Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2012
2
NDICE Pgina Introduo, 4
Captulos
Pgina
1. ESTATSTICA DESCRITIVA, 5 1.1. Distribuio de Freqncia, 5 1.2. Medidas de Tendncia Central, 10 1.3. Exerccios sobre Medidas de Tendncia Central e Freqncia, 17 1.4. Medidas de Disperso ou Variabilidade, 24 1.5. Delta Percentual, 32 1.6. Percentil, 32 1.7. Escore Z, 35 1.8. Converso Importante, 38 1.9. Grficos, 39
2. ESTATSTICA INFERENCIAL, 45 2.1. Estatstica Paramtrica e No Paramtrica, 45 2.2. Testar a Normalidade dos Dados, 47 2.2.1. Teste de Shapiro-Wilk, 47 2.2.2. Teste de Kolmogorov-Smirnov, 51 2.3. Hiptese Nula e Nvel de Significncia, 57 2.4. A Maioria dos Testes de Significncia so Bicaudais, 61 2.5. O Tamanho da Amostra Afeta os Graus de Liberdade, 63
3
2.6. Teste t para uma amostra (est. paramtrica), 66 2.7. Teste dos Sinais (est. no paramtrica), 72 2.8. Teste t independente (est. paramtrica), 78 2.9. Teste U de Mann-Whitney (est. no paramtrica), 94 2.10. Teste t Pareado (est. paramtrica), 112 2.11. Teste de Wilcoxon (est. no paramtrica), 121 2.12. Anova Simples (est. paramtrica), 133 2.13. Teste H da Anova de Kruskal-Wallis (est. no paramtrica), 162 2.14. Anova Fatorial (est. paramtrica), 172 2.15. Anova de Medidas Repetidas (est. paramtrica), 196 2.16. Anova de Friedman (est. no paramtrica), 216 2.17. Correlao Linear de Pearson (est. paramtrica), 226 2.18. Coeficiente de Correlao de Spearman (est. no paramtrica), 239 2.19. Regresso Linear Simples, 245 2.20. Regresso Mltipla, 267
4
Introduo O estudo da estatstica pelo profissional que lida com o esporte e com a atividade fsica contedo extremamente importante na anlise dos dados colhidos de uma pesquisa ou no entendimento de um artigo cientfico. Entretanto, geralmente o profissional dessas reas costuma possuir dificuldade quando est aprendendo estatstica. Um dos motivos que a maioria das referncias da estatstica no apresenta passo a passo como foi achado o resultado. Sabendo dessa lacuna na literatura dos profissionais do esporte e da atividade fsica, esta obra explicar como calcular um determinado contedo da estatstica e ensinar em detalhes o uso do SPSS para Windows. Ao longo desse trabalho o aluno de graduao e ps-graduao conseguir entender a estatstica descritiva e a estatstica inferencial, com seu contedo paramtrico e no paramtrico. O assunto inicial estar centrado na distribuio de freqncia, na medida de tendncia central e nas medidas de disperso. Aps esse tema o estudante aprender de forma agradvel e divertida o percentil, o escore Z e o delta percentual. Terminando o captulo da estatstica descritiva, o aprendiz ter acesso como utilizar alguns grficos. O prximo captulo ser sobre a estatstica inferencial, sendo ensinado os testes de normalidade, o Shapiro-Wilk e o Kolmogorov-Smirnov, com o seu clculo passo a passo e o uso desses testes no SPSS. Em seguida o estudante aprender a estatstica paramtrica e no paramtrica. Desejo aos estudantes e cientistas, bom proveito desse material. Passe as pginas e confira essa obra.
Assinado:
5
Captulo 1 ESTATSTICA DESCRITIVA Ela utilizada para descrever as caractersticas de um conjunto.
1.1. Distribuio de Frequncia Utilizada para organizar os dados de um grupo. Caso o leitor queira se aprofundar mais sobre esse tema, basta consultar as seguintes obras:
Barros M, Reis R (2003). Anlise de dados em atividade fsica e sade. Londrina: Midiograf, p. 31-3.
Mathews D (1980). Medida e avaliao em educao fsica. 5 ed. Rio de Janeiro: Interamericana, p. 28-30.
Tritschler K (2003). Medida e avaliao em educao fsica e esportes. 5 ed. Barueri: Manole, p. 107-12.
Weinberg S, Goldberg K (1990). Statistics for the behavioral sciences. Univesity of Cambridge: Cambridge, p. 17-37.
6
Exerccios de Frequncia 20 alunos do curso de Educao Fsica, escolhidos aleatoriamente, foram submetidos a uma bateria de testes de capacitao fsica. Entre os testes aplicados, destacamos uma corrida de 300 metros em pista apropriada, onde obtemos os resultados abaixo, em segundos: 63 44 90 45 60 55 69 36 56 49 30 72 45 50 73 45 57 79 68 34 Pergunta-se: a) Qual a porcentagem dos alunos testados apresentaram o tempo de corrida de no mnimo 70 segundos? n total de elementos ou n x 100 = ?% n total de alunos
Logo n 4
N de alunos 20
4 x 100 = 20% 20
b) Qual a porcentagem desses alunos que apresentaram o tempo de corrida entre 40 e 70 segundos (exclusive)? 40 a 70 13 x 100 = 65% 20
7
c) Qual a porcentagem dos alunos testados apresentaram o tempo de corrida em no mais que 45 segundos? 7 x 100 = 35% 20
d) Calcular a amplitude total da distribuio simples acima. Amplitude Total (AT) = 90 (pior tempo) 30 (melhor tempo) = 60``
e) Calcule o tempo mdio de corrida do grupo selecionado acima. Tempo Mdio = Soma-se todos os tempos N total de alunos TM = 1120 = 56`` 20
f) Utilizando a distribuio acima, elabore uma distribuio de freqncia. K= 1+3,332 K= 1+3,332 . log 20 log 20 = 1,3010 K5
Amplitude de Classe = 60 (amplitude total) = 12 5 Classes (tempos chamado de x) 30 42 42 54 54 66 66 78 78 90 N de alunos (freqncia - chamo de f) 3 (30, 36, 34) 6 (45, 44, 45, 50, 49, 45) 5 (54, 55, 57, 56, 60) 4 2 Total: 20
8
g) Classifique os limites da quarta classe. 66 78 Limite inferior (LI) = 66 Limite superior (LS) = 78
h) Calcular e indicar na distribuio de freqncia o ponto mdio de cada classe. Ponto Mdio (PM) = LI + LS Classes 30 42 42 54 54 66 66 78 78 90 PM 36 48 60 72 84
i) Determinar e indicar na distribuio acima, a freqncia relativa de cada classe. Freqncia de alunos 3 6 5 4 2 Freqncia relativa (FR) = Freqncia de alunos (f) x 100 N total de alunos FR = 5 x 100 = 25% 20 FR = 4 x 100 = 20% 20 Os demais n da freqncia feita a mesma conta.
9
j) Indicar a distribuio de freqncia acumulada. Freqncia 3 6 5 4 2 3 3+6=9 3 + 6 + 5 = 14 18 20
Logaritmos Decimais Nmero (N) 10 15 20 25 30 35 40 45 50 Logartimo do Nmero (Log N) 1,0000 1,1761 1,3010 1,3979 1,4771 1,5441 1,6021 1,6532 1,6990
10
1.2. Medidas de Tendncia Central So medidas que tendem se localizar no centro da distribuio e o escore representa todos os nmeros da amostra. Caso o leitor queira se aprofundar mais sobre esse tema, basta consultar as seguintes obras:
Barros M, Reis R (2003). Anlise de dados em atividade fsica e sade. Londrina: Midiograf, p. 33-5.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. Porto Alegre: Artmed, p. 58-70.
Mathews D (1980). Medida e avaliao em educao fsica. 5 ed. Rio de Janeiro: Interamericana, p. 30-6.
Pompeu F (2006). Guia para estudos em biodinmica do movimento humano. So Paulo: Phorte, p. 28-9.
Tritschler K (2003). Medida e avaliao em educao fsica e esportes. 5 ed. Barueri: Manole, p. 125-129.
11
Principais medidas: Mdia - a soma de todos os escores dividido pelo nmero de observaes.
Mediana (Me) uma medida que divide a distribuio em duas partes. - Mediana par: 1) Ordenar os valore, tendo dois dados centrais (30, 33, 40, 44, 45 e 50) esto em amarelo. Resolver o clculo para achar a mediana: Med = (x + x): 2. Med = (40 + 44) : 2 = 42. - Mediana mpar: Sabendo que a quantidade de nmeros mpar (30, 33, 40, 44, 45, 50 e 53), resolva o clculo para achar a mediana: Med = (quant. n + 1): 2. Med = (7 + 1): 2 = 4 escore, sendo 44.
Moda (Mo) - o elemento mais comum numa distribuio, isto , aquele que aparece o maior nmero de vezes. Exemplo: 42 38 75 57 49 75 66 49 38 49 (Mo = 49 unimodal). Amodal quando no existe moda e Plurimodal quando a moda mais de um mesmo nmero.
12
Uso do SPSS para Estabelecer a Mdia (statistical pockage for the social sciences / pacote estatstico para cincias sociais) 1) Clicar no atalho para abrir o SPSS. 2) Planilha do SPSS aberta
3)
13
4)
1) Clique o nome da varivel. 2) Escolha quantos caracteres podero aparecer na clula. 3) Escolha quantas casas decimais voc ir utilizar.
14
5)
6)
15
7) 1) Clique em Arquivo (File).
2) Clique em Salvar Como (Save as). Obs.: Todos esses procedimentos (1 a 7) merecem ser realizados em qualquer modelo estatstico.
8)
16
9) 1) Clique na varivel de interesse. 2) Clique na seta, passando para Varivel (variable).
10)
17
11) Resultado.
