SlideShare una empresa de Scribd logo
1 de 43
Testes Estatísticos
Testes paramétricos e não paramétricos




   Rosário Cação
   rosario@evolui.com

                                             Março 2010

                                         1
Índice

1. Princípios básicos dos testes estatísticos

2. Testes paramétricos e não paramétricos

3. Testes paramétricos

4. Testes não paramétricos




                                                2
1. PRINCÍPIOS BÁSICOS DE TESTES ESTATÍSTICOS




                                               3
1. Princípios Básicos de Testes Estatísticos
Intervalos de    Ao combinar a dimensão da amostra com a sua variabilidade,
confiança        gera-se um intervalo de confiança para a média da
                 população.
Níveis de
confiança
                 •   Como se interpreta um intervalo de confiança?
Tipos de erros        • Se assumirmos que a amostra foi aleatoriamente
                        seleccionada de uma população que segue uma
                        distribuição normal, então, com 95% de confiança,
Testes
                        podemos dizer que o intervalo de confiança inclui a
estatísticos
                        média da população.




                                                                     4
1. Princípios Básicos de Testes Estatísticos
Intervalos de    Com base nos intervalos de confiança, podem ser calculados
confiança        intervalos de confiança para a diferença das médias dos
                 grupos. Podem ainda ser criados intervalos de confiança para
Níveis de        proporções, rácios, o declíve de uma regressão linear ou
confiança        outro qualquer parâmetro estatístico.
Tipos de erros


Testes
estatísticos




                                                                    5
1. Princípios Básicos de Testes Estatísticos
Intervalos de    A maioria dos intervalos de confiança são calculados para
confiança        95% mas também podem ser utilizados outros níveis de
                 confiança.
Níveis de
confiança
                 Se se pretende um nível de confiança maior, i.e., se se quer
                 mais confiança de que um intervalo contém o parâmetro real,
Tipos de erros
                 então o intervalo tem de ser maior. Assim sendo, os intervalos
                 de confiança a 99% são mais amplos que os de 95% e os de
Testes           90% são mais estreitos que os de 95%.
estatísticos




                                                                     6
1. Princípios Básicos de Testes Estatísticos
Intervalos de    Intuitivamente, somos levados a dizer que um p-value de
confiança        0.01 seria estatisticamente mais significante do que um p-
                 value de 0,005, mas tal não é correcto. A partir do momento
Níveis de        em que é definido o nível de confiança, todos os resultados
confiança        são ou ‘estatisticamente significantes’ ou ‘estatisticamente
                 não significantes’.
Tipos de erros
                 No entanto, há autores que fazem uma distinção do grau de
                 significância e utilizam simbolos para o fazer mas estas
                 denominações e notações não estão estandardizadas.
Testes
estatísticos     Por exemplo:
                      P value         Descrição                   Notação
                      >0.05           Não significante               ns
                      0.01 to 0.05    Significante                   *
                      0.001 to 0.01   Muito significante            **
                      < 0.001         Extremamente significante     ***




                                                                       7
1. Princípios Básicos de Testes Estatísticos
Intervalos de    Tipos de erros:
confiança
                                                      Hipótese verdadeira
Níveis de                                              Ho               H1
confiança
                    Decisão do Rejeita Ho        Erro do tipo I         ✔
Tipos de erros        teste    Não rejeita Ho          ✔          Erro do tipo II

Testes           P (erro do tipo I) =α
estatísticos     Tamanho do teste ou nível de significância: α = P (erro do
                 tipo I) = P (rejeitar Ho | Ho verdadeiro)

                 P (erro do tipo II) = β
                 Potência do teste = 1- β = 1 - P (erro do tipo II) = P (rejeitar
                 Ho | H1 verdadeiro)




                                                                         8
1. Princípios Básicos de Testes Estatísticos
Intervalos de    •   Os testes estatísticos procuram confirmar se uma
confiança            determinada hipótese (Ho) pode ser rejeitada.

Níveis de        •   Os testes podem ser bilaterais ou unilaterais:
confiança
                      •   Nos testes bilaterais:
Tipos de erros             • A hipótese nula (Ho) inclui sempre o sinal de
                              igual
                           • A hipótese alternativa (H1) inclui sempre o sinal
Testes
                              de desigual
estatísticos
                      •   Nos testes unilaterais:
                           • A hipótese nula (Ho) inclui o sinal de maior ou
                              igual
                           • A hipótese alternativa (H1) inclui o sinal oposto




                                                                       9
1. Princípios Básicos de Testes Estatísticos
Intervalos de    Testes bilaterais versus unilaterais:
confiança
                 •   Num teste t, o p-value é calculado para a hipótese nula
Níveis de            das duas populações terem médias iguais e que qualquer
confiança            discrepância que exista entre duas amostras é arbitrária.

Tipos de erros   •   O p-value nos testes unilateriais é duas vezes o p-value
                     dos testes bilaterais.
Testes
                 •   Os testes unilaterais são apropriados quando se pode
estatísticos
                     afirmar com certeza (mesmo antes de recolher dados),
                     que ou não haverá diferença entre as médias, ou a
                     diferença é no sentido que se especifica. Caso contrário,
                     devem usar-se testes bilaterais, que geralmente são
                     aconselhados.




                                                                     10
2. TESTES PARAMÉTRICOS E NÃO PARAMÉTRICOS




                                            11
2. Testes Paramétricos e Não Paramétricos

Existem dois tipos de testes:

•   Os testes paramétricos (também chamados testes t):
     • Exigem que a(s) amostra(s) tenha(m) uma distribuição normal,
        especialmente se tiverem uma dimensão inferior a 30.
     • Nas amostras de dimensão superior a 30, a distribuição aproxima-se
        da distribuição normal e também se aplicam os testes t.

•   Os testes não paramétricos:
     • Não necessitam de requisitos tão fortes, como a normalidade, como
        os testes paramétricos, para serem usados. São também indicados
        quando as amostras são pequenas.
     • São usados quando a amostra tem uma distribuição que não é
        normal ou quando, apesar da amostra ter uma dimensão superior a
        30, se opta por conclusões mais conservadoras.
     • A desvantagem destes testes é que não são tão potentes quanto os
        testes paramétricos, ou seja, com os testes não paramétricos não se
        encontram tantas diferenças entre os dados, quando essas
        diferenças realmente existem.
                                                                 12
2. Testes Paramétricos e Não Paramétricos

   •   Os testes paramétricos pressupõem a normalidade em amostras de
       dimensão igual ou inferior a 30. Nas amostras de dimensão
       superior, a distribuição aproxima-se da distribuição normal e
       também se aplicam os testes t.

   •   Quando não se pode pressupor a normalidade recorre-se aos testes
       não paramétricos.

                                       Paramétricos         Não paramétricos

       Distribuição assumida              Normal              Qualquer uma

       Variância assumida               Homogénea             Qualquer uma
       Tipo de variáveis
                                    De intervalo ou rácio   Ordinal ou nominal
       normalmente usadas
       Relação entre os dados         Independentes           Qualquer uma
       Medidas de localização
                                           Média                 Mediana
       central normalmente usadas


                                                                        13
2. Testes Paramétricos e Não Paramétricos
                                                               Tipo de dados
                                              Ordem, resultado ou
                                                                         Binomial (dois
                             Medida (de            medida (de                                     Tempo de
Objectivo                                                                   resultados
                       populações normais)       populações não                                 sobrevivência
                                                                            possíveis)
                                                     normais)
                                               Mediana e amplitude                           Curva de sobrevivência
Descrever um grupo     Média e desvio padrão                           Teste de proporção
                                                    inter-quartil                               de Kaplan Meier
                         Teste para uma só                                 Teste do chi-
Comparar um grupo a                                   Teste de
                       amostra (one-sample t                            quadrado ou teste
um valor hipotético                                   Wilcoxon
                                 test)                                       binomial
                           Teste para duas
                                                                       Teste de Fisher ou o
Comparar dois grupos           amostras               Teste de                               Teste de Log-rank ou
                                                                         chi-quadrado de
independentes               independentes         Mann-Whitney                                  Mantel-Haenszel
                                                                         amostra grande
                          (Unpaired t test)
                        Teste para amostras
Comparar dois grupos                                                                        Conditional proportional
                       emparelhadas (Paired t   Teste de Wilcoxon       Teste de McNemar
emparelhados                                                                                   hazards regression
                                 test)
Comparar dois ou mais                                                                        Regressão de Cox (Cox
                          One-way ANOVA       Teste de Kruskal-Wallis Teste do chi-quadrdo
grupos independentes                                                                          proportional hazard)
                                                                                             Regressão condicional
Comparar dois ou mais Repeated-measures                                                     proporcional (conditional
                                                Teste de Friedman          Cochran Q**
grupos emparelhados             ANOVA                                                         proportional hazards
                                                                                                  regression)
Quantificar a
                                                   Correlação de          Coeficientes de
associação entre duas Correlação de Pearson
                                                     Spearman             contigência **
variáveis
Prever valores apartir    Regressão linear
                                                  Regressão não         Regressão logística Regressão de Cox (Cox
de outra variável       simples ou regressão
                                                    paramétrica               simples         proportional hazard)
medida                        não linear
Prever valores apartir
                          Regressão linear                              Regressão logística Regressão de Cox (Cox
de várias variáveis
                                múltipla                                      múltipla        proportional hazard)
binomiais ou medidas

                                                                                                     14
2. Testes Paramétricos e Não Paramétricos

Testar a normalidade:

Como os testes paramétricos pressupõem a normalidade em amostras de
dimensão igual ou inferior a 30, pode ser necessário testar se a amostra tem
uma distribuição normal.

Para testar a aderência à normalidade, i.e., para testar se a amostra se pode
pressupor normal, podem-se usar dois testes:

         •   Teste de Kolmogorov-Smirnov com correcção de Lilliefors

         •   Teste de Shapiro-Wilks




                                                                    15
2. Testes Paramétricos e Não Paramétricos

•   Tipos de testes paramétricos:

    •   Testes t:

         •   Teste para duas amostras independentes (teste t e testes t
             simultâneos) (unpaired t test)

         •   Teste para duas amostras emparelhadas (paired t test)

         •   Teste para uma só amostra (one sample t test)

    •   Testes ANOVA (I e II)

         •   Os testes ANOVA (analysis of variance) diferencia-se dos testes t
             porque os testes t só podem ser usados para testar diferenças entre
             duas situações para uma variável. Os testes ANOVA podem ser usados
             para testar diferenças entre diversas situações e para duas ou mais
             variáveis.


