Estatística Inferencial

SPSS
Sara Simões Dias

sara.dias@ipleiria.pt
Maria João Batalha
maria.s.batalha@ipleiria.pt
Ano letivo 2023/20224 Sara Dias | Maria João Batalha 1

Análise de dados
n Nesta fase estamos interessados em utilizar o SPSS

para efectuar inferência estatística:
q Numa primeira fase vamos validar os pressupostos de

aplicação dos testes paramétricos;
q Numa segunda fase vamos realizar testes de hipóteses

paramétricos.
q Numa terceira fase vamos realizar testes de hipóteses não

paramétricos.

1. Condições de aplicabilidade
dos testes paramétricos
n Condições de aplicabilidade
q Variável em estudo quantitativa;
q Distribuição normal;
q Variâncias homogéneas.
n Na barra de menus escolher:

q Analyze à Descriptives Statistics à Explore à Plots
q Esta opção realiza o teste de Kolmogorov-Smirnov e o

teste de Levene.

dos testes paramétricos
Distribuição Normal
• Teste de Kolmogorov-Smirnov (SPSS)
H0: A variável tem distribuição normal vs H1: A variável não tem distribuição normal
Rejeita-se H0 se p ≤ α à ie, se p>0,05 a distribuição é normal
Variâncias homogéneas
• Teste de Levene (SPSS)

H0: As variâncias são homogéneas vs H1: As variâncias não são homogéneas
Rejeita-se H0 se p ≤ α à ie, se p>0,05 as variâncias são homogéneas

dos testes paramétricos (Explore)
Dá-nos a ideia
geométrica da
Teste de distribuição
Kolmogorov-
Smirnov
Teste de Levéne

2. Testes paramétricos
n Testes paramétricos já estudados:
qTeste t-Student para uma média populacional;

qTeste t-Student para a diferença de médias
populacionais
n Amostras independentes;
n Amostras emparelhadas;
qAnova I.

2. Testes paramétricos
n Analyze à Compare means

2.1. Teste t-Student para uma
média populacional
q Analyze à Compare means à One Sample T-Test
q Esta opção realiza o teste t-Student para uma média

populacional.

média populacional
n Queremos testar o seguinte:
q Para um nível de significância de 5%, verifique se a média

das idades é de 45 anos.
q H0: μ=45 vs H1: μ≠45

média populacional
Variável a testar
Hipótese a testar

média populacional
n Os resultados são os seguintes:

One-Sample Statistics
Std. Error
Idade
N
20
Mean
44,25
Std. Deviation
9,403
Mean
2,102
Estatísticas descritivas
One-Sample Test
Test Value = 45 Hipótese nula

95% Confidence
Interval of the
Mean Difference
t df Sig. (2-tailed) Difference Lower Upper
Idade -,357 19 ,725 -,750 -5,15 3,65
Estatística de teste P-value (teste bi-lateral)
Para um dado nível de significância α, rejeita-se H0 se valor de p ≤ α.

2.2. Teste t-Student para a diferença
de médias populacionais
n Em alguns casos estamos interessados em analisar 2
grupos de indivíduos. Primeiro vamos considerar
amostras independentes.
q Analyze à Compare Means à Independent Sample

T-Test

n Queremos testar o seguinte (amostras
independentes):
q Para um nível de significância de 5%, verifique se a média

de idades do grupo dos fumadores é significativamente
diferente da do grupo dos não fumadores.
q H0: μF=μNF vs H1: μF≠ μNF
H0: μF-μNF=0 vs H1: μF- μNF ≠0

n Amostras independentes:
Variável a testar
Grupos a testar: é
necessário definir os
grupos.

n Os resultados para amostras independentes são os seguintes:
Group Statistics
Std. Error
Fumar N Mean Std. Deviation Mean Estatísticas descritivas
Idade Sim 11 39,91 8,916 2,688
Não 9 49,56 7,282 2,427
Independent Samples Test
Levene's Test for

