Estatística II
Estatística Indutiva:
Testes de Hipóteses sobre valores médios (III)
(o caso de duas amostras emparelhas)
Testes de hipóteses sobre valores
médios
Testes paramétricos sobre valores médios
Tipo de teste Tipo de design SPSS
1. Teste de conformidade sobre o Uma amostra One sample t test
valor médio de uma população
2. Teste de diferenças entre valores Duas amostras Independent samples t test
médios de duas populações independentes
3. Teste de diferenças entre valores Duas amostras Paired Samples t test
médios de duas populações emparelhadas
4. Teste de diferenças entre valores Três ou mais Oneway ANOVA
médios de três ou mais populações amostras
independentes
5. Teste de diferenças entre valores Três ou mais Repeated measures ANOVA
médios de três ou mais populações amostras
emparelhadas
1
1. Teste de diferenças sobre µ
(amostras emparelhadas)
➢ Exemplo de aplicação
➢ Condições de aplicação
➢ Hipóteses estatísticas em teste
➢ Procedimentos estatísticos envolvidos
➢ Paired samples t-test (SPSS)
Exemplo
Para avaliar o efeito dos ritmos circadianos na memória, um conjunto
de 30 crianças com idades entre 8 e 10 anos realizou uma prova de
memória imediata (digit span) de manhã e a mesma prova 12 horas
depois (noiet).
Teste, ao nível de significância = 0,05, se existem diferenças
significativas no desempenho observado nos dois momentos.
2
Que teste?
Hipóteses:
H0: Manhã = Tarde versus H1: Manhã Tarde
Teste de Teste de bilateral
diferenças
Teste de bilateral de diferenças entre valores médios.
Dados emparelhados
Manhã Noite
João João Para avaliar se há diferenças
Pedro Pedro
entre Manhã e Noite, o
Maria Maria
Afonso Afonso enunciado diz que se
…. …. comparou o desempenho do
mesmo sujeito nesses dois
…. …. momentos. Desta forma, os
Dora Dora dados foram emparelhados!
3
Base de dados emparelhados
Participante Manhã Tarde Participante Manhã Tarde
1 7 6 16 5 5
2 5 4 17 7 6
3 6 5 18 6 5
4 5 4 19 5 6
5 5 4 20 6 5
6 4 4 21 6 5
7 5 4 22 5 4
8 5 4 23 5 5
9 6 7 24 5 5
10 6 5 25 6 5
11 5 5 26 5 5
12 6 5 27 3 5
13 4 4 28 7 7
14 5 6 29 4 3
15 6 5 30 4 5
Amostras independentes versus
Amostras emparelhadas
Designações para este tipo de design:
➢ Amostras emparelhadas (versus amostras independentes);
➢ Medidas repetidas (versus medidas independentes);
➢ Planeamento experimental intra-sujeito (versus planeamento
entre-sujeitos) (within subjects versus between subjects).
A utilização de amostras emparelhadas é vantajosa pois cada
sujeito é comparado consigo mesmo, o que permite eliminar o
“ruído” introduzido pelas diferenças individuais.
Amostras emparelhadas
8
4
Amostras independentes versus
Amostras emparelhadas
Se (por alguma razão) se emparelhar cada observação da amostra 1 a uma
observação da amostra 2, os dois conjuntos de dados não são
independentes mas sim emparelhados.
No caso de amostras emparelhadas,
Amostra 1 Amostra 2
a unidade em estudo não é a
Observação 1 Observação 1
observação mas sim o par de
observações.
Observação 2 Observação 2 Não se pretende saber se existe
diferenças entre a média das
… … observações do grupo 1 e a média
das observações do grupo 2 mas
Observação n Observação n
sim saber se a média das diferenças
entre os elementos de cada par é
significativa.
Amostras emparelhadas
9
Amostras independentes versus
Amostras emparelhadas
Em que circunstâncias pode surgir o emparelhamento de medidas?