Salto
1.3. Exerccios sobre Medidas de Tendncia Central e Frequncia Num determinado dia, o aluno x do curso de Educao Fsica e professor da academia de ginstica y, resolveu testar os seus 25 melhores alunos na parte de flexo, obtendo os resultados abaixo: 78 54 94 59 70 42 82 55 60 83 59 67 89 78 44 72 40 51 47 61 Determine: a) O nmero mdio de flexes representativo do grupo testado acima. Todos os valores acima so somados e divididos por 25. b) O valor mediano desta distribuio. 40 42 44 46 47 51 54 55 59 59 59 60 (Me) 61 65 66 67 70 72 78 78 79 82 83 89 94 X = 1600 : 25 = 64
18
c) O valor modal da distribuio acima ou nmero de flexes mais comum na distribuio. Mo = 59 d) A distribuio de freqncia representativa dos resultados obtidos acima. K = 1 + 3,332 . log 25 Amplitude Total = 94 40 = 54 1 + 3,332 x 1,3979 6
N de Flexes (x) 40 49 49 58 58 67 67 76 76 85 85 - 94
19
Ponto Mdio (xj) 44,5 53,5 62,5 71,5 80,5 89,5
Mdia Ponderada a multiplicao entre f (n de alunos) pelo xj (ponto mdio). Logo o resultado : 5 x 44,5 = 222,5 3 x 53,5 = 160,5 7 x 62 = 437,5 3 x 71,5 = 214,5 5 x 80,5 = 402,5 2 x 89,5 = 179 Depois, soma todos os valores, sendo igual a 1616,5. Em seguida, divide 1616,5 pelo N de elementos, sendo conforme a letra e.
e) O nmero mdio de flexes, utilizando a distribuio de freqncia acima. X = 1616,5 : N de Alunos X = 1616,5 : 25 65 f) Utilizando a distribuio de freqncia, o nmero de flexes mediano ou aquele que mantm abaixo 50% da distribuio. Me: mediana ou valor mediano
20
Xe: ponto inicial da classe cuja a freqncia acumulada imediatamente superior P h: amplitude da classe Xe Fa: freqncia acumulada da classe imediatamente anterior a Xe f1: freqncia da classe Xe
P = N total de elementos : 2
P = 25 : 2 = 12,5
Xe = 58 h = 67 58 = 9 Fa = 8 f1 = 7
Me = 58 + 9 ( 12,5 8 ) 64 7
21
g) O nmero de flexes mais freqente na distribuio acima. N de Flexes 40 49 49 58 58 67 67 76 76 85 85 94 Mo: moda ou modal freqncia mxima (fmx) = 7 (Obs.: Se tiver duas fmx, deve calcular duas vezes e vai possuir dois resultados) f anterior = 3 f posterior = 3 Xo (ponto inicial da classe de fmx) = 58 h (amplitude da classe Xo) = 9 Mo = Xo + h . ( fmx fant ) Freqncia 5 3 7 3 5 2
Mo = 58 + 9 . ( 7 3 ) = 62,5 2.7(33)
22
1.3. Exerccios sobre Medidas de Tendncia Central e Frequncia Contratado como estagirio de uma academia de ginstica para atuar no departamento de natao, um aluno do curso de educao fsica resolveu testar os 30 primeiros alunos matriculados, antes de qualquer trabalho tcnico com o grupo. Marcou o dia e, sob o mesmo tempo e modalidade, resolveu registrar os resultados obtidos, conforme apresentao abaixo: 230 150 195 200 130 180 135 160 190 145 170 120 200 140 125 150 140 190 120 155 130 190 165 180 120 190 130 240 160 180 Pede-se: a) Qual a porcentagem desses alunos nadaram no mnimo 190 metros? 9/30 x 100 = 30%
b) Qual a porcentagem desses alunos nadaram o mximo 140 metros? 10/30 x 100 = 33 %
23
d) Calcular a distncia mdia em metros representativa do grupo acima, utilizando a distribuio de freqncia. Nadaram (x) 120 140 (130, 135, 120, 130, 120, 130, 125, 120) 140 160 Xe 160 180 180 200 200 220 220 240 Freqncia (f) fmx 8 6 4 8 2 2 Total 30 X = 5020 : 30 167 m PM (x . j) 130 150 170 190 210 230 Mdia Ponderada (fj . xj) 1040 900 680 1520 420 460 Total 5020
e) Calcular o valor mediano, utilizando a distribuio de freqncia. Me = Xe + h . ( P Fa ) f Nadaram (x) 120 140 140 160 160 - 180 Freqncia 8 6 4 Me 160 + 20 . (15 14) = 165 m 4 Freqncia 8 8 + 6 = 14 14 + 4 = 18
f) Determine o valor modal, utilizando a distribuio de freqncia. Mo = 160 + 20 . ( 8 0) = 136 m 2 . 8 (0 + 6) Mo = 180 + 20 . (8 4) = 188 m 2 . 8 (4 + 2)
24
1.4. Medidas de Disperso ou Variabilidade - Fornecem a idia de variabilidade de um conjunto. - o grau em que os dados numricos tendem dispersar-se em torno de um valor mdio. - Saber a variabilidade dos escores importante para o entendimento da distribuio dos dados.
Caso o leitor queira se aprofundar mais sobre esse tema, basta consultar as seguintes obras: Amadio A, Barbanti V (2000). A biodinmica do movimento humano e suas relaes interdisciplinares. So Paulo: Estao Liberdade e USP, p. 124-126. Barros M, Reis R (2003). Anlise de dados em atividade fsica e sade. Londrina: Midiograf, p. 35-9. Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. Porto Alegre: Artmed, p. 90-3.
Mathews D (1980). Medida e avaliao em educao fsica. 5 ed. Rio de Janeiro: Interamericana, p. 36-8. Pompeu F (2006). Guia para estudos em biodinmica do movimento humano. So Paulo: Phorte, p. 29-31. Tritschler K (2003). Medida e avaliao em educao fsica e esportes. 5 ed. Barueri: Manole, p. 130-5.
25
As medidas de disperso ou variabilidade so constitudas por: Amplitude de variao, Coeficiente de variao, Erro padro e Desvio padro. Amplitude de Variao (AV) - a forma mais simples e rpida de medida da disperso. - Esta forma de medir a disperso no muito eficiente porque no informa o que ocorre entre os valores mnimos e mximos. - AV a diferena entre o maior e o menor valor do conjunto de dados. AV = mximo - mnimo
Exemplo: Grupo 1: AV = 7 3 = 4 G2: AV = 9 1 = 8 G3: AV = 5 5 = 0 - O G2 apresentou maior variabilidade, seguido do G1 e do G3, que no apresentou variabilidade (zero).
26
Coeficiente de Variao (CV) - Expressa variabilidade relativa a mdia quando se deseja comparar srie de dados em diferentes unidades de medida. - Muito utilizado na estimativa da repetibilidade de um resultado. - O seu uso questionado pelos estatsticos (pouca preciso).
CV = (Desvio Padro : Mdia) x 100 = ?% Distribuio Homognea: Igual ou menor que 15%. / Distribuio Heterognea: Maior que 15%.
Exemplo: CV da estatura do atletismo = 12% / CV da estatura do karat = 22% Atletismo possui um CV homogneo (12%). / Karat possui um CV heterogneo (22%). Anlise: A variabilidade da estatura do karat maior do que a variabilidade do atletismo.
Erro Padro - a variao de um desvio padro das mdias, em torno de um mdia. - D a faixa de probabilidade na qual a mdia ocorrer. EP = desvio padro : n
27
Desvio Padro (DP) - a melhor forma para descrever a disperso em torno da mdia - o grau de disperso em cima do valor mdio. - Trata-se de uma estimativa da variabilidade dos escores de um grupo em torno da mdia.
S=
somatrio de
- Mdia
N (quant. de elementos)
28
Agora, coloca-se os valores na frmula do DP: S= 113 - 25 3 S = 113 : 3 = 37,66 S = 37,66 25 = 12,66
S =
12,66
= 3,55
. Quanto menor o S ou DP ou d, mais homognea a amostra. Isto , um pequeno DP indica que os resultados esto aproximados, enquanto que um grande DP indica que os resultados esto bastante espalhados (heterogneos).
Relao da Mdia e do Desvio Padro . O DP uma medida terica da disperso de 68% dos resultados centrais tomados a partir da mdia. . Grosseiramente, 68% de um conjunto de escores se localizam entre 1 s, aproximadamente 95% de escores entre 2 s, e em torno de 99% dos escores entre 3 s. Isto chamado de DISTRIBUIO NORMAL. . A DISTRIBUIO NORMAL (DN) produz um polgono de freqncia com a forma de um sino. Porm, quando a amostra pequena, em muitos casos no possui uma DN.
29
. Tritschler (2003) fornece um exemplo para o leitor estabelecer a DN e conseguir compreender a relao entre mdia e DP, proporcionando uma compreenso do DP em qualquer distribuio. Sendo: Mdia = 63 DP = 8 Realizar a seguinte conta: Mdia + DP + DP + DP Realizar a 2 conta: Mdia DP DP DP 63 + 8 + 8 + 8 = 87 63 8 8 8 = 39
Atravs desse clculo esperado que a maioria dos resultados recaiam entre 39 e 87, sendo 99%. Caso voc some 39 mais 3 vai dar 42, se fizer o mesmo com 42 vai dar 45. Realizando este calculo vrias vezes, chegar em 87. Explicando anteriormente, que 99% escore entre 3, esse motivo desses valores. Para achar os outros valores da DN simples: 39 + 8 que o DP = 47 47 + 8 = 55 55 + 8 = 63, sendo a mdia 63 + 8 = 71 71 + 8 = 79 79 + 8 = 87, que j foi encontrado.
30
Portanto, 68% recai entre 55 e 71, 95 recai entre 47 e 79, 99% recai entre 39 e 87. A figura 1 da DN apresentada por Tritschler (2003):
-3s 39``
-2s 47``
-1s 55``
Mdia 63``
+1s 71``
+2s 79``
+3s 87``
68%
95%
99% Figura 1. Porcentagem de rea sob a curva normal associada com 1, 2 e 3 unidades de DP.
31
Uso do SPSS para Estabelecer o Desvio Padro (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- No desvio padro, o uso do SPSS o mesmo da mdia (ver p. 12), mas quando voc chegar no passo 10 deve fazer o seguinte:
32
1.5. Delta Percentual Para o professor avaliar o percentual de evoluo entre dois testes (pr e ps ou teste e re-teste), o educador fsico deve utilizar o delta percentual, podendo ser individual (valor bruto) ou de todos componentes da equipe (mdia). A equao exposta a seguir:
Bhme M, Kiss M (1998). Avaliao da evoluo da aptido fsica de jovens atletas. Rev APEF Londrina. 13(1):35-43.