                                                                      16
2. Testes Paramétricos e Não Paramétricos

•   Tipos de testes não paramétricos:

    •   Testes para amostras emparelhadas:
         • Teste do sinal
         • Teste de McNemar
         • Teste Q de Cochran
         • Testes de Wilcoxon
         • Teste de Friedman

    •   Testes para amostras independentes:
         • Teste de Mann-Whitney
         • Teste de Kruskal-Wallis
         • Teste de Wald-Wolfowitz ou teste de aleatoriedade da amostra
         • Teste de Moses para reacções extremas

    •   Outros testes:
         • Teste binomial
         • Teste de ajustamento do Qui-Quadrado
         • Teste de independência do Qui-Quadrado
         • Teste de Fisher                                     17
3. TESTES PARAMÉTRICOS




                         18
3. Testes Paramétricos
Testes t           Testes para amostras independentes:
Para amostras
independentes             •   A comparação das médias é feita entre os casos de
Para amostras
                              uma variável numa das amostras com os casos
emparelhadas                  dessa variável na outra amostra (teste t)
                          •   A comparação das médias é feita entre os casos de
Para uma
                              um grupo de variáveis numa das amostras com os
amostra
                              casos dessa variável na outra amostra (testes
Testes ANOVA                  simultâneos)
ANOVA I
ANOVA II           Exemplo: Testar se o rendimento médio dos homens é semelhante
                   ao das mulheres (teste de uma só variável) ou testar se o rendimento
                   médio e os gastos médios são semelhantes entre homens e
                   mulheres (testes simultâneos).

                Teste t                               Testes simultâneos
     Ho: UR homens = UR mulheres   Ho: UR homens = UR mulheres   Ho: UG homens = UG mulheres
     H1: UR homens ≠ UR mulheres   H1: UR homens ≠ UR mulheres   H1: UG homens ≠ UG mulheres
     Sendo UR o rendimento médio   Sendo UR o rendimento médio   Sendo UG os gastos médio
                                                                                 19
3. Testes Paramétricos
Testes t         Testes para amostras emparelhadas:
Para amostras
independentes    Este teste é usado em duas situações:
                 •   Quando, para o mesmo grupo de sujeitos, se mede uma variável
Para amostras
                     antes e depois de um evento; ou
emparelhadas
                 •   Quando se mede uma variável numa amostra que inclui dois
Para uma             grupos de sujeitos com características que podem ser
amostra              semelhantes
Testes ANOVA
                 Nas hipóteses do teste compara-se o valor da diferença
ANOVA I          entre os pares de observações e testa-se se a média das
ANOVA II         diferenças pode ser zero:
Exemplo 1: Testar se a motivação de um indivíduo no final do evento é semelhante à
motivação que tinha no início.
Exemplo 2: Testar se o rendimento de dois anos pode ser considerado semelhante.

                                 Teste amostras emparelhadas
                         Ho: Udiferença =UR 2010 - UR 2009 = 0
                         H1: Udiferença =UR 2010 - UR 2009 ≠ 0
                         Sendo UR o rendimento médio                      20
3. Testes Paramétricos
Testes t        Testes para uma amostra
Para amostras
independentes        •   Este teste compara os valores observados da
Para amostras
                         amostra com um valor que se quer testar.
emparelhadas
                Exemplo 1: Testar se a taxa de desemprego é de 10%.
Para uma        Exemplo 2: Testar se a satisfação média dos clientes pode ser 9,5.
amostra
Testes ANOVA
ANOVA I
ANOVA II
                                         Teste t uma amostra
                          Ho: Us = 9.5
                          H1: Us ≠ 9.5
                          Sendo Us a satisfação média




                                                                         21
3. Testes Paramétricos
Testes t        Teste ANOVA I
Para amostras
independentes   Na análise da variância, a variabilidade observada na
Para amostras
                amostra divide-se em duas componentes:
emparelhadas        • Variabilidade das observações dentro de um grupo,
                        em torno da média (dentro dos grupos);
Para uma
                    • Variabilidade entre as médias dos grupos (entre
amostra
                        grupos).
Testes ANOVA
ANOVA I         Se a variabilidade entre grupos for suficientemente grande
                face à variabilidade dentro dos grupos, rejeita-se a hipótese
ANOVA II
                nula, que afirma que todas as médias da população iguais.

                Exemplo: Testar os resultados da aprendizagem resultantes da utilização de 4
                métodos de ensino diferentes usados em 4 turmas ou grupos.
                Exemplo: Testar o número médio de horas de trabalho semanais por grau
                académico.




                                                                                 22
3. Testes Paramétricos
Testes t        Teste ANOVA II
Para amostras
independentes   ANOVA II é utilizado quando existe mais do que um factor
Para amostras
                para definir os grupos.
emparelhadas
                Exemplo: Testar a motivação dos alunos por idade e por sexo
Para uma        A hipótese nula será que o efeito da idade sobre a motivação dos alunos é o
amostra         mesmo para homens e mulheres, ou seja, não há interacção entre a idade e o
                sexo.
Testes ANOVA
ANOVA I
ANOVA II




                                                                                23
4. TESTES NÃO PARAMÉTRICOS




                             24
4. Testes Não Paramétricos
Amostras independentes ou emparelhadas?

•   Ao comparar dois grupos, é necessário decidir se se usam testes para
    amostras independentes ou emparelhadas.

•   Usam-se testes para amostras emparelhadas para comparar valores que
    são diferentes medidas de um individuo (por exemplo, antes e depois de
    um evento) ou medidas de individuos emparelhados (por exemplo, um
    casal).

•   Os testes para amostras emparelhadas só são apropriados quando os
    individuos foram emparelhados antes de recolher os dados. Não se pode
    basear o emparelhamento nos dados recolhidos.




                                                                 25
4. Testes Não Paramétricos
Amostras         Teste do sinal
emparelhadas
Teste do sinal   A hipótese nula no teste do sinal afirma que a diferença
                 média entre dois membros de um par é zero.
Teste de
McNemar
Teste Q de
Cochran          Exemplo: Testar que a motivação de um aluno para um curso ou disciplina é
Teste de         igual à motivação que tem para outro curso ou disciplina.
Wilcoxon
Teste de
Friedman
Amostras
independentes
Outros testes




                                                                                 26
4. Testes Não Paramétricos
Amostras         Teste de McNemar
emparelhadas
Teste do sinal   O teste de McNemar é um teste do sinal aplicado a variáveis
                 dicotómicas, ou seja, a variáveis que apenas tomam dois
Teste de
McNemar          valores (por exemplo: sim/não).
Teste Q de
Cochran          Exemplo: Testar se, numa determinada licenciatura, a hipótese nula de que há
Teste de         igualdade entre rapazes e raparigas de terem irmãos.
Wilcoxon
Teste de
Friedman
Amostras
independentes
Outros testes




                                                                                  27
4. Testes Não Paramétricos
Amostras         Teste Q de Cochran
emparelhadas
Teste do sinal   O teste Q de Cochran é uma generalização do teste de
                 McNemar. Este teste permite comparar proporções em mais
Teste de
McNemar          do que duas amostras emparelhadas onde cada variável é
                 dicotómica (assumindo os valores 1 e 0).
Teste Q de
Cochran
                 Ho: a proporção p é igual em todas as amostras
Teste de         emparelhadas.
Wilcoxon
Teste de         Exemplo: Testar se, numa determinada licenciatura, a hipótese nula de que a
Friedman         proporção de alunos reprovados nas 3 chamadas de exame de uma disciplina é
                 igual.
Amostras
independentes
Outros testes




                                                                               28
4. Testes Não Paramétricos
Amostras         Teste de Wilcoxon
emparelhadas
Teste do sinal   O teste de Wilcoxon é mais rico que o teste do sinal pois, ao
                 contrário deste que apenas verifica qual dos dois números de
Teste de
McNemar          um par é maior, o teste de Wilcoxon verifica a magnitude
                 dessa diferença.
Teste Q de
Cochran
                 Este teste exige que as diferenças sejam de uma amostra de
Teste de         uma distribuição simétrica, pelo que, antes de ser aplicado,
Wilcoxon         deve ser feito o histograma da amostra para ver se a sua
Teste de         distribuição se pode assumir como simétrica.
Friedman
Amostras
independentes
Outros testes




                                                                    29
4. Testes Não Paramétricos
Amostras         Teste de Friedman
emparelhadas
Teste do sinal   O teste de Friedman é usado quando existem mais do que 2
                 condições de emparelhamento, onde cada variável é
Teste de
McNemar          classificada numa escala de nível, pelo menos, ordinal.
Teste Q de
                 Este teste é usado para comparar as preferências das
Cochran
                 pessoas.
Teste de
Wilcoxon
Teste de         Exemplo: Testar a hipótese nula de que não há preferência entre 3 produtos.
Friedman         Os inquiridos indicam porque ordem preferem os produtos e o teste verifica se
                 há preferência. Rejeitada Ho, o rank dirá qual é o produto mais preferido (e o
Amostras         menos preferido) .
independentes
Outros testes




                                                                                   30
4. Testes Não Paramétricos
Amostras         Teste de Friedman
emparelhadas
Teste do sinal   Este teste não usa os dados directamente mas sim a ordem
                 por eles ocupada (o rank), depois de serem organizados de
Teste de
McNemar          forma crescente. A ordenação é feita de forma separada para
                 cada uma das amostras, e não em conjunto.
Teste Q de
Cochran
                 Este teste funciona como uma análise de variância a dois
Teste de         critérios de variação. Por exemplo, em “A satisfação de clientes de vários
Wilcoxon         produtos pode ser avaliada por diferentes métodos”, os critérios seriam os
                 produtos e os métodos. O teste procura responder à questão: É identica a
Teste de
                 avaliação da satisfação pelos vários produtos, em relação aos diferentes
Friedman         métodos? Ou, de outra forma, há concordância entre os diversos métodos em
Amostras         relação à avaliação dos produtos?
independentes
                 A organização dos dados é relevante: o factor principal deve
Outros testes    ser colocado em coluna.

