Baixe o app para aproveitar ainda mais
Prévia do material em texto
i Teste t de Student ii Luisa Zanolli Moreno Médica veterinária, mestranda do curso de pós-graduação em saúde pública da Faculdade de Saúde Pública da Universidade de São Paulo André Moreno Morcillo Professor Associado do Departamento de Pediatria da Faculdade de Ciências Médicas da Universidade Estadual de Campinas Pesquisador do CIPED – Centro de Investigação em Pediatria da Universidade Estadual de Campinas Teste t de Student Campinas – São Paulo – Brasil [Outubro de 2012] 1 Teste t de Student para Amostras Independentes Muitas vezes o pesquisador tem interesse em comparar as médias de dois grupos independentes. O teste t de Student, proposto em 1908 por Willian S. Gosset1, é uma das ferramentas mais usadas para este tipo de análise. Uma situação concreta Andreasi & Cols. (2010)2 avaliaram a associação da aptidão física relacionada à saúde com os indicadores demográficos e antropométricos de crianças de três escolas do município de Botucatu (SP). Foram incluídos no estudo 988 escolares matriculados no ensino fundamental, com idade entre 7 e 15 anos. Na tabela 1, os autores apresentam os dados biométricos e de adaptação física separados por sexo. Neste caso o objetivo foi avaliar se havia diferença entre os sexos quanto ao crescimento, composição corporal e aptidão física. Os autores compararam as médias com o teste t de Student. Na ultima coluna da tabela encontramos o p-valor do teste para cada variável estudada. No caso da idade, o p-valor de 0,666 nos mostra que a diferença de 0,1 anos encontrada entre os grupos não é estatisticamente significante. Entretanto, para a gordura corporal o p-valor foi menor que 0,001, indicando que a diferença de 4,9% é estatisticamente significante. 1 Student. The probable error of a mean. Biometrika, 1908; 6:1-25. 2 Andreasi V, Michelin E, Rinaldi AEM, Burini RC. Aptidão física associada às medidas antropométricas de escolares do ensino fundamental. J Pediatr (Rio J). 2010;86(6):497-502. 2 Tabela 1 – Características antropométricas e de aptidão física segundo o sexo de escolares do ensino fundamental de três escolas de Botucatu (SP). Meninos Meninas N Média ± DP N Média ± DP p Idade (Anos) 522 9,8 ± 2,4 466 9,7 ± 2,4 0,666 Peso (kg) 520 39,1 ± 14,5 466 38,7 ± 12,9 0,650 Altura (cm) 516 1,4 ± 0,15 466 1,4 ± 0,14 0,705 IMC (kg/m2) 516 18,9 ± 3,9 466 19,0 ± 3,8 0,605 Circ. Adomen (cm) 516 65,3 ± 10,6 465 64,5 ± 9,1 0,252 Gordura Corporal (%) 515 19,5 ± 7,6 465 24,4 ± 6,8 < 0,001 Flexibilidade (cm) 500 23,0 ± 7,0 446 25,4 ± 6,4 < 0,001 Força/Resis. Abdominal (rep/min) 499 26,1 ± 8,3 446 21,6 ± 8,6 < 0,001 Resistência Aeróbia (m) 493 1271 ± 221 439 1140 ± 181 < 0,001 Média ± Desvio Padrão; p – probabilidade do teste t Student O Teste t de Student Quando temos dois grupos independentes que foram tomados ao acaso de uma população com distribuição normal, a comparação de suas médias pode ser realizada usando o Teste t de Student. A estatística t é apresentada abaixo. ( ) ( )EP xx xx t 21 21 − − = No numerador temos a diferença entre as médias dos grupos 1 e 2 )( 21 xx − , enquanto no denominador temos o erro padrão da diferença entre suas médias “ ( )EP xx 21− ” Quando as variâncias são iguais, o erro padrão da diferença é calculado a partir da média ponderada das variâncias da amostras, também chamada de variância ponderada ( sp 2 ): ( ) ( ) 2nn 1ns1n.s s 21 2 2 21 2 12 p −+ −+− = 3 Onde s 2 1 e n1 representam a variância e número de casos do grupo 1 e s22 e n2, a