Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 @nutristudies.loren - → Testes paramétricos são usados quando se conhece a distribuição dos dados → É necessário pressuposto de normalidade → Mais robustos que os teste não-paramétricos → Servem para testar parâmetros populacionais - Média - Variância - Proporção TESTES ESTATÍSTICOS → Normalidade dos dados – normais ou não normais → Tipo de estudo – observacional ou experimental → Quant. De grupos – 2 ou > 2 grupos → Testes paramétricos – dados normais homogêneo → Testes não paramétricos – dados não normais - heterogêneo TESTES DE NORMALIDADE → Verifica a normalidade dos dados → Leva em consideração o n° de elementos da amostra ou população → Shapiro-Wilk – amostra ou população < 50 → Kolmogorov-Smirnov – amostra ou pop. > 50 → Utilização de software estatístico COMPARAÇÃO – ESCOLHA DO TESTE → Teste Z para uma amostra – usado quando as amostras são grandes (n > ou = 30) e DP conhecido → Teste T para uma amostra – distribuição de T de Student - Amostras pequenas (n < 30) e DP conhecido → Exemplo – Teste T ATÉ 2 GRUPOS TESTES PARAMÉTRICOS → E. observacional - Teste T para uma amostra - Teste T para amostras independentes → E. Experimental - Teste T pareado TESTES NÃO-PARAMÉTRICOS → E. observacional - Teste U de Mann-Whitney → E. Experimental - Teste de Wilcoxon 2 @nutristudies.loren TESTE T STUDENT → Método mais usado para avaliar as diferenças entre as médias entre 2 grupos → É necessário que haja normalidade dos dados E. OBSERVACIONAL → Teste T para uma amostra – compara a média da amostra com a de uma população Ex.: IMC das crianças de Vitória com IMC das crianças do Brasil → Teste T para amostra independente – compara se existe diferença média de IMC de homens e mulheres - Homens e mulheres são grupos independentes E. EXPERIMENTAL → Teste T pareado – antes e depois de um grupo - Medição aos pares - Pontos diferentes do tempo TESTE T STUDENT PARA COMPARAR MÉDIA DE UMA AMOSTRA COM A DE UMA POPULAÇÃO → Verifica se a média de uma amostra é diferente de um valor de referência ou da média da população → Hipóteses a serem testadas: - H0: média da amostra = média da pop. (referência) - HÁ: média da amostra é diferente da média da pop. → Calcula-se o T → Exemplo → Hipóteses: - H0 – média da pop. = 2100 kcal - HÁ – média da pop. > 2100 kcal → Aplicando na fórmula: → Graus de Liberdade – (n – 1) G.L = 15 – 1 = 14 → Encontrar o valor correspondentes na tabela para G.L igual 14 para 5% de significância e comparar com o valor de T - 2,145 → Como o valor de T (1,398) é menor que 2,145 – aceita H0 - A ingesta calórica diária destes jovens está dentro do esperado para a população 3 @nutristudies.loren TESTE T – AMOSTRA INDEPENDENTE → Usa-se a fórmula → Cálculo para o grau de liberdade G.L = n1 + n2 – 2 → Exemplo: um pesquisador que comparar 2 tipos de dieta. Para isto, após 6 meses de dieta de ambos grupos, pesou 60 sujeitos (30 de cada grupo). Na tabela, já foram calculados os DP e as médias para cada grupo. As dietas A e B são significativamente diferentes? → Hipóteses: - H0 – M1=M2 - HÁ – M1 é diferente M2 → Calculando T: → Grau de liberdade G.L = 30 + 30 – 2 = 58 → Comparação com o valor tabelado – 1,811 < 2000 - Então não existe diferença significativa entre as dietas A e B TESTE T PAREADO DEPENDENTE → Usado, principalmente, para comparar médias para um mesmo grupo em relação a uma variável → Teste experimental – antes e depois → Até 2 grupos → É calculado pela fórmula → . ANOVA → Usado quando há comparação de 3 grupos com relação a uma variável quantitativa → Dados devem ter distribuição normal → Grupos amostrais devem ser semelhantes → Quanto maior o “n”, mais confiável é a significância → Não deve ser usada em amostras muito pequenas → ANOVA one way • Efeito de 1 fator sobre a distribuição média de uma variável entre 3 ou + grupos analisados • E. observacional → ANOVA two way • Efeito de 2 fatores sobre a distribuição média de uma variável entre 3 ou + grupos analisados • E. observacional → ANOVA para amostras repetidas • Antes e depois de um grupo • E. experimental → H0 – não existe diferença entre as médias dos 4 grupos → HA – a média de pelo menos um dos grupos se difere das demais → Se H0 for rejeitada, mostra que há existência de diferença entre os grupos → Para isto é necessário testar a variabilidade em cada grupo e entre os grupos – intragrupos e intergrupos → É calculo o F: 4 @nutristudies.loren → Grau de liberdade e em seguida, procurar o valor na tabela da distribuição F → Calculando F e comparando-o com F-alfa - Se F for maior que F-alfa da tabela, rejeita H0 - Existe diferença entre 2 ou mais grupos → ANOVA apenas informa se existem diferença entre 2 grupos ou mais, mas não identifica quais são → Para identificar os grupos diferentes é necessário fazer a comparação entre pares - Testes para isso: T. de Fisher/Ducan/Tukeys/Scheffé, dentre outro Exemplo: A tabela mostra o número de artigos publicados num período de 2 anos de quatro grupos de pesquisadores. Cada grupo é formado por 7 pesquisadores. Calcule o F para averiguar se as diferenças na produção de artigos nessas univers. São estatisticamente significantes → Passos para realizar ANOVA: 1. Calcular a soma e média de cada grupo 2. Calcular média total 3. Calcular os desvios de cada escore em relação à média (d = x - x) 4. Calcular o quadrado do desvio 5. Calcular a soma dos quadrados para cada grupo 6. Calcula os d’s para cada grupo partir da média total dos grupos (dg) 7. Calcular o quadrado dos desvios (dg2) e sua somatória 8. Calcular a soma dos quadrados entre os grupos 9. Calcular o grau de liberdade entre os grupos e dentro dos grupos 10. Calcular o quadrado médio dentro e entre os grupos, dividindo-os pelos respectivos GL 5 @nutristudies.loren 11. Calcular o F e comparar com o valor crítico tabelado → Como F > F-alfa (21,05 > 3,009) com significância de 5% - rejeita H0 - As diferenças na produção de artigos são estatisticamente significantes entre as 4 universidades
Compartilhar