                 Ho será que a distribuição das ordens nas diversas colunas
                 será mais ou menos equivalente, de modo a que a soma da
                 ordem em cada coluna seja aproximadamente igual.31
4. Testes Não Paramétricos
Amostras            Teste de Mann-Whitney
emparelhadas
Amostras            O teste de Mann-Whitney é a alternativa não paramétrica ao
independentes       teste t para amostras independentes.
Teste de Mann-
                    O requisito deste teste é que os grupos tenham a mesma
Whitney
                    distribuição (que não precisa de ser normal).
Teste de Kruskal-
Wallis
                    Neste teste, a hipótese nula é que as médias da população
Teste de Wald-      são as mesmas para os dois grupos.
Wolfowitz
Teste de Moses
para reacções
extremas
Outros testes




                                                                      32
4. Testes Não Paramétricos
Amostras            Teste de Kruskal-Wallis
emparelhadas
Amostras            O teste de Kruskal-Wallis é a alternativa não paramétrica ao
independentes       teste ANOVA I.
Teste de Mann-
                    É calculado como o teste de Mann-Whitney, com a diferença
Whitney
                    que podem existir mais grupos.
Teste de Kruskal-
Wallis
                    Os requisitos deste teste são:
Teste de Wald-      • Que os grupos tenham a mesma distribuição (que não
Wolfowitz              precisa de ser normal);
Teste de Moses
para reacções       Neste teste, a hipótese nula é que as médias da população
extremas            são as mesmas para os dois grupos.
Outros testes




                                                                        33
4. Testes Não Paramétricos
Amostras            Teste de Wald-Wolfowitz ou teste de aleatoriedade da
emparelhadas        amostra (runs test)
Amostras
independentes       O teste de sequência de Wald-Wolfowitz, ou run test, testa a
                    hipótese nula de que uma sequência de valores é aleatória.
Teste de Mann-
Whitney
                    Este teste só se aplica em variáveis dicotómicas.
Teste de Kruskal-
Wallis
                    Este teste avalia se o número de runs de uma série ordenada
Teste de Wald-      é aleatório ou não. Uma amostra de m valores independentes
Wolfowitz           da primeira população é combinada com uma amostra de n
Teste de Moses      valores da segunda população e na amostra combinada é
para Reacções       feito o rank. O teste foca-se no número de runs, sendo o run
Extremas            uma sucessão de valores adjacentes ordenados da mesma
Outros testes       população que são precedidos ou seguidos no rank por
                    valores da outra população ou por nenhum outro valor.



                                                                        34
4. Testes Não Paramétricos
Amostras            Teste de Wald-Wolfowitz ou teste de aleatoriedade da
emparelhadas        amostra (runs test)
Amostras
independentes       Exemplo 1:
                    Ao inquirir os individuos se gostam de um determinado
Teste de Mann-
                    professor, observa-se a seguinte sequência (S= sim e N=
Whitney
                    não): NNNNSSSNNSSSNNSSNNNNSSSSSN
Teste de Kruskal-   O que este teste faz é pegar na sequência de símbolos iguais
Wallis
                    (NNNN SSS NN SSS NN SS NNNN SSSSS N) e ver se eles
Teste de Wald-      podem ser aleatórios.
Wolfowitz
Teste de Moses      Exemplo 2:
para Reacções       Fonte: http://www.quantitativeskills.com/sisa/statistics/ordhlp.htm

Extremas            Rank order 1 2 3 .................................................. 31
Outros testes       Data       MMMFFFMMMMFFMMMFFFFFFFMMFMMFFFF
                    run number 1112223333445556666666778990000


                    O número de runs esperado é de 16. O p-value do teste será
                    a probabilidade da diferença entre o número esperado e o
                    número observado.
                                                                                             35
4. Testes Não Paramétricos
Amostras            Teste de Moses para reacções extremas
emparelhadas
Amostras            Este teste aplica-se quando existe uma suspeita de que uma
independentes       determinada condição experimental afectou um grupo de
                    indivíduos e, de forma oposta, outro grupo.
Teste de Mann-
Whitney
                    É indicado quando existe um grupo experimental e um grupo
Teste de Kruskal-   de controle e se suspeita que no grupo experimental os
Wallis
                    valores estão concentrados numa (ou em ambas) as
Teste de Wald-      extremidades da série.
Wolfowitz
Teste de Moses      Este teste exige que a escala seja, pelo menos, ordinal.
para Reacções
Extremas
Outros testes




                                                                        36
4. Testes Não Paramétricos
Amostras          Teste binomial
emparelhadas
Amostras          O teste binomial compara a distribuição de uma variável
independentes     dicotómica com uma determinada probabilidade, obtida da
                  amostra ou definida (cut point).
Outros testes
Teste binominal   A hipótese nula deste teste é que a probabilidade de
Teste de          ocorrência de observação no primeiro grupo é x%.
ajustamento
Teste de          Se a probabilidade de ocorrência para um grupo é p, então a
independência     probabilidade de ocorrência para o outro grupo é q = 1-p.
Teste de Fisher
                  Ao realizar o teste, se a variável é dicotómica, opta-se por
                  obter a dicotomia dos dados. Caso contrário, define-se um
                  cut point, ou seja, um ponto de transição que permita definir
                  os grupos. Indica-se também a probabilidade que se pretende
                  testar.


                                                                     37
4. Testes Não Paramétricos
Amostras          Teste do ajustamento do Qui-Quadrado
emparelhadas
Amostras          O teste do ajustamento do Qui-Quadrado compara as
independentes     frequências observadas na amostra com as frequências
                  esperadas.
Outros testes
Teste binominal   A hipótese nula deste teste afirma que os valores observados
Teste de          se ajustam aos valores esperados.
ajustamento       • Exemplo: que um pacote de Sugus contenha iguais proporções
                    de Sugus vermelhos, azuis, amarelos e verdes.
Teste de
                  • Exemplo: que um pacote de Sugus contenha 30% deSugus
independência
                    vermelhos, 20% de azuis, 25% de amarelos e 25% verdes.
Teste de Fisher
                  Uma distribuição pode ser aproximada ao Qui-Quadrado se
                  cumprir duas condições:
                     Não existirem mais de 20% de categorias com valores
                      esperados inferiores a 5; e
                     Todas as categorias tenham valores esperados superiores
                      ou iguais a 1.
                                                                     38
4. Testes Não Paramétricos
Amostras          Teste de independência do Qui-Quadrado
emparelhadas
Amostras          O teste de independência do Qui-Quadrado permite verificar
independentes     se duas variáveis estão relacionadas.
Outros testes     A hipótese nula deste teste afirma que a variável X1 e a
Teste binominal   variável X2 não estão relacionadas.
Teste de          Por exemplo: verificar se há relação entre a variável nominal
ajustamento       grau académico de um individuo e a variável que indica se
Teste de          concorda que é bem pago.
independência
                  Nota: No SPSS, este teste é realizado através do menu Analyze/Descriptive
Teste de Fisher   statistics/Crosstabs




                                                                                              39
4. Testes Não Paramétricos
Amostras          Teste de Fisher
emparelhadas
Amostras          O teste de Fisher é usado quando se quer fazer um teste de
independentes     independência do Qui-quadrado mas uma ou mais células
                  têm um valor esperado igual ou inferior a 5.
Outros testes
Teste binominal   (O teste do Qui-quadrado requer que todos os valores
Teste de          tenham um frequência esperada igual ou superior a 5 mas o
ajustamento       teste de Fisher não exige isso).
Teste de
independência
Teste de Fisher




                                                                    40
4. Testes Não Paramétricos
Amostras          Teste de Fisher ou Teste do Chi-quadrado?
emparelhadas
Amostras          •   Ao analisar tabelas de contigência de duas linhas e duas
independentes         colunas, pode-se usar o teste de Fisher ou o teste do chi-
                      quadrado.
Outros testes          •   O teste de Fisher é o mais adequado porque fornece
Teste binominal            sempre o valor exacto do p-value.
                       •   O teste do chi-quadrado é mais fácil de calcular mas apenas
Teste de
                           dá um p-value aproximado.
ajustamento
                  •   O teste do chi-quadrado deve ser evitado quando os
Teste de              números na tabela de contigência são muito pequenos
independência
                      (qualquer um abaixo de 6). Se os números forem maiores,
Teste de Fisher       o p-value que o teste do chi-quadrado dá será semelhante
                      ao p-value do teste de Fisher.
                       •   Para corrigir o p-value do teste do chi-quadrado pode-se usar a
                           correcção de continuidade de Yates. Sem esta correcção, o p-value
                           do teste do chi-quadrado será muito baixo. Há autoes que dizem que
                           a correcção de Yates resulta num p-value demasiado alto. Esta
                           correcção não é necessária em amostras grandes nem no teste de
                           Fisher.

                                                                                 41
4. Testes Não Paramétricos
                                                                                 Testes não paramétricos

                                                                        Duas amostras                                              K amostras

                                Uma amostra                   Amostras        Amostras                                Amostras               Amostras
        Escala
                                                            emparelhadas   independentes                            emparelhadas          independentes
                                                                           Teste de Fisher
                                                                                                                                           Teste do Qui-
                                Teste binomial                              Teste do qui-
                                                                                                                       Teste Q de        quadrado para k
Nominal                          Teste do qui-           Teste de McNemar quadrado para 2
                                                                                                                        Cochran              amostras
                                   quadrado                                   amostras
                                                                                                                                          independentes
                                                                           independentes
                                                                          Teste da mediana

                                                                                       Teste de Mann-
                                                                                          Whitney
                                 Teste de
                                                                                         Teste de
                               Kolmogorov-
                                                                                       Kolmogorov-
                             Smirnov para uma
                                                            Teste do sinal           Smirnov para duas
                                 amostra                                                                                 Teste de Kruskal-
Ordinal                                                                                  amostras      Teste de Friedman
                                                                                                                               Wallis
                                                         Teste de Wilcoxon
                             Teste de iterações
                                                                                        Teste de Wald-
                             para uma amostra
                                                                                          Wolfowitz

                                                                                       Teste de Moses
                                                                                        para reacções
                                                                                          extremas

                                                           Teste de Walsh
                                                                                 Teste de
                                                                            aleatoriedade para
Intervalo                                                     Teste de
                                                                                2 amostras
                                                         aleatoriedade para
                                                                              independentes
                                                               pares
                                                                                                                                          42
 Fonte: Adaptado de Siegel, Sidney. Estatística Não-paramétrica Para as Ciências do Comportamento. São Paulo: McGraw-Hill, 1975.
Testes Estatísticos
Testes paramétricos e não paramétricos




   Rosário Cação
   rosario@evolui.com

                                              Março 2010

                                         43

Más contenido relacionado

La actualidad más candente

Cronograma da Dissertação de Mestrado
Cronograma da Dissertação de MestradoCronograma da Dissertação de Mestrado
Cronograma da Dissertação de MestradoSamuel Martins
 
Variáveis e mensuração
Variáveis e mensuraçãoVariáveis e mensuração
Variáveis e mensuraçãoCaio Maximino
 