variância e número de casos do grupo 2. A seguir, usamos a variância ponderada para calcular o erro padrão da diferença ( )EP xx 21− : n S n S 2 2 p 1 2 p )x2x( 1 += − EP Quando as variâncias são diferentes, o erro padrão da diferença é calculado diretamente, a partir das variâncias dos grupos: n S n S 2 2 2 1 2 1 )x2x( 1 += − EP Onde s 2 1 e n1 representam a variância e número de casos do grupo 1 e s22 e n2, a variância e número de casos do grupo 2. O valor da estatística t calculada será comparado com o valor de tcrítico obtido na tabela de distribuição de t de Student, considerando os graus de liberdade e o tipo de teste de hipótese (unilateral ou bilateral). Calculando os graus de liberdade a) Para variâncias iguais: 221 −+= nngl b) Para variâncias diferentes: 11 2 2 2 2 2 1 1 2 1 2 2 2 2 1 2 1 2 − + − = + n n n n n S n S gl ss Se chamarmos de n s a 1 2 1 = e n sb 2 2 2 = a fórmula acima ficará mais simples: ( ) ( ) ( ) 11 2 2 1 2 2 − + − + = n b n a ba gl 4 Os três testes de hipóteses a. Bilateral xx xx H H 21 21 :1 :0 ≠ = ou 0 :1 0 :0 21 21 ≠− =− xx xx H H ou 0 :1 0 :0 ≠ = tH tH b. Unilateral à direita xx xx H H 21 21 :1 :0 > ≤ ou 0 :1 0 :0 21 21 >− ≤− xx xx H H ou 0 :1 0 :0 > ≤ tH tH c. Unilateral à esquerda xx xx H H 21 21 :1 :0 < ≥ ou 0 :1 0 :0 21 21 <− ≥− xx xx H H ou 0 :1 0 :0 < ≥ tH tH Os valores de t críticos são obtidos na tabela de distribuição de t, considerando os graus de liberdade, o nível de significância e o teste de hipóteses. Nos testes bilaterais trabalhamos com as duas caudas da distribuição de t, sendo que a área de rejeição de H0 corresponde aos valores de t ≥ +tcrítico ou t ≤ -tcrítico (Áreas amarelas da figura ao lado). No teste unilateral à direita, a área de rejeição de H0 corresponde aos valores de t > +tcrítico (Área amarela da figura ao lado). No teste unilateral à esquerda, a área de rejeição de H0 corresponde aos valores de t ≤ -tcrítico (Área amarela da figura 3). 5 Comparação das Variâncias – Razão das Variâncias Para comparação das variâncias de dois grupos empregamos a estatística F, que é a razão entre a variância maior e a variância menor. s s menor maiorF 2 2 = No numerador colocamos a variância maior e no denominador a menor. O valor de F calculado será comparado ao valor de Fcrítico obtido em uma tabela de distribuição bilateral de F, considerando o nível de significância adotado, os graus de liberdade do grupo com variância maior (a do numerador) e os graus de liberdade do grupo com variância menor (a do denominador). As hipóteses de trabalho são: 1 s s :1 1 s s :0 2 menor 2 maior 2 menor 2 maior ≠ = H H Se o valor de F calculado for maior ou igual ao Fcrítico rejeitamos H0, concluindo que as variâncias são diferentes (Área amarela da figura abaico). Distribuição de F 6 Como avaliar a igualdade das variâncias no SPSS? O SPSS utiliza o teste de Levene para comparar as variâncias. As hipóteses de trabalho são:ss ss H H 2 2 2 1 2 2 2 1 :1 :0 ≠ = Quando o p-valor for menor ou igual a 0,05 rejeitamos H0. O teste de Levene é realizado automaticamente todas as vezes que executamos o teste t de Student com o SPSS. Na figura abaixo apresentamos um quadro do processamento do SPSS. As duas primeiras colunas dos resultados expressam o resultado do teste de Levene. Observe a estatística F=0,039 e que o p-valor (Sig.) é 0,848 em destaque no retângulo vermelho. Portanto, não podemos rejeitar H0, que postula a igualdade das variâncias. Neste caso o pesquisador deverá realizar e interpretar o teste t para variâncias iguais. Quando o p-valor (Sig.) do teste de Levene é menor ou igual a 0,05 rejeitamos H0. No exemplo abaixo o p=valor é 0,848, o que nos permite trabalhar com a hipótese de que as variâncias são iguais. ,039 ,848 -1,519 10 ,160 -1,506 ,992 -3,716 ,703 -1,519 9,740 ,161 -1,506 ,992 -3,724 ,711 Equal variances assumed Equal variances not assumed IDADE F Sig. Levene's Test for Equality of Variances t df Sig. (2-tailed) Mean Difference Std. Error Difference Lower Upper 95% Confidence Interval of the Mean t-test for Equality of Means Independent Samples Test 7 Recomendações Deve-se iniciar a análise avaliando a normalidade dos dados da variável dependente. Quando esta condição não é cumprida, tenta-se usar alguma das transformações já conhecidas, tais como: xlog , x , x 1 , x2 , arcsenx . Se a variável dependente ou qualquer das transformações citadas tiverem distribuição normal, poderemos usar o teste t de Student. A próxima etapa será a comparação das variâncias empregando a razão das variâncias e, a seguir, calcular a estatística t. O passo seguinte será determinar os graus de liberdade e procurar na tabela de distribuição de t, o valor de t crítico. Desenhe o gráfico da distribuição de t, marque a área de rejeição e o valor de t calculado. A seguir, avalie se o t calculado está na área de rejeição de H0. Como publicamos os resultados? O ideal é apresentar uma tabela com as informações numéricas, tal como a tabela 1 do exemplo de Andreasi & Cols. (2010) e, quando possível, complementá-la com um gráfico de intervalo de confiança, tal como apresentado na figura 5. Figura 5 - Intervalo de confiança de 95% da média Grupo BGrupo A 95 % CI id ad e 12,0 11,0 10,0 9,0 8,0 7,0 6,0 8 Exemplo: Um grupo de crianças com idades entre 8 e 8,5 anos foi submetido a um exame antropométrico e os resultados referentes à altura são apresentados abaixo. Supondo que os dados tenham distribuição normal, avalie se a diferença observada entre as médias dos grupos é estatisticamente significante. O nível de significância será de 5% (α=0,05). Altura n Média Variâncias Sexo masculino 111 126,0 33,64 Sexo feminino 137 125,2 32,49 1. Inicialmente comparamos as variâncias pela estatística F: 035,1 49,32 64,33 ==F 2. A seguir calculamos os graus de liberdade do numerador e do denominador: Graus de liberdade do numerador = 111 – 1 = 110 Graus de liberdade do denominador = 137 – 1 = 136 3. Procuramos na tabela de F referente a α = 0,05 o valor crítico de F para 110 e 136 graus de liberdade. F(0,05;110;136) = 1,27 4. Como F calculado é menor que F(0,05,110,136)=1,27, não podemos rejeitar HO, concluindo que as variâncias são iguais. 5. A seguir, realizamos o teste t de Student. a) como as variâncias são iguais, calculamos variância ponderada sp 2 : ( ) ( ) ( ) ( ) 2137111 49,32.113764,33.1111 2 .1.1 21 2 22 2 112 −+ −+− = −+ −+− = nn snsn sp = 33,004 9 b) a seguir calculamos o Erro Padrão da Diferença usando a variância ponderada sp 2 : 137 004,33 111 004,33 2 2 1 2 21 +=+= − n s n sEP ppxx = 0,7336 c) Agora calculamos a estatística t: ( ) 7336,0 2,125126 21 21 − = − = − EP xx xx t = 1,090 d) determinando os graus de liberdade para grupos com variâncias iguais gl = 111 + 137 –2 = 246 f) O exercício nos pede para “avaliar se a diferença observada entre as médias das amostras é estatisticamente significante”, portanto, trata-se de um teste de hipóteses bilateral. Desta forma teremos: xx xx H H 21 21 :1 :0 ≠ = ou 0 :1 0 :0 21 21 ≠− =− xx xx H H ou 0 :1 0 :0 ≠ = tH tH Procuramos na tabela de t o valor crítico de t para testes