1.6. Percentil Nos testes que no possuem padres (bom, ruim e outros) recomenda-se o clculo do percentil, para identificar os melhores e os piores. Marins e Giannichi (1998) ensinam passo a passo como calcular o percentil:
33
b) Dividir 100 pelo o nmero de jogadores. 100 = 25 4 c) O melhor resultado do teste ser o percentil 100, no nosso exemplo 20: O segundo valor ser determinado com a subtrao de 100 pelo resultado do clculo (25), sendo 75. O terceiro melhor atleta no teste ocorrer uma subtrao de 75 (valor do 2 atleta) por 25, igual a 50. Esse procedimento feito assim por diante, em todos os atletas. Caso ocorra em alguns clculos o resultado de 93,3, o professor deve arredondar para 93. Mas se acontecer de surgir um valor de 86,6, o arredondamento ser 87. Outra explicao dos autores se ocorrer dois ou mais resultados iguais, o educador fsico tem que determinar a mdia.
d) Aps o clculo dos valores organizado os resultados: Sujeito 1 2 3 4 Resultado do teste 20 16 12 10 Percentil 100 75 50 25
Em seguida, interpretamos os dados: o sujeito 3 com o resultado 12 no teste conseguiu que 50% de atletas fossem piores do que ele, mas 50% (100% - 50% = 50%) dos testados foram superiores do que este jogador. A partir desta anlise pode-se observar a performance do testado perante aos demais. Guedes (2004) informou que atualmente existem oito categorias para classificar o percentil. A tabela 1 expe essas explicaes:
34
Tabela 1. Classificao dos percentis. Categorias 8 7 6 5 4 3 2 1 Percentil 97 a 100 90 a 97 75 a 90 50 a 75 25 a 50 10 a 25 3 a 10 0a3 Classificao Extremamente Alto Muito Alto Alto Mdio Alto Mdio Baixo Baixo Muito Baixo Extremamente Baixo
Referncias do Percentil
Guedes D (2004). Qualidade das informaes direcionadas s avaliaes no campo da educao fsica. Rev Min Educ Fs. 12(2):174-211. Disponvel em: www.revistamineiraefi.ufv.br/principal/index.php
Marins J, Giannichi R (1998). Avaliao e prescrio de atividade fsica. 2 ed. Rio de Janeiro: Shape, p. 219-226.
Caso queira saber sobre decil e quartil, leia Pompeu F (2006). Biodinmica do movimento humano. SP: Phorte. p. 34-5.
35
1.7. Escore Z - Padroniza os resultados brutos para uma unidade de medida.
- Quanto maior o resultado melhor o nvel da capacidade motora (Ex.: flexiteste, salto, VO2mx etc).
- Para os testes de velocidade (alctico, lctico e agilidade), o menor valor o melhor resultado, necessitando multiplicar por 1.
Exemplo: 1) Estabelecer a mdia e o desvio padro dos testes. Atleta 1 2 3 Mdia Desvio Padro Salto horizontal em cm 200 145 240 195,0 47,7 Velocidade de 30 m em segundos 5,5 4,5 5,0 5,0 0,5 Agilidade semo em segundos 11,2 11,8 12,6 11,9 0,7
36
3) Depois de calcular todos os testes, coloque os valores na tabela. Atleta 1 2 3 Salto horizontal em cm 0,10 - 1,04 0,94 Velocidade de 30 m em segundos 1,0 - 1,0 0 Agilidade semo em segundos - 1,0 0,7 1,0
4) Os resultados de velocidade e agilidade precisam ser multiplicados por -1. Atleta 1 2 3 Salto horizontal em cm 0,10 - 1,04 0,94 Velocidade de 30 m em segundos 1,0 x -1 = - 1,0 - 1,0 x -1 = 1,0 0 x -1 = 0 Agilidade semo em segundos - 1,0 x -1 = 1,0 0,7 x -1 = - 0,7 1,0 x -1 = -1,0
37
5) Todos os resultados so somados para estabelecer os melhores e piores das capacidades motoras. Atleta Salto horizontal em cm 1 2 3 0,10 - 1,04 0,94 Velocidade de 30 m em segundos - 1,0 1,0 0 1,0 - 0,7 -1,0 0,1 - 0,7 0,06 Agilidade semo em segundos Soma do Escore Z
6) Os indivduos so posicionados conforme o resultado. Sendo: Atleta 1 3 2 Soma do Escore Z 0,1 0,06 - 0,7 Classificao 1 2 3
Referncia Bibliogrfica Gagliardi J, Uezu R, Villar R (2006). Avaliao cineantropomtrica. In. Da Silva L (Edit.). Desempenho esportivo: treinamento com crianas e adolescentes. So Paulo: Phorte. p. 262-265.
38
1.8. Converso Importante
x 100
: 100
x 60
: 60
x 60
: 24
Outras converses podem ser encontradas em Pompeu (2006, p. 111) e em McArdle et alii (1992, p.480-9)
McArdle W, Katch F, Katch V (1992). Fisiologia do exerccio: energia, nutrio e desempenho humano. 3ed. Rio de Janeiro: Guanabara Koogan. p. 480-9.
39
1.9. Grficos
A seguir, so explicados o uso de alguns grficos que se encontram nas pesquisas do esporte e da atividade fsica. Como elaborar esses grficos o leitor aprender por Excel porque o seu resultado o mesmo do SPSS e torna mais fcil para o aprendizado do estudante. As referncias que ensinam os grficos so as seguintes:
Barros M, Reis R (2003). Anlise de dados em atividade fsica e sade. Londrina: Midiograf, p. 43-52.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. Porto Alegre: Artmed, p. 70-107.
A utilizao da estatstica no
treinamento em longo prazo. In. Da Silva L (Edit.). Desempenho esportivo: treinamento com crianas e adolescentes. So Paulo: Phorte. p. 327-50.
40
Grfico de Barra - Melhor para comparar as quantidades organizadas por tamanho.
Desvio padro
Como elaborar no Excel: 1) Digitar as mdias do salto vertical e depois colocar os dados em evidncia. Fora 23 Potncia 34 Fora 23 Potncia (evidncia) 34
3) Acertar o grfico (linhas, tipo de letra, cor da barra, ttulo do grfico etc).
4) Clicar em Layout no Notebook ou Anlise no Micro para inserir o desvio padro no grfico. Clique em Barra de Erro e depois em Barra de Erro com Desvio Padro. Logo estar inserido o desvio padro na barra.
5) Caso queira aumentar ou diminuir a espessura da seta do desvio padro, clicar na linha dessa medida. Depois, clique em formatar e em seguida em contorno da forma e escolha a espessura.
41
Grfico de Coluna - Melhor para comparar variaes em quantidade em funo do tempo.
1) Digitar as mdias do salto vertical e depois colocar os dados em evidncia. 1 ano 50 2 anos 60 3 anos 70 (escreveu 1 sai em baixo no grfico)
42
Grfico de Pizza - Melhor para expor a frequncia observada em cada categoria.
Como elaborar no Excel: 1) Digitar o total do passe na partida e depois colocar os dados em evidncia. Goleiro 28 (escreveu 1 sai em 1)
Zagueiro 369 (escreveu 2 sai em 2) Lateral 389 Meia 399 Atacante 379
3) Clicar em Layout, depois em Rtulo de Dados e em seguida Mais Opes para escolher porcentagem. O grfico ser apresentado pelo total e pela porcentagem.
43
Grfico de Linha - Melhor para apresentar a mudana de uma varivel.
1) Digitar o total de gols e depois colocar os dados em evidncia. 2008 Gols 10 2009 20 2010 68 2011 78 2012 100
44
Grfico de Disperso - Representa a relao de duas variveis.
y a varivel dependente
x a varivel independente
Como elaborar no Excel: 1) Digitar numa coluna a pontuao e a estatura dos voleibolistas e depois colocar os dados em evidncia. Pontuao 140 150 160 Estatura 200 205 190
45
Captulo 2 ESTATSTICA INFERENCIAL Utilizada para anlise dos dados que visam testar hipteses.
2.1. Estatstica Paramtrica e No Paramtrica A estatstica paramtrica utilizada quando existe normalidade na distribuio e possui alto poder estatstico. Enquanto que a estatstica no paramtrica aplicada quando os dados no so normais e tem menor poder estatstico. O uso de um tipo de estatstica, paramtrica e no paramtrica, depende da normalidade dos dados e da quantidade de grupos analisada. A figura e a tabela 2 resumem os procedimentos que devem ser tomados para aplicar adequada estatstica:
46
Tabela 2. Modelos estatsticos. Estatstica Paramtrica
Dados normais
Estatstica No Paramtrica
Dados no normais
1 grupo Teste t para uma amostra 2 grupos Independentes Teste t Independente 2 grupos Pareados Teste t Pareado 3 ou mais grupos Independentes Anova One Way 3 ou mais grupos Pareados Anova de medidas repetidas Relao entre Variveis 2 grupos Independentes r de Pearson
1 grupo Teste dos Sinais 2 grupos Independentes Teste U de Mann-Whitney 2 grupos Pareados Teste de Wilcoxon 3 ou mais grupos Independentes Teste H da Anova de Kruskal-Wallis 3 ou mais grupos Pareados Anova de Friedman Relao entre Variveis 2 grupos Independentes r de Spearman
Obs. Importante:
47
2.2. Testar a Normalidade dos Dados
Verificar a normalidade dos dados importante para o pesquisador determinar se utiliza a estatstica paramtrica (para dados normais) ou a estatstica no paramtrica (para dados no normais). Quando o n at 50, aplicado o teste de Shapiro-Wilk. Mas se o n for superior a 50, os dados so tratados por Kolmogorov-Smirnov. Caso o leitor queira se aprofundar nesse assunto basta consultar as seguintes obras:
Barros M, Reis R (2003). Anlise de dados em atividade fsica e sade. Londrina: Midiograf, p. 51-66. Madureira A (2008). O avano da estatstica na EF. Cad Educ Fs 7(12):73-6. Disponvel em: http://e-revista.unioeste.br/index.php/cadernoedfisica/issue/archive
48
Teste de Shapiro-Wilk
2) Calcular a equao. Somatrio = (X da amostra Mdia) + (X da amostra Mdia) Somatrio = (10 17) + (15 17) + (15 17) + (20 17) + (25 + 17) Somatrio = 49 + 4 + 4 + 9 + 64 = 130
3) Calcular b. b = coef. de Shapiro-Wilk ? x (subtrair n mais alto e mais baixo da amostra) + ? x (subtrair n mais alto e mais baixo da amostra)
49
Teste de Shapiro-Wilk
Coeficiente de Shapiro-Wilk
( uma tabela que precisa ser consultada, eu tenho ela completa em PDF)
n do maior para o menor \ n da amostra 2 1 2 3 4 5 0,7071 3 0,7071 0,0000 4 0,6872 0,1677 5 0,6646 0,2413 0,0000 -
Nmeros da Amostra 25 20 15 15 10
Mais Alto 25 20
Mais Baixo 10 15
50
Teste de Shapiro-Wilk
5) Calcular a equao. Somatrio = (X da amostra Mdia) + (X da amostra Mdia) Somatrio = (10 17) + (15 17) + (15 17) + (20 17) + (25 + 17) Somatrio = 49 + 4 + 4 + 9 + 64 = 130
- Consultar na tabela de Shapiro-Wilk o W crtico de 0,05 (eu tenho completo em PDF). n 3 4 5 W de 0,05 0,767 0,768 0,762 Normalidade dos Dados: W calculado < W crtico W calculado = 0,086 / W crtico = 0,764 Dados no normais.
