Ebook 3 Avancado Amostra

Conceitos essenciais
simplificados
Análise de dados com

passo a passo ilustrado
O melhor software gratuito

para suas análises
APRENDER ESTATÍSTICA FÁCIL
Você vai aprender a analisar seus dados de forma rápida,
fácil e inquestionável.
Metodologia de ensino SIMPLES que em pouco tempo permitirá que

analise seus dados sozinho.
Abordamos TODAS as etapas e somente o que de fato é necessário para

analisar seus dados.
Partimos do princípio já validado que é perfeitamente possível analisar

dados de forma correta sem precisar entender conceitos ou fórmulas
complexas.
Assim, este livro lhe servirá mesmo que ainda não saiba nada de estatística.
*Os 3 volumes estão inclusos nesta oferta.
ADQUIRA O SEU
CLICANDO AQUI!

MAIS INFORMAÇÕES SOBRE O VOLUME III
A proposta para este volume é um tanto quanto

diferente.
Incluiremos tópicos sugeridos pelos nossos

seguidores em cada nova versão!
O melhor de tudo é que você, que já adquiriu o

pacote, terá acesso a essas atualizações de
forma vitalícia.
Neste volume tratamos de tópicos extras, além

de tópicos um pouco mais avançados que os
tratados nos outros dois volumes.
Assim, como este volume será atualizado

periodicamente com novos tópicos, pedimos
que nos envie sugestões pelo nosso perfil no
Instagram:
@aprenderestatisticafacil

Estatística Aplicada: Análise de Dados (Volume III - Avançado) /
Alves, Ana. - Aprender Estatística Fácil, 2022. Versão 1. 104 p.
1. Estatística. 2. Bioestatística. 3. Aprender Estatística Fácil. 4.

Estatística aplicada. 5. Análise de dados. 6. Estatística
inferencial. 7. Estatística descritiva. 8. Confecção de gráficos. 9.
Tamanho amostral.
© 2022 Aprender Estatística Fácil
Todos os direitos reservados. Esta publicação ou qualquer

parte dela não pode ser reproduzida ou usada de forma
alguma sem autorização expressa do detentor dos direitos.
Aprender Estatística Fácil

www.estatisticafacil.org

PREFÁCIO
Você vai aprender a analisar seus dados de

forma rápida, fácil e inquestionável.
Introduzimos uma metodologia de ensino

SIMPLES que em pouco tempo permitirá que
Abordamos TODAS as etapas e somente o que é

realmente necessário saber para que analise
seus dados.
Partimos do princípio já validado que é

perfeitamente possível analisar dados de forma
correta sem precisar entender conceitos,
fórmulas ou tabelas complexas.
Assim, este livro lhe servirá mesmo que ainda

não saiba nada de estatística.
Não há na literatura nada parecido com essa

proposta de "aprender a analisar dados de forma
rápida, fácil, independente e inquestionável".

ENTENDA NOSSA
METODOLOGIA
(a) somente os conceitos

essencialmente necessários são
apresentados, de forma
simplificada.
(b) utilizamos esquemas e

exemplos para fixar os conceitos
e facilitar ainda mais o
entendimento.
(c) introduzimos um algoritmo

simples para seleção das
análises estatísticas e dos
gráficos.
(d) as principais análises

estatísticas, que são utilizadas
em 99% dos casos, são tratadas
no livro.
(e) para cada análise,

apresentamos os passos
ilustrados para que seja
inquestionável.
(f) o software estatístico gratuito

mais completo, intuitivo e
simples é utilizado na
aprendizagem.

SUMÁRIO
O QUE DEVO SABER PARA
1) COMEÇAR?
aqui, aprenderá de forma
simplificada somente os
conceitos essenciais
2) OS MELHORES SOFTWARES
GRATUITOS
pacotes indicados para análise
de dados, confecção de gráficos
e cálculo de tamanho amostral
3) ESTATÍSTICA DESCRITIVA:
MEDIDAS-RESUMO
apresentamos as medidas que
importam para resumir e
apresentar seus dados
4) ESTATÍSTICA INFERENCIAL:
ANÁLISES
aprenda a selecionar a análise
adequada e a aplicá-la e forma
100% correta
5) COMO ESCOLHER O GRÁFICO