Equality of Variances t-test for Equality of Means
95% Confidence
Interval of the
Mean Std. Error Difference
F Sig. t df Sig. (2-tailed) Difference Difference Lower Upper
Idade Equal variances
,322 ,578 -2,608 18 ,018 -9,646 3,699 -17,418 -1,875
assumed
Equal variances
-2,663 17,998 ,016 -9,646 3,622 -17,256 -2,037
not assumed
Teste de Levene Estatística de teste P-value (bi-lateral)

n Noutros casos podemos estar interessados em analisar
o mesmo grupo de indivíduos mas em duas situações
diferentes. Consideramos amostras emparelhadas.
q Analyze à Compare Means à Paired Sample T-Test

n Queremos testar o seguinte (amostras
emparelhadas):
q Um grupo de adolescentes obesos decidiu fazer um

tratamento para perder peso. Para um nível de
significância de 5%, verifique se a média de peso dos
adolescentes é significativamente diferente depois de
efectuado o tratamento.
q H0: μAntes=μDepois vs H1: μAntes≠ μDepois
H0: μAntes-μDepois=0 vs H1: μAntes- μDepois ≠0

n Amostras emparelhadas
Variáveis a testar

n Os resultados para amostras emparelhadas são os seguintes:
Paired Samples Statistics
Std. Error
Pair Peso_antes
Mean
70,15
N
20
Std. Deviation
12,089
Mean
2,703 Estatísticas descritivas
1 Peso_depois 65,65 20 8,999 2,012
Paired Samples Correlations
Pair Peso_antes &

N Correlation Sig.
Correlações
20 ,854 ,000
1 Peso_depois
Paired Samples Test
Paired Differences
95% Confidence
Interval of the
Std. Error Difference
Mean Std. Deviation Mean Lower Upper t df Sig. (2-tailed)
Pair Peso_antes -
4,500 6,420 1,435 1,496 7,504 3,135 19 ,005
1 Peso_depois
Média da diferença Estatística de teste P-value (bi-lateral)

2.3. ANOVA I
n Vamos considerar o caso em que estamos interessados

em analisar 3 grupos de indivíduos.
q Analyze à Compare Means à One-Way ANOVA

2.3. ANOVA I
n Queremos testar o seguinte:
q Um grupo de 20 adolescentes obesos decidiu fazer um

tratamento para perder peso. 6 adolescentes foram
submetidos ao tratamento A, 7 ao tratamento B e 6 ao
tratamento C. Para um nível de significância de 5%,
verifique se existem diferenças para os diferentes
tratamentos.
q H0: μA=μB =μC vs H1: Existe pelo menos um dos

tratamentos com média diferente.

2.3. ANOVA I
n 3 grupos:
Variável a testar
Grupos a testar

2.3. ANOVA I
ANOVA
Peso_depois
Sum of
Squares df Mean Square F Sig.
Between Groups 1100,288 2 550,144 21,340 ,000
Within Groups 438,262 17 25,780
Total 1538,550 19
Soma dos quadrados Estatística de teste P-value

2.4. Teste de Scheffé
n Quando rejeitamos a H0 na ANOVA I, concluímos

que existe pelo menos um grupo (tratamento) cuja
média é diferente dos restantes.
n Qual será o grupo? Teste de Scheffé
n Hipóteses a testar: H0: μA=μB vs H1: μA≠μB

H0: μA=μC vs H1: μA≠μC
H0: μB=μC vs H1: μB≠μC

n Analyze à Compare Means à One-Way ANOVA (versões

mais actuais).
Clicar na opção:
Post Hoc…

Clicar na opção:
Scheffé

Multiple Comparisons
Dependent Variable: Peso_depois

Scheffe
Mean Formam-se 3 grupos

95% Confidence Interval
(I) Tratamento (J) Tratamento
Difference
(I-J) Std. Error Sig. Lower Bound Upper Bound – significa que os 3
Tratamento A Tratamento B
Tratamento C
-7,429*
-18,111*
2,615
2,465
,034
,000
-14,34
-24,63
-,52
-11,60
tratamentos são
Tratamento B Tratamento A 7,429* 2,615 ,034 ,52 14,34 estatisticamente
Tratamento C -10,683* 2,465 ,001 -17,20 -4,17
Tratamento C Tratamento A 18,111* 2,465 ,000 11,60 24,63 diferentes.
Tratamento B 10,683* 2,465 ,001 4,17 17,20
*. The mean difference is significant at the .05 level.
Peso_depois
Média da diferença P-value Scheffe

