CURSO DE ESPECIALIZAÇÃO:

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

Execução & Análise

Testes de hipóteses
Prof. Dr. Alex Bacadini França
Até agora...
Amostras para estimar o que está acontecendo em uma população a qual
não temos acesso.

Muito que bem!

Mas como posso aproveitar
esse conhecimento para
além da minha pesquisa?
▪ Parâmetro → População | Estimativa → amostra
▪ Estimador = Fórmula | Estimativa = Resultado

▪ Um estimador é consistente se o sua estimativa converge ao parâmetro

ao crescimento da amostra.

▪ Um estimador é não-viesado se seu valor médio é o mesmo do

parâmetro
A média amostral converge à populacional quando a amostra tende ao
infinito. Se N é grande, é bem provável que a média amostral seja igual a
média populacional

p
𝑥ҧ → 𝜇 𝑞𝑢𝑎𝑛𝑑𝑜 𝑛 → ∞
A média amostral converge à populacional quando a amostra tende ao
infinito. Se N é grande, é bem provável que a média amostral seja igual a
média populacional
Hipóteses
Nula e alternativa 1
 Usando modelos estatísticos para testar questões de pesquisa
Usamos a média como um exemplo, mas o que acontece quando o cenário é mais
complexo?

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!
 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.
Testes de hipóteses
Conceitos e exemplos 2
 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
 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, é sugerido que a hipótese alternativa se
sobressai sobre a hipótese nula
 Estatística frequentista => valor de p (Sig.)

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

Posteriormente, verificamos o valor de p obtido nos nossos dados

p < 0.001 p=0.01 mais evidente que a hipótese nula está “errada” e
Por contraste, mais evidente que a hipótese alternativa (de que há diferença) se
sobressai.
Quanto menor o valor de p obtido, mais evidente que há diferenças, isto é, há um
efeito ocorrendo e não é por acaso.

Lembrete: Hipótese nula é sempre aquela que nega o efeito

Hipótese alternativa é sempre aquela elaborada pelo pesquisador
Tipos de Teste t
Conceitos e exemplos 2.1
 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 há
diferenças entre os grupos
 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.
Teste t para amostras independentes
Conceito e exemplo 2.1
 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)

Se p < 0.05 há evidencias de que há diferença, logo são diferentes, há um efeito.

p < 0.05 evidências maiores para 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
 Teste t de Student
AMOSTRAS INDEPENDENTES

Guias propostas por Cohen (1988) para interpretação do tamanho do

efeito:

.01=efeito pequeno
.06=efeito moderado
.14=efeito grande
 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)
 Teste t de Student
AMOSTRAS INDEPENDENTES

Vamos ao JASP analisar se há uma diferença entre homens e

mulheres nos escores de Depressão e Ansiedade nos primeiros 3
meses de quarentena da pandemia da COVID19 no Brasil.

Pergunta: Existe diferença significativa na média dos escores de

Depressão e Ansiedade entre homens e mulheres nos primeiros 3
meses da quarentena da pandemia da COVID 19 no Brasil ?
Análise de variância
ANOVA 3
 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).
 ANOVA Family wise error rate

Leve Moderada Grave

Insônia

Jovens Adultos Idosos

ANOVA entre grupos
Conceito e exemplos 3.1
 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?
 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.
Teste t para amostras pareadas
Conceito e exemplo 2.2
 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.
 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
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
 Teste t de Student
AMOSTRAS PAREADAS

Explorar o impacto de uma intervenção destinada a aumentar a confiança dos alunos na

capacidade de sobreviver a um curso de estatística obrigatória.

Os alunos foram divididos em dois grupos iguais e solicitados a preencher uma série de escalas
(Tempo 1). Estes incluíram um teste de medo de estatística, escala de confiança em lidar com
estatísticas e escala de depressão. Um grupo (Grupo 1) recebeu uma série de sessões
destinadas a melhorar as habilidades matemáticas, o segundo grupo (Grupo 2) foi submetido a
um programa projetado para construir confiança na capacidade de lidar com estatísticas.
Após o programa (Tempo 2), eles foram novamente solicitados a preencher as mesmas escalas
que completaram antes do programa. Eles também foram acompanhados três meses depois
(Tempo 3). Seu desempenho em um exame de estatística também foi medido.
 Teste t de Student
AMOSTRAS PAREADAS

Vamos ver se o nível de confiança

mudou após a intervenção?

Tempo_1 vs Tempo_2
 ANOVA
AMOSTRAS PAREADAS

Vamos ver se o nível de confiança

também se sustentou após a
intervenção?

Tempo_1, Tempo_2, Tempo_3

O que eu descobri hoje
sobre estatística ?!
 Resumo
Do que falamos hoje? 5
 VAMOS REVER ALGUNS CONCEITOS

Hipótese Alternativa Hipótese Nula

Crença do pesquisador Não existem diferenças
significativas

ANOVA
tem dois ou mais grupos e deseja
comparar suas pontuações médias
em uma variável contínua

Tamanho do efeito Teste t

uma medida objetiva e diferenças entre as médias de dois
(geralmente) padronizada da grupos
magnitude do efeito observado