Documente Academic
Documente Profesional
Documente Cultură
,QVWLWXWR3ROLWpFQLFRGH%UDJDQoD
=
n
1 i
i
x .
3.6.2. Moda
A moda de um conjunto de observaes o valor mais frequente, caso exista.
Quando existe mais do que um valor com a frequncia mais elevada, o conjunto dos
valores mais frequentes constituem uma classe modal.
A moda pode ser considerada como o evento ou categoria de eventos que
ocorreu com maior frequncia, indicando o valor ou categoria mais provvel. A moda
de um conjunto de dados categricos a categoria que tem maior percentagem de
dados.
Para um conjunto de dados, define-se moda como sendo: o valor que surge com
maior frequncia, se os dados so discretos; o intervalo da classe com maior frequncia
se os dados so contnuos.
Da observao da representao grfica dos dados, deduz-se, imediatamente, o
valor que representa a moda ou a classe modal (conjunto de valores com a mesma
frequncia mxima). Esta medida especialmente til para reduzir a informao de um
conjunto de dados qualitativos, apresentados sob a forma de nomes ou categorias.
3.6.3. Mediana
A mediana uma medida de localizao do centro da distribuio dos dados.
Aps a ordenao dos elementos da amostra de dados, a mediana o valor (pertencente
ou no amostra) que a divide ao meio, isto , 50% dos elementos da amostra so
menores ou iguais mediana e os outros 50% so maiores ou iguais mediana
Para a determinao da mediana de um conjunto de n observaes, utiliza-se a
seguinte regra, depois de ordenada a amostra das n observaes:
- Se n mpar, a mediana o elemento mdio;
- Se n par, a mediana a semi-soma dos dois elementos mdios.
A mediana, bem como a moda, pode ser calculada para dados ordenados. Este
valor mdio mais comummente utilizado para dados quantitativos.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
13
3.7. Medidas de disperso
As medidas de disperso traduzem a variao de um conjunto de dados em torno
da mdia, ou seja, da maior ou menor variabilidade dos resultados obtidos. Permitem
identificar at que ponto os resultados se concentram ou no ao redor da tendncia
central de um conjunto de observaes. Incluem, entre outras, o desvio absoluto mdio,
a varincia e o desvio padro, cada uma expressando diferentes formas de quantificar a
tendncia que os resultados de uma experincia aleatria tm para se concentrarem em
determinados valores. Quanto maior for a disperso, menor a concentrao e vice-
versa.
As medidas mais comuns de variabilidade para dados quantitativos so a
varincia e o desvio padro.
3.7.1. Desvio absoluto mdio
O desvio absoluto mdio (D
M
), de um conjunto de n observaes x
1
, , x
n,
a
mdia dos valores absolutos das diferenas entre as observaes e a mdia, ou seja,
D
M
=
n
1
=
n
1 i
[L- x
3.7.2. Varincia
Define-se varincia, e representa-se por s
2
, como sendo a medida que se obtm
somando os quadrados dos desvios das observaes da amostra, relativamente sua
mdia, e dividindo por n ou por n-1, conforme o tamanho da amostra superior a 20 ou
no superior a 20, respectivamente.
s
2
=
>
=
=
n
1 i
2
i
n
1 i
2
i
20 n ... ,......... ) x x (
n
1
20 n ,....... ) x x (
1 n
1
3.7.3. Desvio padro
O desvio padro s a raiz quadrada da varincia s
2
.
O desvio padro uma medida que s pode assumir valores no negativos e
quanto maior for, maior ser a disperso dos dados.
Algumas propriedades do desvio padro, que resultam imediatamente da
definio, so:
- O desvio padro sempre no negativo e tanto maior, quanta maior for a
variabilidade dos dados.
- Se s = 0, ento no existe variabilidade, isto , os dados so todos iguais.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
14
4. Inferncia estatstica
Inferncia estatstica o processo pelo qual possvel tirar concluses acerca da
populao usando informao de uma amostra, constituindo questo central, saber como
usar os dados da amostra para obter concluses acerca da populao. A estatstica
inferencial permite a generalizao, a uma populao, de informaes obtidas a partir de
uma amostra representativa e a tomada de deciso (Huot, 2002: 62).
A base da Inferncia Estatstica consiste, assim, na possibilidade de se
tomarem decises sobre os parmetros de uma populao, sem que seja necessrio
proceder a um recenseamento de toda a populao (Reis et. al., 1999: 21).
Reis (1996), sugere como etapas do mtodo estatstico para a resoluo de
problemas, as seguintes:
a) Identificao do problema ou situao;
b) Recolha de dados;
c) Crtica dos dados;
d) Apresentao dos dados;
e) Anlise e interpretao dos resultados. Neste sentido, Almeida & Freire
(2000: 39-40) salientam que a necessidade de obter concluses a partir de uma amostra,
por inferncia, surge no contexto de investigaes, das quais destacamos as seguintes
fases.
Figura 6: Fases na definio e investigao de um problema
(Adaptado de Almeida & Freire, 2000: 39-40)
Fases Caracterizao Estratgia
1. Definio do
problema
- Identificar e descrever;
- Estabelecer relaes;
- Apreciar pertinncias;
- Precisar o objectivo.
- Teoria existente;
- Observao directa;
- Investigaes anteriores;
- Problemas anteriores.