51
2.2.2. Teste de Kolmogorov-Smirnov Aplicado quando a quantidade de sujeitos maior do que 50.
1) Sabendo os valores da estatura de dois grupos, determine o intervalo de classe: Grupo 1: 140, 142, 170, 171, 175, 180, 181, 190, 200 e 201. Grupo 2: 145, 146, 150, 155, 160, 165, 166, 200, 201 e 210.
- Um meio de estabelecer o intervalo de classe atravs da amplitude total (AT) entre os valores do grupo 1 e do grupo 2.
52
Teste de Kolmogorov-Smirnov
2) Intervalo de Classe (IC) 140 (1 n da amostra) + 7 (achado) = 147 - Sempre somar por 7
IC 140 147 147 154 154 161 161 168 168 175 175 182 182 189 189 196 196 203 203 210 (ltimo n da amostra)
G1 f 2 (140, 142) 0 0 0 3 (170, 171, 175) 2 (180, 181) 0 1 (190) 2 (200, 201) 0 10
G2 f 2 (145, 146) 1 (150) 2 (155, 160) 2 (165, 166) 0 0 0 0 2 (200, 201) 1 (210) 10
53
Teste de Kolmogorov-Smirnov
5) Calcular a proporo da frequncia acumulada (pfa). pfa = valor da frequncia acumulada : quantidade de n da amostra
IC 140 147 147 - 154 154 - 161 161 - 168 168 - 175 175 - 182 182 - 189 189 - 196 196 - 203 203 - 210 Total G1 f 2 0 0 0 3 2 0 1 2 0 10 fa 2 0+2=2 2+2=4 4+2=6 6+3=9 11 11 12 14 14 pfa 2 : 10 do total = 0,2 0,2 0,4 0,6 0,9 1,1 1,1 1,2 1,4 1,4 G2 f 2 1 2 2 0 0 0 0 2 1 10 fa 2 3 5 7 7 7 7 7 9 10 pfa 0,2 0,3 0,5 0,7 0,7 0,7 0,7 0,7 0,9 1
54
Teste de Kolmogorov-Smirnov
7) Calcule o D crtico.
D crt. = 1,36 x
n1 + n2 n1 x n2
1,36 x
10 + 10 10 x 10
= 0,59
- A normalidade dos dados por Kolmogorov-Smirnov acontece quando D mximo menor do que D crtico.
55
Uso do SPSS para Estabelecer a Normalidade dos Dados (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
56
Normalidade dos Dados
9)
SV
SV
3) Selecionar Plots.
10) Resultado.
- Somente aps determinar a normalidade dos dados deve-se escolher o tipo de estatstica inferencial.
57
2.3. Hiptese Nula e Nvel de Significncia - As hipteses nulas so avaliadas por testes de significncia. - Eles determinam se devemos aceitar ou rejeitar a hiptese nula.
- Diferena grande entre duas mdias amostrais costuma-se rejeitar a hiptese nula. - Diferena pequena entre duas mdias amostrais costuma-se aceitar a hiptese nula.
- Na maioria dos estudos em Educao Fsica so utilizados um nvel de probabilidade de 0,05. - Isso significa que os achados possuem uma probabilidade de 5 em 100.
- Ele utilizado para controlar o erro tipo I. - Erro Tipo I: rejeita a hiptese nula quando ela verdadeira.
- Porm, num estudo cientfico tambm pode ocorrer o erro tipo II. - Erro Tipo II: no rejeita a hiptese nula quando ela falsa.
58
Hiptese Nula e Nvel de Significncia
- Seria timo se voc pudesse eliminar o erro tipo I e o erro tipo II, mas isso no possvel.
- Voc controla o erro tipo I consultando os valores estabelecidos pela tabela do nvel de significncia de p0,05 (valor crtico).
- Quando p igual a 0,05 ou maior, a hiptese nula rejeitada. - Mas se p menor que 0,05, a hiptese nula aceita.
- Estudos que requerem evidncias mais fortes ou maior preciso dos resultados. Ex.: medicamentos, equipamento de avio etc. Podem considerar um p mais rgido como 0,01 (1%) ou mesmo 0,001 (0,1%).
59
Hiptese Nula e Nvel de Significncia
Erro Tipo I (rejeita a hiptese nula quando ela verdadeira) - Aumenta drasticamente na mesma proporo da quantidade de testes de significncia que so realizados em um grupo de dados. - Ocorre quando muitas variveis so analisadas simultaneamente, ou ainda, quando mais de dois tratamentos so conduzidos no mesmo conjunto de dados.
- Para evitar esse tipo de erro, devem ser conduzidos poucos testes.
- Quando no possvel esse procedimento, devem ser efetuados ajustamentos do valor p de acordo com o nmero de testes realizados, os chamados ajustes post-hoc.
Erro Tipo II (no rejeita a hiptese nula quando ela falsa) - O teste escolhido considerado adequado quando possui 70 a 80% de poder.
O poder do teste aumenta conforme a variabilidade da observao diminui. Exemplo: Desvio padro mais homogneo torna o teste mais poderoso. Desvio padro mais heterogneo torna o teste menos poderoso.
- Amostras pequenas no verificam com facilidade os efeitos de um teste. - Mais chance do erro tipo II.
60
Hiptese Nula e Nvel de Significncia
Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 73-7.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 143-68.
Tritschler K (2003). Medida e avaliao em educao fsica e esporte. 5 ed. So Paulo: Manole, p. 160-2.
61
2.4. A Maioria dos Testes de Significncia so Bicaudais
- Isso significa que a rejeio da hiptese nula ocorre independente da direo dos desvios.
- Um teste de significncia unicaudal utilizado quando o pesquisador tem certeza de que as diferenas podem ocorrer apenas em uma direo.
62
A Maioria dos Testes de Significncia so Bicaudais
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 160-4.
Tritschler K (2003). Medida e avaliao em educao fsica e esporte. 5 ed. So Paulo: Manole, p. 162.
63
2.5. O Tamanho da Amostra Afeta os Graus de Liberdade
- Para se tomar uma deciso sobre a hiptese nula, necessrio comparar o resultado com um valor crtico. - Valor crtico determinado observando a tabela de um teste.
64
O Tamanho da Amostra Afeta os Graus de Liberdade
- Quando utilizada uma tabela de distribuio estatstica, o grau de liberdade (gl) referente aquela significncia, localizam o pesquisador.
- Se o resultado aceita ou rejeita a hiptese nula quando comparado com o valor crtico.
- Geralmente, para rejeitar a hiptese nula o resultado precisa ser igual ou maior do que o valor crtico.
- O gl pode ser definido como o nmero de observaes feitas menos o nmero de parmetros estimados.
65
O Tamanho da Amostra Afeta os Graus de Liberdade
Tritschler K (2003). Medida e avaliao em educao fsica e esporte. 5 ed. So Paulo: Manole, p. 162-4.
66
2.6. Teste t para uma amostra (est. paramtrica)
Compara a diferena entre a mdia do estudo em relao a um valor da populao. Para saber mais, leia: Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 210-3.
Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 88-92.
Amostra do Karat Shotokan da Zona Sul n = 120 Mdia = 1750, 80 chutes por semana Desvio Padro = 1660,14 Mdia da Populao = 1980 chutes por semana
t=
- 229,2
t = - 229,2 151,555
t = -1,51
1660,14 : 10,954
67
Teste t para uma amostra (est. paramtrica)
gl = n -1 gl = 120 1 = 119
- O valor t deve ser comparado aos valores crticos do teste.
Valores crticos do teste t para uma amostra gl 1 2 3 4 5 6 7 8 - Valor tabelado 1,98. - t = - 1,51 - No existe diferena significativa (p>0,05) entre as mdias porque t menor do que o valor tabelado. 9 10 11 12 13 14 15 16 17 18 19 35 0,05 12,70 4,30 3,18 2,77 2,37 2,44 2,30 2,30 2,26 2,22 2,20 2,17 2,16 2,14 2,13 2,11 2,109 2,100 2,09 2,03 gl 40 45 50 60 70 80 90 100 110 120 140 160 180 200 + 0,05 2,02 2,01 2,008 2,000 1,994 1,990 1,986 1,983 1,981 1,979 1,977 1,974 1,973 1,971 1,962
68
Teste t para uma amostra (est. paramtrica)
Apresentao do resultado no texto: O teste t para uma amostra no detectou diferena significativa (p>0,05) entre a mdia de chutes dos karatecas da zona sul versus a mdia da populao, t (119) = - 1,51.
Uso do SPSS para Estabelecer o Teste t para uma amostra (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
10 20 30
1) Colocar em evidncia.
69
Teste t para uma amostra (est. paramtrica)
8)
2) Clique em Compare as Mdias (compare means). 3) Selecione a opo T Teste para uma (one-sample T test).
10 20 30
70
Teste t para uma amostra (est. paramtrica)
9) 1) Clique na varivel de interesse. 2) Depois na seta, passando para Varivel Testada (test variable).
SV
SV
71
Teste t para uma amostra (est. paramtrica)
10) Resultado.
1) Estatstica Descritiva
72
2.7. Teste dos Sinais (est. no paramtrica) Baseia-se na mediana da distribuio, pois considera o nmero de valores na amostra que so maiores ou menores que a mediana. Para saber mais, leia: Gaya A, Cols. (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 244, 259-63. Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 88-92.
1 ) Determinar os valores que esto abaixo e acima da mediana. Mediana (escore do meio) = 1980 cestas por semana.
- 81 observaes ficaram abaixo da mediana. - Uma observao foi igual - 38 observaes foram superiores a mediana.
- r a menor contagem de valores diferentes da mediana, sendo 38. - Quando n menor ou igual a 10. - O r ser o resultado final do teste dos sinais.
73
Teste dos Sinais (est. no paramtrica)
n = 119
r = 38
Z=
Z = 22 : 7,71 = 3,85
Valores crticos de r do teste dos sinais para uma amostra n 4 5 6 7 8 9 10 0 0,125 0,062 0,032 0,016 0,008 0,004 0,001 1 0,624 0,376 0,218 0,124 0,070 0,040 0,022 2 1,000 1,000 0,688 0,454 0,290 0,180 0,110 1,000 1,000 0,726 0,508 0,344 1,000 1,000 0,754 1,000 3 4 5
Obs.: Em azul so os valores que correspondem diferena significativa, ou seja, iguais ou menores do que 0,05.