bilaterais com 246 graus de liberdade e α=0,05 e encontramos t(0,05,246) = 1,960. Portanto, o tcrítico da cauda direita é +1,960 e o tcrítico da cauda esquerda é –1,960. O t calculado caiu na área de não rejeição de H0, portanto, concluímos que a diferença observada entre as médias dos dois grupos não é estatisticamente significante. Para publicação acrescentaríamos uma coluna à tabela anterior, para apresentação do p-valor. Altura n Média Variâncias p-valor Sexo masculino 111 126,0 33,64 Sexo feminino 137 125,2 32,49 > 0,05 p-valor – probabilidade do teste t de Student 10 Teste t de Student para comparar as médias em estudos pareados Consideramos estudos pareados quando os elementos do grupo de pesquisa foram avaliados em dois momentos diferentes. Na prática esta situação ocorre quando um grupo de sujeitos é submetido a um procedimento e avaliado em dois momentos diferentes (inicial e final). Um exemplo típico deste tipo de pesquisa seria a avaliação de pacientes obesos que receberão uma determinada dieta para emagrecer. O objetivo é avaliar o efeito da dieta sobre o estado nutricional. Assim, realiza-se um exame antropométrico inicial que será repetido após três meses. Neste caso temos somente um grupo de estudo, sendo que cada sujeito será avaliado em duas oportunidades. Portanto, no final da pesquisa teremos dois conjuntos de medidas – um referente à avaliação inicial e o outro, da avaliação final. Se tratarmos cada conjunto de informações (a inicial e a final) como dados de grupos diferentes e realizarmos o teste t para grupos independentes, perdemos a oportunidade de estudar uma informação muito importante, que é a variação ou modificação observada em cada sujeito incluído no estudo. O objetivo fundamental no teste t para grupos pareados é avaliar o comportamento das diferenças observadas em cada sujeito. Neste caso a única exigência é que a variável tenha distribuição normal e que cada sujeito tenha sido avaliado no início e no final do estudo. Inicialmente calculamos a diferença “D” entre as duas medidas de cada sujeito incluído no estudo, que tanto pode ser FinalInicialD −= ou InicialFinalD −= . O objeto da nossa avaliação será a distribuição destas diferenças “D”. A seguir, calculamos a média de “D” = ∑ n D D , o seu desvio padrão ( ) 1 2 2 − − = ∑ ∑ n n D DSD e o erro padrão da média = n EP sDD . Aplicando a fórmula abaixo temos o valor de t de Student. EP D t D = com (n-1) graus de liberdade. 11 Quando as diferenças entre as medidas inicial e final de cada elemento são pequenas, a média “D” e o valor de t tendem a zero. Nos casos em que o procedimento aplicado tem forte impacto, as diferenças individuais passam a ser mais expressivas, fazendo com que a média de “D” e o valor de t se afastem de zero. Construindo o teste de hipóteses Tambémneste caso temos três testes de hipóteses: a) Bilateral: quando interessa ao pesquisador saber se há “diferença” entre o início e o final do estudo 0D :1H 0 :0H ≠ =D Trata-se de um teste bilateral com dois valores críticos de t ( -tcrítico e +tcrítico ) que são obtidos na tabela de t de Student considerando-se o nível de significância adotado (α) e o número de graus de liberdade (n-1). Se o valor de t < -tcritico ou t > +tcritico, t estará na zona de rejeição de H0 (Área amarela da figura ao lado). Quando o t < +tcritico e t > -tcritico , estará na zona de não rejeição de H0. b) Unilateral à direita: quando interessa ao pesquisador saber se os valores no final do estudo são maiores que no início. Neste caso acho mais fácil