Variáveis em investigação
Variáveis em investigaçãoVariáveis em investigação
Variáveis em investigaçãoMinvC
 
TCC: Métodos e Resultados - Profa. Rilva Muñoz
TCC: Métodos e Resultados - Profa. Rilva MuñozTCC: Métodos e Resultados - Profa. Rilva Muñoz
TCC: Métodos e Resultados - Profa. Rilva MuñozRilva Lopes de Sousa Muñoz
 
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)Biblioteca FEAUSP
 
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”Bárbara Morim
 
Como redigir a introdução e a conclusão de um trabalho escrito
Como redigir a introdução e a conclusão de um trabalho escritoComo redigir a introdução e a conclusão de um trabalho escrito
Como redigir a introdução e a conclusão de um trabalho escritoBiblioteca Escolar Ourique
 
Modelo slide para apresentação do artigo
Modelo   slide para apresentação do artigoModelo   slide para apresentação do artigo
Modelo slide para apresentação do artigoAdelmo Bicalho
 
Delineamento experimental básico
Delineamento experimental básicoDelineamento experimental básico
Delineamento experimental básicoCaio Maximino
 
O processo de recolha de dados - inquérito
O processo de recolha de dados - inquéritoO processo de recolha de dados - inquérito
O processo de recolha de dados - inquéritoSerafina Roque
 
Moda, média e mediana no Excel e SPSS
Moda, média e mediana no Excel e SPSSModa, média e mediana no Excel e SPSS
Moda, média e mediana no Excel e SPSSLigia Galvão
 
Pesquisa Qualitativa e Quantitativa
Pesquisa Qualitativa e QuantitativaPesquisa Qualitativa e Quantitativa
Pesquisa Qualitativa e Quantitativajlpaesjr
 
Modelo de artigo científico básico - com normas ABNT
Modelo de artigo científico básico - com normas ABNTModelo de artigo científico básico - com normas ABNT
Modelo de artigo científico básico - com normas ABNTRosineia Oliveira dos Santos
 
Exemplos de Cronogramas de Pesquisa
Exemplos de Cronogramas de PesquisaExemplos de Cronogramas de Pesquisa
Exemplos de Cronogramas de Pesquisarichard_romancini
 
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESME
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESMEProblema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESME
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESMERilva Lopes de Sousa Muñoz
 

La actualidad más candente (20)

Cronograma da Dissertação de Mestrado
Cronograma da Dissertação de MestradoCronograma da Dissertação de Mestrado
Cronograma da Dissertação de Mestrado
 
Conceitos Básicos de Estatística I
Conceitos Básicos de Estatística IConceitos Básicos de Estatística I
Conceitos Básicos de Estatística I
 
Variáveis e mensuração
Variáveis e mensuraçãoVariáveis e mensuração
Variáveis e mensuração
 
Variáveis em investigação
Variáveis em investigaçãoVariáveis em investigação
Variáveis em investigação
 
TCC: Métodos e Resultados - Profa. Rilva Muñoz
TCC: Métodos e Resultados - Profa. Rilva MuñozTCC: Métodos e Resultados - Profa. Rilva Muñoz
TCC: Métodos e Resultados - Profa. Rilva Muñoz
 
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)
Elaboração de trabalhos acadêmicos APA 6ª edição (atualizado 2015)
 
Aula 30 testes de hipóteses
Aula 30   testes de hipótesesAula 30   testes de hipóteses
Aula 30 testes de hipóteses
 
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”
OS CRITÉRIOS DE UMA BOA PERGUNTA DE PARTIDA”
 
Como redigir a introdução e a conclusão de um trabalho escrito
Como redigir a introdução e a conclusão de um trabalho escritoComo redigir a introdução e a conclusão de um trabalho escrito
Como redigir a introdução e a conclusão de um trabalho escrito
 
Modelo slide para apresentação do artigo
Modelo   slide para apresentação do artigoModelo   slide para apresentação do artigo
Modelo slide para apresentação do artigo
 
Modelo de artigo cientifico
Modelo de artigo cientificoModelo de artigo cientifico
Modelo de artigo cientifico
 
Delineamento experimental básico
Delineamento experimental básicoDelineamento experimental básico
Delineamento experimental básico
 
O processo de recolha de dados - inquérito
O processo de recolha de dados - inquéritoO processo de recolha de dados - inquérito
O processo de recolha de dados - inquérito
 
Aula 12 intervalo de confiança
Aula 12   intervalo de confiançaAula 12   intervalo de confiança
Aula 12 intervalo de confiança
 
Moda, média e mediana no Excel e SPSS
Moda, média e mediana no Excel e SPSSModa, média e mediana no Excel e SPSS
Moda, média e mediana no Excel e SPSS
 
Pesquisa Qualitativa e Quantitativa
Pesquisa Qualitativa e QuantitativaPesquisa Qualitativa e Quantitativa
Pesquisa Qualitativa e Quantitativa
 
Modelo de artigo científico básico - com normas ABNT
Modelo de artigo científico básico - com normas ABNTModelo de artigo científico básico - com normas ABNT
Modelo de artigo científico básico - com normas ABNT
 
Exemplos de Cronogramas de Pesquisa
Exemplos de Cronogramas de PesquisaExemplos de Cronogramas de Pesquisa
Exemplos de Cronogramas de Pesquisa
 
Apresentação TCC
Apresentação TCCApresentação TCC
Apresentação TCC
 
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESME
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESMEProblema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESME
Problema de Pesquisa e Hipóteses Científicas - Profa.Rilva - GESME
 

Destacado

Cap5 - Parte 1 - Conceitos
Cap5 - Parte 1 - ConceitosCap5 - Parte 1 - Conceitos
Cap5 - Parte 1 - ConceitosRegis Andrade
 
Estatística paramétrica e não paramétrica
Estatística paramétrica e não paramétricaEstatística paramétrica e não paramétrica
Estatística paramétrica e não paramétricaHenrique Gomide
 
Testes hipot parametricos_pressupostos
Testes hipot parametricos_pressupostosTestes hipot parametricos_pressupostos
Testes hipot parametricos_pressupostosCélia M. D. Sales
 
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.Wisley Velasco
 
How to Convert PPT into PDF file format Online
How to Convert PPT into PDF file format OnlineHow to Convert PPT into PDF file format Online
How to Convert PPT into PDF file format OnlineCharmainne Alonzo
 

Destacado (7)

Teste t student
Teste t studentTeste t student
Teste t student
 
Cap5 - Parte 1 - Conceitos
Cap5 - Parte 1 - ConceitosCap5 - Parte 1 - Conceitos
Cap5 - Parte 1 - Conceitos
 
Estatística paramétrica e não paramétrica
Estatística paramétrica e não paramétricaEstatística paramétrica e não paramétrica
Estatística paramétrica e não paramétrica
 
Testes hipot parametricos_pressupostos
Testes hipot parametricos_pressupostosTestes hipot parametricos_pressupostos
Testes hipot parametricos_pressupostos
 
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
Testes de Hipóteses - Lista de Exercícios Conceituais Resolvidos.
 
Testes diagnósticos
Testes diagnósticosTestes diagnósticos
Testes diagnósticos
 
How to Convert PPT into PDF file format Online
How to Convert PPT into PDF file format OnlineHow to Convert PPT into PDF file format Online
How to Convert PPT into PDF file format Online
 

Similar a Testes parametricos e nao parametricos

Análise de variância.pptx
Análise de variância.pptxAnálise de variância.pptx
Análise de variância.pptxAndre142201
 
Hipóteses e Estimativa do tamanho da amostra (aula 6)
Hipóteses e Estimativa do tamanho da amostra (aula 6)Hipóteses e Estimativa do tamanho da amostra (aula 6)
Hipóteses e Estimativa do tamanho da amostra (aula 6)Sandra Lago Moraes
 
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Alexandre Duarte
 
Cap5 - Parte 2 - Intervalo De Confiança 1
Cap5 - Parte 2 - Intervalo De Confiança 1Cap5 - Parte 2 - Intervalo De Confiança 1
Cap5 - Parte 2 - Intervalo De Confiança 1Regis Andrade
 
Aula 3 testes de hipóteses e anova
Aula 3   testes de hipóteses e anovaAula 3   testes de hipóteses e anova
Aula 3 testes de hipóteses e anovaRodrigo Rodrigues
 
Estatistica inferencial
Estatistica inferencial Estatistica inferencial
Estatistica inferencial Caio da Silva
 
ICSA17 - Critérios de validação imunodiagnóstico
ICSA17 - Critérios de validação imunodiagnósticoICSA17 - Critérios de validação imunodiagnóstico
ICSA17 - Critérios de validação imunodiagnósticoRicardo Portela
 
AMD - Aula n.º 1 - testes 1 amostra (1).pptx
AMD - Aula n.º 1 - testes 1 amostra (1).pptxAMD - Aula n.º 1 - testes 1 amostra (1).pptx
AMD - Aula n.º 1 - testes 1 amostra (1).pptxNunoSilva599593
 
Distribuição Amostral da Média
Distribuição Amostral da MédiaDistribuição Amostral da Média
Distribuição Amostral da MédiaAnderson Pinho
 
Aula 5 - Educação física
Aula 5 - Educação físicaAula 5 - Educação física
Aula 5 - Educação físicaCaroline Godoy
 
Estatística Aplicada à Administração - Aula 17: Testes de Hipóteses
Estatística Aplicada à Administração - Aula 17: Testes de HipótesesEstatística Aplicada à Administração - Aula 17: Testes de Hipóteses
Estatística Aplicada à Administração - Aula 17: Testes de HipótesesMarcus Araújo
 
Fundamentos da bioestatística
Fundamentos da bioestatísticaFundamentos da bioestatística
Fundamentos da bioestatísticaJuliano van Melis
 
Tecnicas de Pesquisa em Psicologia 6
Tecnicas de Pesquisa em Psicologia 6Tecnicas de Pesquisa em Psicologia 6
Tecnicas de Pesquisa em Psicologia 6Alex Rilie
 
Critérios de Validação
Critérios de ValidaçãoCritérios de Validação
Critérios de ValidaçãoLABIMUNO UFBA
 
Seminário bioestatística testes paramétricos
Seminário bioestatística   testes paramétricosSeminário bioestatística   testes paramétricos
Seminário bioestatística testes paramétricosMarlio Carlos
 
Pesquisa Quantitativa: aspectos teóricos e computacionais
Pesquisa Quantitativa: aspectos teóricos e computacionaisPesquisa Quantitativa: aspectos teóricos e computacionais
Pesquisa Quantitativa: aspectos teóricos e computacionaisRodrigo Rodrigues
 
Planejamento das Medições (aula 5)
Planejamento das Medições (aula 5)Planejamento das Medições (aula 5)
Planejamento das Medições (aula 5)Sandra Lago Moraes
 
Artigos de revisão e metanálise
Artigos de revisão e metanáliseArtigos de revisão e metanálise
Artigos de revisão e metanáliseESTeSC
 
Poder Amostral e Estatística
Poder Amostral e EstatísticaPoder Amostral e Estatística
Poder Amostral e EstatísticaSandro Esteves
 

Similar a Testes parametricos e nao parametricos (20)

Análise de variância.pptx
Análise de variância.pptxAnálise de variância.pptx
Análise de variância.pptx
 
Hipóteses e Estimativa do tamanho da amostra (aula 6)
Hipóteses e Estimativa do tamanho da amostra (aula 6)Hipóteses e Estimativa do tamanho da amostra (aula 6)
Hipóteses e Estimativa do tamanho da amostra (aula 6)
 
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
Métodos Quantitativos em Ciência da Computação: Comparando Sistemas Experimen...
 
