
técnica é apropriada.
Você avalia cada pessoa em alguma medida contínua no Tempo 1 e depois novamente no Tempo
2, após expô-las a alguma manipulação experimental ou intervenção.

Essa abordagem também é usada quando você combina pares de participantes (ou seja, cada
pessoa é correspondida com outra em critérios específicos, como idade, sexo). Um dos pares é
exposto à Intervenção 1 e o outro é exposto à Intervenção 2. As pontuações em uma medida
contínua são então comparadas para cada par.

26

60 atletas foram submetidos a um treino de reabilitação por 20 dias.

Foram tomadas as medidas de altura dos saltos antes e após o
tempo de treinamento.

100(50/50) sujeitos com quadro de paralisia cerebral e

características iguais (sexo, idade, peso, etc.) foram submetidos a
dois tipos de treinamento de manobras de facilitação
neuromotora com equipamentos de suspensão. Foram tomadas as
medidas de desempenho antes e após o tempo de treinamento

Questão: O treinamento teve efeito significativo? Ou Qual

treinamento foi mais eficaz?
H0 : Não, o treino não teve efeito.
Ha: Sim, os treinos tiveram efeito. Ou O treino A foi melhor que o treino B

27

9
 27/05/2019

Teste t de Student
AMOSTRAS PAREADAS

O que você precisa:

Um conjunto de participantes (ou pares combinados). Cada pessoa (ou par) deve
fornecer os dois conjuntos de pontuações.
Duas variáveis:
• duas variáveis dependentes contínua (por exemplo, pontuações do Teste Medo de
Estatísticas)
em duas ocasiões diferentes ou sob condições diferentes.
O que faz: Um teste t de amostras pareadas informará se existe uma diferença
estatisticamente significativa nas pontuações médias do antes e depois de uma
intervenção

28

Teste t de Student
AMOSTRAS PAREADAS

Explorar o impacto de uma intervenção destinada a aumentar a confiança dos alunos em sua
capacidade de sobreviver a um curso de estatística obrigatória.

Os estudantes foram solicitados a completar o Teste de Medo das Estatísticas (FOST) tanto antes
(Tempo 1) quanto após a intervenção (Tempo 2).

As duas variáveis do arquivo de dados :

MedoEstat_1 (pontuações no teste de medo de estatísticas no tempo 1)
MedoEstat_2 (pontuações no teste de medo de estatísticas no tempo 2).

29

Teste t de Student
AMOSTRAS PAREADAS

Vamos ver se o nível de confiança

também mudou após a
intervenção?

Confiança_1 vs Confiança_2

30

10
 27/05/2019

Como reportar

Eta quadrado = t2
t2 + (N1 + N2 – 2)

Um teste t de amostras pareadas foi conduzido para avaliar o impacto da intervenção na

pontuação dos alunos no teste Medo de Estatísticas (FOST). Houve uma diminuição estatisticamente
significativa nos escores do FOST do Tempo 1 (M = 40,17, DP = 5,16) para o Tempo 2 (M = 37,5, DP =
5,15), t (29) = 5,39, p <. 0005 (bicaudal). A diminuição média nos escores do FOST foi de 2,27 com um
intervalo de confiança de 95% variando de 1,66 a 3,68. A estatística eta ao quadrado (.50) indicava
um tamanho de efeito grande.

31

Exercícios
3
32

Exercício
Um grupo de profissionais, envolvendo uma pediatra, psicóloga e pedagoga, realizaram um
experimento para investigar o efeito terapêutico de uma nova droga usada para diminuir a
hiperatividade de crianças, previamente diagnosticadas, que não apresentaram melhoras com outros
tipos de intervenções.

O grupo testou, ao todo, 60 crianças. Para 30 delas foi dado a substância chamada PARAQUIETO e para
as outras 30 foi dada Ritalina. A criança deveria tomar no sábado a noite. Os níveis de hiperatividade e
déficit de atenção foram mensurados utilizando uma escala própria (quanto maior a pontuação, mais
hiperativa a criança), sendo avaliadas um dia depois (domingo) e no meio da semana (quarta).

Será que a PARAQUIETO é melhor que a Ritalina?

GRUPO 1:
Definir as hipóteses: alternativa e nula
Comparar as médias para as duas ocasiões: droga 1 e droga 2
Analisar os escores no dia posterior (domingo) e no meio da semana(quarta) para ver se os efeitos
prolongam
Analisar o nível de significancia
Calcular o tamanho do efeito

33

11
 27/05/2019

Exercício
Uma gerontóloga juntamente com uma equipe de profissionais realizou uma
intervenção com um grupo de 40 idosos com objetivo de diminuir os indicativos de
depressão neste grupo.
Foram implementados os seguintes procedimentos:
1) Selecionados 40 idosos
2) Aplicados os testes MEEM e GDS antes da intervenção
3) Intervenção: Aulas de dança durante um mês com Sidney Magal
4) Aplicados os testes nos mesmos idosos após o fim das aulas (um mês)

GRUPO 2:
Definir as hipóteses: alternativa e nula
Comparar as médias dos escores de depressão e de rastreio cognitivo antes e após
intervenção
Analisar o nível de significancia
Calcular o tamanho do efeito (MEEM e GDS)

34

Análise de variância
ANOVA 3
35

Analysis Of Variance
(ANOVA)

Compara a variância (variabilidade nos escores) entre os diferentes grupos (que se acredita
serem devidos à variável independente) com a variabilidade dentro de cada um dos grupos (que
se acredita ser por acaso).