CORRETO? (VOLUME II)
um passo a passo completo de
como selecionar e confeccionar
um gráfico perfeito
6) EXTRAS & TÓPICOS

AVANÇADOS (VOLUME III)
aqui, apresentamos dicas
extras e tópicos pouco mais
avançados

SUMÁRIO DO VOLUME III (AVANÇADO)
1) CALCULANDO O TAMANHO AMOSTRAL

1. Por que calcular o tamanho amostral...................................................................10
2. Programa para cálculo do tamanho amostral.....................................................13
3. Parâmetros-chave do G*Power.............................................................................14
4. Calculando o tamanho amostral............................................................................17
5. Buscar diferenças entre grupos (não pareados)..................................................20
6. Buscar diferenças entre grupos (pareados).........................................................34
7. Buscar relação entre variáveis...............................................................................52

2) COMO FAZER UMA AMOSTRAGEM

1. Por que devemos fazer uma amostragem adequada.........................................73
2. Conceitos básicos.....................................................................................................74
3. Tipos de amostragem..............................................................................................77
4. Disposições finais sobre amostragem..................................................................81
5. Como fazer na prática.............................................................................................84

3) TÓPICOS AVANÇADOS EXTRAS

1. Valor de p: o retorno...............................................................................................89
2. Tamanho do efeito...................................................................................................93
3. Intervalo de confiança.............................................................................................96
4. Poder do teste........................................................................................................101

4) ANÁLISES INFERENCIAIS AVANÇADAS

1. Modelo linear generalizado.........................................................próximas versões


aprender estatística fácil
1. POR QUE CALCULAR O TAMANHO
AMOSTRAL?
Ao conduzirmos uma amostragem, coletamos

dados de apenas uma parte dos elementos que
compõem a população.
Fazemos isso, pois seria muito custoso, em

tempo e dinheiro, coletar dados de todos os
elementos da população.
Além disso, coletar todos estes dados se tornaria

um processo extremamente desnecessário se
seguirmos os passos aqui propostos.
Por que é importante a definição de um

tamanho amostral adequado?
Um tamanho Amostras Amostras

amostral desnecessaria- excessivamente
adequado mente grandes pequenas
acarreta em acarretam em levam a
diminuição do desperdício de resultados não
erro amostral. tempo e dinheiro. confiáveis.
APRENDER ESTATÍSTICA FÁCIL 10

Devido ao erro amostral — que é representado
pela diferença entre o verdadeiro valor populacio-
nal e o resultado amostral — uma amostra nunca
representará perfeitamente a população.
= -
ERRO VALOR REAL DA VALOR OBTIDO
AMOSTRAL POPULAÇÃO NA AMOSTRAGEM
Assim, o erro amostral atrapalha inferirmos

sobre características da população a partir dos
dados amostrais. Dependendo de sua magnitude,
esse erro pode nos levar a tirar falsas conclusões.
Por isso, em uma análise mais superficial, quanto
menor o erro amostral, melhor.
Mas então como podemos diminuir o erro

amostral?
Primeiramente, sempre devemos considerar o

melhor custo-benefício possível. Então, com
base em um tamanho amostral adequado,
obtido por meio de cálculo (Capítulo 1), devemos
coletar os dados por meio de um método de
amostragem (Capítulo 2) apropriado.

2. PROGRAMA PARA CÁLCULO DO
TAMANHO AMOSTRAL
G*Power: Statistical Power Analyses é uma
poderosa ferramenta estatística gratuita usada
para cálculo do tamanho amostral.
Além de outras funções, como as relacionadas ao

poder do teste e ao tamanho de efeito, o
G*Power é a ferramenta ideal para o cálculo do
tamanho amostral de testes que tratamos neste
livro, como teste t, Anova, regressão linear, etc.
Você pode baixar o G*Power diretamente em seu

site oficial: bit.ly/gpowerstat Há versões
disponíveis para Windows e macOS.
Ao entrar no endereço acima, basta rolar a página

até encontrar o tópico Download. Selecione a
versão desejada, Windows ou macOS, e baixe o
G*Power.
Após baixar o G*Power, basta instalá-lo.

Usaremos ele a partir daqui.