74
Teste dos Sinais (est. no paramtrica)
Valores crticos de Z do teste dos sinais para uma amostra Z 0,0 0,1 Z calculado para ser significativo precisa possuir um Z tabelado com valor igual ou menor do que 0,05. 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Z = 3,85 Z tabelado = 0,001
0,05 0,960 0,881 0,803 0,726 0,653 0,582 0,516 0,453 0,395 0,342 0,294 0,250 0,211 0,177 0,147 0,121 0,099 0,080 0,064 0,051
Z 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4
0,05 0,040 0,032 0,024 0,019 0,014 0,011 0,008 0,006 0,004 0,003 0,002 0,002 0,001 0,001 0,001
75
Uso do SPSS para Estabelecer o Teste dos Sinais (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
6)
45 45 56
50 55 36
2) Criar uma verso de nmeros que seja equivalente ao resultados da mdia da populao.
Criar uma verso de nmeros que seja equivalente aos resultados da mdia da populao.
76
Teste dos Sinais (est. no paramtrica)
8)
9)
4) Clique em Ok.
1) Passe as duas variveis para Lista de Teste Pareado (test pair lista). 3) Selecione Opes (options) para saber a estatstica descritiva.
77
Teste dos Sinais (est. no paramtrica)
2) Resultado
3) Significncia
78
2.8. Teste t independente (est. paramtrica)
Testa a diferena entre a mdias de 2 grupos diferentes. Para saber mais, consulte as seguintes referncias:
Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 108-18.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 219-45.
Marins J, Giannichi R (1998). Avaliao e prescrio de atividade fsica. 2 ed. RJ: Shape, p. 220-226.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 134-146.
79
Teste t independente para amostras com o mesmo nmero de sujeitos (est. paramtrica)
1) Colocar na tabela a pontuao das surfistas, somar os valores e calcular a mdia. Atleta 1 2 3 4 Total Mdia Treino 4,60 8,08 5,99 5,29 23,96 5,99 Periodizao 21,16 65,28 35,88 27,98 150,3 37,57
2) Colocar os valores ao quadrado e somar. X1 (treino) (4,60) = 21,16 (8,08) = 65,28 (5,99) = 35,88 (5,29) = 27,98 Total: 150,3 X2 (periodizao) (21,16) = 447,74 (65,28) = 4261,47 (35,88) = 1287,37 (27,98) = 782,88 Total: 6779,46
80
Teste t independente para amostras com o mesmo nmero de sujeitos (est. paramtrica)
Sx =
Sx1 =
150,3 - (5,99) 4
Sx1 =
37,57 35,88
Sx1 =
1,69
= 1,3
EP = S1 :
Quant. de atletas - 1
81
Teste t independente para amostras com o mesmo nmero de sujeitos (est. paramtrica)
EP1 = 1,3 :
4-1
EP1 = 1,3 :
EP2 = 9,72
EPD =
(EP1) +
(EP2)
EP1 = 0,75
/ EP2 = 9,72
EPD =
(0,75) +
(9,72)
EPD =
0,56 + 94,47
EPD =
95,03
EPD = 9,74
Mdia do Treino (x1) = 5,99 Mdia da Periodizao (x2) = 37,57 EPD = 9,74 t = (5,99 37,57) : 9,74 = - 3,24
82
Teste t independente para amostras com o mesmo nmero de sujeitos (est. paramtrica)
8) Compare a razo t com o t tabelado. gl = 6 t calculado = - 3,24 (p0,05, maior ou igual ao t tabelado).
gl 1 2 3 4 5 6 7 8 9 10
0,05 12,70 4,30 3,18 2,77 2,57 2,44 2,36 2,30 2,26 2,22
gl 11 12 13 14 15 16 17 18 19 20
0,05 2,20 2,17 2,16 2,14 2,13 2,12 2,11 2,10 2,09 2,086
gl 21 22 23 24 25 26 27 28 29 30
0,05 2,080 2,07 2,069 2,06 2,056 2,052 2,048 2,046 2,042
gl 40 60 120
83
Teste t independente para amostras com o mesmo nmero de sujeitos (est. paramtrica)
- TE um meio do professor saber a diferena entre a pontuao entre o treino de surf e o treino de surf periodizado.
Classificao do TE - igual ou maior do que 0,8 grande. - entre 0,5 a 0,7 mdio. - igual a 0,4 ou menor pequeno.
84
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
1) Colocar na tabela o salto vertical dos atleta e somar os valores e calcular a mdia.
Atleta 1 2 3 4 Total Mdia Voleibol 70 cm 80 cm 90 cm 95 cm 335 83,75 cm Salto em Altura 100 cm 100 cm 90 cm 290 96,66 cm
2) Colocar os valores ao quadrado e somar. X1 (voleibol) 70 = 4900 80 = 6400 90 = 8100 95 = 9025 Total = 28425 X2 (salto em altura) 100 = 1000 100 = 1000 90 = 8100 Total = 10100
Sx =
85
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
EPD =
N1 x (S1) + N2 x (S2) x N1 + N2 - 2
( 1 N1
1 ) N2
Voleibol: N1 = 4, S1 = 9,60
EPD =
3 4 3 x 4 = 12 ( o denominador)
86
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
Achar o numerador.
(1 + 1) 4 3
MMC = 12
12 : 4 = 3
3x1=3
EPD =
4 x 92,16 + 3 x 5975,29 5
x (3 + 4) 12 12
EPD =
368,64 + 17925,87 5
7 12
87
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
EPD =
18294,51 5
7 12
EPD =
18294,51 5
7 12 (divide)
EPD =
1524,54 (divide) 5
7 1
EPD =
1524,54 1
1,4 1
EPD =
1524,54
1,4
EPD =
2134,35 = 46,19
5) Calcular a razo t. t = (Mdia de X1 Mdia de X2) : EPD X1 = 83,75 / X2 = 96,66 / EPD = 46,19
88
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
7) Compare a razo t com o t tabelado. gl = 5 t calculado = - 0,27 (p0,05, maior ou igual ao t tabelado).
gl 1 2 3 4 5 6 7 8 9 10
0,05 12,70 4,30 3,18 2,77 2,57 2,44 2,36 2,30 2,26 2,22
gl 11 12 13 14 15 16 17 18 19 20
0,05 2,20 2,17 2,16 2,14 2,13 2,12 2,11 2,10 2,09 2,086
gl 21 22 23 24 25 26 27 28 29 30
0,05 2,080 2,07 2,069 2,06 2,056 2,052 2,048 2,046 2,042
gl 40 60 120
89
Teste t independente para amostras com nmero de sujeitos diferente (est. paramtrica)
- TE um meio do professor saber a diferena entre o salto vertical dos atletas de voleibol versus os saltadores em altura.
Classificao do TE - igual ou maior do que 0,8 grande. - entre 0,5 a 0,7 mdio. - igual a 0,4 ou menor pequeno.
Apresentao do resultado no texto: - O teste t independente no detectou diferena significativa (p>0,05), t (5) = - 0,27.
90
Uso do SPSS para Estabelecer o Teste t Independente (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
6)
1 1 1 2 2 2
90 70 85 56 67 89 2) Coluna com os grupos. 1 SV do voleibol 2 SV do salto em altura 3) Coluna dos valores do SV.
91
Teste t independente (est. paramtrica)
8)
92
Teste t independente (est. paramtrica)
9)
1 2
10)
2) Clique em continuar.
93
Teste t independente (est. paramtrica)
11)
12) Resultado.
1) Estatstica Descritiva
94
2.9. Teste U de Mann-Whitney (est. no paramtrica)
Para saber mais, consulte as seguintes referncias: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 110-112, 116-7.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 528-35.
Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 243-4, 246-54.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 184-5.
95
Teste U de Mann-Whitney (est. no paramtrica)
1) Ordenar os valores do menor para o maior. Estatura da Dcada de 90 175 cm 175 175 175 178 178 178 180 180 180 180 180 180 180 Estatura da Dcada de 00 175 cm 175 175 177 177 177 177 178 178 178 178 178 178 181 181 181 181 183 183 183 183
96
Teste U de Mann-Whitney (est. no paramtrica)
- 175 cm aparece 7 vezes, por esse motivo pontuado de 1 a 7, e tambm dividido por 7.
(1 + 2 + 3 + 4 + 5 + 6 + 7) : 7 = 4 (posto)
Os valores aumentam. 177 cm aparece 4 vezes, por esse motivo so expostos 4 nmeros. dividido por 4 porque 177 cm aparece 4 vezes.
97
Teste U de Mann-Whitney (est. no paramtrica)
98
Teste U de Mann-Whitney (est. no paramtrica)
99
Teste U de Mann-Whitney (est. no paramtrica)
100
Teste U de Mann-Whitney (est. no paramtrica)
Postos da Dcada de 00 175 cm 44-4 177 cm 9,5 9,5 9,5 9,5 178 cm 16 16 16 16 16 - 16 181 cm 29,5 - 29,5 - 29,5 - 29,5 183 cm 33,5 - 33,5 - 33,5 - 33,5 Total = 398 n = 21
101
Teste U de Mann-Whitney (est. no paramtrica)
U1 = n1 x n2 + [ n1 x (n1 + 1) ] R1 2 n1: tamanho da amostra 1. n2: tamanho da amostra 2. R1: soma dos postos do grupo 1. R2: soma dos postos do grupo 2.
U1 = 14 x 21 + [ 14 x (14 + 1) ] 232 2
14 x 21 + [ 14 x (15) ] - 232 2
14 x 21 + [ 210 ] 232 2
14 x 21 + 105 232
U2 = n1 x n2 + [ n2 x (n2 + 1) ] R2 2 n1: tamanho da amostra 1. n2: tamanho da amostra 2. R1: soma dos postos do grupo 1. R2: soma dos postos do grupo 2. U2 = 14 x 21 + [ 21 x (21 + 1) ] 398 = 127 2
102
Teste U de Mann-Whitney (est. no paramtrica)
103
Teste U de Mann-Whitney (est. no paramtrica)
= - 0,67
104
Teste U de Mann-Whitney (est. no paramtrica)
Valores crticos de Z no teste U de Mann-Whitney Z 0,0 0,1 Z calculado para ser significativo precisa possuir um Z tabelado com valor igual ou menor do que 0,05. 0,2 0,3 0,4 0,5 0,6 0,7 0,8
Z = - 0,67 Z tabelado = 0,5116
0,05 0,960 0,881 0,803 0,726 0,653 0,582 0,516 0,453 0,395 0,342 0,294 0,250 0,211 0,177 0,147 0,121 0,099 0,080 0,064 0,051
Z 2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0 3,1 3,2 3,3 3,4
0,05 0,040 0,032 0,024 0,019 0,014 0,011 0,008 0,006 0,004 0,003 0,002 0,002 0,001 0,001 0,001
0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9
105
Teste U de Mann-Whitney (est. no paramtrica)
Classificao do TE - igual ou maior do que 0,8 grande. - entre 0,5 a 0,7 mdio. - igual a 0,4 ou menor pequeno.