Uma razão F é calculada, o que representa a variância entre os grupos dividida pela variância
dentro dos grupos.

Uma grande razão F indica que há mais variabilidade entre os grupos (causada pela variável
independente) do que há dentro de cada grupo (referido como o termo de erro).

36

12
 27/05/2019

ANOVA
Family wise error rate

Leve Moderada Grave

Insônia

Jovens Adultos Idosos

37

ANOVA entre grupos

Conceito e exemplos 3.1
38

ANOVA unidirecional entre grupos

Usada quando você tem uma variável independente (agrupamento) com

três ou mais níveis (grupos) e uma variável contínua dependente.

A parte "unidirecional" do título indica que há apenas uma variável

independente e "entre grupos" significa que você tem participantes diferentes
em cada um dos grupos

Exemplo de pergunta de pesquisa: Existe uma diferença nas pontuações de

otimismo para participantes jovens, de meia idade e idosos?

39

13
 27/05/2019

ANOVA

40

ANOVA unidirecional entre grupos

O que você precisa: duas variáveis

uma variável independente categórica com três ou mais categorias distintas.

Isso também pode ser uma variável contínua que foi recodificada para dar três grupos iguais (por
exemplo, faixa etária: participantes divididos em três categorias de idade, 29 e mais jovens, entre 30
e 44, 45 ou acima)
uma variável dependente contínua (por exemplo: pontuação de otimismo).

O que ele faz: ANOVA unidirecional lhe dirá se existem diferenças significativas nas
pontuações médias da variável dependente nos três grupos. Os testes post-hoc
podem então ser usados para descobrir onde estão essas diferenças.

41

Delineamentos de sujeito únicos

Possibilidades de análises 5
42

14
 27/05/2019

Delineamento sujeito único

Até o momento...
Amostras de participantes -> populações subjacentes

Agora...
Delineamento sujeito único (AB, ABA,ABAB ...)

43

Analise visual em pesquisa de sujeito unico

Tradicionalmente, os pesquisadores de delineamento de caso-único confiam na forte validade interna dos
projetos e no uso da análise visual para documentar a eficácia da intervenção (Marascuilo & Busk, 1988;
Parsonson & Baer, 1977).

Tendências podem ser verificadas ou por inspeção visual de dados dispostos graficamente, observando-se a
inexistência de aumentos ou diminuições nos valores da variável dependente ao longo de um determinado
número de sessões terminais (normalmente, entre 4 e 10), ou ainda pela ausência de inclinação em uma reta
traçada ao longo dos dados de tais sessões.

As saídas estão mudando?

- As mudanças ~são devido a intervenção?

Por que não usar testes inferenciais?

- Pode ter um número limitado de dados
- Limitada generalização

44

Analise visual em pesquisa de sujeito unico

45

15
 27/05/2019

Delineamento simples (AB)

●Registra-se o
comportamento do
sujeito durante um
período de controle de
linha de base (A).

●Introduz-se a
manipulação durante
um período de
tratamento (B)

46

Delineamentos com Linha de Base Múltipla – Entre sujeitos

João (LB) João (INT)

Comportamento de levantar a mão (frequência)

Maria (LB)
Maria (INT)

47

Critérios quantitativos

Critérios absolutos estabelecem limites fixos de variação tolerável entre sessões.

Exemplo: tomam-se as 6 sessões finais de uma fase experimental, calcula-se a

mediana da taxa de respostas nas 3 primeiras e nas 3 últimas sessões e considera-
se o comportamento estável caso não haja uma diferença de mais do que 2
respostas/ min entre as duas medianas

48

16
 27/05/2019

O que eu descobri hoje

sobre estatística ?!

49

Resumo
Do que falamos hoje? 5
50

VAMOS REVER ALGUNS CONCEITOS

Hipótese Alternativa Hipótese Nula Erro tipo I

Crença do pesquisador Não existem diferenças Rejeitar uma hipótese nula
significativas quando não deveria ser rejeitada

Tamanho do efeito Teste t ANOVA

uma medida objetiva e diferenças entre as médias de dois tem dois ou mais grupos e deseja
(geralmente) padronizada da grupos comparar suas pontuações médias
magnitude do efeito observado em uma variável contínua

51

17
 27/05/2019

Referências

Dancey, C. & Reidy, J. (2004) Statistics without Maths for Psychology using SPSS for Windows.
Prentice Hall, London.

Field, A. P. (2009). Discovering statistics using SPSS: (and sex and drugs and rock 'n' roll). Los
Angeles. Thousand Oaks, Calif.: SAGE Publications.

Pallant, J. (2004) SPSS SURVIVAL MANUAL: A step by step guide to data analysis using SPSS. 4th
edition. Allen & Unwin Book Publishers, Australia

52

18