Cap5 - Parte 2 - Intervalo De Confiança 1
Cap5 - Parte 2 - Intervalo De Confiança 1Cap5 - Parte 2 - Intervalo De Confiança 1
Cap5 - Parte 2 - Intervalo De Confiança 1
 
Aula 3 testes de hipóteses e anova
Aula 3   testes de hipóteses e anovaAula 3   testes de hipóteses e anova
Aula 3 testes de hipóteses e anova
 
Estatistica inferencial
Estatistica inferencial Estatistica inferencial
Estatistica inferencial
 
ICSA17 - Critérios de validação imunodiagnóstico
ICSA17 - Critérios de validação imunodiagnósticoICSA17 - Critérios de validação imunodiagnóstico
ICSA17 - Critérios de validação imunodiagnóstico
 
AMD - Aula n.º 1 - testes 1 amostra (1).pptx
AMD - Aula n.º 1 - testes 1 amostra (1).pptxAMD - Aula n.º 1 - testes 1 amostra (1).pptx
AMD - Aula n.º 1 - testes 1 amostra (1).pptx
 
Distribuição Amostral da Média
Distribuição Amostral da MédiaDistribuição Amostral da Média
Distribuição Amostral da Média
 
Aula 5 - Educação física
Aula 5 - Educação físicaAula 5 - Educação física
Aula 5 - Educação física
 
Estatística Aplicada à Administração - Aula 17: Testes de Hipóteses
Estatística Aplicada à Administração - Aula 17: Testes de HipótesesEstatística Aplicada à Administração - Aula 17: Testes de Hipóteses
Estatística Aplicada à Administração - Aula 17: Testes de Hipóteses
 
Fundamentos da bioestatística
Fundamentos da bioestatísticaFundamentos da bioestatística
Fundamentos da bioestatística
 
Tecnicas de Pesquisa em Psicologia 6
Tecnicas de Pesquisa em Psicologia 6Tecnicas de Pesquisa em Psicologia 6
Tecnicas de Pesquisa em Psicologia 6
 
Critérios de Validação
Critérios de ValidaçãoCritérios de Validação
Critérios de Validação
 
Seminário bioestatística testes paramétricos
Seminário bioestatística   testes paramétricosSeminário bioestatística   testes paramétricos
Seminário bioestatística testes paramétricos
 
Aula19
Aula19Aula19
Aula19
 
Pesquisa Quantitativa: aspectos teóricos e computacionais
Pesquisa Quantitativa: aspectos teóricos e computacionaisPesquisa Quantitativa: aspectos teóricos e computacionais
Pesquisa Quantitativa: aspectos teóricos e computacionais
 
Planejamento das Medições (aula 5)
Planejamento das Medições (aula 5)Planejamento das Medições (aula 5)
Planejamento das Medições (aula 5)
 
Artigos de revisão e metanálise
Artigos de revisão e metanáliseArtigos de revisão e metanálise
Artigos de revisão e metanálise
 
Poder Amostral e Estatística
Poder Amostral e EstatísticaPoder Amostral e Estatística
Poder Amostral e Estatística
 

Más de Rosario Cação

Legislacao da formação profissional
Legislacao da formação profissionalLegislacao da formação profissional
Legislacao da formação profissionalRosario Cação
 
Theories of Motivation and Other Inspiring Theories
Theories of Motivation and Other Inspiring TheoriesTheories of Motivation and Other Inspiring Theories
Theories of Motivation and Other Inspiring TheoriesRosario Cação
 
Criatividade Pedagógica
Criatividade PedagógicaCriatividade Pedagógica
Criatividade PedagógicaRosario Cação
 
Análise de Sobrevivência de Kaplan-Meier
Análise de Sobrevivência de Kaplan-MeierAnálise de Sobrevivência de Kaplan-Meier
Análise de Sobrevivência de Kaplan-MeierRosario Cação
 
Indicadores de Maturidade no E-learning @TicEDUCA2014
Indicadores de Maturidade no E-learning @TicEDUCA2014Indicadores de Maturidade no E-learning @TicEDUCA2014
Indicadores de Maturidade no E-learning @TicEDUCA2014Rosario Cação
 
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 Seville
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 SevilleEvolution and Trauma in Corporate e-Learning @ ICERI 2014 Seville
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 SevilleRosario Cação
 
Gestão e Formação de Expatriados e Quadros Internacionais
Gestão e Formação de Expatriados e Quadros InternacionaisGestão e Formação de Expatriados e Quadros Internacionais
Gestão e Formação de Expatriados e Quadros InternacionaisRosario Cação
 
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014Rosario Cação
 
Forcing Disruption in b‐Learning Workgroups
Forcing Disruption in b‐Learning WorkgroupsForcing Disruption in b‐Learning Workgroups
Forcing Disruption in b‐Learning WorkgroupsRosario Cação
 
Tools for learning and teaching rosario cacao
Tools for learning and teaching rosario cacaoTools for learning and teaching rosario cacao
Tools for learning and teaching rosario cacaoRosario Cação
 
Dimensions of Quality in e-Learning
Dimensions of Quality in e-LearningDimensions of Quality in e-Learning
Dimensions of Quality in e-LearningRosario Cação
 
B-learning: Expectativas, comportamentos e impactos
B-learning: Expectativas, comportamentos e impactosB-learning: Expectativas, comportamentos e impactos
B-learning: Expectativas, comportamentos e impactosRosario Cação
 
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...Rosario Cação
 
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...Rosario Cação
 

Más de Rosario Cação (20)

Legislacao da formação profissional
Legislacao da formação profissionalLegislacao da formação profissional
Legislacao da formação profissional
 
Theories of Motivation and Other Inspiring Theories
Theories of Motivation and Other Inspiring TheoriesTheories of Motivation and Other Inspiring Theories
Theories of Motivation and Other Inspiring Theories
 
Liderança
LiderançaLiderança
Liderança
 
Flipped Conferences
Flipped ConferencesFlipped Conferences
Flipped Conferences
 
Criatividade Pedagógica
Criatividade PedagógicaCriatividade Pedagógica
Criatividade Pedagógica
 
Análise de Sobrevivência de Kaplan-Meier
Análise de Sobrevivência de Kaplan-MeierAnálise de Sobrevivência de Kaplan-Meier
Análise de Sobrevivência de Kaplan-Meier
 
Indicadores de Maturidade no E-learning @TicEDUCA2014
Indicadores de Maturidade no E-learning @TicEDUCA2014Indicadores de Maturidade no E-learning @TicEDUCA2014
Indicadores de Maturidade no E-learning @TicEDUCA2014
 
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 Seville
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 SevilleEvolution and Trauma in Corporate e-Learning @ ICERI 2014 Seville
Evolution and Trauma in Corporate e-Learning @ ICERI 2014 Seville
 
Gestão e Formação de Expatriados e Quadros Internacionais
Gestão e Formação de Expatriados e Quadros InternacionaisGestão e Formação de Expatriados e Quadros Internacionais
Gestão e Formação de Expatriados e Quadros Internacionais
 
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014
Qualidade no e-Learning @ Congresso Nacional de Formação Profissional 2014
 
Tipos de eventos
Tipos de eventosTipos de eventos
Tipos de eventos
 
Forcing Disruption in b‐Learning Workgroups
Forcing Disruption in b‐Learning WorkgroupsForcing Disruption in b‐Learning Workgroups
Forcing Disruption in b‐Learning Workgroups
 
Tools for learning and teaching rosario cacao
Tools for learning and teaching rosario cacaoTools for learning and teaching rosario cacao
Tools for learning and teaching rosario cacao
 
Dimensions of Quality in e-Learning
Dimensions of Quality in e-LearningDimensions of Quality in e-Learning
Dimensions of Quality in e-Learning
 
B-learning: Expectativas, comportamentos e impactos
B-learning: Expectativas, comportamentos e impactosB-learning: Expectativas, comportamentos e impactos
B-learning: Expectativas, comportamentos e impactos
 
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...
Modeling Critical Factors of Quality in e-Learning - A Structural Equations M...
 
Planos de Formação
Planos de FormaçãoPlanos de Formação
Planos de Formação
 
Manuais de qualidade
Manuais de qualidadeManuais de qualidade
Manuais de qualidade
 
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...
Escalas para Medição de Atitudes - Com Exemplos Práticos Aplicados à Educação...
 
