ESTATÍSTICA DESCRITIVA VS ESTATÍSTICA
INFERENCIAL
A estatística descritiva é geralmente utilizada nos trabalhos de
investigação para fazer a caracterização da amostra, recorrendo-se a
Análise de Frequências para as escalas qualitativas (nominais e
ordinais) e à média, Desvio Padrão, Mínimo e Máximo quando a
escala é quantitativa.
A estatística Inferencial : permite-nos dizer, com uma determinada
probabilidade de erro, se os grupos em estudo diferem de forma
significativa ou se há relação significativa entre duas variáveis ou se
a evolução registada numa amostra do antes para o pós intervenção é
significativa e fazer inferências para a população. A estatística
inferencial divide-se em dois grandes grupos de testes :
Paramétricos e Não Paramétricos.
AS PREMISSAS PARA O USO DE TÉCNICAS PARAMÉTRICAS
A Escala de Medida da Variável Dependente – Deve ser Quantitativa (de
Intervalo ou de razão). Como os testes paramétricos envolvem várias
operações aritméticas sofisticadas , apenas podemos aplicá-los a dados
quantitativos.
A distribuição dos Resultados – Os teste paramétricos só podem ser
utilizados com dados normalmente distribuídos (ou com aproximação à
normalidade). A normalidade pode ser averiguada através do teste de
Kolmogorov-Smirnov ou Shapiro Wilk (é mais usado este ultimo). Nestes
testes de p for > 0,05 tal significa que há normalidade)
A dispersão dos resultados – os conjuntos de resultados em estudo devem ter
variâncias semelhantes, ou seja deve haver Homogeneidade de Variâncias
(exemplo se pretendo comparar dois grupos , esses dois grupos têm de ter uma
variância /desvio padrão semelhante) . A homogeneidade da variância pode
ser averiguada através do teste de LEVÉNE (neste teste de p for > 0,05 tal
significa que as variâncias dos grupos são semelhantes , se o p for ≤ 0,05 então
é porque as variâncias são diferentes).
Quando se usa Estatística Não Paramétrica ?
A estatística Não Paramétrica utiliza-se quando as
escalas de medida das variáveis dependentes são
nominais ou ordinais.
Ou quando temos escalas quantitativas em que os
requisitos para o uso da estatística paramétrica
(normalidade e variância) não estão preenchidos
ESTATÍSTICA INFERENCIAL
SIGNIFICÂNCIA
Quando avaliamos os resultados de uma investigação e se usa
estatística inferencial descrevemo-los em função da sua
significância.
A significância é expressa através de um valor probabilístico
preciso diz-nos quão seguros podemos estar de que os nossos
resultados são realmente diferentes e que não se devem ao acaso.
O nível de significância geralmente utilizado em investigação é :
0,05 – A possibilidade de enviesamento é de 5 em 100 – 5%,
ou seja há a probabilidade de 95% dos resultados não se deverem
ao acaso.
Referimo-nos ao nível de probabilidade de erro ou de
significância usando a abreviatura “p” (no SPSS assume-se
como Sig.)
ESTATÍSTICA INFERENCIAL
SIGNIFICÂNCIA
O valor de significância obtido , associado a um determinado teste
estatístico (estatística inferencial) é comparado com o “p” Padrão (0,05 e
/ 0,01 ou 0,001).
Se o p obtido no teste estatístico for inferior ou igual (≤ 0,05) tal significa
por exemplo que existe uma relação significativa entre duas variáveis ou
que dois grupos diferem de forma significativa.
A confirmação ou não de H0 (que hipotetiza a inexistência de diferenças
entre grupos ou de relação significativa entre variáveis), faz-se segundo
os seguintes critérios
p > 0,05 – Não Existe evidência Significativa contra HO
p≤ 0,05 – Evidência Significativa
p≤ 0,01 – Evidência Muito Significativa
p ≤ 0,001 – Evidência Extremamente Significativa
COMPARAÇÃO DE 2 GRUPOS
Teste Paramétrico Teste Não Paramétrico
Requisitos : Requisitos :
♦Escala de medida da Variável Dependente ♦ A escala de medida da variável
ser Quantitativa dependente ser ordinal (Quando a escala
é ordinal aplica-se o teste não
paramétrico independentemente do
tamanho dos 2 grupos).
♦As 2 amostras serem superiores a 30 ; se ♦Quando os 2 grupos (com n’s inferiores
tiverem n’s inferiores a 30 terem ambas ou iguais a 30) não apresentam uma
distribuição normal distribuição normal numa variável
dependente quantitativa.
T de Student para Amostras Teste Mann-Whitney
Independentes
COMPARAÇÃO DE 2 GRUPOS
(2 AMOSTRAS INDEPENDENTES)
TESTE PARAMÉTRICO T DE STUDENT PARA AMOSTRAS
INDEPENDENTES
O teste t de Student para Amostras Independentes é uma prova paramétrica que se utiliza
com o objectivo de comparar as médias de 2 Grupos , aplicando-se quando a variável
dependente é medida numa escala quantitativa.
Quanto à dimensão dos 2 grupos duas situações se podem colocar :
Os dois Grupos têm dimensão reduzida (n≤ 30)
Para se poder aplicar o teste t de Student para Amostras Independentes as amostras de
dimensão reduzida têm de ter uma distribuição normal na variável dependente.
A verificação da normalidade é feita através do teste Shapiro Wilk (neste teste de se o sig
> 0,05 nos dois grupos então há uma distribuição normal)
Os dois grupos têm dimensões elevadas (n > 30)
Esta situação tem a vantagem de se poder aplicar directamente o teste T de Student para
Amostras independentes. Não é necessário aplicar-se o teste de Normalidade de Shapiro
Wilk. Dada a dimensão da amostra o teorema do limite central é aplicável e portanto garante
a aproximação à distribuição normal.
❑ Outro aspecto a ter em consideração é que o teste t de Student apresenta dois resultados
em função da existência de homogeneidade de variâncias nos dois grupos (averiguado
através do teste de Levéne) :
Se o teste de Levéne revelar um valor Se o teste de Levéne revelar um
de Sig superior a 0,05 valor de Sig inferior ou igual a 0,05
as variâncias dos dois grupos são as variâncias dos dois grupos são
semelhantes. Nesse caso deve diferentes. Nesse caso deve
interpretar-se os resultados da 1ª interpretar-se os resultados da 2ª
linha da Tabela do t de student linha da Tabela do t student
COMANDOS DO SPSS
ANALYZE /COMPARE MEANS / INDEPENDENT-SAMPLES T-TEST/ No
GROUPING VARIABLE seleccionar a variável independente e no DEFINE GROUPS
especificar o valor de código para os dois grupos ; no TEST VARIABLES seleccionar
as variáveis dependentes. OK
T de student para Amostras independentes – Exemplo
Um investigador pretendeu verificar se há benefício de uma intervenção de fisioterapia
no equilíbrio e na marcha em idosas entre 60 e 82 anos. As idosas foram distribuídas
aleatoriamente em dois grupos, Grupo de experimental e Grupo de Controle (com
10 sujeitos em cada grupo).
O grupo controle (GC) não foi submetido aos exercícios durante a realização da
pesquisa, o Grupo Experimental (GE) recebeu a aplicação de um protocolo durante 10
semanas, 3 vezes por semana, cada sessão durando 1 hora, tendo-se realizado os
seguintes exercícios: a) Exercícios para treinar o equilíbrio com apoio bipodal e
unipodal; b) Exercícios de alongamento muscular, dos músculos superiores, inferiores e
tronco c) Exercícios para o treino de força dos membros inferiores e para o treino do
equilíbrio. O investigador usou o instrumento Timed Get Up and Go Test – TUG* para
avaliar os dois grupos no inicio do estudo (tendo-se verificado não haver diferenças
significativas entre os dois grupos no tempo total do TUG).
O investigador pretende averiguar no fim do estudo se os dois grupos apresentam
diferenças significativas no tempo total do TUG, provando assim que a intervenção foi
benéfica.
-Qual a variável Independente e Dependente ?
-Qual o tratamento estatístico mais adequado? Fundamente
*TUG - Pedir ao idoso que se levante da cadeira, sem ajuda, ande 3 metros, retorne e sente.
Enquanto ele realiza esta tarefa o entrevistador deverá observar seu percurso e contar o tempo.
Idosos que gastam menos de 10 segundos na tarefa são considerados como de baixo risco para
quedas, quem gasta entre 10 e 20 segundos de risco moderado e quem gasta mais de 20 segundos
risco elevado de quedas.
T de student para Amostras independentes - Exemplo
-Qual a variável Independente e Dependente ?
-A variável independente é o tratamento de fisioterapia (GC não foi
submetido ao tratamento, GE foi submetido ao tratamento)
-A Variável dependente é a avaliação do equilíbrio e marcha através do
tempo contabilizado na TUG
-Qual o tratamento estatístico mais adequado? Fundamente
-Neste objectivo de investigação pretende-se comparar dois grupos numa
variável dependente que tem escala quantitativa (Tempo Total TUG).
Como os dois grupos são de pequena dimensão (N ≤ 30) tem de se testar a
normalidade com o teste de Shapiro Wilk, dado o teorema do limite
central não ser aplicável nesta situação. Se houver normalidade nos dois
grupos deve-se utilizar o teste paramétrico t de student para amostras
independentes , se não houver normalidade num dos grupos ou em ambos
deve ser usado o teste não paramétrico Mann-Whitney.
T de student para Amostras independentes - Exemplo
Como testar a normalidade com o teste de Shapiro e como interpretar
os resultados?
Comandos do SPSS : ANALYZE / DESCRIPTIVE STATISTICS/ EXPLORE/ No FACTOR
LIST - seleccionar a variável independente , neste caso a variável “Grupo” e no
DEPENDENT LIST – seleccionar a variável dependente , neste caso a variável “Score
_Tug_ M2”/PLOTS – Seleccionar a opção NORMALITY PLOTS WITH TESTS - continue/
OK
Interpretação : Dado os dois grupos, no teste de Shapiro, terem um resultado no Sig
superior a 0,05 conclui-se que há uma distribuição normal nos dois grupos.
T de student para Amostras independentes – Exemplo
Como há normalidade nos dois grupos foi possível usar o teste paramétrico t de
student para amostras independentes
A segunda tabela apresenta dois testes : o teste de Levéne que averigua se as variâncias dos dois grupos
são idênticas e o teste t de student que averigua se há diferenças significativas nas médias dos dois
grupos. Primeiro tem de se interpretar o Sig do teste de Levéne, se este for > 0,05 há homogeneidade de
variâncias e nesse caso deve-se interpretar a primeira linha do t de student, se o sig do teste de Levéne
for ≤ 0,05 não há homogeneidade de variâncias e deve-se interpretar a segunda linha do t de student.
Na interpretação do t de student, se o sig for ≤ 0,05 há diferenças significativas nas medias dos 2 grupos.
Neste caso o Sig é ≤ 0,001 logo as diferenças são extremamente significativas.
T de student para Amostras independentes – Exemplo
Como fazer o texto de interpretação :
O teste t de student para amostras independentes revelou para p ≤ 0,001 a existência de
uma diferença extremamente significativa entre o grupo experimental (n=10) e o grupo de
controlo (n=10) no total do tempo no teste TUG , no pós teste [t (18) = -9,256, p = 0,000].
O grupo experimental demora em média menos tempo (Média = 9,33 segundos) a realizar
a prova comparativamente com o grupo de controlo (Média = 17,90 segundos) o que
indica que a intervenção da fisioterapia foi eficaz, havendo menos risco de quedas no
grupo experimental do que no grupo de controlo.
COMPARAÇÃO DE 2 GRUPOS (2 AMOSTRAS INDEPENDENTES)
TESTE NÃO PARAMÉRTRICO MANN-WHITNEY
O teste Mann-Whitney é um teste Não Paramétrico que permite comparar 2
grupos , sendo uma alternativa ao teste T de Student para amostras
independentes quando não se verificam os pressupostos deste último
(nomeadamente a existência de normalidade).
❖Utiliza-se para comparar 2 grupos numa variável dependente medida numa
escala ordinal (qualquer que seja a dimensão dos 2 grupos) . Exemplo comparar
sexo feminino e sexo masculino nas faixas etárias (variável idade medida em
escala ordinal).
❖Utiliza-se para comparar 2 grupos de pequena dimensão ( < 30) numa
variável dependente medida em escala quantitativa, quando se comprova
que pelo menos um dos 2 grupos não tem uma distribuição normal nessa
variável dependente. Como não se pode nesse caso recorrer ao teste T de
Student recorre-se em alternativa ao teste Mann-Whitney.
Mann-Whitney – Exemplo
Se o mesmo investigador pretender comparar o grupo experimental e o
grupo de controlo no resultado categorizado do TUG em 3 classes
(1-Baixo risco de quedas – Até 10 segundos, 2 – Moderado risco de
quedas – entre 10,1 e 20 segundos e 3- Alto risco de quedas – acima dos
20,1 segundos) no pós teste em vez de usar o t de student terá de usar o
teste Não Paramétrico Mann-Whitney dado neste caso a variável
dependente ser medida numa escala ordinal.
Comandos SPSS : ANALYZE/ NONPARAMETRIC TESTES / 2 – INDEPENDENT SAMPLES
/ No TEST-TYPE seleccionar Mann-Whitney – U; No TEST VARIABLE LIST seleccionar as
variáveis dependentes ; No GROUPING VARIABLE seleccionar a variável independente e definir
no “DEFINE GROUPS” os códigos dos dois grupos.
Se a escala for ordinal, como neste caso ,deve-se pedir um cruzamento de frequências como
estatística descritiva adicional :ANALYZE/ CROSSTABS/ No ROW (Seleccionar variável
independente) , no COLUMN(S) (seleccionar variável dependente) /No CELLS seleccionar
PERCENTAGES ROW/ OK
NOTA : Se a escala for quantitativa e não houver normalidade a estatística adicional devia ser uma
comparação de médias ANALYZE/COMPARE MEANS /No DEPENDET LIST seleccionar
variável dependente e no INDEPENDENT LIST seleccionar variável independente/ OPTIONS
(Seleccionar a estatística descritiva que se pretende : Média, desvio padrão , mediana , mínimo e
máximo) .
Mann-Whitney – Exemplo
Mann-Whitney – Exemplo
Como fazer o texto de interpretação :
O teste Mann-Whitney revelou, para p ≤ 0,001, a existência de
uma diferença extremamente significativa entre o grupo
experimental (n=10) e o grupo de controlo (n=10) nas categorias
do teste TUG , no pós teste (U = 12,00, p = 0,001). No grupo
experimental a maioria (70%) revelou um baixo risco de quedas,
havendo 30% com risco moderado, enquanto que no grupo de
controlo o risco de queda é maior uma vez que a maioria (80%)
revelou um risco de queda moderado e 20% um risco elevado.
FLUXOGRAMA- Comparação de 2 grupos
Tipo de Escala da Variável
Dependente
Ordinal Quantitativa
Grupos n ≤ 30 Grupos > a 30
(Teorema do Limite
Central)
Testar a Distribuição Normal
(Teste : Shapiro Wilk : se Sig
> 0,05 há dist. Normal)
Paramétrico: t de
Não há Há normalidade Student para Amostras
normalidade (num (em ambos os Independentes
ou em ambos os grupos) sig > 0,05 Há ≠ se sig ≤ 0,05
grupos) Sig ≤ 0,05
Dentro do t de student ver teste de
Não Paramétrico levéne (teste de homogeneidade
MANN-WHITNE de variâncias
Y
Há ≠ se sig ≤ 0,05
Sig do Levéne > 0,05, Sig do Levéne ≤ 0,05
interpretar 1ª linha do t interpretar 2ª linha do
de Student t de Student
Link Vídeo Youtube :
https://www.youtube.com/watch?v=4T-PMejdYbA