trabalhar com InicialFinalD −= estruturando as hipóteses tal como são apresentadas abaixo: 0D :1H 0 :0H > ≤D Trata-se de um teste unilateral, sendo que o valor crítico de t (+t crítico) é obtido na tabela de t de Student considerando o nível de significância adotado (α) e o número de graus de liberdade (n-1). Se o t < t crítico não se rejeita H0, caso contrário rejeita-se H0 (Área amarela da figura ao lado). c) Unilateral à esquerda: quando interessa ao pesquisador saber se os valores no final do estudo são menores que no início. Neste caso acho mais fácil trabalhar com InicialFinalD −= estruturando as hipóteses tal como são apresentadas abaixo: 12 0D :1H 0 :0H < ≥D Trata-se de um teste unilateral à esquerda, sendo que o valor crítico de t ( -t crítico ) é obtido na tabela de t de Student considerando o nível de significância adotado (α) e o número de graus de liberdade. Se o t > t crítico não se rejeita H0, caso contrário rejeita-se H0 (Área amarela da figura ao lado). Exemplo - Um grupo de 10 crianças de quatro anos de idade com asma grave receberam tratamento com prednisona durante 6 meses. Na tabela abaixo são apresentados os escores z da primeira e segunda avaliações antropométricas. Considerando que os dados têm distribuição normal, avalie se há diferença entre as médias dos escores z do início e do final do estudo. escore z da altura Diferenças Criança Inicial Final Final - Inicial n. 1 -0,807 -0,799 0,008 n. 2 0,302 0,305 0,003 n. 3 0,001 -0,023 -0,024 n. 4 1,234 1,089 -0,145 n. 5 -1,111 -1,099 0,012 n. 6 2,010 2,005 -0,005 n. 7 0,222 0,219 -0,003 n. 8 0,123 0,144 0,021 n. 9 -0,199 -0,05 0,149 n. 10 -0,155 -0,087 0,068 Média das diferenças ⇒ +0,008 Desvio padrão das diferenças ⇒ +0,073343 Pela forma como a pergunta foi elaborada “avalie se há diferença entre as médias dos escores z do início e do final do estudo”, fica claro que se trata de um teste de hipóteses bilateral. A média das diferenças “D” é +0,008 e desvio padrão de +0,073343. A seguir calculamos o Erro Padrão da Média. 13 023,0 10 073343,0 === n s EPD A partir da média e do erro padrão da média calculamos o valor de t: 3478,0 023,0 008,0 ==t Graus de liberdade = 10 - 1 = 9 Na tabela de t de Student, considerando um teste bilateral com 9 graus de liberdade e nível de significância de 5%, obtém-se um valor de tcrítico igual a 2,262, sendo que a área de não rejeição de H0 é delimitada por –tcrítico= -2,262 e +tcrítico=+2,262. Como o valor de t está na área de não rejeição de H0, podemos concluir que não há diferença estatisticamente significante entre as médias das duas avaliações. Bibliografia Altman DG. Practical statistics for medical research. 1st ed. London: Chapman & Hall, 1991. Bland M. An introduction to medical statistics. 2nd ed. New York: Oxford University Press, 1995. Bussab WO, Morettin PA. Estatística básica. 5ª ed. São Paulo: Saraiva, 2003. Callegari-Jacques SM. Bioestatística: princípios e aplicações. 1ª ed. Porto Alegre: Artmed, 2003. Daniel WW. Biostatistics – A foundation for analysis in the health sciences. 6th ed., New York: John Wiley & Sons, Inc., 1995. Field A. Descobrindo a estatística usando o SPSS. 2ª ed. Porto Alegre: Artmed, 2009. Howell DC. Statistical methods for psychology. 5th ed. Belmont, CA: Duxbury Press, 2002. Memória JMP. Breve história da Estatística. Brasília: Embrapa Informação Tecnológica, 2004. Zar J. Biostatistical analysis. 4th ed. Upper Side River: Prentice-Hall Inc., 1999. 