Taxonomia de Anderson
Taxonomia de AndersonTaxonomia de Anderson
Taxonomia de Anderson
 

Último

A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARX
A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARXA CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARX
A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARXHisrelBlog
 
Caça palavras - BULLYING
Caça palavras  -  BULLYING  Caça palavras  -  BULLYING
Caça palavras - BULLYING Mary Alvarenga
 
FORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaFORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaBenigno Andrade Vieira
 
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Colaborar Educacional
 
Peixeiras da Coruña. O Muro da Coruña. IES Monelos
Peixeiras da Coruña. O Muro da Coruña. IES MonelosPeixeiras da Coruña. O Muro da Coruña. IES Monelos
Peixeiras da Coruña. O Muro da Coruña. IES MonelosAgrela Elvixeo
 
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxAula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxMarceloDosSantosSoar3
 
Poema sobre o mosquito Aedes aegipyti -
Poema sobre o mosquito Aedes aegipyti  -Poema sobre o mosquito Aedes aegipyti  -
Poema sobre o mosquito Aedes aegipyti -Mary Alvarenga
 
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptx
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptxSlides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptx
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptxLuizHenriquedeAlmeid6
 
Depende De Nós! José Ernesto Ferraresso.ppsx
Depende De Nós! José Ernesto Ferraresso.ppsxDepende De Nós! José Ernesto Ferraresso.ppsx
Depende De Nós! José Ernesto Ferraresso.ppsxLuzia Gabriele
 
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123JaineCarolaineLima
 
Ressonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxRessonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxPatriciaFarias81
 
Termo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegraTermo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegrafernando846621
 
Aula 5 - A Guerra acabou, o mundo se modificou..pptx
Aula 5 - A Guerra acabou, o mundo se modificou..pptxAula 5 - A Guerra acabou, o mundo se modificou..pptx
Aula 5 - A Guerra acabou, o mundo se modificou..pptxMarceloDosSantosSoar3
 
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...Colaborar Educacional
 
autismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderautismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderLucliaResende1
 
Apresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxApresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxtaloAugusto8
 

Último (20)

Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdfAbordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 2. Análise temática (Severino, 2013)_PdfToPowerPoint.pdf
 
A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARX
A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARXA CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARX
A CONCEPÇÃO FILO/SOCIOLÓGICA DE KARL MARX
 
Boletim informativo Contacto - março 2024
Boletim informativo Contacto - março 2024Boletim informativo Contacto - março 2024
Boletim informativo Contacto - março 2024
 
Caça palavras - BULLYING
Caça palavras  -  BULLYING  Caça palavras  -  BULLYING
Caça palavras - BULLYING
 
Abordagens 4 (Problematização) e 5 (Síntese pessoal) do texto de Severino (20...
Abordagens 4 (Problematização) e 5 (Síntese pessoal) do texto de Severino (20...Abordagens 4 (Problematização) e 5 (Síntese pessoal) do texto de Severino (20...
Abordagens 4 (Problematização) e 5 (Síntese pessoal) do texto de Severino (20...
 
FORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de históriaFORMAÇÃO POVO BRASILEIRO atividade de história
FORMAÇÃO POVO BRASILEIRO atividade de história
 
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
Apresente de forma sucinta as atividades realizadas ao longo do semestre, con...
 
Peixeiras da Coruña. O Muro da Coruña. IES Monelos
Peixeiras da Coruña. O Muro da Coruña. IES MonelosPeixeiras da Coruña. O Muro da Coruña. IES Monelos
Peixeiras da Coruña. O Muro da Coruña. IES Monelos
 
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptxAula 6 - O Imperialismo e seu discurso civilizatório.pptx
Aula 6 - O Imperialismo e seu discurso civilizatório.pptx
 
Poema sobre o mosquito Aedes aegipyti -
Poema sobre o mosquito Aedes aegipyti  -Poema sobre o mosquito Aedes aegipyti  -
Poema sobre o mosquito Aedes aegipyti -
 
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptx
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptxSlides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptx
Slides Lição 1, CPAD, O Início da Caminhada, 2Tr24, Pr Henrique.pptx
 
Depende De Nós! José Ernesto Ferraresso.ppsx
Depende De Nós! José Ernesto Ferraresso.ppsxDepende De Nós! José Ernesto Ferraresso.ppsx
Depende De Nós! José Ernesto Ferraresso.ppsx
 
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdfAbordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
Abordagem 3. Análise interpretativa (Severino, 2013)_PdfToPowerPoint.pdf
 
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
SEMIOSES DO OLHAR - SLIDE PARA ESTUDO 123
 
Ressonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptxRessonancia_magnetica_basica_slide_da_net.pptx
Ressonancia_magnetica_basica_slide_da_net.pptx
 
Termo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegraTermo de audiência de Mauro Cid na ìntegra
Termo de audiência de Mauro Cid na ìntegra
 
Aula 5 - A Guerra acabou, o mundo se modificou..pptx
Aula 5 - A Guerra acabou, o mundo se modificou..pptxAula 5 - A Guerra acabou, o mundo se modificou..pptx
Aula 5 - A Guerra acabou, o mundo se modificou..pptx
 
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...
PROJETO DE EXTENSÃO - SEGURANÇA, INOVAÇÃO E SUSTENTABILIDADE PARA O BEM COMUM...
 
autismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entenderautismo conhecer.pptx, Conhecer para entender
autismo conhecer.pptx, Conhecer para entender
 
Apresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptxApresentação sobrea dengue educação.pptx
Apresentação sobrea dengue educação.pptx
 