2. Reviso
bibliogrfica
- Situar o problema;
- Precisar a metodologia.
- Consulta de bases de dados;
- Debates, consulta a
especialistas;
- Snteses temticas.
3. Formulao
de hipteses
- Definir as hipteses:
experimental, nula e alternativa.
- Possveis explicaes para os
dados que se venham a obter.
4. Definio
das variveis
- Identificar as unidades a observar
e a controlar;
- Definir os papis das variveis;
- Precisar a medida das variveis.
- Especificar o que se quer
controlar, as relaes, as
influncias e o seu sentido;
- Indicar a escala de medida
por varivel.
O desenvolvimento de metodologias que permitam fazer afirmaes gerais
acerca do universo dos fenmenos geradores dos dados observados pertence
inferncia estatstica (Vairinhos, 1995: 120).
4.1. Unidade, amostra, populao
Unidade estatstica: elemento da populao estudada (Huot, 2002: 19).
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
15
Populao ou universo: conjunto de unidades com caractersticas comuns
(Reis et al, 1999: 19). A populao pode ser considerada como uma coleco de
unidades individuais, que podem ser pessoas ou resultados experimentais, com uma ou
mais caractersticas comuns que se pretendem estudar. A populao refere-se a todos os
casos ou situaes a que o investigador quer fazer inferncias ou estimativas.
Uma amostra um subconjunto da populao usado para obter informao
acerca do todo.
4.2. Amostragem, recenseamento e sondagem
Designamos por amostragem a obteno de informao sobre parte de uma
populao (Reis et al, 1999: 19).
Recenseamento uma recolha de dados, sobre certas caractersticas da
populao, obtida directamente a partir do conjunto das unidades da populao.
Sondagem uma recolha de dados, sobre certas caractersticas da populao,
obtida a partir de uma amostra.
4.3. Parmetros e estatsticas
Designamos por estatstica, um nmero que represente caractersticas da
amostra. Calcula-se o valor de uma estatstica a partir de valores observados na amostra.
Utiliza-se uma estatstica para estimar um parmetro, desconhecido, na populao.
Designamos por parmetro, um nmero que represente caractersticas da
populao. Este nmero, embora seja fixo, normalmente desconhecido. Um parmetro
desconhecido pode ser estimado a partir de uma estatstica (ou estimador).
Para apreciar a mensurabilidade de uma caracterstica ou comportamento de um
populao podemos considerar diversos parmetros. Desses parmetros destacamos:
frequncia de ocorrncia de uma resposta; probabilidade de ocorrncia de uma resposta;
durao da ocorrncia de uma resposta; durao do intervalo de tempo entre duas ou
mais ocorrncias repetidas desse fenmeno; intensidade ou grau com que se manifesta
uma resposta; e, velocidade e qualidade que as respostas podem assumir (Almeida &
Freire, 2000: 58).
Os parmetros que mostram como as diferentes observaes so semelhantes,
costumam designar-se por parmetros de medidas de tendncia central.
Os parmetros que mostram como as observaes de uma amostra diferem,
costumam designar-se por parmetros de medidas de disperso estatstica.
4.4. Estatuto das variveis na investigao
As caractersticas de uma populao, que podem diferir de indivduo para
indivduo, e as quais temos interesse em estudar so chamadas variveis. Como
exemplo referimos: comprimento, massa, idade, temperatura e nmero de ocorrncias.
Cada unidade da populao, que escolhida como parte de uma amostra, fornece uma
medida de uma ou mais variveis, chamadas observaes.
As amostras que envolvem seres humanos so ricas na quantidade e na
qualidade das variveis que podem influenciar o comportamento dos sujeitos que as
constituem. Muitas dessas varveis so liminarmente ignoradas, outras admite-se que
influenciam de forma pouco relevante os resultados esperados, restando apenas um
nmero reduzido de variveis que so objecto de apreciao e anlise. "Uma varivel
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
16
uma quantidade que pode tomar vrios valores, mas cujo valor numa dada situao
muitas vezes desconhecido. Isto deve ser contrastado com uma quantidade constante"
(Paulos, 1991: 242).
Quando em cada objecto a observar, se est apenas interessado num nico
aspecto, os dados resultantes dizem-se univariados; se pretendemos para cada objecto
observado obter simultaneamente valores de dois aspectos relevantes, dizemos que os
dados so bivariados; se pretendemos para cada objecto observado obter
simultaneamente valores de vrios aspectos relevantes, dizemos que os dados so
multivariados, mais precisamente se pretendemos obter, simultaneamente, valores de p
aspectos diz-se que os dados so p-variados.
"Uma amostra diz-se bivariada quando constituda por pares ordenados de
dados. Em cada par ordenado, o primeiro elemento mede um atributo de um dos
objectos em anlise e o segundo mede outro atributo do mesmo objecto" (Guimares e
Cabral, 1997: 48).
As variveis podem ser: independentes, dependentes, moderadoras e parasitas
(Almeida & Freire: 2000: 56).
Varivel independente: identifica-se com a dimenso ou a caracterstica que o
investigador manipula deliberadamente para conhecer o impacto que produz noutra
varivel. As variveis independentes permitem a sua manipulao, admitindo-se que a
forma como so manipuladas podem condicionar o comportamento dos sujeitos e,
consequentemente, os resultados no contexto do estudo.