Apresentao do resultado no texto: O teste U de Mann-Whitney no detectou diferena significativa (p0,05) entre a estatura da bloqueadora da dcada de 90 e de 2000 (U = 127).
106
Uso do SPSS para Estabelecer o Teste U de Mann-Whitney (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
6)
90 90 90 00 00 00
2) Coluna com os grupos. 90 a estatura na dcada de 90. 2000 a estatura na dcada de 2000.
107
Teste U de Mann-Whitney (est. no paramtrica)
8)
9)
1) Coloque a varivel dependente para o espao teste de lista varivel (test variable list).
90
00
00
90
108
Teste U de Mann-Whitney (est. no paramtrica)
10)
00
90
11)
90 00
2) Clique em continuar.
109
Teste U de Mann-Whitney (est. no paramtrica)
12)
110
Teste U de Mann-Whitney (est. no paramtrica)
111
Teste U de Mann-Whitney (est. no paramtrica)
1) Resultado
2) Tamanho do Efeito
3) Significncia Bilateral
112
2.10. Teste t Pareado (est. paramtrica)
Para saber mais, consulte as seguintes referncias: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 96-104.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 224-6, 237-42.
Thomas J, Nelson J (2003). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 136-146.
113
Teste t Pareado (est. paramtrica)
1) Ordenar na tabela os resultados do teste de flexo do pr e ps-teste. Somar os valores de cada coluna e estabelecer a mdia. Atleta 1 2 3 4 Total Mdia Pr-teste (x) 35 40 80 85 240 60 Ps-teste (y) 30 44 79 80 233 58,25
114
Teste t Pareado (est. paramtrica)
S=
X N
S=
67 4
- ( 60 58,25 )
S=
16,75 3,06
S=
13,69
S = 3,7 5) Calcular o erro padro da diferena (EPD). EPD = S : S = 3,7 N: quantidade de sujeitos na amostra. N1
EPD = 3,7 :
41
EPD = 3,7 :
115
Teste t Pareado (est. paramtrica)
gl = 4 1 = 3
116
Teste t Pareado (est. paramtrica)
8) Compare a razo t com o t tabelado. gl = 3 t calculado = 0,82 (p0,05, maior ou igual ao t tabelado).
gl 1 2 3 4 5 6 7 8 9 10
0,05 12,70 4,30 3,18 2,77 2,57 2,44 2,36 2,30 2,26 2,22
gl 11 12 13 14 15 16 17 18 19 20
0,05 2,20 2,17 2,16 2,14 2,13 2,12 2,11 2,10 2,09 2,086
gl 21 22 23 24 25 26 27 28 29 30
0,05 2,080 2,07 2,069 2,06 2,056 2,052 2,048 2,046 2,042
gl 40 60 120
9) Determine o tamanho do efeito (TE). - TE um meio do professor saber a diferena entre o pr e o ps-teste.
Classificao do TE - igual ou maior do que 0,8 grande, entre 0,5 a 0,7 mdio e igual a 0,4 ou menor pequeno.
117
Teste t Pareado (est. paramtrica)
Apresentao do resultado no texto: O teste t pareado no detectou diferena significativa (p>0,05) entre a mdia do pr e do ps-teste, t (3) = 0,82.
Uso do SPSS para Estabelecer o Teste t Pareado (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
Pr 10 20 34
Ps 15 90 55
118
Teste t Pareado (est. paramtrica)
8)
119
Teste t Pareado (est. paramtrica)
9)
1) Clique na 1 e na 2 varivel.
Pr Ps
3) Clique em Ok.
120
Teste t Pareado (est. paramtrica)
10) Resultado.
1) Estatstica Descritiva
121
2.11. Teste de Wilcoxon (est. no paramtrica)
- Analisa a diferena entre duas condies do mesmo grupo de sujeitos, ignorando-se os zeros.
Para saber mais, consulte as seguintes referncias: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 96-104.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 528, 535-541.
Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 244, 254-9.
Thomas J, Nelson J (2003). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 186-7.
122
Teste de Wilcoxon (est. no paramtrica)
123
Teste de Wilcoxon (est. no paramtrica)
3) Ordenar os valores e transformar os escores brutos em postos. a) Separar os valores que deram o mesmo nmero. Resultado (Os valores mais baixos iniciam a ordenao) 1 1 1 1 --------2 2 b) Numerar ao lado esses valores conforme a quantidade deles. Resultado 1 1 1 1 2 2 Numerar 1 2 3 4 5 6
------------------
c) Calcular os postos dos resultados. Resultado 1 1 1 1 4 2) Quantidade de nmero 1. Aparece 4 vezes. 3) Mdia = 10 : 4 = 2,5 Numerar 1 2 3 1) Somar os valores numerados = 1 + 2 + 3 + 4 = 10
124
Teste de Wilcoxon (est. no paramtrica)
3) Mdia = 11 : 2 = 5,5
4) Ordene os postos dos sujeitos com o sinal positivo e negativo referente a subtrao entre ps e pr-teste.
Sujeito (n = 8) Pr Satisfao com a Ativ. Fsica 2 3 3 2 3 3 1 1 Ps Satisfao aps 6 meses de Ativ. Fsica 3 2 2 2 1 2 1 3 Resultado da Diferena Postos
A B C D E F G H
1 -1 -1 0 -2 -1 0 2
5) Some os postos positivos e negativos separadamente. Positivo = 2,5 + 5,5 = 8 Negativo = 2,5 + 2,5 + 5,5 + 2,5 = 13 - O menor valor ser T, nessa situao 8.
125
Teste de Wilcoxon (est. no paramtrica)
T calculado = 8
Apresentao do resultado no texto: O teste de Wilcoxon (T = 8) no detectou diferena significativa (p>0,05) entre o pr e o ps-teste.
126
Teste de Wilcoxon (est. no paramtrica)
Z = [ T n x (n + 1) : 4 ] :
n x (n + 1) x [ 2 x (n + 1) ] : 24
Z = [ 8 6 x (6 + 1) : 4 ] :
6 x (6 + 1) x [ 2 x (6 + 1) ] : 24 = - 0,50
127
Teste de Wilcoxon (est. no paramtrica)
128
Teste de Wilcoxon (est. no paramtrica)
- Z calculado para ser significativo precisa possuir um Z tabelado com valor igual ou menor do que 0,05.
Apresentao do resultado no texto: O teste de Wilcoxon (Z = - 0,50) no detectou diferena significativa (p>0,05) entre o pr e o ps-teste.
129
Teste de Wilcoxon (est. no paramtrica)
8) Determine o tamanho do efeito (TE) - TE um meio do professor saber a diferena entre os valores analisados pelo Teste de Wilcoxon. TE = (Mdia de X1 Mdia de X2) : Mdia do desvio padro
Classificao do TE - igual ou maior do que 0,8 grande. - entre 0,5 a 0,7 mdio. - menor do que 0,2 a 0,4 pequeno.
Uso do SPSS para Estabelecer o Teste de Wilcoxon (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
130
Teste de Wilcoxon (est. no paramtrica)
Pr 15 20 25
Ps 15 20 25
8)
131
Teste de Wilcoxon (est. no paramtrica)
9)
Pr
4) Digite Ok.
Ps
2) Clique em Wilcoxon.
132
Teste de Wilcoxon (est. no paramtrica)
2) Postos
- 2,25
4) Significncia
133
2.12. Anova Simples (anlise de varincia simples, est. paramtrica)
- Composta por uma varivel independente (causa efeito na varivel dependente) e outra dependente (sofre o efeito).
- Utiliza o post hoc (teste posterior) para identificar as diferenas entre as mdias.
Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 120-8.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 300-13.
134
Anova Simples (est. paramtrica)
Thomas JR, Nelson JK (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 147-52.
Tritschler K (2003). Medida e avaliao em educao fsica e esportes. 5 ed. So Paulo: Manole, p. 171-178.
135
Anova Simples (est. paramtrica)
3) Determinar a soma dos quadrados total (SQ total). SQ total = soma dos X - [(soma de X) : n]
136
Anova Simples (est. paramtrica)
calculado no n 3
- (15 + 25 + 30) 15
5) Calcular a soma dos quadrados dentro dos grupos (SQdt). SQdt = SQ total SQet = ?
SQ total = 39,3 SQ et = 23,3
137
Anova Simples (est. paramtrica)
Entre grupos (SQet) Dentro dos grupos (SQdt) Total (SQ total)
23,3 16 39,3
8) Calcular os gl.
Fonte de Variao SQet SQdt SQ total Soma dos Quadrados 23,3 16 39,3 Frmula para gl (K 1) (N K) (N 1)
(K 1) = 3 1 = 2 (N K) = 15 3 = 12 (N 1) = 15 1 = 14
138
Anova Simples (est. paramtrica)
gl 2 12 14
139
Anova Simples (est. paramtrica)
Depois, inserir o resultado na tabela. Fonte de Variao SQet SQdt SQ total Soma dos Quadrados 23,3 16 39,3 Frmula para gl 2 12 14 Quadrados Mdios 11,65 1,33 F 8,76
13) Determine o F crtico consultando a tabela pelo gl de QMet e QMdt. gl = 2 = QMet = numerador gl numerador
F (2,12)
F calculado = 8,76
- Para ser significativo (p0,05) o F calculado precisa ser igual ou maior do que o F tabelado.
140
Anova Simples (est. paramtrica)
141
Anova Simples (est. paramtrica)
142
Anova Simples (est. paramtrica)
143
Anova Simples (est. paramtrica)
144
Anova Simples (est. paramtrica)
Post Hoc Test (testes posteriores ou teste posterior) - O teste posterior identifica a diferena entre as mdias.
Conservadores Protegem do erro tipo I. So suscetveis ao erro tipo II. Identificam menos diferena significativa.
Erro Tipo I: Rejeita a hiptese nula quando ela verdadeira. Erro Tipo II: No rejeita a hiptese nula quando ela falsa.
