Escolar Documentos
Profissional Documentos
Cultura Documentos
EAP II | LPSI109
Testes t de Student
1
Análise exploratória de dados
2
Análise exploratória de dados
Histograma
3
Análise exploratória de dados
8,00 15 . 22222344
28,00 15 . 5555555566667777777777788889
35,00 16 . 00000000000001122333333333333444444
56,00 16 . 55555555555555555555556666666777888888888888888888888899
36,00 17 . 000000000000000001222223333333333344
16,00 17 . 5555666678888899
25,00 18 . 0000222222223333333333344
14,00 18 . 55556778888899
3,00 19 . 113
Stem width: 10
Each leaf: 1 case(s)
4
Análise exploratória de dados
Boxplot
5
Distribuições de Probabilidade
Distribuição Normal
(a) (b)
(c)
6
Distribuições de Probabilidade
http://en.wikipedia.org/wiki/Normal_distribution
Fonte: http://en.wikipedia.org/wiki/File:Boxplot_vs_PDF.png
7
Medidas relativas ao formato da distribuição
Medida de assimetria
Para além das medidas de localização e dispersão, é relevante estudar a assimetria (ou
O método mais simples para medir o grau de assimetria de uma distribuição consiste
8
Medidas relativas ao formato da distribuição
K > 0 Leptocúrtica (mais pontiaguda, adelgaçada do que a normal; as suas caudas são
K < 0 Platicúrtica (mais achatada do que a normal, as suas caudas são mais “curtas” do
que a normal)
9
Análise exploratória de dados
Testes de normalidade
Pela análise da significância rejeitamos a hipótese nula para os dois testes efetuados (p<.001).
Assim sendo, podemos concluir que a distribuição da variável altura difere significativamente de uma
distribuição normal.
However, when dealing with large samples, it is better to analyze the shape of the distribution instead of using formal
tests because the normality distribution hypothesis is more likely to be rejected with large samples even when the
deviation is slight Tabachnick and Fidell (2001).
The Shapiro-Wilk Test is more appropriate for small sample sizes (< 50 samples), but can also handle sample sizes as large
as 2000.
https://statistics.laerd.com/spss-tutorials/testing-for-normality-using-spss-statistics.php
10
Análise exploratória de dados
2,463 -1,831
kurtosis is 24Τ
𝑛
where n is the sample size.
The original kurtosis value is sometimes called kurtosis (proper). Most of the statistical packages such as SPSS provide “excess” kurtosis (also
called kurtosis [excess]) obtained by subtracting 3 from the kurtosis (proper).
Mishra, P., Pandey, C. M., Singh, U., Gupta, A., Sahu, C., & Keshri, A. (2019). Descriptive statistics and normality tests for statistical
data. Annals of cardiac anaesthesia, 22(1), 67.
11
Análise exploratória de dados
indicador de normalidade (por exemplo, Hair et al., 1998; Runyon, Coleman, &
Pittenger, 2000).
12
Análise exploratória de dados
50≤ n <300, z-value ± 3.29, conclude the distribution of the sample is normal.[2]
n >300, normality of the data is depend on the histograms and the absolute values of
[1] Ghasemi A, Zahediasl S. Normality tests for statistical analysis: A guide for non-statisticians. Int J Endocrinol Metab 2012;10:486-9.
[2] Kim HY. Statistical notes for clinical researchers: Assessing normal distribution (2) using skewness and kurtosis. Restor Dent Endod 2013;38:52-4.
13
Análise exploratória de dados
14
Análise exploratória de dados
15
Análise exploratória de dados
16
Análise exploratória de dados
Pela análise dos outputs podemos concluir que as variâncias dos dois grupos são homogéneas (p=.269),
mas a sua distribuição difere significativamente de uma distribuição normal (p<.05, nos dois testes
efetuados).