a,b
Subset for alpha = .05

Tratamento N 1 2 3
Tratamento A 7 57,00
Tratamento B 7 64,43
Tratamento C 9 75,11
Sig. 1,000 1,000 1,000
Means for groups in homogeneous subsets are displayed.
a. Uses Harmonic Mean Sample Size = 7,560.
b. The group sizes are unequal. The harmonic mean of the
group sizes is used. Type I error levels are not guaranteed.

3. Testes não paramétricos
n Utilizamos os testes não paramétricos quando

um dos pressupostos dos testes paramétricos
falha.
n Testes não paramétricos já estudados:
qTeste de Mann-Whitney;
qTeste de Kruskal-Wallis;
qTeste do Qui-quadrado.

3. Testes não paramétricos
n Testes não
paramétricos já
estudados:
q Teste U de
Mann-Whitney;
q Teste de
Kruskal-Wallis;

3.1. Teste de Mann-Whitney
n Alternativa não paramétrica a usar quando o teste T-

Student não pode ser utilizado na comparação de 2
médias populacionais;
n Quando as variáveis dependentes em estudo não

possuem distribuição normal;
n Variâncias populacionais não forem homogéneas;
n Quando a variável sob estudo for medida numa escala

pelo menos ordinal.


em analisar 2 grupos de indivíduos, num dos grupos, a
variável em estudo não tem distribuição normal.
q Analyze à Nonparametric Tests à Legacy dialogs à Two-

Independent-Samples Tests

Variável
a testar
Grupos a
testar: é
necessário
Por defeito, já está definir os
seleccionado o grupos
teste pretendido


Ranks
Fumar N Mean Rank Sum of Ranks

Nº dias de internamento Não 9 10,89 98,00
Sim 11 10,18 112,00
Soma das ordens
Total 20
Test Statisticsb
Nº dias de
internamento
Mann-Whitney U 46,000
Wilcoxon W 112,000
Z -,272
Asymp. Sig. (2-tailed) ,786
Exact Sig. [2*(1-tailed a
Sig.)]
,824 P-value (teste bi-lateral)
a. Not corrected for ties.
b. Grouping Variable: Fumar

3.2. Teste de Kruskal-Wallis
n Alternativa não paramétrica a usar quando a ANOVA I

não pode ser utilizada na comparação de 2 médias
populacionais;
n Quando as variáveis dependentes em estudo não

possuem distribuição normal;
n Variâncias populacionais não forem homogéneas;
n Quando a variável sob estudo for medida numa escala

pelo menos ordinal.


em analisar 3 grupos de indivíduos, relativamente a uma
variável ordinal.
q Analyze à Nonparametric Tests à Legacy dialogs à K-

Independent-Samples Tests.
q Analyze à Nonparametric Tests à K-Independent-
Samples Tests.

Variável
a testar
Grupos a
testar: é
necessário
Por defeito, já está definir os
seleccionado o grupos
teste pretendido


Ranks
Tratamento N Mean Rank

Sat_trat Tratamento A 7 11,43
Tratamento B 6 11,17
Tratamento C 7 9,00 Soma das ordens
Total 20
Test Statisticsa,b
Sat_trat
Chi-Square ,737 Estatística de teste
df 2
Asymp. Sig. ,692 P-value
a. Kruskal Wallis Test
b. Grouping Variable: Tratamento