145
Post Hoc Test (Anova Simples , est. paramtrica)
Liberais Protegem do erro tipo II. So suscetveis ao erro tipo I. Identificam mais diferena significativa.
146
Post Hoc Test (Anova Simples , est. paramtrica)
Teste de Scheff
F = ( Mdia y ny nz
Mdia z) = ?
QMdt . ( 1 + 1 ) . (K 1)
- K = quant. de grupos = 3
147
Teste de Scheff (Anova Simples , est. paramtrica)
Fbc = 0,94
- Existe diferena significativa entre as mdias (a = 3, b = 5 e c = 6) quando o resultado final do teste de Scheff for maior ou igual ao F crtico tabelado.
148
Teste de Scheff (Anova Simples , est. paramtrica)
Fac = 8,46 < 3,88 (F tabelado) Fab = 3,76 > 3,88 Fbc = 0,94 > 3,88
A3 0
B5 -2 0
C6 - 3* 1 0
Apresentao do resultado no texto: A Anova one way detectou diferena significativa, F (2,12) = 8,76, p = 0,05. O teste posterior de Scheff identificou diferena significativa (p0,05) entre as mdias a (Futebol, mdia = 3) e c (Voleibol, mdia = 5), ou seja, os jogadores de voleibol foram mais rpidos do que os do futebol. A comparao entre as outras mdias no foi identificada diferena significativa (p>0,05).
149
Post Hoc Test (Anova Simples , est. paramtrica)
K: quant. de grupos
gl do SQdt
(N K) = 15 3 = 12
Fonte de Variao Entre Grupos (SQet) Dentro dos Grupos (SQdt) Total (SQ total)
Frmula para gl (K 1) (N K) (N 1)
gl
numerador (K = 3)
Consulte na tabela o q.
150
Tukey (Anova Simples , est. paramtrica)
Valores de q para p0,05 gl 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 40 60 120 ltimo 2 18 6,08 4,50 3,93 3,64 3,46 3,34 3,26 3,20 3,15 3,11 3,08 3,06 3,03 3,01 3 2,98 2,97 2,96 2,95 2,92 2,89 2,86 2,83 2,80 2,77 3 27 8,33 5,91 5,04 4,60 4,34 4,16 4,04 3,95 3,88 3,82 3,77 3,73 3,70 3,67 3,65 3,63 3,61 3,59 3,58 3,53 3,49 3,44 3,40 3,36 3,31 4 32,8 9,80 6,82 5,76 5,22 4,90 4,68 4,53 4,41 4,33 4,26 4,20 4,15 4,11 4,08 4,05 4,02 4 3,98 3,96 3,90 3,85 3,79 3,74 3,68 3,63 5 37,1 10,9 7,50 6,29 5,67 5,30 5,06 4,89 4,76 4,65 4,57 4,51 4,45 4,41 4,37 4,33 4,30 4,28 4,25 4,23 4,17 4,10 4,04 3,98 3,92 3,86 6 40,4 11,7 8,04 6,71 6,03 5,63 5,36 5,17 5,02 4,91 4,82 4,75 4,69 4,64 4,59 4,56 4,52 4,49 4,47 4,45 4,37 4,30 4,23 4,16 4,10 4,03 7 43,1 12,4 8,48 7,05 6,33 5,90 5,61 5,40 5,24 5,12 5,03 4,95 4,88 4,83 4,78 4,74 4,70 4,67 4,65 4,62 4,54 4,46 4,39 4,31 4,24 4,17 8 45,4 13 8,85 7,55 6,58 6,12 5,82 5,60 5,43 5,30 5,20 5,12 5,05 4,99 4,94 4,90 4,86 4,82 4,79 4,77 4,68 4,60 4,52 4,44 4,36 4,29 9 47,4 13,5 9,18 7,60 6,80 6,32 6 5,77 5,59 5,46 5,35 5,27 5,19 5,13 5,08 5,03 4,99 4,96 4,92 4,90 4,81 4,72 4,63 4,55 4,47 4,39
151
Tukey (Anova Simples , est. paramtrica)
Valores de q para p0,05 gl 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 24 30 40 60 120 ltimo 10 49,1 14 9,46 7,83 6,99 6,49 6,16 5,92 5,74 5,60 5,49 5,39 5,32 5,25 5,20 5,15 5,11 5,07 5,04 5,01 4,92 4,82 4,73 4,65 4,56 4,47 11 50,6 14,4 9,72 8,03 7,17 6,65 6,30 6,05 5,87 5,72 5,61 5,51 5,43 5,36 5,31 5,26 5,21 5,17 5,14 5,11 5,01 4,92 4,82 4,73 4,64 4,55 12 52 14,7 9,95 8,21 7,32 6,79 6,43 6,18 5,98 5,83 5,71 5,61 5,53 5,46 5,40 5,35 5,31 5,27 5,23 5,20 5,10 5 4,90 4,81 4,71 4,62 13 53,2 15,1 10,2 8,37 7,47 6,92 6,55 6,29 6,09 5,93 5,81 5,71 5,63 5,55 5,49 5,44 5,39 5,35 5,31 5,28 5,18 5,08 4,98 4,88 4,78 4,68 14 54,3 15,4 10,3 8,52 7,60 7,03 6,66 6,39 6,19 6,03 5,90 5,80 5,71 5,64 5,57 5,52 5,47 5,43 5,39 5,36 5,25 5,15 5,04 5,94 4,84 4,74 15 55,4 15,7 10,5 8,66 7,72 7,14 6,76 6,48 6,28 6,11 5,98 5,88 5,79 5,71 5,65 5,59 5,54 5,50 5,46 5,43 5,32 5,21 5,11 5 4,90 4,80 16 56,3 15,9 10,7 8,79 7,83 7,24 6,85 6,57 6,36 6,19 6,06 5,95 5,86 5,79 5,72 5,66 5,61 5,57 5,53 5,49 5,38 5,27 5,16 5,06 4,95 4,85 17 57,2 16,1 10,8 8,91 7,93 7,34 6,94 6,65 6,44 6,27 6,13 6,02 5,93 5,85 5,78 5,73 5,67 5,63 5,59 5,55 5,44 5,33 5,22 5,11 5 4,89 18 58 16,4 11 9,03 8,03 7,43 7,02 6,73 6,51 6,34 6,20 6,09 5,99 5,91 5,85 5,79 5,73 5,69 5,65 5,61 5,49 5,38 5,27 5,15 5,04 4,93 19 58,8 16,6 11,1 9,13 8,12 7,51 7,10 6,80 6,58 6,40 6,27 6,15 6,05 5,97 5,90 5,84 5,79 5,74 5,70 5,66 5,55 5,43 5,31 5,20 5,09 4,97 20 59,6 16,8 11,2 9,23 8,21 7,59 7,17 6,87 6,64 6,47 6,33 6,21 6,11 6,03 5,96 5,90 5,84 5,79 5,75 5,71 5,59 5,47 5,36 5,24 5,13 5,01
152
Tukey (Anova Simples , est. paramtrica)
Total: 25 Mdia: 5
Total: 30 Mdia: 6
DHS = 3,77 x
1,33 : 5
= 1,92
153
Tukey (Anova Simples , est. paramtrica)
Existe diferena significativa entre as mdias quando os resultados forem maiores ou iguais ao DHS calculado, 1,92.
Verificar a diferena das mdias ( a subtrao entre as mdias) Amostra Futebol, A = 3 Voleibol, B = 5 Handebol, C = 6 *p0,05 (DHS = 1,92) Futebol 3 0 Voleibol 5 - 2* 0 Handebol 6 - 3* 1 0
Quando o n dos grupos no igual deve-se fazer outro clculo de Tukey, sendo:
Futebol X 4 3 3 3 2 Voleibol X 7 6 3 Handebol X 7 7 6 5
154
Tukey com n Diferente (Anova Simples , est. paramtrica)
DHS = q x
QMdt + (1 + 1 + 1) 2 n1 n2 n3
futebol
voleibol
handebol
Coloque esses valores na equao q = 3,77 / QMdt = 1,33 / Futebol, n = 5 / Voleibol, n = 3 / Handebol, n = 4
DHS = 3,77 x
1,33 2
+ (1 + 1 + 1) 5 3 4
155
Tukey com n Diferente (Anova Simples , est. paramtrica)
DHS = 3,77 x
1,33 2
+ (12 + 20 + 15) 60 60 60
DHS = 3,77 x
1,33 2
DHS = 3,77 x
1,33 2
+ 0,78
156
Tukey com n Diferente (Anova Simples , est. paramtrica)
DHS = 3,77 x
0,66 + 0,78
DHS = 3,77 x
1,44
Existe diferena significativa entre as mdias quando os resultados forem maiores ou iguais ao DHS calculado, 4,52.
13) Determine o tamanho do efeito (TE). - TE um meio do professor saber a diferena entre os valores analisados em Anova.
Classificao do TE igual ou maior do que 0,8 grande. entre 0,5 a 0,7 mdio. igual a 0,4 ou menor pequeno.
157
Anova Simples (est. paramtrica)
Uso do SPSS para Estabelecer a Anova Simples (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
Grupo 1 1 2 2 3 3
Valor 13 14 32 42 35 73
158
Anova Simples (est. paramtrica)
8)
159
Anova Simples (est. paramtrica)
9)
Grupo
Valor Valor
Grupo
2) Passe valor para caixa lista dependente (dependent list). a varivel a ser analisada.
160
Anova Simples (est. paramtrica)
10)
1) Clique em Options.
4) Clique em Continuer.
11)
161
Anova Simples (est. paramtrica)
162
2.13. Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
Para saber mais, consulte as referncias: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 128-33.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 543-6.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 187-8.
163
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
Mdia = (4 + 3) : 2 = 3,5
164
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
5) Aplicar os valores na equao H. H=[ 12 ] x [ R + R + R ] 3 x (N+1) n1 n2 n3 N = 18 N = n de sujeitos em todos os grupos. n = n de sujeitos em cada grupo. R1 = soma dos postos em cada grupo. n=6 R1 = 82,5 R2 = 54,5 R3 = 34
N x (N+1)
H=[
12
18 x (18+1)
H=[
12 18 x 19
165
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
H=[
12 342
H = [ 0,035 ] x [ 1822,07 ] 57
H = 63,7745 57 = 6,77
2 3 4 5 6
7 8 9 10 11 12 13
14 15 16
166
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
167
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
Apresentao do resultado no texto: A Anova de Kruskal-Wallis detectou diferena significativa (p0,05) entre as mdias, H (2) = 6,77. O teste U de Mann-Whitney foi utilizado como teste posterior para identificar a diferena entre as mdias. Foi verificado que a mdia do salto das crianas de 10 anos (Mdia de 34 cm) superior ao das crianas de 2 anos (Mdia de 15 cm).