17
Testes t de Student para comparação de médias
Independent samples
Paired-samples
18
Testes t de Student para comparação de médias
Uma amostra
O teste t para uma amostra aplica-se quando se pretende testar se a média da população
assume um determinado valor, ou dito de outra forma, se uma dada amostra provém de
um universo de uma dada média.
As hipóteses:
H0 : μ = μ0
H1 : μ ≠ μ0 , μ < μ0 ou μ > μ0
19
Testes t de Student para comparação de médias
Uma amostra
Exercício: Realizou-se um estudo para saber se o interesse pela Estatística dos estudantes
do curso de Psicologia da FPCEUP é igual ao dos estudantes das restantes universidades
do País, cujo interesse médio é, numa escala de 0 a 20, de 14,3.
Amostra = 26
Média = 13,12
20
Testes t de Student para comparação de médias
Uma amostra
As hipóteses são:
H0 : μ = 14,30
H1 : μ ≠ 14,30
21
Testes t de Student para comparação de médias
Uma amostra
Fases de um teste de hipóteses
2. Especificação da estatística de teste
x 0
tobtido graus de liberdade -
s/ n gl
(no SPSS - df) = n - 1
s
sx erro padrão da média
n
22
Testes t de Student para comparação de médias
Uma amostra
não é rejeitada
Região de
não rejeição
23
Testes t de Student para comparação de médias
Uma amostra
Fases de um teste de hipóteses
4. Cálculo da estatística de teste e tomada de decisão
24
Effect size
An effect can be the result of a treatment revealed in a comparison between groups (eg., treated
and untreated groups) or it can describe the degree of association between two variables (treatment
dosage and health). An effect size refers to the magnitude of the result as it occurs, or would be
found, in the population. Although effects can observed in the artificial setting of a laboratory or
sample, effect sizes exist in the real world.
In the 5th edition of its Publication Manual, the American Psychological Association APA identifies
“failure to report effect sizes” as one of the seven common defects editors observed in submitted
manuscripts. To help readers understand the importance of a study’s findings, authors are advised
that “it almost always necessary to include some index of effect” (APA 2001: 25). Similarly, in its
Standards for Reporting, the American Educational Research Association (AERA) recommends the
use of statistical results should be accompanied by an effect size and “a qualitative interpretation of
the effect” (AERA2006:10).
Ellis, P. D. (2010). The essential guide to effect
sizes: Statistical power, meta-analysis, and the
interpretation of research results. Cambridge, UK:
Cambridge University Press.
25
Effect size
Two families of effect sizes:
The d family: assessing the difference between groups
Cohen (1988) hesitantly defined effect sizes as "small, d = .2," "medium, d = .5," and "large, d = .8",
stating that "there is a certain risk in inherent in offering conventional operational definitions for
those terms for use in power analysis in as diverse a field of inquiry as behavioral science" (p. 25).
[M = Média, DP= Desvio padrão; t(Graus de liberdade) = Estatística t, p= Valor da significância, d= valor da magnitude do efeito].
Nota: As estatísticas devem ser apresentadas a itálico ou sublinhado
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2ed).
Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
26
Testes t de Student no SPSS
27
Testes t de Student no SPSS
Uma amostra
Comandos SPSS:
ANALYZE
COMPARE MEANS
One-Sample T Test
28
Testes t de Student no SPSS
Uma amostra
Effect size
Cohen’s d = Mean difference divided by
the standard deviation of the sample
Analise do output:
- Se Sig (2-tailed) , existem diferenças significativas entre as médias
- Se Se Sig (2-tailed) > não existem diferenças significativas entre as médias.