Varivel dependente: caracterstica que pode ser influenciada quando se
manipula a varivel independente.
Variveis moderadoras ou intervenientes: so geralmente assumidas como
variveis alheias ao estudo que podem influenciar os resultados, situam-se entre as
variveis independentes e as variveis dependentes, podendo actuar de forma
interactiva.
Variveis estranhas ou parasitas: variveis associadas varivel independente,
que no so consideradas na experincia, mas que podem ter influncia nos resultados
esperados para a varivel dependente.
Como exemplo, salientamos a situao de um estado gripal para o qual se
procura cura.
- Varivel independente: estado gripal (actua-se relativamente gripe com
medicamentos ou outros tratamentos);
- Varivel dependente: a cura, ou a situao de sade resultante do tratamento;
- Variveis intervenientes: conforto habitacional, bom tempo;
- Variveis estranhas: corrente de ar, alimentao, ansiedade.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
17
4.5. Amostra
Designamos por tamanho de uma amostra o nmero de unidades que a
constituem.
O tamanho da amostra no determina se ela de boa ou m qualidade, mais
importante do que o seu tamanho a sua representatividade, ou seja, o seu grau de
similaridade com a populao em estudo. Considera-se que a dimenso mnima de uma
amostra deve ser de 30 unidades estatsticas. No entanto, o tamanho da amostra depende
basicamente:
- Do grau de confiana que se quer obter nos resultados;
- Do grau de pormenor desejado na anlise;
- Dos recursos e tempo disponveis.
4.5.1. Modelos de amostras
De acordo com Huot (2002) as amostras podem ser: probabilsticas e no
probabilsticas. Apresentamos, baseados no mesmo autor, uma breve definio destes
tipos de amostras e das suas modalidades. Uma amostra diz-se probabilstica quando as
unidades que a constituem tiveram a mesma probabilidade de serem seleccionadas na
populao, e considera-se amostra no probabilstica nas outras situaes.
4.5.2. Amostras probabilsticas
As amostras probabilsticas podem ser: aleatrias simples, aleatrias
sistemticas, aleatrias estratificadas e agregados.
Figura 7: Modelos de amostras probabilsticas
Modelos de amostras Caractersticas
Aleatria simples - As unidades so seleccionadas, uma a uma, ao acaso, a
partir de um conjunto.
Aleatria sistemtica - Selecciona-se uma nica unidade ao acaso, as outras
so extradas com intervalos fixos.
Aleatria estratificada - As unidades so seleccionadas ao acaso, no seio de
subgrupos homogneos. Geralmente, uma amostra
estratificada de dimenso n constituda a partir das
vrias amostras simples, sendo cada unidade obtida
num dos subgrupos que constituem a amostra.
Agregados ou cachos - constituda por subgrupos homogneos
seleccionados ao acaso. No se seleccionam unidades
mas grupos.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
18
4.5.3. Amostras no probabilsticas
As amostras no probabilsticas podem ser: voluntrias, intencionais (por
acerto), acidentais (ao acaso) e por quotas.
Figura 8: Modelos de amostras no probabilsticas
Modelos de amostras Caractersticas
Voluntrias (ou por
convenincia)
- Constitudas por unidades que se disponibilizam
voluntariamente para integrar a amostra. Neste mtodo
selecciona-se a amostra em funo da disponibilidade e
acessibilidade dos elementos da populao.
Intencionais (por acerto) - Constitudas a partir das intenes ou necessidades do
investigador para estudar uma situao particular,
baseiam-se em opinies de uma ou mais pessoas que
conhecem caractersticas especficas que se pretendem
analisar da populao em estudo.
Acidentais (ao acaso) - As unidades so seleccionadas respeitando a ordem
com que aparecem. O mtodo consiste em seleccionar
inicialmente os inquiridos de modo aleatrio e, em
seguida, escolher unidades adicionais a partir da
informao obtida dos primeiros.
Quotas - A caracterstica principal de uma amostra por quotas
a necessidade de se qualificar o respondente "a priori";
- Tm as vantagens da economia de tempo e de
dinheiro;
- So estratificadas com a locao proporcional ao
nmero de sujeitos de cada estrato.
Os modelos de amostras no probabilsticos so bastante criticados pelos
tericos por no se pautarem em moldes probabilsticos, ou seja, na ideia de que todos
os elementos da populao tm a mesma probabilidade de serem seleccionados.
Cada vez mais agilidade, criatividade e sobretudo racionalidade em termos da
relao custo benefcio so exigidas por todos aqueles que tomam decises. Neste
sentido, obtm-se amostras para fazer inferncias da populao. Essas inferncias so
vlidas somente se as amostras so representativas da populao. Na prtica no existe
forma de garantir essa representatividade sem ter informao da populao inteira para
comparar com a amostra. E, em tais circunstncias no haveria necessidade de amostra.
Podemos assegurar que no existem vcios sistemticos na amostra atravs de
uma seleco aleatria nos membros da populao. Uma amostra aleatria independente
uma amostra seleccionada de tal forma que:
- Todos os membros da populao tm a mesma probabilidade de serem
seleccionados;
- Cada combinao possvel de um dado nmero de membros tem a mesma
probabilidade de ser seleccionada.