Cada cálculo de tamanho amostral no G*Power pode ser
dividido em três passos simples:
1. Seleção do teste apropriado

2. Prenchimento dos parâmetros de entrada
3. Determinação do tamanho do efeito
1

15
10
0
Grupo 1 Grupo 2 Grupo 3
5.1 TESTE T PARA 2 AMOSTRAS INDEPENDENTES

(NÃO PARAMÉTRICO: TESTE U DE MANN-WHITNEY)
5.2 ANOVA DE 1 FATOR (UMA VIA)

(NÃO PARAMÉTRICO: TESTE U DE KRUSKAL-WALLIS)
5.3 ANOVA DE 2 FATORES (DUAS VIAS - FATORIAL)

5.1 TESTE T PARA DUAS AMOSTRAS INDEPENDENTES
Exemplo: Testar se há diferença na altura entre pessoas do sexo

masculino e do sexo feminino em uma tribo indígena.
Cálculo do Tamanho Amostral: A partir de um estudo piloto obtivemos 4
observações de cada um dos 2 grupos, e então estimamos a média e o
desvio padrão de cada um deles.
1. Ao abrir o G*Power, clique em Tests: Means: Two independent

groups.
1
2. Agora vamos preencher os Input Parameters (Parâmetros de Entrada)

de acordo com as informações a seguir:
Tail(s) = Cauda(s): Marque One (Uma) se o teste for unicaudal ou Two

(Duas) se o teste for bicaudal. Mas quando o teste será unicaudal ou
bicaudal? Caso a hipótese alternativa (H1) seja específica, por exemplo, "a
média do grupo 1 é maior que a média do grupo 2", então usamos o teste
unicaudal. Caso a hipótese alternativa seja geral, "as médias são diferentes
entre os grupos", ou seja, sem distinção inicial de qual é maior ou menor,
então usamos o teste bicaudal. Essa hipótese deve ser baseada em
conhecimento existente na área de estudo. Se não tem certeza, melhor
manter a opção Two (Duas).

α err prob = nível de significância: Probabilidade de rejeição da hipótese
nula quando ela é verdadeira (erro tipo I). Normalmente os valores
utilizados são 0,05 ou 0,01. Um nível de significância de 0,05, por exemplo,
indica um risco de 5% de concluir que existe uma diferença quando não há
diferença real.
Power (1 – β err prob) = Poder do Teste: Probabilidade de rejeitar a

hipótese nula se realmente for falsa, ou seja, o quanto o teste controla o
erro tipo II. Normalmente um valor aceitável está entre 0,80 e 0,99. Quanto
maior o poder do teste, melhor, mas à medida que o aumentamos, o
tamanho amostral requerido também aumenta.
Allocation ratio N2/N1 = Proporção de alocação entre os grupos

N2/N1: Caso pretenda que o tamanho amostral dos dois grupos seja o
mesmo, então basta entrar com o valor 1 (um). Se quiser outra proporção
de alocação entre os grupos, basta entrar com o valor requerido.
2
3
4

3. Effect size d = Tamanho do efeito de Cohen (d): Esta medida
representa a força da diferença detectada entre os grupos testados.
Convencionalmente considera-se d = 0,20 como fraca, d = 0,50 como
média, e d = 0,80 como forte. Para definir o d para nosso cálculo de
tamanho amostral, clique em Determine => (Determinar =>) e uma nova
aba vai se abrir. Nesta nova aba precisamos colocar valores da média
(Mean) e do desvio padrão (SD σ), que obtivemos do estudo piloto, de cada
um dos dois grupos. Essas medidas-resumo podem ser calculadas
facilmente, de acordo com instruções no Volume I: Capítulo 3: Tópico 5
(Prática: medidas-resumo).
Ao preencher, basta clicar em Calculate and transfer to main window

(Calcular e transferir para a janela principal) que o valor de d adequado aos
seus dados será calculado e o campo Effect size d será preenchido.
3
1
4. Com todos os parâmetros de entrada preenchidos, basta clicarmos em

Calculate (Calcular) no canto inferior direito para obtermos o número de
amostras que devemos coletar. Neste caso, nosso tamanho amostral total
calculado foi de 14 elementos, sendo 7 no grupo 1 e 7 no grupo 2, que
devemos obter aleatoriamente na população. Assim, precisaremos deste
tamanho amostral para detectarmos este tamanho do efeito; e, assumindo
que ele esteja correto, com probabilidade de 5% de cometer o erro tipo I e
95% de não cometer o erro tipo II.

