1

AS PREMISSAS PARA O USO DE TÉCNICAS PARAMÉTRICAS

1º Requisito
A Escala de Medida da Variável Dependente – Deve ser de Quantitativa. Como os
testes paramétricos envolvem várias operações aritméticas sofisticadas , apenas
podemos aplicá-los a dados de Intervalo/Razão/Métricos.

Está Preenchido ? Escalas Qualitativas

Nominais/Ordinais
SIM NÃO Estatística Não Paramétrica
Ver
2º
Requ
isito

2º Requisito
A distribuição dos Resultados – Os teste paramétricos só podem ser utilizados
com dados normalmente distribuídos (ou com aproximação à normalidade).
Em amostras > a 30 segundo o Teorema do Limite Central há aproximação à
normalidade, não é necessário testa-la. Em amostras ≤ a 30 a normalidade dever ser
averiguada através dos testes de Kolmogorov-Smirnov e Shapiro Wilk (nestes
testes de sig > a 0,05 há normalidade).

Está Preenchido ? Escala Quantitativa mas Não

Existe Normalidade
SIM NÃO Estatística Não Paramétrica
Ver
3º
Requ
isito

3º Requisito
A dispersão dos resultados – os conjuntos de resultados em estudo devem ter
variâncias semelhantes, ou seja deve haver Homogeneidade de Variâncias
(exemplo se pretendo comparar dois grupos , esses dois grupos têm de ter uma
variância semelhante). A homogeneidade da variância pode ser averiguada através
do teste de LEVÉNE (neste teste de p for > 0,05 tal significa que as variâncias dos
grupos são semelhantes , se o p for  0,05 então é porque as variâncias são
diferentes).
Está Preenchido ? Escala Quantitativa existe
Normalidade mas não
homogeneidade
SIM NÃO Estatística Não Paramétrica

Estatística paramétrica
 2

Escolha do fluxograma

O Que se Pretende fazer a Nível Estatístico?

Pretende-se comparar grupos Pretende-se relacionar

ou amostras dependentes? variáveis

Grupos/Amostras Amostras Variáveis: Variáveis Escalas:

Independentes Dependentes Escalas: Nominal
Ordinal Ordinal (3
Quantitativa categorias)

2 grupos 3 ou + 2 amostras 3 ou + amostras

grupos dependentes dependentes
FLUXOGRAMA 5

Pearson /Spearman

FLUXOGRAMA 1 FLUXOGRAMA 2 FLUXOGRAMA 4 Ultima Folha

FLUXOGRAMA 3 Qui-Quadrado
t de Student ANOVA ONE ANOVA Amost. Dep./
WAY/ t de student ANOVA Friedman
amost. Indep./ amost. Dep./
Kruskal-Wallis
MannWhitney Wilcoxon
 3

FLUXOGRAMA 1 - DUAS AMOSTRAS INDEPENDENTES

Tipo de Escala da Variável

Dependente

Ordinal
Quantitativa

amostras > a 30
amostras n  (Teorema do
30 Limite Central)

Testar a Distribuição Normal

(Teste: Shapiro Wilk : se Sig >
0,05 há dist. Normal)

Não há Há normalidade
normalidade (num (em ambos os
ou em ambos os grupos) sig > 0,05
grupos) Sig ≤ 0,05

Paramétrico: t de Student para Amostras

Independentes
Há ≠ se sig ≤ 0,05

Dentro do t de student ver teste de

levéne (teste de homogeneidade de
variâncias
Não Paramétrico MANN-
WHITNEY
Há ≠ se sig ≤ 0,05 Sig do Levéne > 0,05, Sig do Levéne  0,05
interpretar 1ª linha do t interpretar 2ª linha
de Student do t de Student

FLUXOGRAMA 2 -TRÊS OU MAIS AMOSTRAS INDEPENDENTES

 4

Tipo de Escala da Variável

Dependente

Ordinal
Quantitativa

amostras > a 30
amostras n 
(Teorema do Limite
30
Central)

Testar a Distribuição Normal n’s  n’s =

(Teste : Shapiro Wilk : se Sig > (Glass et al)
0,05 há dist. Normal)