Em princpio, a melhor forma de obter uma amostra aleatria de tamanho n ter
uma lista de todos os elementos da populao, numerar os elementos de 1 a N, e ento
seleccionar aleatoriamente n nmeros, no conjunto {1, , N}. Depois de seleccionados
os n nmeros, basta fazer corresponder a cada nmero o respectivo elemento, que
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
19
passar a constituir um elemento da amostra. Na prtica, este processo no exequvel,
especialmente quando a populao infinita.
Sempre que uma amostra obtida, o processo de amostragem deve estar bem
documentado de tal forma que quaisquer inferncias retiradas acerca da populao
possam ser avaliadas luz da estratgia amostral.
Das muitas razes que poderiam ser evocadas para a utilizao de uma amostra,
em vez de uma populao, salientamos:
- Custos muito elevados para obter informao de toda a populao;
- Demasiado tempo para obter informao de toda a populao;
- Por vezes impossvel obter dados de toda a populao;
- Por vezes condio impossvel testar a populao. Como exemplo, dessa
impossibilidade, salientamos: testar todos os fsforos que produz uma fbrica para
averiguar a sua qualidade.
4.6. Conhecimento cientfico e tipos de investigao
Almeida & Freire (2000) consideram a psicologia como uma cincia que procura
descrever, explicar, predizer e controlar o comportamento humano. Neste sentido,
sugerem trs tipos de investigao, designando-os por: investigao descritiva
(descrever fenmenos, identificar variveis e inventariar factos), investigao
correlacional (relacionar efeitos de variveis, apreciar interaces e diferenciar grupos)
e, investigao experimental (procurar relaes causais, predizer e controlar fenmenos
e, estabelecer leis).
Acerca do conhecimento cientfico, Almeida & Freire (2000: 21-22), referem
que um conhecimento obtido atravs do mtodo cientfico, salientando como
principais caractersticas as seguintes:
- Objectivo, descreve a realidade como e no como se gostaria que fosse;
- Emprico, baseado nos fenmenos (ocorrncias) e nos factos (realidades);
- Racional, mais assente na razo e na lgica do que na intuio;
- Replicvel, as mesmas condies, em diferentes locais e com diferentes
experimentadores, devem proporcionar resultados idnticos;
- Sistemtico, deve constituir um todo coerente e integrado em sistemas mais
amplos;
- Metdico, obtido atravs de procedimentos e de estratgias fiveis mediante o
cumprimento de planos rigorosos;
- Comunicvel, conhecido, claro, preciso e, reconhecido pela comunidade
cientfica;
- Analtico, procura entrar na complexidade dos fenmenos;
- Cumulativo, constri-se e estrutura-se a partir de conhecimentos cientficos
anteriores.
4.7. Hipteses
Relativamente ao processo da sua formulao as hiptese podem classificar-se
em: dedutivas e indutivas (Almeida & Freire, 2000). As hipteses dedutivas decorrem
de um determinado campo terico e procuram comprovar dedues implcitas das
mesmas teorias. As hipteses indutivas surgem da observao ou reflexo sobre a
realidade. Os mesmos autores, relativamente ao nvel de concretizao dividem as
hipteses em: a) conceptuais (estabelecem uma relao entre variveis ou entre teorias),
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
20
b) operativas (indicam as operaes necessrias para a sua observao), e c) estatsticas
(expressam a relao esperada em termos quantitativos).
A hiptese de investigao a resposta temporria, provisria, que o
investigador prope perante uma interrogao formulada a partir de um problema de
investigao (Huot, 2002: 53).
4.8. Hipteses estatsticas
As decises, acerca das caractersticas da populao, baseiam-se em hipteses
que, de um modo geral, so afirmaes suportadas pelas distribuies dos dados
relativas s caractersticas da amostra que se pretendem testar.
Utilizamos estatsticas de uma amostra para estimar os verdadeiros valores
populacionais. Exemplos so a mdia amostral, o desvio padro amostral, a mediana
amostral, os quais permitem estimar a verdadeira mdia, desvio padro e mediana da
populao (que so desconhecidos). Os verdadeiros valores populacionais
(desconhecidos) so chamados parmetros.
Para cada caracterstica a testar definem-se duas hipteses. Uma, designada por
hiptese nula (H
0
), consiste em admitir que a aco experimental realizada com a
amostra no provocou alteraes nas suas caractersticas. A outra, designada por
hiptese alternativa (H
1
), consiste numa afirmao relativa s alteraes que se espera
que ocorram nas caractersticas da amostra em funo da aco experimental realizada,
cuja aceitao depende dos resultados da aplicao do teste estatstico e do nvel de
significncia adoptados (Morais, 2000).
Perante o resultado da aplicao do teste estatstico, considerado adequado,
pode-se tomar a deciso de rejeitar ou de no-rejeitar a hiptese nula (Guimares e
Cabral, 1997: 340). Em funo da rejeio da hiptese nula admite-se a hiptese
alternativa; caso contrrio, ou seja, a no-rejeio da hiptese nula implica que no se
possa tomar qualquer deciso acerca da hiptese alternativa.
