ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e

Oráculo para a tomada de decisão na escolha do teste estatístico

Programa de Pós-graduação Stricto Sensu em Ciências doExercício e do Esporte

Prof. Md. Renato Sobral Monteiro JuniorManual

MANUAL

Prof. Md. Renato Sobral Monteiro Junior

1. Para prosseguir na escolha das análises e seus tutoriais, clique sempre no botão .

2. Quando não aparecer o botão , clique em qualquer lugar da tela.

3. Sempre que chegar ao fim dos tutoriais, você encontrará uma . Clique nela para retornar ao menu.

Não seguir estas recomendações pode desordenar as imagens.

Bons estudos!!!

Menu

Menu - Testes

Paramétricos

Não Paramétricos

Testes Paramétricos – utilizados para análises de variáveis contínuas , que podem assumir qualquer valor e normalmente possuem uma unidade conhecida (Ex. distância (mm, cm, m, km; Tempo (ms, s, min, h, dias). Os dados podem ser intervalares, de razão ou proporção. Além disso, a distribuição dos dados deve apresentar normalidade.

Testes Não Paramétricos – utilizados para as análises de variáveis discretas, limitadas a um determinado número, não permitindo seu fracionamento, além de não conterem uma unidade específica de medida (Ex. 10 pessoas (não existe 9,5 pessoas). Os dados podem ser nominais ou ordinais. Aplicada também quando a distribuição não apresenta normalidade.


Menu - Testes

Paramétricos

Não Paramétricos

Relacionamento entre variáveis

Comparação de medidas Centrais (Ex. média, moda)


Menu - Testes

Testes Paramétricos

Testes Não Paramétricos

Relacionamento entre variáveis

Comparação de medidacentral (Ex. média, moda)


Relacionamento

Correlação dePearson


Relacionamento

Correlação deSpearman


Relacionamento

Correlação de Pearson

No SPSS, as colunas de dados são organizados lado a lado

Ex. relação entre o aumento da FC e o VO2 máx

Clique no botão para ver o passo a passo


Renato Sobral Monteiro Junior

CORRELAÇÃO DE PEARSON

r

p

VOLTAR

Relacionamento

Correlação de Spearman

No SPSS, as colunas de dados são organizados lado a lado

Ex. relação entre sexo e humor




CORRELAÇÃO DE SPEARMAN

PROCEDIMENTOS IGUAIS A PEARSON. A ÚNICA DIFERENÇA

ESTÁ AQUI...

14

VOLTAR

Medidas Centrais – Testes Paramétricos

Teste t

ANOVA

Teste t – utilizado para análises de um grupo de dados a uma medida pré-determinada (Teste t simples), dois grupos de dados dependentes (Teste t Pareado) ou dois grupos de dados independentes (Teste t Independente)

ANOVA - utilizados para as análises de dois ou mais grupos de dados independentes (ANOVA one-way ), dois ou mais grupos de dados dependentes (ANOVA de medidas repetidas) ou dois ou mais grupos de dados independentes e os efeitos sobre uma variável dependente (ANOVA two-way; three-way...)



Teste t Simples

Teste t Pareado

Teste t Independente



Teste t Simples

No SPSS, os dados são agrupados em uma única coluna. O valor pré-determinado é inserido no

setup do teste.

Ex. Diferença entre a FC de idosos ativos e a média da população brasileira.




TESTE “t” SIMPLES

VOLTAR


Teste t Pareado

No SPSS, as colunas de dados são organizadas lado a lado.

Ex. FC de sedentários pré e pós-treinamento aeróbio de 4 semanas.




TESTE “t” PAREADO

VOLTAR


Teste t Independente

No SPSS, as colunas de dados independentes são organizadas uma abaixo da outra.

Ex. Diferença entre FC de nadadores e corredores




TESTE “t” INDEPENDENTE

1º: CARACTERIZAR OS GRUPOS EM “VARIABLE VIEW”

VOLTAR


ANOVA de medidasrepetidas (intra-grupo)

ANOVA one-way (inter-grupos)

ANOVA two-way (inter-grupos)

ANOVA three-way (inter-grupos)



ANOVA de medidas repetidas

No SPSS, as colunas de dados são organizadas lado a lado.

Ex. Diferenças na força muscular entre séries, em idosos, com 1, 2 e 3 min de intervalo.