Não há normalidade
(num ou em todos os
grupos) Sig ≤ 0,05
Há normalidade (em
todos os grupos) sig
> 0,05

n’s = n’s  Testar

Homogeneidade
Teste de Levéne

Não há Há
Homogeneidade Homogeneidade
Sig ≤ 0,05 Sis > 0,05
Não Paramétrico Kruskal-
Wallis Paramétrico
Há ≠ se sig ≤ 0,05 ANOVA ONE WAY *
Há ≠ se sig ≤ 0,05

*Se a Anova tiver sig ≤ 0,05 usar um post Hoc : tukey para n’s = e Scheffé para n´s ≠
 5

FLUXOGRAMA 3 - DUAS AMOSTRAS DEPENDENTES

(ex : comparação de 2 momentos de avaliação : Antes Vs depois de um tratamento)

Tipo de Escala da Variável

Dependente

Ordinal
Quantitativa

Amostra n  30 Amostra n > a 30

(Teorema do Limite
Central)

Testar a Distribuição Normal

(Testes : Shapiro Wilk : se Sig >
0,05 há dist. Normal)

Não há normalidade Há normalidade (em

(numa ou em ambas as ambas as amostras)
amostras) Sig ≤ 0,05 Sig > 0,05

Paramétrico: t de Student para Amostras

Não Paramétrico : WILCOXON Dependentes
Há ≠ se sig ≤ 0,05 Há ≠ se sig ≤ 0,05
FLUXOGRAMA 4 -TRÊS OU MAIS AMOSTRAS DEPENDENTES
(ex: comparação de 3 ou mais momentos de avaliação : Antes Vs Depois Vs Follw up)
 6

Tipo de Escala da Variável

Dependente

Ordinal
Quantitativa

Amostra n  30 Amostra n > a 30

(Teorema do
Limite Central)

Testar a Distribuição Normal

(Teste : Shapiro Wilk : se Sig >
0,05 há dist. Normal)

Não há normalidade Há normalidade (em

(em pelo menos um todas as amostras)
das amostras)
sig > 0,05
sig ≤ 0,05

Paramétrico :ANOVA AMOSTRAS

DEPENDENTES OU
REPETIDAS Há ≠ se sig ≤ 0,05

Testar Esfericidade:
Teste de Mauchly

Não Paramétrico ANOVA DE Se Sig > 0,05, há esfericidade : Se Sig < 0,05 não há esfericidade:
FRIEDMAN Ler na tabela da ANOVA Ler na tabela da ANOVA linha:
Huynh feldt –se n > 30
Há ≠ se sig ≤ 0,05 Linha : Esfericidade assumida Greehouse-Geisser –se n  30

Fluxograma 5 - Relação entre Variáveis

Tipos de Escala das 2 variáveis a correlacionar (Requisito 1)
 7

Não Há
normalidade em
pelo menos 1
variável

Correlação Não
Correlação paramétrica :
Paramétrica:
Pearson
Spearman

QUI-QUADRADO/FISHER

Os requisitos mais importantes para o uso do teste de Qui-Quadrado são (Maroco

2007)

1. Variáveis qualitativas organizadas em contagens

 8

2. Amostras independentes

3. N ≥ 20

4. As frequências esperadas por célula não devem ser muito pequenas .

Nenhuma frequência esperada deve ser inferior a 5.

O TESTE DE FISHER é uma alternativa ao Qui-Quadrado que pode ser usado

para amostras mais pequenas e no caso de haver frequências esperadas
inferiores a 5 (Vê-se numa alínea em rodapé na tabela do “Chi-Square tests”)

Chi-Square Tests

Pearson Chi-Square ,186b 1 Asymp. ,666

Sig. Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Continuity Correctiona ,000 1 1,000
Likelihood Ratio ,187 1 ,666
Fisher's Exact Test 1,000 ,500
Linear-by-Linear
,180 1 ,671
Association
N of Valid Cases 30
a.
b.
Computed only for a 2x2 table
2 cells (50,0%) have expected count less than 5. The minimum expected count is
3,50.

Se houver 0 celulas com frequências esperadas inferiores a 5 interpreta-se a

linha do pearson Chi Square (qui-Quadrado)

Se houver 1 ou mais células com frequências esperadas inferiores a 5 interpreta-

se a linha do Fisher

Neste exemplo interpretava-se o teste de Fisher.