Sabemos que o valor estimado, para um parmetro da populao, na maior parte
das vezes no exactamente igual ao valor verdadeiro. Ento, tem interesse encontrar
um intervalo de confiana que fornea um intervalo de valores plausveis para o
parmetro baseado nos dados amostrais. Um intervalo de confiana de 95% para um
parmetro populacional fornece um intervalo no qual estaramos 95% confiantes, que
integra o verdadeiro valor do parmetro. Tecnicamente, 95% de todos os intervalos de
confiana que construirmos contero o verdadeiro valor do parmetro (desde que todas
as suposies envolvidas estejam correctas).
Formulada uma hiptese acerca do comportamento da populao, considera-se
que um teste de hipteses uma regra de deciso que permite aceitar ou rejeitar essa
hiptese, com base na informao obtida na amostra (Vairinhos, 1995).
Quando se formulam hipteses esto-se a identificar variveis e as suas relaes,
ou seja est-se a definir o papel das variveis na investigao. A explicitao das
variveis e das suas relaes essencial na definio de um modelo para a investigao
que se pretende efectuar.
A rejeio ou no-rejeio de uma hiptese depende da probabilidade de erro
admitida (nvel de significncia) para cada situao, que nas investigaes no mbito da
educao , geralmente, de 0,05.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
21
Na aceitao ou rejeio da hiptese nula, podem ser cometidos dois tipos de
erro: erro tipo I e erro tipo II.
O erro tipo I comete-se quando se opta por rejeitar a hiptese nula H
0
, sendo esta
verdade.
O erro tipo II comete-se quando se opta por no rejeitar a hiptese nula H
0
,
sendo esta falsa.
4.9. Testes estatsticos
Para testar hipteses necessrio escolher o teste estatstico apropriado para
cada design experimental. A seleco do teste estatstico depende sempre do aesign
experimental escolhido para testar a hiptese experimental.
Existem fundamentalmente dois tipos de testes estatsticos, designados por
testes paramtricos e no-paramtricos. A principal diferena entre eles a sofisticao
das medidas utilizadas para calcular a variabilidade dos resultados (D `Oliveira &
Green, 1991: 69). Para os mesmos autores uma das vantagens dos testes no-
paramtricos que podem ser utilizados quando os dados experimentais apenas podem
ser medidos numa escala ordinal, admitindo-se ainda a sua utilizao em algumas
situaes, em que os dados so medidos numa escala nominal.
Na figura seguinte apresentamos possveis relaes entre a escala de medida e o
tipo de teste que se pode utilizar em algumas situaes experimentais.
Figura 9: Escalas de medida e procedimentos
(adaptado de Almeida & Freire: 2000: 66)
Nvel Escala Caractersticas Estatstica
(Modelo)
Procedimentos
(Exemplos)
1 Nominal - Classificao;
- Contagem.
2 Ordinal - Valores ordenados;
- Diferenas
tomando os postos.
- No
Paramtrico
- Frequncias;
- % Acumuladas;
- Qui-quadrado;
- r-bisserial;
- Rh de Spearman;
- t-Wilcoxon;
- Teste de sinais-
Mann-Whitney.
3 Intervalar - Intervalos iguais;
- Zero no absoluto.
4 Proporcional
(ou de razo)
- Intervalos iguais;
- Zero absoluto;
- Razo entre
quantidades.
- Paramtrico - Mdia;
- Desvio padro;
- Frequncia;
- Anlise de varincia;
- r de Pearson;
- Regresso.
Segundo D`Oliveira & Green (1991) a funo dos dois tipos de testes,
paramtricos e no-paramtricos idntica, com qualquer um deles o investigador
pretende verificar se os resultados de uma experincia ocorreram devido a flutuaes
aleatrias causadas por variveis desconhecidas. Assim, o investigador poder decidir se
esta probabilidade aleatria suficientemente baixa para rejeitar a hiptese nula e
aceitar a hiptese experimental. A diferena entre testes, paramtricos e no-
paramtricos diz respeito ao mtodo de clculo destas probabilidades.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
22
4.10. Procedimentos na aplicao de testes estatsticos
Os principais procedimentos que devem preceder a aplicao de um teste
estatstico so:
- Definir a hiptese nula H
0
e a hiptese alternativa H
1
;
- Decidir qual o teste a ser usado, analisando se este vlido para o problema;
- Encontrar a probabilidade (p-valor);
- Avaliar a fora da evidncia contra H
0
(quanto menor for p-valor, maior a
fora para rejeitar a hiptese nula);
- Estabelecer as concluses e interpretao dos resultados.
O p-valor a probabilidade que permite decidir sobre a hiptese nula. Seguem-
se algumas interpretaes acerca de p-valores:
- Se p
e
s
pge7
pgc7
tge7
tgc7
pge7 - pontuaes dos alunos de 7 ano do grupo experimental obtidas no pr-teste
pgc7 - pontuaes dos alunos de 7 ano do grupo de controlo obtidas no pr-teste
tge7 - pontuaes dos alunos de 7 ano do grupo experimental obtidas no ps-teste
tgc7 - pontuaes dos alunos de 7 ano do grupo de controlo obtidas no ps-teste
As representaes da figura anterior evidenciam que as pontuaes relativas ao
pr-teste foram idnticas nos dois grupos e que as relativas ao ps-teste foram mais
elevadas no grupo experimental.