ANOVA DE MEDIDAS REPETIDAS

Esfericidade assumida (P>0,05)

Houve diferença significativa

Post-hoc mostrou diferença em todas as condições (P<0,05)

VOLTAR


ANOVA one-way

No SPSS, as colunas de dados são organizadas uma abaixo da outra.

Ex. Diferenças na força muscular entre sedentários, ativos e atletas.




ANOVA ONE-WAY

Caracterizar os grupos. Dados organizados um abaixo do outro

Para rodar a análise


Output: a ANOVA mostrou diferença sig. (P<0,05)

Output: O Post hoc identificou diferença em todas as comparações

VOLTAR


ANOVA two-way (com medidas repetidas)


Ex. Diferença na FC de nadadores e corredores pré e pós-treinamento intervalado.




ANOVA TWO-WAY COM MEDIDAS REPETIDAS

Caracterizar os grupos




Output: A ANOVA mostrou diferença intragrupos (P<0,05), mas não houve dif. Sig. Na interação TESTE X GRUPOS

(P>0,05)

VOLTAR


ANOVA three-way (com medidas repetidas)


Ex. Diferença na FC de nadadores, corredores e ciclistas, pré e pós-treinamento intervalado.




ANOVA THREE-WAY COM MEDIDAS REPETIDAS





Para rodar análise

Para rodar análise

Output: Sem dif. Sig. Intragrupos (P>0,05), mas com diferença na interação TESTE X GRUPOS (P<0,05)

Output: O efeito principal (diferença intergrupos) foi identificado pelo Post Hoc de Bonferroni

Sem dif. Pré ou pós

Dif. Entre

grupos

VOLTAR

Medidas Centrais – Testes não Paramétricos

Wilcoxon SignedRank Test


Mann Whitney U Test

Friedman Test

Kruskall-Wallis Test

Os testes não paramétricos são semelhantes aos paramétricos, quanto à organização dos dados e idéias de comparações.

Wilcoxon – Teste t Pareado

Mann Whitney – Teste t Independente

Friedman – ANOVA de medidas repetidas

Kruskall-Wallis – ANOVA one-way

NOTA: Verificar a variável que está sendo estudada!


WILCOXON SIGNED RANK TEST (TEST T PAREADO)


Output: Não houve dif. Sig. No humor pré e pós treinamento de força neste grupo (P>0,05)

VOLTAR


MANN WHITNEY U (TESTE T INDEPENDENTE)






Output: Dif. Sig. No humor entre fisiculturistas e lutadores pós treinamento de força (P<0,05)

VOLTAR


FRIEDMAN TEST (ANOVA DE MEDIDAS REPETIDAS)



Output: Dif. Sig. No grupo em três dias de treinamento de força (P<0,05)

Não há opção no software para descobrir onde ocorreu a diferença. Nesse caso siga as

próximas instruções

Opção para encontrar a diferença entre as séries de dados não paramétricos

Calcule um Post Hoc de Bonferroni (valor de α / nº de comparações ). No caso desta comparação temos:

Nº comparações = 3Valor de α = 0,05

Então: 0,05 / 3 = 0,016

0,016 será o novo nível de significância adotado.

Houve diferença apenas do dia 3 para o dia 2 (P<0,016); e do dia 3 para o dia 1 (P<0,016)

Rode um teste WILCOXON para cada par de série de dados, adotando um P≤0,016

VOLTAR


KRUSKALL-WALLIS TEST (ANOVA ONE-WAY BETWEEN GROUPS)






Output: Houve dif. Sig. Entre os grupos (P<0,05).

No Kuskall-Wallis Test ocorre o mesmo que no Friedman (não há como saber onde ocorreu o efeito principal).

Nesse caso, repita o mesmo procedimento realizado no

Friedman Test. Entretanto, a comparação entre pares de séries de dados será feita

pelo Mann Whytney U Test

Output: houve dif. Sig. Entre os fisiculturistas e halterofilistas (P<0,016)

Mann White

y U

Output: houve dif. Sig. Entre os halterofilistas e lutadores (P<0,016)

Mann White

y U

Output: houve dif. Sig. Entre os fisiculturistas e lutadores (P<0,016)

Mann White

y U

VOLTAR

Documents

ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e