2
*Mas como e de onde obteremos estes valores de média e desvio padrão para
os dois grupos de forma a calcular o tamanho do efeito? Precisamos de alguma
forma conhecer ou estimar essas medidas dos grupos. Esses valores são
normalmente estimados de duas formas: (1) por meio de uma coleta piloto com
algumas poucas amostras; ou (2) por meio de outros estudos, com populações,
espécies ou condições semelhantes ao seu estudo.Em casos mais específicos,
também podemos ter alguma razão para já assumir diretamente um tamanho
do efeito esperado, sem precisar de estimativas das medidas-resumo média e
desvio-padrão dos grupos.
**Caso precise calcular o tamanho amostral para o teste U de Mann-Whitney,

não paramétrico análogo a este teste t, basta no início (passo 1), ao abrir o
G*Power, clicar em Tests: Means: Two independent groups: Wilcoxon (non-
parametric). Neste caso, mantenha a opção Parent distribution em Normal. Os
outros passos são os mesmos.

15
10
0
Grupo 1 Grupo 2 Grupo 3
6.1 TESTE T PARA 2 AMOSTRAS PAREADAS

(NÃO PARAMÉTRICO: TESTE DE WILCOXON)
6.2 ANOVA DE 1 FATOR C/ MEDIDAS REPETIDAS

(NÃO PARAMÉTRICO: TESTE DE FRIEDMAN)
6.3 ANOVA DE 2 FATORES C/ MEDIDAS REPETIDAS
6.4 ANOVA EFEITO MISTO

100
75
50
25
0
0 25 50 75 100
7.1 CORRELAÇÃO DE PEARSON

(NÃO PARAMÉTRICO: CORRELAÇÃO DE KENDALL & SPEARMAN)
7.2 REGRESSÃO LINEAR SIMPLES & 7.3 MÚLTIPLA

('NÃO PARAMÉTRICO': MODELO LINEAR GENERALIZADO)
7.4 REGRESSÃO LOGÍSTICA SIMPLES & 7.5 MÚLTIPLA

1. POR QUE DEVEMOS FAZER UMA
AMOSTRAGEM ADEQUADA?
Vimos no capítulo anterior que o cálculo do tamanho

amostral é fundamental para que tenhamos resultados
mais confiáveis em nossas análises no melhor custo-
benefício possível.
No entanto, não adianta calcular o tamanho da amostra

e obter um número adequado de elementos, se a
amostragem em si for feita de forma inadequada.
Uma amostragem mal feita introduzirá vieses na amostra,

aumentará o erro amostral, e consequentemente nos
levará a tirar conclusões falsas.
A amostragem representa um processo no qual

selecionamos uma parte dos elementos que compõem
uma população, a fim de caracterizá-la.
Esse processo pode ser feito de inúmeras formas, mas

há formas mais adequadas de se fazê-la de acordo com a
situação.
Assim, trataremos agora sobre formas de amostragem e

como devemos conduzi-la de forma correta.

3.3 AMOSTRAGEM ESTRATIFICADA
A amostragem estratificada representa um método de

amostragem probabilística utilizado quando devemos
considerar um ou mais critérios na população antes da
seleção dos elementos. Assim, dois passos são
necessários. O primeiro é dividir a população em dois ou
mais grupos (estratos), de acordo com a(s) característica(s)
de interesse. O segundo passo seria sortear os elementos,
proporcionalmente ao tamanho dos estratos. Esse
método permite um melhor controle da
representatividade dos diferentes tipos de elementos
dentro da população.
AMOSTRAGEM
ESTRATIFICADA
EXEMPLO Seleção de 6 pessoas das 18 que
compõem a população — por sorteio,
proporcionalmente ao sexo do elemento.
POPULAÇÃO ESTRATO AMOSTRA

VOCÊ
PREFERE CÃO
OU GATO?
CONCURSO
"O CÃO MAIS
LEGAL"
Em 1948, um jornal de Chicago projetou erroneamente o

próximo presidente americano baseado em uma
pesquisa por telefone. Eles não consideraram que,
naquela época, só a classe alta poderia ter telefone. A
lição de ouro é: sempre tenha certeza que sua amostra
de fato represente a população.