4.11.4.Representao de dados em tabelas
Enquanto que para representar os dados graficamente houve a preocupao de os
ordenar e de igualar o tamanho das amostras, de acordo com um critrio definido para o
efeito, nas tabelas apresentam-se a totalidade dos dados de cada grupo de sujeitos de
acordo com a sequncia com que foram recolhidos.
Como as pontuaes obtidas no pr-teste foram muito baixas e idnticas nos dois
grupos, na tabela seguinte e no tratamento estatstico a realizar, consideraram-se apenas
as distribuies das pontuaes obtidas pelos alunos no ps-teste.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
25
Figura 11: Distribuies das pontuaes - ps-teste
Grupo Pontuaes (%) Grupo Pontuaes (%)
Experimental O71ge O72ge O7ge de Controlo O71gc O72gc O7gc
E7T1 42,5 35 77,5 C7T1 10 2,5 12,5
E7T2 7,5 10 17,5 C7T2 32,5 22,5 55
E7T3 42,5 45 87,5 C7T3 10 2,5 12,5
E7T4 0 0 0 C7T4 5 0 5
E7T5 35 20 55 C7T5 0 0 0
E7T6 42,5 40 82,5 C7T6 25 5 30
E7T7 32,5 37,5 70 C7T7 0 0 0
E7T8 10 5 15 C7T8 17,5 0 17,5
E7T9 7,5 12,5 20 C7T9 25 20 45
E7T10 15 25 40 C7T10 5 2,5 7,5
E7T11 42,5 45 87,5 C7T11 30 35 65
E7T12 25 30 55 C7T12 15 2,5 17,5
E7T13 15 10 25 C7T13 0 0 0
E7T14 25 17,5 42,5 C7T14 10 0 10
E7T15 22,5 37,5 60 C7T15 0 0 0
E7T16 32,5 35 67,5 C7T16 2,5 0 2,5
E7T17 2,5 12,5 15 C7T17 32,5 22,5 55
E7T18 17,5 22,5 40 C7T18 0 0 0
E7T19 15 15 30 C7T19 40 35 75
E7T20 5 25 30 C7T20 32,5 22,5 55
E7T21 15 2,5 17,5 C7T21 0 0 0
E7T22 27,5 27,5 55 C7T22 5 0 5
E7T23 37,5 35 72,5 C7T23 30 27,5 57,5
E7T24 47,5 22,5 70 C7T24 12,5 2,5 15
E7T25 42,5 40 82,5
O7ge - pontuaes dos alunos de 7 ano do grupo experimental relativas varivel resoluo
de problemas que envolvem equaes
O71ge - pontuaes dos alunos de 7 ano do grupo experimental relativas varivel resoluo
de equaes
O72ge - pontuaes dos alunos de 7 ano do grupo experimental relativas varivel resoluo
de problemas
O7gc - pontuaes dos alunos de 7 ano do grupo de controlo relativas varivel resoluo de
problemas que envolvem equaes
O71gc - pontuaes dos alunos de 7 ano do grupo de controlo relativas varivel resoluo de
equaes
O72gc - pontuaes dos alunos de 7 ano do grupo de controlo relativas varivel resoluo de
problemas
Na tabela anterior verifica-se que o valor mnimo assumido por cada varivel
nos dois grupos zero. O valor mximo assumido na varivel: "resoluo de problemas
que envolvem equaes" de 87,5 no grupo experimental e 75,0 no grupo de controlo;
na varivel "resoluo de equaes" de 47,5 no grupo experimental e 40,0 no grupo de
controlo; e na varivel "resoluo de problemas" de 45,0 no grupo experimental e 35,0
no grupo de controlo. O valor mximo que cada varivel assumiu nos dados do grupo
experimental foi superior ao valor correspondente, nessa varivel, nos dados do grupo
de controlo.
Conhecidos os resultados de desempenho, em termos de pontuaes, coloca-se o
problema de saber se existiro diferenas significativas entre os resultados dos dois
grupos, em cada uma das variveis.
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
26
4.11.5.Hipteses estatsticas
A comparao, ao nvel estatstico, dos resultados de desempenho em
Matemtica dos dois grupos foi efectuada, tendo como orientao as seguintes
hipteses:
- H
1
1: Os alunos de 7 ano de escolaridade que utilizam comunicao mediada
por computador, no apoio s actividades lectivas, obtm resultados de desempenho mais
elevados na resoluo de problemas que envolvem equaes do que aqueles que a no
utilizam;
- H
1
2: Os alunos de 7 ano de escolaridade que utilizam comunicao mediada
por computador, no apoio s actividades lectivas, obtm resultados de desempenho mais
elevados na resoluo de equaes do que aqueles que a no utilizam;
- H
1
3: Os alunos de 7 ano de escolaridade que utilizam comunicao mediada
por computador, no apoio s actividades lectivas, obtm resultados de desempenho mais
elevados na resoluo de problemas do que aqueles que a no utilizam.
Os dados utilizados para a verificao de cada uma das hipteses anteriores
foram as pontuaes, relativas a cada varivel, obtidas pelos alunos de cada grupo de 7
ano. Para averiguar se as diferenas entre as pontuaes dos dois grupos foram
significativas, utilizou-se o teste t de Student. Este teste permite verificar se a diferena
entre as mdias das pontuaes associadas a cada varivel significativa.
A anlise e discusso dos dados, em funo dos procedimentos estatsticos
realizados, foram efectuadas a partir dos resultados constantes na tabela seguinte. Dela
fazem parte, para alm da identificao das variveis e das amostras de dados, o valor
da mdia e do desvio padro de cada amostra, bem como a diferena entre as mdias e
os resultados da aplicao dos testes estatsticos de Kolmogorov-Smirnov, de Levene e
de Student.
Figura 12: Resultados estatsticos
(Comparao das pontuaes no ps-teste)
Variveis Amostras
de dados
(*)
Mdia Desvio
Padro
Teste de
Kolmogorov-
Smirnov (1)
Teste de
Levene
(2)
Teste t de Student
(3)
Z Nvel
de
signif.
F Nvel
de
signif.
t
Nvel
de
signif.
Difer.
entre
mdias
Resoluo de
problemas que
O7ge 48,60 26,66 0,604 0,859 0,294 0,590 3,524 0,001 26,00
envolvem
equaes
O7gc 22,60 24,90 1,214 0,105
Resoluo de O71ge 24,30 14,76 0,678 0,747 0,402 0,529 2,520 0,015 10,13
equaes O71gc 14,17 13,30 0,839 0,482
Resoluo de O72ge 24,30 13,49 0,731 0,660 0,201 0,656 4,297 0,000 15,86
problemas O72gc 8,44 12,29 1,725 0,005
(*) As amostras de dados so as pontuaes apresentadas na tabela anterior e o tamanho das
amostras O7ge, O71ge e O72ge 25 e das amostras O7gc, O71gc e O72gc 24
(1) - Teste para verificar se a distribuio normal;
(2) - Teste para verificar a igualdade de varincias;
(3) - Teste para verificar a igualdade das mdias.
A mdia das pontuaes dos alunos do grupo experimental foi superior mdia
das pontuaes do grupo de controlo em todas as variveis. de salientar, no entanto,
que as mdias das pontuaes dos dois grupos foram bastante baixas em todas as
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
27
variveis. Mesmo a mdia mais elevada (48,60), obtida pelo grupo experimental na
varivel resoluo de problemas que envolvem equaes, baixa atendendo a que a
mxima pontuao possvel para esta varivel de 100 pontos.
Para efectuar a anlise da diferena entre as mdias recorreu-se aplicao do
teste t de Student. Como a aplicao deste teste pressupe que as distribuies dos
dados no difiram muito da distribuio normal, aplicou-se o teste de Kolmogorov-
Smirnov para averiguar se tais distribuies satisfazem a caracterstica referida.
Atendendo aos resultados da tabela anterior, com excepo da distribuio dos
dados do grupo de controlo relativos varivel resoluo de problemas, todas as
outras distribuies podem ser consideradas como normais.
Para testar a diferena entre as mdias das pontuaes dos dois grupos de 7 ano
assumidas pela varivel resoluo de problemas que envolvem equaes formulou-se
a seguinte hiptese nula, associada hiptese alternativa H
1
1:
H
0
1: No significativa a diferena entre as mdias das pontuaes,
obtidas na resoluo de problemas que envolvem equaes, dos alunos de 7 ano
de escolaridade que utilizam comunicao mediada por computador no apoio s
actividades lectivas e aqueles que a no utilizam.
Esta hiptese foi testada a partir das pontuaes obtidas pelos alunos de 7 ano
na totalidade do teste, correspondentes varivel resoluo de problemas que
envolvem equaes, assumindo valores no intervalo [0, 100].
Pela observao da tabela anterior pode-se concluir que o valor de t
significativo para um nvel de significncia de 0,001, portanto inferior a 0,05, pelo que
pode-se rejeitar a hiptese nula e admitir a hiptese alternativa. Assim, pode-se admitir
que h diferenas significativas entre os resultados de desempenho do grupo
experimental e os do grupo de controlo de 7 ano, relativamente varivel resoluo
de problemas que envolvem equaes.
Procedeu-se de modo anlogo para analisar a diferena entre as mdias das
pontuaes dos dois grupos relativas varivel "resoluo de equaes". A hiptese
nula, associada hiptese alternativa H
1
2, a seguinte:
H
0
2: No significativa a diferena entre as mdias das pontuaes,
obtidas na resoluo de equaes, dos alunos de 7 ano de escolaridade que
utilizam comunicao mediada por computador no apoio s actividades lectivas
e aqueles que a no utilizam.
A hiptese H
0
2 foi testada a partir das pontuaes obtidas pelos alunos nas
questes do teste relativas a equaes, correspondentes varivel resoluo de
equaes que assume valores no intervalo [0, 50].
O valor da mdia das pontuaes, relativas varivel resoluo equaes, do
grupo experimental foi superior ao valor da mdia das pontuaes do grupo de controlo.
Pelos resultados provenientes da aplicao do teste t de Student, pode-se rejeitar a
hiptese nula a um nvel de significncia de 0,015, ou seja, inferior a 0,05. Portanto
admite-se que existem diferenas significativas entre os resultados de desempenho dos
dois grupos, relativos varivel "resoluo de equaes".
Para verificar se a diferena entre as mdias, relativa varivel resoluo de
problemas, foi significativa utilizaram-se os resultados da aplicao do teste t de
Student, tendo por base a seguinte hiptese nula, subjacente hiptese alternativa H
1
3:
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
28
H
0
3: No significativa a diferena entre as mdias das pontuaes,
obtidas na resoluo de problemas, dos alunos de 7 ano de escolaridade que
utilizam comunicao mediada por computador no apoio s actividades lectivas
e aqueles que a no utilizam.
Esta hiptese foi testada a partir das pontuaes, obtidas pelos alunos de 7 ano
nas questes do teste relativas a problemas, correspondentes varivel resoluo de
problemas que assume valores no intervalo [0, 50].
Atendendo aos resultados constantes na tabela anterior no se pode concluir que
existam diferenas significativas entre os resultados de desempenho do grupo
experimental e os do grupo de controlo de 7 ano, relativos varivel resoluo de
problemas. Embora o valor de t permitisse rejeitar a hiptese nula, mas atendendo aos
resultados da aplicao do teste de Kolmogorov-Smirnov pode-se rejeitar a hiptese de
que "a distribuio dos dados do grupo de controlo relativos varivel resoluo de
problemas normal". Assim, nesta situao no esto garantidas as condies de
aplicabilidade do teste t de Student e, portanto, no se podem aceitar os resultados
provenientes da sua aplicao. Pelo exposto, apenas se pode afirmar que o valor da
mdia das pontuaes, relativas varivel resoluo de problemas, obtidas pelo grupo
experimental de 7 ano, foi superior ao valor da mdia das pontuaes obtidas pelo
grupo de controlo desse ano.
Em sntese, de acordo com os procedimentos estatsticos realizados, poderemos
afirmar que:
- Os alunos de 7 ano de escolaridade que utilizam comunicao mediada por
computador, no apoio s actividades lectivas, obtm resultados de desempenho mais
elevados na resoluo de problemas que envolvem equaes do que aqueles que a no
utilizam;
- Os alunos de 7 ano de escolaridade que utilizam comunicao mediada por
computador, no apoio s actividades lectivas, obtm resultados de desempenho mais
elevados na resoluo de equaes do que aqueles que a no utilizam.
5. Bibliografia
Almeida, L. &, Freire, T. (2000). Metoaologia aa investigao em psicologia e
eaucao (2 ed.). Braga: Psiquilbrios.
D`Ancona, M. ngeles (1999). Metoaologia cuantitativa: Estrategias y tecnicas ae
investigacion social. Madrid: Editorial Sntesis, S. A.
D`Hainaut, L. (1990). Conceitos e Metoaos aa Estatistica. Lisboa: Fundao Calouste
Gulbenkian.
Delgado, J. & Gutirrez (org.) (1999). Metoaos y tecnicas cualitativas ae investigacion
en ciencias sociales (3 ed.). Madrid: Editorial Sntesis, S. A.
Green, J. & d`Oliveira, M. (1991). Testes estatisticos em psicologia. Lisboa: Editorial
Estampa.
Guimares, R. & Cabral, J. (1997). Estatistica. Lisboa: McGraw-Hill.
Guimares, R. & Cabral, J. (1999). Estatistica (Eaio Revista;. Lisboa: McGraw-Hill.
Herrero, F. & Cuesta, M. (s/d). Escalas ae meaiaa y estaaistica.
http://www.psico.uniovi.es/Dpto_Psicologia/metodos/tutor.2/Medida.html.
(acedido em 16-06-2005)
____________________
Carlos Mesquita Morais
http://www.ipb.pt/~cmmm
29
Hill, M. Magalhes & Hill, A. (2002). Investigao por questionario (2 ed.). Lisboa:
Edies Slabo.
http://alea.ine.pt/html/nocoes/html/cap1_1_0.html (acedido em 20-06-2005)
http://pt.wikipedia.org/wiki/Escala_%28estat%C3%ADstica%29 (10-06-05)
http://www.est.ufpr.br/~paulojus/CE003/ce003/node2.html (10-06-20005)
http://www.manhanelli.com.br/pesquisas.html#tipos (21-06-20005)
http://www.vademecum.com.br/iatros/estdiscritiva.htm (10-06-20005)
Huot, Rjean (2002). Metoaos quantitativos para as ciencias humanas (traduo de
Maria Lusa Figueiredo). Lisboa: Instituto Piaget.
Morais, C. (2000). Complexiaaae e comunicao meaiaaa por computaaor. Tese de
Doutoramento em Educao rea do Conhecimento de Metodologia do
Ensino da Matemtica. Braga: Universidade do Minho.
Paulos, J. (1991). O circo aa matematica: Para alem ao inumerismo. Mem Martins:
Publicaes Europa - Amrica Lda..
Reis, E. (1996). Estatistica aescritiva. Lisboa: Edies Slabo.
Reis, E., Melo, P., Andrade, R., & Calapez, T. (1999). Estatistica aplicaaa (Vol. 2).
Lisboa: Edies Slabo.
Reis, E., Melo, P., Andrade, R., & Calapez, T. (1999). Estatistica aplicaaa (Vol. 1).
Lisboa: Edies Slabo.
Spigel, M. (1978). Probabiliaaae e estatistica (traduzido por Alfredo Faria). So Paulo:
McGraw - Hill Ltda.
Vairinhos, V. M. (1995). Estatistica. Lisboa: Universidade Aberta.
Vairinhos, V. M. (1996). Elementos ae probabiliaaae e estatistica. Lisboa:
Universidade Aberta.