Testes parametricos e nao parametricos

  • 1. Testes Estatísticos Testes paramétricos e não paramétricos Rosário Cação rosario@evolui.com Março 2010 1
  • 2. Índice 1. Princípios básicos dos testes estatísticos 2. Testes paramétricos e não paramétricos 3. Testes paramétricos 4. Testes não paramétricos 2
  • 3. 1. PRINCÍPIOS BÁSICOS DE TESTES ESTATÍSTICOS 3
  • 4. 1. Princípios Básicos de Testes Estatísticos Intervalos de Ao combinar a dimensão da amostra com a sua variabilidade, confiança gera-se um intervalo de confiança para a média da população. Níveis de confiança • Como se interpreta um intervalo de confiança? Tipos de erros • Se assumirmos que a amostra foi aleatoriamente seleccionada de uma população que segue uma distribuição normal, então, com 95% de confiança, Testes podemos dizer que o intervalo de confiança inclui a estatísticos média da população. 4
  • 5. 1. Princípios Básicos de Testes Estatísticos Intervalos de Com base nos intervalos de confiança, podem ser calculados confiança intervalos de confiança para a diferença das médias dos grupos. Podem ainda ser criados intervalos de confiança para Níveis de proporções, rácios, o declíve de uma regressão linear ou confiança outro qualquer parâmetro estatístico. Tipos de erros Testes estatísticos 5
  • 6. 1. Princípios Básicos de Testes Estatísticos Intervalos de A maioria dos intervalos de confiança são calculados para confiança 95% mas também podem ser utilizados outros níveis de confiança. Níveis de confiança Se se pretende um nível de confiança maior, i.e., se se quer mais confiança de que um intervalo contém o parâmetro real, Tipos de erros então o intervalo tem de ser maior. Assim sendo, os intervalos de confiança a 99% são mais amplos que os de 95% e os de Testes 90% são mais estreitos que os de 95%. estatísticos 6
  • 7. 1. Princípios Básicos de Testes Estatísticos Intervalos de Intuitivamente, somos levados a dizer que um p-value de confiança 0.01 seria estatisticamente mais significante do que um p- value de 0,005, mas tal não é correcto. A partir do momento Níveis de em que é definido o nível de confiança, todos os resultados confiança são ou ‘estatisticamente significantes’ ou ‘estatisticamente não significantes’. Tipos de erros No entanto, há autores que fazem uma distinção do grau de significância e utilizam simbolos para o fazer mas estas denominações e notações não estão estandardizadas. Testes estatísticos Por exemplo: P value Descrição Notação >0.05 Não significante ns 0.01 to 0.05 Significante * 0.001 to 0.01 Muito significante ** < 0.001 Extremamente significante *** 7
  • 8. 1. Princípios Básicos de Testes Estatísticos Intervalos de Tipos de erros: confiança Hipótese verdadeira Níveis de Ho H1 confiança Decisão do Rejeita Ho Erro do tipo I ✔ Tipos de erros teste Não rejeita Ho ✔ Erro do tipo II Testes P (erro do tipo I) =α estatísticos Tamanho do teste ou nível de significância: α = P (erro do tipo I) = P (rejeitar Ho | Ho verdadeiro) P (erro do tipo II) = β Potência do teste = 1- β = 1 - P (erro do tipo II) = P (rejeitar Ho | H1 verdadeiro) 8
  • 9. 1. Princípios Básicos de Testes Estatísticos Intervalos de • Os testes estatísticos procuram confirmar se uma confiança determinada hipótese (Ho) pode ser rejeitada. Níveis de • Os testes podem ser bilaterais ou unilaterais: confiança • Nos testes bilaterais: Tipos de erros • A hipótese nula (Ho) inclui sempre o sinal de igual • A hipótese alternativa (H1) inclui sempre o sinal Testes de desigual estatísticos • Nos testes unilaterais: • A hipótese nula (Ho) inclui o sinal de maior ou igual • A hipótese alternativa (H1) inclui o sinal oposto 9
  • 10. 1. Princípios Básicos de Testes Estatísticos Intervalos de Testes bilaterais versus unilaterais: confiança • Num teste t, o p-value é calculado para a hipótese nula Níveis de das duas populações terem médias iguais e que qualquer confiança discrepância que exista entre duas amostras é arbitrária. Tipos de erros • O p-value nos testes unilateriais é duas vezes o p-value dos testes bilaterais. Testes • Os testes unilaterais são apropriados quando se pode estatísticos afirmar com certeza (mesmo antes de recolher dados), que ou não haverá diferença entre as médias, ou a diferença é no sentido que se especifica. Caso contrário, devem usar-se testes bilaterais, que geralmente são aconselhados. 10
  • 11. 2. TESTES PARAMÉTRICOS E NÃO PARAMÉTRICOS 11
  • 12. 2. Testes Paramétricos e Não Paramétricos Existem dois tipos de testes: • Os testes paramétricos (também chamados testes t): • Exigem que a(s) amostra(s) tenha(m) uma distribuição normal, especialmente se tiverem uma dimensão inferior a 30. • Nas amostras de dimensão superior a 30, a distribuição aproxima-se da distribuição normal e também se aplicam os testes t. • Os testes não paramétricos: • Não necessitam de requisitos tão fortes, como a normalidade, como os testes paramétricos, para serem usados. São também indicados quando as amostras são pequenas. • São usados quando a amostra tem uma distribuição que não é normal ou quando, apesar da amostra ter uma dimensão superior a 30, se opta por conclusões mais conservadoras. • A desvantagem destes testes é que não são tão potentes quanto os testes paramétricos, ou seja, com os testes não paramétricos não se encontram tantas diferenças entre os dados, quando essas diferenças realmente existem. 12
  • 13. 2. Testes Paramétricos e Não Paramétricos • Os testes paramétricos pressupõem a normalidade em amostras de dimensão igual ou inferior a 30. Nas amostras de dimensão superior, a distribuição aproxima-se da distribuição normal e também se aplicam os testes t. • Quando não se pode pressupor a normalidade recorre-se aos testes não paramétricos. Paramétricos Não paramétricos Distribuição assumida Normal Qualquer uma Variância assumida Homogénea Qualquer uma Tipo de variáveis De intervalo ou rácio Ordinal ou nominal normalmente usadas Relação entre os dados Independentes Qualquer uma Medidas de localização Média Mediana central normalmente usadas 13
  • 14. 2. Testes Paramétricos e Não Paramétricos Tipo de dados Ordem, resultado ou Binomial (dois Medida (de medida (de Tempo de Objectivo resultados populações normais) populações não sobrevivência possíveis) normais) Mediana e amplitude Curva de sobrevivência Descrever um grupo Média e desvio padrão Teste de proporção inter-quartil de Kaplan Meier Teste para uma só Teste do chi- Comparar um grupo a Teste de amostra (one-sample t quadrado ou teste um valor hipotético Wilcoxon test) binomial Teste para duas Teste de Fisher ou o Comparar dois grupos amostras Teste de Teste de Log-rank ou chi-quadrado de independentes independentes Mann-Whitney Mantel-Haenszel amostra grande (Unpaired t test) Teste para amostras Comparar dois grupos Conditional proportional emparelhadas (Paired t Teste de Wilcoxon Teste de McNemar emparelhados hazards regression test) Comparar dois ou mais Regressão de Cox (Cox One-way ANOVA Teste de Kruskal-Wallis Teste do chi-quadrdo grupos independentes proportional hazard) Regressão condicional Comparar dois ou mais Repeated-measures proporcional (conditional Teste de Friedman Cochran Q** grupos emparelhados ANOVA proportional hazards regression) Quantificar a Correlação de Coeficientes de associação entre duas Correlação de Pearson Spearman contigência ** variáveis Prever valores apartir Regressão linear Regressão não Regressão logística Regressão de Cox (Cox de outra variável simples ou regressão paramétrica simples proportional hazard) medida não linear Prever valores apartir Regressão linear Regressão logística Regressão de Cox (Cox de várias variáveis múltipla múltipla proportional hazard) binomiais ou medidas 14
  • 15. 2. Testes Paramétricos e Não Paramétricos Testar a normalidade: Como os testes paramétricos pressupõem a normalidade em amostras de dimensão igual ou inferior a 30, pode ser necessário testar se a amostra tem uma distribuição normal. Para testar a aderência à normalidade, i.e., para testar se a amostra se pode pressupor normal, podem-se usar dois testes: • Teste de Kolmogorov-Smirnov com correcção de Lilliefors • Teste de Shapiro-Wilks 15
  • 16. 2. Testes Paramétricos e Não Paramétricos • Tipos de testes paramétricos: • Testes t: • Teste para duas amostras independentes (teste t e testes t simultâneos) (unpaired t test) • Teste para duas amostras emparelhadas (paired t test) • Teste para uma só amostra (one sample t test) • Testes ANOVA (I e II) • Os testes ANOVA (analysis of variance) diferencia-se dos testes t porque os testes t só podem ser usados para testar diferenças entre duas situações para uma variável. Os testes ANOVA podem ser usados para testar diferenças entre diversas situações e para duas ou mais variáveis. 16
  • 17. 2. Testes Paramétricos e Não Paramétricos • Tipos de testes não paramétricos: • Testes para amostras emparelhadas: • Teste do sinal • Teste de McNemar • Teste Q de Cochran • Testes de Wilcoxon • Teste de Friedman • Testes para amostras independentes: • Teste de Mann-Whitney • Teste de Kruskal-Wallis • Teste de Wald-Wolfowitz ou teste de aleatoriedade da amostra • Teste de Moses para reacções extremas • Outros testes: • Teste binomial • Teste de ajustamento do Qui-Quadrado • Teste de independência do Qui-Quadrado • Teste de Fisher 17
  • 19. 3. Testes Paramétricos Testes t Testes para amostras independentes: Para amostras independentes • A comparação das médias é feita entre os casos de Para amostras uma variável numa das amostras com os casos emparelhadas dessa variável na outra amostra (teste t) • A comparação das médias é feita entre os casos de Para uma um grupo de variáveis numa das amostras com os amostra casos dessa variável na outra amostra (testes Testes ANOVA simultâneos) ANOVA I ANOVA II Exemplo: Testar se o rendimento médio dos homens é semelhante ao das mulheres (teste de uma só variável) ou testar se o rendimento médio e os gastos médios são semelhantes entre homens e mulheres (testes simultâneos). Teste t Testes simultâneos Ho: UR homens = UR mulheres Ho: UR homens = UR mulheres Ho: UG homens = UG mulheres H1: UR homens ≠ UR mulheres H1: UR homens ≠ UR mulheres H1: UG homens ≠ UG mulheres Sendo UR o rendimento médio Sendo UR o rendimento médio Sendo UG os gastos médio 19
  • 20. 3. Testes Paramétricos Testes t Testes para amostras emparelhadas: Para amostras independentes Este teste é usado em duas situações: • Quando, para o mesmo grupo de sujeitos, se mede uma variável Para amostras antes e depois de um evento; ou emparelhadas • Quando se mede uma variável numa amostra que inclui dois Para uma grupos de sujeitos com características que podem ser amostra semelhantes Testes ANOVA Nas hipóteses do teste compara-se o valor da diferença ANOVA I entre os pares de observações e testa-se se a média das ANOVA II diferenças pode ser zero: Exemplo 1: Testar se a motivação de um indivíduo no final do evento é semelhante à motivação que tinha no início. Exemplo 2: Testar se o rendimento de dois anos pode ser considerado semelhante. Teste amostras emparelhadas Ho: Udiferença =UR 2010 - UR 2009 = 0 H1: Udiferença =UR 2010 - UR 2009 ≠ 0 Sendo UR o rendimento médio 20
  • 21. 3. Testes Paramétricos Testes t Testes para uma amostra Para amostras independentes • Este teste compara os valores observados da Para amostras amostra com um valor que se quer testar. emparelhadas Exemplo 1: Testar se a taxa de desemprego é de 10%. Para uma Exemplo 2: Testar se a satisfação média dos clientes pode ser 9,5. amostra Testes ANOVA ANOVA I ANOVA II Teste t uma amostra Ho: Us = 9.5 H1: Us ≠ 9.5 Sendo Us a satisfação média 21
  • 22. 3. Testes Paramétricos Testes t Teste ANOVA I Para amostras independentes Na análise da variância, a variabilidade observada na Para amostras amostra divide-se em duas componentes: emparelhadas • Variabilidade das observações dentro de um grupo, em torno da média (dentro dos grupos); Para uma • Variabilidade entre as médias dos grupos (entre amostra grupos). Testes ANOVA ANOVA I Se a variabilidade entre grupos for suficientemente grande face à variabilidade dentro dos grupos, rejeita-se a hipótese ANOVA II nula, que afirma que todas as médias da população iguais. Exemplo: Testar os resultados da aprendizagem resultantes da utilização de 4 métodos de ensino diferentes usados em 4 turmas ou grupos. Exemplo: Testar o número médio de horas de trabalho semanais por grau académico. 22
  • 23. 3. Testes Paramétricos Testes t Teste ANOVA II Para amostras independentes ANOVA II é utilizado quando existe mais do que um factor Para amostras para definir os grupos. emparelhadas Exemplo: Testar a motivação dos alunos por idade e por sexo Para uma A hipótese nula será que o efeito da idade sobre a motivação dos alunos é o amostra mesmo para homens e mulheres, ou seja, não há interacção entre a idade e o sexo. Testes ANOVA ANOVA I ANOVA II 23
  • 24. 4. TESTES NÃO PARAMÉTRICOS 24