3.3. Teste do Qui-quadrado da
independência
n Pressupostos de aplicação:
q Variáveis nominais;
q N>20;
q Todas as frequências esperadas têm de ser superior a 1
(Eij >1);
q 80% das frequências esperadas têm de ser superior a 5
(80% Eij >5).
Este teste compara as frequências observadas de cada

grupo de sujeitos com as frequências esperadas e verifica
se essas diferenças são devido ao acaso.

independência
n Estamos interessados em saber se existe relação entre
o género e fumar.
q Analyze à Descriptive Statistics à Crosstabs (versões

mais actuais).

independência
Estatística do qui-quadrado
Variáveis
a testar
Escolher as 2 opções

independência
Frequências observadas
Frequências esperadas

independência
Sexo * Fuma Crosstabulation
Fuma
Sim Não Total Frequências observadas
Sexo Feminino Count 6 5 11
Expected Count 5,7 5,3 11,0
Masculino Count 6 6 12 Frequências esperadas
Total Count 12 11 23
Chi-Square Tests
Estatística Value df
Asymp. Sig.
(2-sided)
Exact Sig.
(2-sided)
Exact Sig.
(1-sided)
de teste Pearson Chi-Square ,048b 1 ,827 P-value
Continuity Correctiona ,000 1 1,000
Likelihood Ratio ,048 1 ,827
Teste exacto Fisher's Exact Test 1,000 ,579
de Fisher Linear-by-Linear
,045 1 ,831
Association
N of Valid Cases 23
a. Computed only for a 2x2 table
b. 0 cells (,0%) have expected count less than 5. The minimum expected count is
5,26.
FIM

Estatística Inferencial

Enviado por

Dados do documento

Descrição original:

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

Estatística Inferencial

Enviado por

Direitos autorais:

Formatos disponíveis

SPSS

Sara Simões Dias

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 1

n Nesta fase estamos interessados em utilizar o SPSS

q Numa primeira fase vamos validar os pressupostos de

q Numa segunda fase vamos realizar testes de hipóteses

q Numa terceira fase vamos realizar testes de hipóteses não

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 2

n Na barra de menus escolher:

q Esta opção realiza o teste de Kolmogorov-Smirnov e o

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 3

Rejeita-se H0 se p ≤ α à ie, se p>0,05 a distribuição é normal

• Teste de Levene (SPSS)

Rejeita-se H0 se p ≤ α à ie, se p>0,05 as variâncias são homogéneas

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 4

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 5

n Testes paramétricos já estudados:

qTeste t-Student para uma média populacional;

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 6

n Analyze à Compare means

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 7

q Analyze à Compare means à One Sample T-Test

q Esta opção realiza o teste t-Student para uma média

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 8

q Para um nível de significância de 5%, verifique se a média

q H0: μ=45 vs H1: μ≠45

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 9

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 10

n Os resultados são os seguintes:

Test Value = 45 Hipótese nula

Estatística de teste P-value (teste bi-lateral)

Para um dado nível de significância α, rejeita-se H0 se valor de p ≤ α.

n Na barra de menus escolher:

q Analyze à Compare Means à Independent Sample

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 12

q Para um nível de significância de 5%, verifique se a média

q H0: μF=μNF vs H1: μF≠ μNF

H0: μF-μNF=0 vs H1: μF- μNF ≠0

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 13

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 14

Independent Samples Test

Levene's Test for

Teste de Levene Estatística de teste P-value (bi-lateral)

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 15

n Na barra de menus escolher:

q Analyze à Compare Means à Paired Sample T-Test

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 16

q Um grupo de adolescentes obesos decidiu fazer um

q H0: μAntes=μDepois vs H1: μAntes≠ μDepois

H0: μAntes-μDepois=0 vs H1: μAntes- μDepois ≠0

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 17

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 18

Paired Samples Correlations

Pair Peso_antes &

Paired Samples Test

Média da diferença Estatística de teste P-value (bi-lateral)

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 19

n Vamos considerar o caso em que estamos interessados

n Na barra de menus escolher:

q Analyze à Compare Means à One-Way ANOVA

Ano letivo 2023/20224 Sara Dias | Maria João Batalha 20

n Queremos testar o seguinte: