https://revistas.ucr.ac.cr/index.php/pemPensar en Movimiento: Revista de Ciencias del Ejercicio y la Salud ISSN Impreso: 1409-0724 ISSN electrónico: 1659-4436

Comentarios del lector/a

Re: Monografia construída passo a passo

por Thalis roberto (2017-12-27)

En respuesta a Monografia construída passo a passo

Testes estatísticos simples no Excel (parte 1 – Teste T e Quiquadrado) O Excel é uma ferramenta de maior abertura em acareação aos softwares estatísticos, e tem muitas utilidades para aferição de testes estatísticos. No entanto, para sua uso é necessário que o cientista tenha pela certa acompadrado com cadastro e com as fórmulas do Excel (em antinomia ao SPSS, por adágio, que apresenta menus práticos em que basta clicar para acontecer o teste).

 

 

Este primeiro artigo propõe-se a entregar para cientistas que não conhecem tão bem as fórmulas do excel o passo-a-passo de como acreditar e aclarar o resultado. Ressalta-se, no entanto, que mais fundamental que acreditar um teste arrolador de modo correto é entender se ele é acertado ou não para agir seu propósito de estudo – neste caso, é melhor buscar um profissional para auxiliá-lo nessa decisão. As fórmulas desse artigo acham o Excel versão 2010. Teste T para duas populações independentes O teste T para duas populações independentes é comumente empregado para atestar se a média de duas populações é incrivelmente distinto, maior ou menor quanto a pela certa alterável, usando amostraS para ingerir esta decisão. Por adágio, podemos ter ambição entender se a idade média de homens e mulheres consumidores de um certamente produto é incrivelmente distinto. Para adaptar o teste T, precisamos nos afirmar se as variáveis de ambição seguem abastecimento comum e se suas variâncias são homogêneas (o que não será abalroado neste artigo) e como resultados, comumente vamos desejar duas informações: a cadastro de teste e o p-valor. Para acreditar o teste, a princípio deve-se ajustar os dados no posterior formato: 1 Para o aferição do p-valor do teste quiquadrado, usa-se a fórmula T.TEST (em português, TESTE.T), informando como bases, nesta ordem: as observações da alterável no 1º grupo; as observações da alterável no 2º grupo; a informação de que o teste é faccioso (1) ou bilateral (2); e o forma de teste, se pareado (1), de populações independentes com variâncias iguais (2), ou de populações independentes com variâncias iguais (3). Esclarecendo, os testes unilaterais testam a afirmação de que uma indivíduos possui média maior ou menor (especificando qual afirmação) que a outra, enquanto os testes bilaterais avaliam se uma indivíduos possui média distinto (sem apontar se maior ou menor) Da outra. No presente caso desejaremos realizar um teste bilateral, por isso o alegação informado na fórmula é 2. Já quanto ao forma de teste, foi antecipadamente aberto que nossas populações são independentes, e idealmente teremos que corporificar um teste complementar para definir se as variâncias das populações são iguais ou não. No caso, usaremos o teste que não assume variâncias iguais, por isso o alegação informado na fórmula é 3. Já para acreditar a cadastro de teste T, usa-se a fórmula T.INV.2T (em português, INV.T.BC). Caso tivéssemos executado um teste faccioso, usaríamos a fórmula T.INV (em português, INV.T). 2 Informa-se como bases o p-valor agora mesmo apurado e os graus de liberdade. Relembrando o conceito arrolador, o completo de graus de liberdade do teste T é apurado da posterior maneira: (qtde respostas no grupo1 + qtde respostas no grupo2 – 2). Neste caso, possuimos 11 respostas em cada grupo, acabando em (11 + 11 – 2) = 20 graus de liberdade. 3 Obtendo os resultados, passamos para a acepção. O cientista precisa ter assente antecipadamente o nível de confiabilidade esperado de seus resultados. Caso tenha assente um nível de confiabilidade de 95%, observar-se-á o p-valor apurado e, caso esse seja inferior a 0,05, será rejeitada a afirmação nula de que as médias dos categorias são iguais. No caso mostrado, com p-valor 0,028, rejeitamos a afirmação nula e aceitamos a afirmação alternativa de que há efetivamente, diferença na média desses categorias. Teste Quiquadrado O teste quiquadrado é comumente empregado para avaliar associação entre duas variáveis categóricas. Por adágio, numa mesma indivíduos, podemos ter ambição em avaliar se há associação entre o gênero (masculino / afeminado) e o feito do pessoa de trabalhar (efetivamente / não). Possuimos ambição em conquistar duas informações: a cadastro do teste quiquadrado e o p-valor, para ingerir a decisão, com certamente nível de confiabilidade, sobre se há ou não associação entre essas variáveis na indivíduos, com base numa amostra. Para acreditar o teste, a princípio deve-se ajustar os dados no posterior formato: 4 Os dados apresentam o resultado admirado na amostra. Para o teste, é preciso acreditar o resultado aguardado caso não houvesse associação. Ele é apurado para cada camada de resposta possível (Masculino Efetivamente, Masculino Não, Afeminado Efetivamente, Afeminado Não), multiplicando o completo de cada coluna ou série adequado, e dividindo pelo completo maior parte, usando as fórmulas aritméticas do Excel, de acordo com adágio: 5 6 Caso seja apurado de modo correto, as somas das colunas e linhas dos princípios observados será precisamente aproximado a do valor admirado. Para o aferição do p-valor do teste quiquadrado, usa-se a fórmula CHISQ.TEST (em português, TESTE.QUIQUA), informando como bases os princípios observados, e em seguida os princípios esperados. 7 Já para acreditar a cadastro de teste quiquadrado, usa-se a fórmula CHIST.INV.RT (em português, INV.QUIQUA.CD) informando como bases o p-valor agora mesmo apurado e os graus de liberdade. Relembrando o conceito arrolador, o completo de graus de liberdade do teste quiquadrado é apurado da posterior maneira: (qtde categorias da variável1 – 1) x (qtde categorias da variável2 – 1). Neste caso, possuimos 2 categorias para a alterável Executa e 2 categorias para a alterável Gênero, acabando em (2-1) x (2-1) = 1 nível de liberdade. 8 Obtendo os resultados, resta interpretá-los. O cientista precisa ter assente antecipadamente o nível de confiabilidade esperado de seus resultados. Caso tenha assente um nível de confiabilidade de 95%, observar-se-á o p-valor apurado e, caso esse seja inferior a 0,05, será rejeitada a afirmação nula de que não há associação entre as variáveis. No caso mostrado, com p-valor 0,018, rejeitamos a afirmação nula e aceitamos a afirmação alternativa de que há efetivamente, associação entre o gênero e o feito da indivíduo trabalhar. Encerramos por aqui aconselhando esses 2 testes estatísticos bastante benéficos. Deixem comentários sobre que testes gostariam de adestrar-se e, para análises mais avançadas





© 2017 Universidad de Costa Rica. Para ver más detalles sobre la distribución de los artículos en este sitio visite el aviso legal. Este sitio es desarrollado por UCRIndex y Open Journal Systems. ¿Desea cosechar nuestros metadatos? dirección OAI-PMH: https://revistas.ucr.ac.cr/index.php/index/oai