  • 25. 4. Testes Não Paramétricos Amostras independentes ou emparelhadas? • Ao comparar dois grupos, é necessário decidir se se usam testes para amostras independentes ou emparelhadas. • Usam-se testes para amostras emparelhadas para comparar valores que são diferentes medidas de um individuo (por exemplo, antes e depois de um evento) ou medidas de individuos emparelhados (por exemplo, um casal). • Os testes para amostras emparelhadas só são apropriados quando os individuos foram emparelhados antes de recolher os dados. Não se pode basear o emparelhamento nos dados recolhidos. 25
  • 26. 4. Testes Não Paramétricos Amostras Teste do sinal emparelhadas Teste do sinal A hipótese nula no teste do sinal afirma que a diferença média entre dois membros de um par é zero. Teste de McNemar Teste Q de Cochran Exemplo: Testar que a motivação de um aluno para um curso ou disciplina é Teste de igual à motivação que tem para outro curso ou disciplina. Wilcoxon Teste de Friedman Amostras independentes Outros testes 26
  • 27. 4. Testes Não Paramétricos Amostras Teste de McNemar emparelhadas Teste do sinal O teste de McNemar é um teste do sinal aplicado a variáveis dicotómicas, ou seja, a variáveis que apenas tomam dois Teste de McNemar valores (por exemplo: sim/não). Teste Q de Cochran Exemplo: Testar se, numa determinada licenciatura, a hipótese nula de que há Teste de igualdade entre rapazes e raparigas de terem irmãos. Wilcoxon Teste de Friedman Amostras independentes Outros testes 27
  • 28. 4. Testes Não Paramétricos Amostras Teste Q de Cochran emparelhadas Teste do sinal O teste Q de Cochran é uma generalização do teste de McNemar. Este teste permite comparar proporções em mais Teste de McNemar do que duas amostras emparelhadas onde cada variável é dicotómica (assumindo os valores 1 e 0). Teste Q de Cochran Ho: a proporção p é igual em todas as amostras Teste de emparelhadas. Wilcoxon Teste de Exemplo: Testar se, numa determinada licenciatura, a hipótese nula de que a Friedman proporção de alunos reprovados nas 3 chamadas de exame de uma disciplina é igual. Amostras independentes Outros testes 28
  • 29. 4. Testes Não Paramétricos Amostras Teste de Wilcoxon emparelhadas Teste do sinal O teste de Wilcoxon é mais rico que o teste do sinal pois, ao contrário deste que apenas verifica qual dos dois números de Teste de McNemar um par é maior, o teste de Wilcoxon verifica a magnitude dessa diferença. Teste Q de Cochran Este teste exige que as diferenças sejam de uma amostra de Teste de uma distribuição simétrica, pelo que, antes de ser aplicado, Wilcoxon deve ser feito o histograma da amostra para ver se a sua Teste de distribuição se pode assumir como simétrica. Friedman Amostras independentes Outros testes 29
  • 30. 4. Testes Não Paramétricos Amostras Teste de Friedman emparelhadas Teste do sinal O teste de Friedman é usado quando existem mais do que 2 condições de emparelhamento, onde cada variável é Teste de McNemar classificada numa escala de nível, pelo menos, ordinal. Teste Q de Este teste é usado para comparar as preferências das Cochran pessoas. Teste de Wilcoxon Teste de Exemplo: Testar a hipótese nula de que não há preferência entre 3 produtos. Friedman Os inquiridos indicam porque ordem preferem os produtos e o teste verifica se há preferência. Rejeitada Ho, o rank dirá qual é o produto mais preferido (e o Amostras menos preferido) . independentes Outros testes 30
  • 31. 4. Testes Não Paramétricos Amostras Teste de Friedman emparelhadas Teste do sinal Este teste não usa os dados directamente mas sim a ordem por eles ocupada (o rank), depois de serem organizados de Teste de McNemar forma crescente. A ordenação é feita de forma separada para cada uma das amostras, e não em conjunto. Teste Q de Cochran Este teste funciona como uma análise de variância a dois Teste de critérios de variação. Por exemplo, em “A satisfação de clientes de vários Wilcoxon produtos pode ser avaliada por diferentes métodos”, os critérios seriam os produtos e os métodos. O teste procura responder à questão: É identica a Teste de avaliação da satisfação pelos vários produtos, em relação aos diferentes Friedman métodos? Ou, de outra forma, há concordância entre os diversos métodos em Amostras relação à avaliação dos produtos? independentes A organização dos dados é relevante: o factor principal deve Outros testes ser colocado em coluna. Ho será que a distribuição das ordens nas diversas colunas será mais ou menos equivalente, de modo a que a soma da ordem em cada coluna seja aproximadamente igual.31
  • 32. 4. Testes Não Paramétricos Amostras Teste de Mann-Whitney emparelhadas Amostras O teste de Mann-Whitney é a alternativa não paramétrica ao independentes teste t para amostras independentes. Teste de Mann- O requisito deste teste é que os grupos tenham a mesma Whitney distribuição (que não precisa de ser normal). Teste de Kruskal- Wallis Neste teste, a hipótese nula é que as médias da população Teste de Wald- são as mesmas para os dois grupos. Wolfowitz Teste de Moses para reacções extremas Outros testes 32
  • 33. 4. Testes Não Paramétricos Amostras Teste de Kruskal-Wallis emparelhadas Amostras O teste de Kruskal-Wallis é a alternativa não paramétrica ao independentes teste ANOVA I. Teste de Mann- É calculado como o teste de Mann-Whitney, com a diferença Whitney que podem existir mais grupos. Teste de Kruskal- Wallis Os requisitos deste teste são: Teste de Wald- • Que os grupos tenham a mesma distribuição (que não Wolfowitz precisa de ser normal); Teste de Moses para reacções Neste teste, a hipótese nula é que as médias da população extremas são as mesmas para os dois grupos. Outros testes 33
  • 34. 4. Testes Não Paramétricos Amostras Teste de Wald-Wolfowitz ou teste de aleatoriedade da emparelhadas amostra (runs test) Amostras independentes O teste de sequência de Wald-Wolfowitz, ou run test, testa a hipótese nula de que uma sequência de valores é aleatória. Teste de Mann- Whitney Este teste só se aplica em variáveis dicotómicas. Teste de Kruskal- Wallis Este teste avalia se o número de runs de uma série ordenada Teste de Wald- é aleatório ou não. Uma amostra de m valores independentes Wolfowitz da primeira população é combinada com uma amostra de n Teste de Moses valores da segunda população e na amostra combinada é para Reacções feito o rank. O teste foca-se no número de runs, sendo o run Extremas uma sucessão de valores adjacentes ordenados da mesma Outros testes população que são precedidos ou seguidos no rank por valores da outra população ou por nenhum outro valor. 34
  • 35. 4. Testes Não Paramétricos Amostras Teste de Wald-Wolfowitz ou teste de aleatoriedade da emparelhadas amostra (runs test) Amostras independentes Exemplo 1: Ao inquirir os individuos se gostam de um determinado Teste de Mann- professor, observa-se a seguinte sequência (S= sim e N= Whitney não): NNNNSSSNNSSSNNSSNNNNSSSSSN Teste de Kruskal- O que este teste faz é pegar na sequência de símbolos iguais Wallis (NNNN SSS NN SSS NN SS NNNN SSSSS N) e ver se eles Teste de Wald- podem ser aleatórios. Wolfowitz Teste de Moses Exemplo 2: para Reacções Fonte: http://www.quantitativeskills.com/sisa/statistics/ordhlp.htm Extremas Rank order 1 2 3 .................................................. 31 Outros testes Data MMMFFFMMMMFFMMMFFFFFFFMMFMMFFFF run number 1112223333445556666666778990000 O número de runs esperado é de 16. O p-value do teste será a probabilidade da diferença entre o número esperado e o número observado. 35
  • 36. 4. Testes Não Paramétricos Amostras Teste de Moses para reacções extremas emparelhadas Amostras Este teste aplica-se quando existe uma suspeita de que uma independentes determinada condição experimental afectou um grupo de indivíduos e, de forma oposta, outro grupo. Teste de Mann- Whitney É indicado quando existe um grupo experimental e um grupo Teste de Kruskal- de controle e se suspeita que no grupo experimental os Wallis valores estão concentrados numa (ou em ambas) as Teste de Wald- extremidades da série. Wolfowitz Teste de Moses Este teste exige que a escala seja, pelo menos, ordinal. para Reacções Extremas Outros testes 36
  • 37. 4. Testes Não Paramétricos Amostras Teste binomial emparelhadas Amostras O teste binomial compara a distribuição de uma variável independentes dicotómica com uma determinada probabilidade, obtida da amostra ou definida (cut point). Outros testes Teste binominal A hipótese nula deste teste é que a probabilidade de Teste de ocorrência de observação no primeiro grupo é x%. ajustamento Teste de Se a probabilidade de ocorrência para um grupo é p, então a independência probabilidade de ocorrência para o outro grupo é q = 1-p. Teste de Fisher Ao realizar o teste, se a variável é dicotómica, opta-se por obter a dicotomia dos dados. Caso contrário, define-se um cut point, ou seja, um ponto de transição que permita definir os grupos. Indica-se também a probabilidade que se pretende testar. 37
  • 38. 4. Testes Não Paramétricos Amostras Teste do ajustamento do Qui-Quadrado emparelhadas Amostras O teste do ajustamento do Qui-Quadrado compara as independentes frequências observadas na amostra com as frequências esperadas. Outros testes Teste binominal A hipótese nula deste teste afirma que os valores observados Teste de se ajustam aos valores esperados. ajustamento • Exemplo: que um pacote de Sugus contenha iguais proporções de Sugus vermelhos, azuis, amarelos e verdes. Teste de • Exemplo: que um pacote de Sugus contenha 30% deSugus independência vermelhos, 20% de azuis, 25% de amarelos e 25% verdes. Teste de Fisher Uma distribuição pode ser aproximada ao Qui-Quadrado se cumprir duas condições:  Não existirem mais de 20% de categorias com valores esperados inferiores a 5; e  Todas as categorias tenham valores esperados superiores ou iguais a 1. 38
  • 39. 4. Testes Não Paramétricos Amostras Teste de independência do Qui-Quadrado emparelhadas Amostras O teste de independência do Qui-Quadrado permite verificar independentes se duas variáveis estão relacionadas. Outros testes A hipótese nula deste teste afirma que a variável X1 e a Teste binominal variável X2 não estão relacionadas. Teste de Por exemplo: verificar se há relação entre a variável nominal ajustamento grau académico de um individuo e a variável que indica se Teste de concorda que é bem pago. independência Nota: No SPSS, este teste é realizado através do menu Analyze/Descriptive Teste de Fisher statistics/Crosstabs 39
  • 40. 4. Testes Não Paramétricos Amostras Teste de Fisher emparelhadas Amostras O teste de Fisher é usado quando se quer fazer um teste de independentes independência do Qui-quadrado mas uma ou mais células têm um valor esperado igual ou inferior a 5. Outros testes Teste binominal (O teste do Qui-quadrado requer que todos os valores Teste de tenham um frequência esperada igual ou superior a 5 mas o ajustamento teste de Fisher não exige isso). Teste de independência Teste de Fisher 40
  • 41. 4. Testes Não Paramétricos Amostras Teste de Fisher ou Teste do Chi-quadrado? emparelhadas Amostras • Ao analisar tabelas de contigência de duas linhas e duas independentes colunas, pode-se usar o teste de Fisher ou o teste do chi- quadrado. Outros testes • O teste de Fisher é o mais adequado porque fornece Teste binominal sempre o valor exacto do p-value. • O teste do chi-quadrado é mais fácil de calcular mas apenas Teste de dá um p-value aproximado. ajustamento • O teste do chi-quadrado deve ser evitado quando os Teste de números na tabela de contigência são muito pequenos independência (qualquer um abaixo de 6). Se os números forem maiores, Teste de Fisher o p-value que o teste do chi-quadrado dá será semelhante ao p-value do teste de Fisher. • Para corrigir o p-value do teste do chi-quadrado pode-se usar a correcção de continuidade de Yates. Sem esta correcção, o p-value do teste do chi-quadrado será muito baixo. Há autoes que dizem que a correcção de Yates resulta num p-value demasiado alto. Esta correcção não é necessária em amostras grandes nem no teste de Fisher. 41
  • 42. 4. Testes Não Paramétricos Testes não paramétricos Duas amostras K amostras Uma amostra Amostras Amostras Amostras Amostras Escala emparelhadas independentes emparelhadas independentes Teste de Fisher Teste do Qui- Teste binomial Teste do qui- Teste Q de quadrado para k Nominal Teste do qui- Teste de McNemar quadrado para 2 Cochran amostras quadrado amostras independentes independentes Teste da mediana Teste de Mann- Whitney Teste de Teste de Kolmogorov- Kolmogorov- Smirnov para uma Teste do sinal Smirnov para duas amostra Teste de Kruskal- Ordinal amostras Teste de Friedman Wallis Teste de Wilcoxon Teste de iterações Teste de Wald- para uma amostra Wolfowitz Teste de Moses para reacções extremas Teste de Walsh Teste de aleatoriedade para Intervalo Teste de 2 amostras aleatoriedade para independentes pares 42 Fonte: Adaptado de Siegel, Sidney. Estatística Não-paramétrica Para as Ciências do Comportamento. São Paulo: McGraw-Hill, 1975.
  • 43. Testes Estatísticos Testes paramétricos e não paramétricos Rosário Cação rosario@evolui.com Março 2010 43