- Erro tipo I – Probabilidade de Rejeitar H0 quando H0 é verdadeira (habitualmente = 0,05)
29
Testes t de Student para comparação de médias
As hipóteses são:
H0 : μd = 0
H1 : μd ≠ 0
30
Testes t de Student para comparação de médias
31
Testes t de Student para comparação de médias
As hipóteses são:
H0 : μd = 0
H1 : μd ≠ 0
32
Testes t de Student para comparação de médias
Dx Dx x A xB
t obtido =
sD x graus de liberdade - gl
(no SPSS - df) = n - 1
n
sD D Dx
2
s Dx SD i 1
i
n n 1
erro padrão da diferença de médias desvio padrão da diferença de médias
33
Testes t de Student para comparação de médias
não é rejeitada
Região de
não rejeição
34
Testes t de Student para comparação de médias
sD 4,949 D Dx
i
2
2180,1
s Dx 0,522 SD i 1
4,949
n 90 n 1 89
erro padrão da diferença de médias desvio padrão da diferença de médias
35
Testes t de Student no SPSS
Comandos SPSS:
ANALYZE
COMPARE MEANS
Paired-Samples T Test
36
Testes t de Student no SPSS
Analise do output:
- Se Sig (2-tailed) , existem diferenças significativas entre as médias
- Se Sig (2-tailed) > , não existem diferenças significativas entre as médias.
37
Testes t de Student para comparação de médias
As hipóteses:
H0 : μA = μB
H1 : μA ≠ μB , μA < μB ou μA > μB
38
Testes t de Student para comparação de médias
Exercício: Será que as alunas do curso de Medicina da ECS apresentam uma nota
de Bioestatística idêntica ao dos alunos do mesmo curso.
39
Testes t de Student para comparação de médias
As hipóteses são:
H0 : μA = μB
H1 : μA ≠ μB
40
Testes t de Student para comparação de médias
Se as variâncias não são homogéneas:
Duas amostras independentes
A ET é conhecida por t de Student de Welch
Fases de um teste de hipóteses 2
s A2 sB2
Dx D x
gl 2 A
n nB
2. Especificação da estatística de teste tobtido
s A2 s B2 s A sB2
nA nB nA nB
nA 1 nB 1
Dx x A xB
Dx Dx =0
tobtido
(valor esperado para a diferença de médias)
nA nB s A2 nA 1 s B2 nB 1
s Dx s 2
2
scomb
nA nB
comb
nA nB 2
erro padrão da diferença de médias variância agrupada/combinada (pooled)
41
Testes t de Student para comparação de médias
não é rejeitada
Região de
não rejeição
42
Testes t de Student para comparação de médias
43
Testes t de Student no SPSS
Comandos SPSS:
ANALYZE
COMPARE MEANS
Independent-Samples T Test
44
Testes t de Student no SPSS
Se as variâncias não são homogéneas:
Dx D x
2
s A2 sB2
tobtido
gl 2 A
n nB
s A2 s B2 s A sB2
nA nB nA nB
nA 1 nB 1
1 2
s A2 (n A 1) s B2 (nB 1)
s pooled
n A nB 2
45
Testes t de Student no SPSS
x x x A xB x A xB
d A B g
S pooled S pooled * S control
Lakens, D. (2013): The formula for Cohen’s ds, which is based on sample averages gives a biased
estimate of the population effect size (Hedges and Olkin,1985), especially for small samples (n <
20). Therefore, Cohen’s ds is sometimes referred to as the uncorrected effect size. The corrected
effect size, or Hedges’s g (which is unbiased, see Cumming,2012), is:
Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and
ANOVAs. Frontiers in psychology, 4, 863.
Para um conhecimento mais aprofundado: http://www.polyu.edu.hk/mm/effectsizefaqs/calculator/calculator.html
46
RESUMOS EXEMPLIFICATIVOS
47
Testes t de Student para uma amostra
• QI: Será que os jogadores do FCP estão mais satisfeitos com o seu rendimento
do que os jogadores da 1ª Liga?
48
Testes t de Student para amostras independentes
• QI: Será que os praticantes de karaté apresentam níveis mais elevados de
regulação emocional do que os jogadores de futebol?
• H0 não, é igual
49
Testes t de Student para amostras emparelhadas
• QI: Será que há diferenças entre o IMC dos estudantes universitários antes e
depois do confinamento de 2020?
50