5. COMO FAZER NA PRÁTICA
Poderíamos fazer os sorteios a moda antiga, como em um bingo,

usando um saco ou uma urna. Mas obviamente temos
atualmente possibilidades mais práticas e rápidas para isso.
Assim, primeiro precisamos que cada elemento da população

tenha uma identificação única e esteja disposto em uma planilha.
Essa identificação pode ser um número qualquer, nome, código,
CPF, etc.
Lembre-se que cada elemento pode ser uma pessoa, um animal,

um prontuário, um quadrante, um país, uma cidade, uma floresta,
uma lagoa, uma placa de Petri, uma casa, uma compra, etc.
Para nosso exemplo, suponha que temos 200 nomes de

pacientes que foram atendidos em um clínica e queremos
amostrar 20 para uma pesquisa.
Aqui temos este exemplo com os nomes dos pacientes em ordem

alfabética.

1. VALOR DE P: O RETORNO
No Volume I apresentamos uma definição de valor de p bastante

didática, mas que não reflete precisamente seu significado.
Acreditamos que para um contato inicial com o tema, essa
simplificação traz sua parcela de contribuição para seu
entendimento.
Assim, como prometido, apresentamos agora uma definição mais

precisa do valor de p, mas que ao mesmo tempo requer uma
maior atenção e talvez maior abstração.
Quando fazemos um teste inferencial de hipóteses — como

qui-quadrado, teste t, anova, correlação, regressão, etc — temos
basicamente duas hipóteses:
HIPÓTESE NULA (H0) HIPÓTESE ALTERNATIVA (H1)

A padrão, mais simples, de Estado alternativo,

que não há 'diferença entre complementar a H0, de que há
os grupos' ou não há 'relação 'diferenças entre grupos' ou
entre as variáveis'. há 'relação entre as variáveis'.
Assim, o objetivo básico de todo e qualquer teste de hipóteses é

definir se rejeitaremos ou não a hipótese nula (H0) — e essa
definição dependerá de dois fatores fundamentais:
1. NÍVEL DE SIGNIFICÂNCIA (α)

Representa um valor de corte, um critério que definimos para
rejeitar H0 ou não. A definição de seu valor — normalmente 1%
ou 5% — deve ser feita anteriormente ao teste.

UMA SENHORA TOMA CHÁ (EXEMPLO)
Era uma tarde de verão em Harpenden, Inglaterra, no início dos

anos 1920.
Um grupo de cientistas — um estatístico, uma algologista e um

bioquímico — tomara lugar a uma mesa para o chá da tarde na
Estação Experimental Rothamsted.
A algologista, Muriel Bristol, insistia em afirmar que o chá

servido sobre o leite apresentara sabor diferente do que quando
o leite era servido sobre o chá.
Então, todos a questionaram. Qual seria a diferença? Não podiam

conceber que de fato existisse alguma no sabor.

POPULAÇÃO
AMOSTRAS
MÉDIA =
MÉDIA = MÉDIA = MÉDIA =
78 mm Hg 75 mm Hg 67 mm Hg 81 mm Hg
A boa notícia é que quando calculamos o tamanho amostral e

coletamos os dados por meio de um método de amostragem
aleatória adequada, é possível estimar esse erro.
Esse é o papel do intervalo de confiança!
Assim, sempre que apresentarmos a estimativa da um parâmetro

populacional, como a média, devemos também apresentar o
intervalo de confiança para mostrar a precisão.
Imagine então que queremos estimar a média do peso de todas

as laranjas de um pomar.
A melhor forma de fazer isso é coletando uma amostra aleatória

com tamanho amostral adequado e apresentando a média e o
intervalo de confiança.

Você vai aprender a analisar seus dados de forma rápida,
fácil e inquestionável.
Metodologia de ensino SIMPLES que em pouco tempo permitirá que

Abordamos TODAS as etapas e somente o que de fato é necessário para

analisar seus dados.
Partimos do princípio já validado que é perfeitamente possível analisar

dados de forma correta sem precisar entender conceitos ou fórmulas
complexas.
Assim, este livro lhe servirá mesmo que ainda não saiba nada de estatística.
*Os 3 volumes estão inclusos nesta oferta.
ADQUIRA O SEU
CLICANDO AQUI!