➢ Medidas repetidas: o mesmo sujeito é observado duas vezes,
em momentos diferentes (por exemplo, planeamentos
experimentais antes versus depois) ou em condições
experimentais diferentes (o sujeito é o seu próprio controlo);
➢ Amostras emparelhadas: sujeitos diferentes, emparelhados com
base em variáveis relevantes (por exemplo, sexo, idade e
escolaridade), são avaliados em duas condições ou momentos
diferentes.
Amostras emparelhadas
10
5
Condições de aplicação do teste t de Student
para amostras emparelhadas
Condições de aplicação:
➢ Amostras emparelhadas → Design do estudo
➢ Variável em estudo de → Exigência de testes sobre valores médios
natureza escalar
➢ Normalidade da distribuição → Exigência em testes paramétricos
Teste de diferenças entre valores médios
11
Condições de aplicação do teste t
para amostras emparelhadas
Condições de aplicação:
➢ Amostras aleatórias retiradas de população normal ou amostras
com dimensão suficientemente grande para se aplicar o Teorema
do Limite Central (em geral, n 30 pares de observações).
OK (n = 30 pares de observações)
➢ Observações emparelhadas.
OK (estamos perante um design com medidas repetidas, uma
vez que cada sujeito é o controlo de si próprio)
➢ A variável em estudo está medida pelo menos ao nível escalar.
OK (variável: resultado no teste de digit span)
Teste de diferenças entre valores médios
12
6
Que informação usa o teste?
Análise:
Participante Manhã Tarde d = Diferença
Manhã – Tarde
O teste baseia-se não
1 7 6 +1 diretamente nas observa-
2 5 4 +1
ções colhidas de manhã e
3 6 5 +1
4 5 4 +1 de tarde mas sim nas
5 5 4 +1 diferenças observadas em
6 4 4 0
cada par.
7 5 4 +1
… … … …
28 3 5 -2
29 4 3 +1
30 4 3 +1
Será a média das diferenças
Média 5,30 4,93 0,367
significativamente diferente de 0?
Desvio-padrão 0,95 0,91 0,850
Teste de diferenças entre valores médios
13
Estatística de teste e sua distribuição
Trata-se de um teste t baseado nas
diferenças (d) para testar se o valor
médio das diferenças é 0.
Assim, corresponde a um teste de
conformidade sobre a média das
diferenças.
H0: dif = 0 vs. H1: diff 0
A estatística de teste segue uma
distribuição t de Student com n-1
graus de liberdade.
Teste de diferenças entre valores médios
14
7
Teste de diferenças entre
valores médios no SPSS
Variable view – duas variáveis: a
variável quantitativa que indica o Variável que corresponde ao
desempenho dos sujeitos
desempenho no momento de durante a manhã
avaliação 1 (manhã) e a variável
quantitativa que indica o
Variável que corresponde
desempenho no momento de ao desempenho dos
sujeitos durante a tarde
avaliação 2 (tarde) .
Data view – os valores observados
nos dois momentos de avaliação
por cada participante são dispostos
lado a lado em colunas diferentes.
Teste de diferenças entre valores médios
15
Teste de diferenças entre valores
médios no SPSS
Procedimento no SPSS:
Analyze / Compare Means / Paired-Samples T Test...
É necessário
indicar o par de
variáveis a analisar
Teste de diferenças entre valores médios
16
8
Output do SPSS
Estatísticas descritivas para cada
conjunto de observações (média,
desvio-padrão e erro-padrão da média)
Correlação entre os dois conjuntos de observações –
reflete o grau em que o desempenho da manhã está
relacionado com o desempenho da tarde e resulta de
se estará a avaliar os mesmos sujeitos nos dois
momentos. No entanto, não esclarece se há diferença
no nível médio desses dois desempenhos.
Teste de diferenças – significativo
Teste de diferenças entre valores médios
17
Decisão
Como Sig. = 0,025 = < , rejeita-se H0.
Relato:
O desempenho no teste de memória é diferente quando este é
realizado de manhã e à tarde (t = 2,36, 29 gl, p = 0,025), sugerindo
assim que a influência do ritmo circadiano no desempenho deste tipo
de prova. Os dados amostrais sugerem que o desempenho na manhã
(média ± desvio-padrão: 5,30 ± 0,952) é superior ao empenho à tarde
(média ± desvio-padrão: 4,93 ± 0,907).