14 � O TESTE T DE STUDENT PARA GRUPOS INDEPENDENTES NO SPSS A planilha deve ter duas variáveis: uma que receberá o código dos grupos e a outra para os dados da variável dependente. A variável que definirá o grupo é categórica, mas no SPSS deverá sempre receber um código numérico. Por exemplo: Grupo A = 1 Grupo B = 2 Na barra de menu do SPSS selecione: Analyze ⇒⇒⇒⇒ Compare Means ⇒⇒⇒⇒ Independent-Samples t Test 15 Selecione a variável de análise (variável dependente) na janela superior. Selecione a variável dos grupos (variável independente) na janela inferior Informe os códigos que representam os grupos a serem avaliados e click <OK> 16 Output do SPSS No primeiro quadro temos as informações referentes ao número de casos, da média, do desvio padrão e do erro padrão da média de cada grupo. T-Test 6 8,265 1,571 ,641 6 9,771 1,852 ,756 GRUPO 1,00 Grupo A 2,00 Grupo B IDADE N Mean Std. Deviation Std. Error Mean Group Statistics No quadro apresentado abaixo temos as informações referentes à comparação das variâncias e aos testes t de Student. Observe que na primeira linha dos resultados temos um teste t para variâncias iguais. Na segunda linha, outro teste t, agora para variâncias diferentes. ,039 ,848 -1,519 10 ,160 -1,506 ,992 -3,716 ,703 -1,519 9,740 ,161 -1,506 ,992 -3,724 ,711 Equal variances assumed Equal variances not assumed IDADE F Sig. Levene's Test for Equality of Variances t df Sig. (2-tailed) Mean Difference Std. Error Difference Lower Upper 95% Confidence Interval of the Mean t-test for Equality of Means Independent Samples Test Inicialmente avaliamos a igualdade das variâncias. Se elas são iguais, trabalhamos com os resultados da primeira linha (teste que assume que as variâncias são iguais) ignorando a segunda linha. Quando as variâncias são diferentes, trabalhamos com a segunda linha (teste t para amostras com variâncias diferentes) ignorando a primeira. 17 � O TESTE T DE STUDENT PARA GRUPOS PAREADOS NO SPSS A planilha deve ter duas variáveis: uma que receberá os valores da primeira avaliação e a outra, para os dados da segunda avaliação. Na barra de menú do SPSS selecione: Analyze ⇒⇒⇒⇒ Compare Means ⇒⇒⇒⇒ Paired-Samples t Test 18 Selecione a primeira variável Selecione a segunda variável Transporte as duas variáveis para a janela da direita e click <OK> 19 Output do SPSS No primeiro quadro temos as informações referentes ao número de casos, da média, do desvio padrão e do erro padrão da média de cada avaliação. T-Test Paired Samples Statistics 14,121 10 1,9526 ,6175 9,526 10 2,2426 ,7092 Peso1 Peso2 Pair 1 Mean N Std. Deviation Std. Error Mean No quadro seguinte temos o coeficiente de correlação de Pearson das duas medidas Paired Samples Correlations 10 ,511 ,131Peso1 & Peso2Pair 1 N Correlation Sig. A seguir, temos o teste t. O programa nos apresenta a média de “D”, o seu desvio padrão,o erro padrão da média de “D”, o intervalo de confiança de 95% da média de “D” e, a seguir, o teste t de Student propriamente dito, com o valor de t, os graus de liberdade e o p-valor. Paired Samples Test 4,5954 2,0897 ,6608 3,1005 6,0902 6,954 9 ,000Peso1 - Peso2Pair 1 Mean Std. Deviation Std. Error Mean Lower Upper 95% Confidence Interval of the Difference Paired Differences t df Sig. (2-tailed) Observe que neste exemplo a média de “D” é 4,5954 com desvio padrão de 2,0897. O valor de t é 6,954 com 9 graus de liberdade e p-valor < 0,001 20 “William Sealy GOSSET b. 13 June 1876 - d. 16 October 1937 “William Sealy Gosset was born in Canterbury, England. He received a degree from Oxford University in Chemistry and went to work as a ``brewer'' in 1899 at