Você vai aprender a analisar seus dados de forma
rápida, fácil e inquestionável.
Introduzimos uma metodologia de ensino SIMPLES

que em pouco tempo permitirá que analise seus
dados sozinho.
Abordamos TODAS as etapas e somente o que é

realmente necessário saber para que analise seus
dados.
Partimos do princípio já validado que é

perfeitamente possível analisar dados de forma
correta sem precisar entender conceitos, fórmulas
ou tabelas complexas.
Assim, este livro lhe servirá mesmo que ainda não

saiba nada de estatística.
Não há na literatura nada parecido com essa

proposta de "aprender a analisar dados de forma
rápida, fácil, independente e inquestionável".

Ebook 3 Avancado Amostra

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ebook 3 Avancado Amostra

Enviado por

Direitos autorais:

Formatos disponíveis

Conceitos essenciais

Análise de dados com

O melhor software gratuito

Metodologia de ensino SIMPLES que em pouco tempo permitirá que

Abordamos TODAS as etapas e somente o que de fato é necessário para

Partimos do princípio já validado que é perfeitamente possível analisar

*Os 3 volumes estão inclusos nesta oferta.

APRENDER ESTATÍSTICA FÁCIL

A proposta para este volume é um tanto quanto

Incluiremos tópicos sugeridos pelos nossos

O melhor de tudo é que você, que já adquiriu o

Neste volume tratamos de tópicos extras, além

Assim, como este volume será atualizado

APRENDER ESTATÍSTICA FÁCIL

1. Estatística. 2. Bioestatística. 3. Aprender Estatística Fácil. 4.

© 2022 Aprender Estatística Fácil

Todos os direitos reservados. Esta publicação ou qualquer

Aprender Estatística Fácil

APRENDER ESTATÍSTICA FÁCIL

Você vai aprender a analisar seus dados de

Introduzimos uma metodologia de ensino

Abordamos TODAS as etapas e somente o que é

Partimos do princípio já validado que é

Assim, este livro lhe servirá mesmo que ainda

Não há na literatura nada parecido com essa

APRENDER ESTATÍSTICA FÁCIL

(a) somente os conceitos

(b) utilizamos esquemas e

(c) introduzimos um algoritmo

(d) as principais análises

(e) para cada análise,

(f) o software estatístico gratuito

APRENDER ESTATÍSTICA FÁCIL

5) COMO ESCOLHER O GRÁFICO

6) EXTRAS & TÓPICOS

APRENDER ESTATÍSTICA FÁCIL

1) CALCULANDO O TAMANHO AMOSTRAL

2) COMO FAZER UMA AMOSTRAGEM

3) TÓPICOS AVANÇADOS EXTRAS

4) ANÁLISES INFERENCIAIS AVANÇADAS

APRENDER ESTATÍSTICA FÁCIL

Ao conduzirmos uma amostragem, coletamos

Fazemos isso, pois seria muito custoso, em

Além disso, coletar todos estes dados se tornaria

Por que é importante a definição de um

Um tamanho Amostras Amostras

APRENDER ESTATÍSTICA FÁCIL 10

Assim, o erro amostral atrapalha inferirmos

Mas então como podemos diminuir o erro

Primeiramente, sempre devemos considerar o

APRENDER ESTATÍSTICA FÁCIL 11

Além de outras funções, como as relacionadas ao

Você pode baixar o G*Power diretamente em seu

Ao entrar no endereço acima, basta rolar a página

Após baixar o G*Power, basta instalá-lo.

APRENDER ESTATÍSTICA FÁCIL 13

1. Seleção do teste apropriado

APRENDER ESTATÍSTICA FÁCIL 18

5.1 TESTE T PARA 2 AMOSTRAS INDEPENDENTES

5.2 ANOVA DE 1 FATOR (UMA VIA)

5.3 ANOVA DE 2 FATORES (DUAS VIAS - FATORIAL)

APRENDER ESTATÍSTICA FÁCIL

Exemplo: Testar se há diferença na altura entre pessoas do sexo