Teste de diferenças entre valores médios
18
9
Um à parte…
E se não se considerassem as medidas emparelhadas?
É possível fazer a análise destes dados ignorando o
emparelhamento natural que existe entre os resultados no teste
de memória obtidos de manhã e à noite (considerando serem
duas amostras independentes).
Será vantajoso ou desvantajoso?
Um à parte…
19
E se não se considerassem
as medidas emparelhadas?
Se, em vez de 30 pares de
Variável que identifica o
observações, considerarmos que momento da observação
existem 60 observações
independentes (30 de manhã e 30
de tarde), os desempenhos Variável correspondente
ao desempenho na prova
deviam ser lançados numa única de memória
coluna (já não havendo o cuidado
de emparelhar o desempenho do
mesmo sujeito nos dois
momentos). Os dados poderiam
então ser analisados com o
independent samples t-test.
Um à parte…
20
10
Output do SPSS
Estatísticas descritivas para cada
conjunto de observações (média,
desvio-padrão e erro-padrão da média);
são equivalentes às obtidas com o
procedimento paired samples t test
Teste de diferenças – não significativo
O facto de se ter ignorado o emparelhamento dos dados resulta numa
conclusão diferente – não há diferenças entre o desempenho de manhã e à
tarde. Porquê, se os valores amostrais utilizados são exatamente idênticos?
Um à parte…
21
E se não se considerassem as
medidas emparelhadas?
Este exemplo mostra que um design com medidas emparelhadas
tem maior potência para detetar diferenças.
O teste para amostra emparelhadas é mais sensível na deteção
de diferenças do que o teste para medidas independentes, pois
anula a variância (ruído) causada pelo facto de haver sujeitos
diferentes nas duas condições experimentais (quando as
amostras são emparelhadas, cada sujeito é comparado consigo
mesmo, anulando-se o efeito das diferenças individuais). Na
presença de menor variabilidade, as diferenças tornam-se mais
evidentes.
Um à parte…
22
11
E se não se considerassem as medidas
emparelhadas?
Antes Depois Diferença
Outro
12 11 -1
exemplo
8 7 -1
35 34 -1
24 24 0
Média = 19.75 Média = 19.00 Média = -0.75
DP = 12.23 DP = 12.36 DP = 0.5
Devido às diferenças individuais, a diferença entre as duas médias (19.75
versus 19.00) perde-se na variância de cada grupo; no entanto, se
considerarmos as diferenças dentro de cada indivíduo, a média das
diferenças (-0.75) sobressai devido à sua variabilidade reduzida (pois
eliminaram-se as diferenças individuais).
Um à parte…
23
E se não se considerassem as medidas
emparelhadas?
Conclusão
Sempre que for possível emparelhar os dados, é conveniente fazê-lo
pois as diferenças entre grupos tornam-se mais evidentes.
Quanto maior a correlação entre os dois conjuntos de medidas,
maior a vantagem em usar procedimentos para amostras
emparelhadas.
Nota: No entanto, o design de medidas repetidas exige alguns
cuidados metodológicos (para evitar efeitos de ordem e de
aprendizagem).
Um à parte…
24
12
Consequências de violar as condições de
aplicação do teste t de Student
Normalidade
O teste t para amostras emparelhadas é relativamente robusto face à
violação do pressuposto da normalidade da distribuição da variável,
mesmo com amostras pequenas. Assim, a não normalidade dos
dados afeta pouco os erros de tipo I e tipo II envolvidos na decisão.
No entanto, nestes casos, é prática corrente recorrer ao teste de
Wilcoxon (alternativa não paramétrica).
Teste de diferenças entre valores médios
25
Competências específicas a adqurir
◼ Formular as hipóteses do teste de significância da diferença
entre dois valores médios para amostras dependentes.
◼ Conhecer as condições de aplicação do teste.
◼ Saber realizar no SPSS o teste de significância da diferença
entre dois valores médios usando amostras emparelhadas
(paired-samples t test).
◼ Conhecer alternativas ao teste t quando as condições de
aplicação não estão garantidas.
26
13