Arthur Guinness Son and Co. Ltd. in Dublin, Ireland. He died in Beaconsfield, England at the age of 61, still in the employ of Guinness.” “By the circumstances of his work, Gosset was led early in his career at Guinness to examine the relationship between the raw materials for beer and the finished product, and this activity naturally led him to learn the tools of statistical analysis. In 1905, Gosset sought out the advice of Karl Pearson (q.v.) and subsequently spent the better part of a year, in 1906-1907, in Pearson's Biometric Laboratory at University College London, where he worked on small sample statistics problems. Gosset then produced a pair of papers that were published in Biometrika in 1908, under the nom de plume, `Student.' The first of these derived what we now know as `Student's' t-distribution, and the second dealt with the small sample distribution of Pearson's correlation coefficient. These contributions placed Gosset among the great men of the newly emerging field of statistical methodology. In fact, the t-test based on his 1908 paper is perhaps the single most widely used statistical tool in applications.” “In the years that followed, Gosset worked on a variety of statistical problems in agriculture, including experiments. He was in active correspondence with the leading English statisticians of his day, including Karl Pearson, Egon Pearson (q.v.), and R. A. Fisher (q.v.). Gosset's correspondence with Fisher dealt with highly varied topics and was, as Plackett and Barnard note, ``interspersed with friendly advice on both sides.'' In his later years, he had a number of public disagreements with Fisher over the role of randomisation in experimentation. Gosset was a strong advocate of experimental control, a point that came through quite vividly in his proposal in connection with the Lanarkshire milk experiment in `Student' (1931), although in this paper he was also critical of an evaluation of the study carried out by Bartlett and Fisher (1931). In particular, Gosset was enamoured by the use of systematic experimental plans and opposed the use of randomisation. This controversy led Gosset to prepare his final paper (`Student,' 1937) published a few months after his death.” Texto reproduzido na íntegra de Steve Fienberg. "William Sealy Gosset" (version 4). StatProb: The Encyclopedia Sponsored by Statistics and Probability Societies. Freely available at http://statprob.com/encyclopedia/WilliamSealyGOSSET.html 21 Tabela de distribuição de t Área da cauda direita (αααα) Teste Unilateral 5% 2,5% 1% 0,5% Teste Bilateral 10% 5% 2% 1% 1 6,314 12,706 31,821 63,657 2 2,920 4,303 6,965 9,925 3 2,353 3,182 4,541 5,841 4 2,132 2,776 3,747 4,604 5 2,015 2,571 3,365 4,032 6 1,943 2,447 3,143 3,707 7 1,895 2,365 2,998 3,499 8 1,860 2,306 2,896 3,355 9 1,833 2,262 2,821 3,250 10 1,812 2,228 2,764 3,169 11 1,796 2,201 2,718 3,106 12 1,782 2,179 2,681 3,055 13 1,771 2,160 2,650 3,012 14 1,761 2,145 2,624 2,977 15 1,753 2,131 2,602 2,947 16 1,746 2,120 2,583 2,921 17 1,740 2,110 2,567 2,898 18 1,734 2,101 2,552 2,878 19 1,729 2,093 2,539 2,861 20 1,725 2,086 2,528 2,845 21 1,721 2,080 2,518 2,831 22 1,717 2,074 2,508 2,819 23 1,714 2,069 2,500 2,807 24 1,711 2,064 2,492 2,797 25 1,708 2,060 2,485 2,787 26 1,706 2,056 2,479 2,779 27 1,703 2,052 2,473 2,771 28 1,701 2,048 2,467 2,763 29 1,699 2,045 2,462 2,756 30 1,697 2,042 2,457 2,750 GL ∞ 1,645 1,960 2,327 2,576 GL – graus de Liberdade 22 ♦ Valores críticos de F bilateral ao nível de 5% Graus de liberdade do numerador (variância maior) GL do denominador 1 2 3 4 5 6 7 8 9 10 12 15 20 24 30 40 60 120 ∞∞∞∞ 1 647,79 799,50 864,16 899,58 921,85 937,11 948,22 956,66 963,28 968,63 976,71 984,87 993,10 997,25 1001,41 1005,60 1009,80 1014,02 1018,26 2 38,51 39,00 39,17 39,25 39,30 39,33 39,36 39,37 39,39 39,40 39,41 39,43 39,45 39,46 39,47 39,47 39,48 39,49 39,50 3 17,44 16,04 15,44 15,10 14,88 14,73 14,62 14,54 14,47 14,42 14,34 14,25 14,17 14,12 14,08 14,04 13,99 13,95 13,90 4 12,22 10,65 9,98 9,60 9,36 9,20 9,07 8,98 8,90 8,84 8,75 8,66 8,56 8,51 8,46 8,41 8,36 8,31 8,26 5 10,01 8,43 7,76 7,39 7,15 6,98 6,85 6,76 6,68 6,62 6,52 6,43 6,33 6,28 6,23 6,18 6,12 6,07 6,02 6 8,81 7,26 6,60 6,23 5,99 5,82 5,70 5,60 5,52 5,46 5,37 5,27 5,17 5,12 5,07 5,01 4,96 4,90 4,85 7 8,07 6,54 5,89 5,52 5,29 5,12 4,99 4,90 4,82 4,76 4,67 4,57 4,47 4,42 4,36 4,31 4,25 4,20 4,14 8 7,57 6,06 5,42 5,05 4,82 4,65 4,53 4,43 4,36 4,30 4,20 4,10 4,00 3,95 3,89 3,84 3,78 3,73 3,67 9 7,21 5,71 5,08 4,72 4,48 4,32 4,20 4,10 4,03 3,96 3,87 3,77 3,67 3,61 3,56 3,51 3,45 3,39 3,33 10 6,94 5,46 4,83 4,47 4,24 4,07 3,95 3,85 3,78 3,72 3,62 3,52 3,42 3,37 3,31 3,26 3,20 3,14 3,08 11 6,72 5,26 4,63 4,28 4,04 3,88 3,76 3,66 3,59 3,53 3,43 3,33 3,23 3,17 3,12 3,06 3,00 2,94 2,88 12 6,55 5,10 4,47 4,12 3,89 3,73 3,61 3,51 3,44 3,37 3,28 3,18 3,07 3,02 2,96 2,91 2,85 2,79 2,73 13 6,41 4,97 4,35 4,00 3,77 3,60 3,48 3,39 3,31 3,25 3,15 3,05 2,95 2,89 2,84 2,78 2,72 2,66 2,60 14 6,30 4,86 4,24 3,89 3,66 3,50 3,38 3,29 3,21 3,15 3,05 2,95 2,84 2,79 2,73 2,67 2,61 2,55 2,49 15 6,20 4,77 4,15 3,80 3,58 3,41 3,29 3,20 3,12 3,06 2,96 2,86 2,76 2,70 2,64 2,59 2,52 2,46 2,40 16 6,12 4,69 4,08 3,73 3,50 3,34 3,22 3,12 3,05 2,99 2,89 2,79 2,68 2,63 2,57 2,51 2,45 2,38 2,32 17 6,04 4,62 4,01 3,66 3,44 3,28 3,16 3,06 2,98 2,92 2,82 2,72 2,62 2,56 2,50 2,44 2,38 2,32 2,25 18 5,98 4,56 3,95 3,61 3,38 3,22 3,10 3,01 2,93 2,87 2,77 2,67 2,56 2,50 2,45 2,38 2,32 2,26 2,19 19 5,92 4,51 3,90 3,56 3,33 3,17 3,05 2,96 2,88 2,82 2,72 2,62 2,51 2,45 2,39 2,33 2,27 2,20 2,13 20 5,87 4,46 3,86 3,51 3,29 3,13 3,01 2,91 2,84 2,77 2,68 2,57 2,46 2,41 2,35 2,29 2,22 2,16 2,09 21 5,83 4,42 3,82 3,48 3,25 3,09 2,97 2,87 2,80 2,73 2,64 2,53 2,42 2,37 2,31 2,25 2,18 2,11 2,04 22 5,79 4,38 3,78 3,44 3,22 3,05 2,93 2,84 2,76 2,70 2,60 2,50 2,39 2,33 2,27 2,21 2,15 2,08 2,00 23 5,75 4,35 3,75 3,41 3,18 3,02 2,90 2,81 2,73 2,67 2,57 2,47 2,36 2,30 2,24 2,18 2,11 2,04 1,97 24 5,72 4,32 3,72 3,38 3,15 2,99 2,87 2,78 2,70 2,64 2,54 2,44 2,33 2,27 2,21 2,15 2,08 2,01 1,94 25 5,69 4,29 3,69 3,35 3,13 2,97 2,85 2,75 2,68 2,61 2,51 2,41 2,30 2,24 2,18 2,12 2,05 1,98 1,91 26 5,66 4,27 3,67 3,33 3,10 2,94 2,82 2,73 2,65 2,59 2,49 2,39 2,28 2,22 2,16 2,09 2,03 1,95 1,88 27 5,63 4,24 3,65 3,31 3,08 2,92 2,80 2,71 2,63 2,57 2,47 2,36 2,25 2,19 2,13 2,07 2,00 1,93 1,85 28 5,61 4,22 3,63 3,29 3,06 2,90 2,78 2,69 2,61 2,55 2,45 2,34 2,23 2,17 2,11 2,05 1,98 1,91 1,83 29 5,59 4,20 3,61 3,27 3,04 2,88 2,76 2,67 2,59 2,53 2,43 2,32 2,21 2,15 2,09 2,03 1,96 1,89 1,81 30 5,57 4,18 3,59 3,25 3,03 2,87 2,75 2,65 2,57 2,51 2,41 2,31 2,20 2,14 2,07 2,01 1,94 1,87 1,79 40 5,42 4,05 3,46 3,13 2,90 2,74 2,62 2,53 2,45 2,39 2,29 2,18 2,07 2,01 1,94 1,88 1,80 1,72 1,64 60 5,29 3,93 3,34 3,01 2,79 2,63 2,51 2,41 2,33 2,27 2,17 2,06 1,94 1,88 1,82 1,741,67 1,58 1,48 120 5,15 3,80 3,23 2,89 2,67 2,52 2,39 2,30 2,22 2,16 2,05 1,95 1,82 1,76 1,69 1,61 1,53 1,43 1,31 ∞ 5,02 3,69 3,12 2,79 2,57 2,41 2,29 2,19 2,11 2,05 1,94 1,83 1,71 1,64 1,57 1,48 1,39 1,27 1,00 Gl – graus de liberdade
Compartilhar