7) Determine o tamanho do efeito (TE). O TE um meio do professor saber a diferena entre as mdias analisadas pelo teste H da Anova de Kruskal-Wallis. TE = (Mdia de X1 Mdia de X2) : Mdia do desvio padro
Classificao do TE - igual ou maior do que 0,8 grande. - entre 0,5 a 0,7 mdio. - igual a 0,4 ou menor pequeno.
Uso do SPSS para Estabelecer o Teste H da Anova de Kruskal-Wallis (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
168
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
6)
1) Digitar as variveis
Grupo 1 1 1 2 2 2 3 3 3
Valor 10 23 23 45 55 66 67 78 55
8)
169
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
9)
1) Passe grupo para caixa lista de teste varivel (test variable list).
Grupo 2) Passe valor para caixa grupos de comparao (grouping variable). 3) Escolha o tipo de teste (test type). Valor
Grupo
Valor
10)
170
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
11)
Ok
Options
3) Clique em excluir.
171
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
Postos
Posto Mdio
Significncia
172
2.14. Anova Fatorial (est. paramtrica)
- Quanto mais variveis independentes existir em Anova, maior a probabilidade de ocorrer o erro tipo I (rejeita a hiptese nula quando verdadeira) e dificulta a anlise.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 329-76.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 152-7.
173
Anova Fatorial (est. paramtrica)
VI = tipo de teste (2 testes escalonado e de carga fixa) VI = limiar anaerbio (3 limiares LAn, LAn 4 mmol/l e LAn Ind) VD = frequncia cardaca Anova two way (3 limiares x 2 testes)
Ateno: Muitas variveis independentes em uma Anova Fatorial tem grande probabilidade de cometer o erro tipo I (rejeita a hiptese nula quando verdadeira) . Anova 4x4x3x2o
2) Ordenar os valores na tabela. - Blocos so organizados em linhas, so responsveis pela manifestao da FC em cada limiar.
174
Anova Fatorial (est. paramtrica) Blocos so as linhas Tratamentos so as colunas FC de 4 mmol/l Teste Escalonado 179 bpm 138 bpm 159 bpm 173 bpm FC do LAn 125 bpm 168 bpm 128 bpm 137 bpm FC do LAn Ind 130 bpm 123 bpm 135 bpm 151 bpm Total da Interao Interao 649 + 558 + 539 = 1746
Blocos so as linhas
Tratamentos so as colunas FC de 4 mmol/l FC do LAn 171 bpm 167 bpm 162 bpm 165 bpm + 8 + FC do LAn Ind 137 bpm 147 bpm 113 bpm 177 bpm 8 = 24 Total da Interao
n dos tratamentos
Interao
652
665
574
1891
- n dos tratamentos a quantidade de nmeros das duas colunas (teste escalonado e carga fixa).
175
Anova Fatorial (est. paramtrica)
Blocos so as linhas
FC de 4 mmol/l
FC do LAn
Interao
652
665
574
1891
176
Anova Fatorial (est. paramtrica)
- Uma maneira til de pensar sobre os gl consider-lo o nmero de observaes feitas menos o nmero de parmetros estimados.
- Quanto mais parmetros forem estimados, maior ser a reduo dos gl.
177
Anova Fatorial (est. paramtrica)
C = (3637) : 24 = 551157,04
178
Anova Fatorial (est. paramtrica)
Total Final
Total = 212453 + 189601 + 157531 =
559985
6) Calcular a soma dos quadrados total (SQ total). SQ total = Total Final do 5 passo Valor de Correo do 4 passo SQ total = 559985 551157,04 = 8827,96
7) Elevar ao quadrado e depois somar o total final dos tratamentos ( a interao). 4 mmol/l = 1301 LAn = 1223 LAn Ind = 1113 Clculo = (1301) + (1223) + (1113) = 4427099
179
Anova Fatorial (est. paramtrica)
8) Calcular a soma dos quadrados dos tratamentos (SQ tr). SQ tr = [7 passo : (n de linhas . quant. colunas de cada teste) VC 4 passo]
9) Estabelecer o quadrado do total final da interao de cada bloco e depois somar. Teste Escalonado = 1746 Teste de Carga Fixa = 1891 Clculo = (1746) + (1891) = 6624397
10) Calcular a soma dos quadrados dos blocos (SQ bl). SQ bl = [9 passo : (n de colunas . quant. colunas de cada teste) VC 4 passo]
11) Estabelecer o quadrado de cada interao e depois somar. Clculo = (649) + (558) + (539) + (652) + (665) + (574) = 2219891
180
Anova Fatorial (est. paramtrica)
12) Calcular a soma dos quadrados da interao (SQ i). SQ i = (11 passo : n de colunas) VC 4 passo SQ tr SQ bl
13) Calcular a soma dos quadrados do resduo (SQ r). SQ r = SQ total - SQ tr SQ bl SQ i SQ r = 8827,96 2230,33 876,04 709,34 = 5012,25
QM das Interaes = SQ int : (gl dos tratamentos . gl dos blocos) QM i = 709,34 : (2 . 1) = 354,67
181
Anova Fatorial (est. paramtrica)
182
Anova Fatorial (est. paramtrica)
18) Determine o F crtico consultando a tabela pelos gl. F Tratamento (2,18) = 4 F Bloco (1,18) = 3,14 F Interao (2,18) = 1,27
gl
numerador
denominador
183
Anova Fatorial (est. paramtrica)
- Para ser significativo (p0,05) o F calculado precisa ser igual ou maior do que o F tabelado.
Valores crticos de F.
gl denominador 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 gl numerador 161 18,51 10,13 7,71 6,61 5,99 5,59 5,32 5,12 4,96 4,84 4,75 4,67 4,60 4,54 4,49 4,45 4,41 200 19 9,55 6,94 5,79 5,14 4,74 4,46 4,26 4,10 3,98 3,88 3,80 3,74 3,68 3,63 3,59 3,55 1 2
184
Anova Fatorial (est. paramtrica)
Apresentao do resultado no texto: A Anova two way (2x3) detectou diferena significativa nos tratamentos (grupos), F (2,18) = 4, p = 0,05. Mas diferena entre os blocos no foi significativa (p>0,05), F (1,18) = 3,14. O mesmo ocorreu com a interao, F (2,18) = 1,27.
ATENO: - Quando ocorre diferena significativa entre os tratamentos ou entre os blocos, utilize o teste posterior.
185
Anova Fatorial (est. paramtrica)
Interao Significativa (p0,05) - Uma interao ocorre quando uma varivel se comporta de forma diferente.
186
Anova Fatorial (est. paramtrica)
Grfico que Representa a Interao - Quando possui interao as linhas ou os pontos ficam prximos ou um em cima da outra.
187
Anova Fatorial (est. paramtrica)
Post Hoc Test (testes posteriores ou teste posterior) - So as mesmas explicaes de Anova Simples (ver p. 140-151).
QMr x ( 1 + 1 ) x (K 1)
Mdia y e Mdia z a comparao de duas mdias. K = quant. de grupos QM Resduo = quadrado mdio do resduo n = quant. de sujeitos no grupo
188
Post Hoc Test Anova Fatorial (est. paramtrica)
q x
K: quant. de grupos.
gl do SQ Resduo
Quando o n dos grupos no igual deve-se fazer outro clculo de Tukey, sendo:
DHS = q x
QM Resduo + (1 + 1 + 1) 2 n1 n2 n3
futebol
vlei
basquete
189
Anova Fatorial (est. paramtrica)
Tamanho do Efeito (TE) - TE um meio do professor saber a diferena entre os valores analisados em Anova Fatorial.
Classificao do TE igual ou maior do que 0,8 grande. entre 0,5 a 0,7 mdio. igual a 0,4 ou menor pequeno.
Uso do SPSS para Estabelecer a Anova Fatorial (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
190
Anova Fatorial (est. paramtrica)
6)
1) Digitar as variveis.
Grupo 1 1 1 1 1 1 2 2 2 2 2 2
Turno 1 1 2 2 3 3 1 1 2 2 3 3
Gols 10 11 22 20 33 35 11 16 42 62 73 53
Gols VD
Grupo e Turno VI
191
Anova Fatorial (est. paramtrica)
8)
9)
1) Passe gols para caixa varivel dependente (dependent variable). a varivel a ser analisada.
Grupo Turno
Gols
Gols
192
Anova Fatorial (est. paramtrica)
10)
Grupo Turno
Gols
Grupo Turno
11)
1) Passe as variveis analisadas para exibio da mdia para (display means for).
2) Clique em estatstica descritiva (descriptive statistics) e 3) Clique em Continuar (continue). estimativas do tamanho do efeito (estimates of effect size).
193
Anova Fatorial (est. paramtrica)
12)
13)
1) Passe as variveis analisadas para teste posterior (post hoc test for).
194
Anova Fatorial (est. paramtrica)
14)
Clique em Ok.
15) Resultado.
Estatstica Descritiva
195
Anova Fatorial (est. paramtrica)
graus de liberdade
Resultado
Significncia
tamanho do efeito
Teste Posterior
Diferena entre as mdias Significncia
196
2.15. Anova de Medidas Repetidas (est. paramtrica)
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 315-21.
Maia J et alii (2004). Uma nota didtica breve no uso esclarecido de procedimentos estatsticos em anlise de dados repetidos no tempo. Rev Port Cin Desp 4(3):11533. www.fade.up.pt/rpcd/
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 157-61.
197
Anova de Medidas Repetidas (est. paramtrica)
3` 7 12 11 10 6 13 5 15 0 6 85
6` 7 22 6 18 12 21 0 18 2 8 114
9` 23 26 9 16 9 30 2 22 0 27 164
12` 36 26 31 40 28 55 10 37 16 32 311
15` 70 20 30 25 37 65 11 42 11 54 365
198
Anova de Medidas Repetidas (est. paramtrica)
2) Calcular a soma dos quadrados dos tratamentos (SQ trat). So os valores das flexes em cada minuto.
Sujeito 1 2 3 4 5
Sendo 10.
3` 7 12 11 10 6 13 5 15 0 6 85
6` 7 22 6 18 12 21 0 18 2 8 114
9` 23 26 9 16 9 30 2 22 0 27 164
12` 36 26 31 40 28 55 10 37 16 32 311
15` 70 20 30 25 37 65 11 42 11 54 365
6 7 8 9 10 Total Final
(1039) = 6115,88 10 x 5
199
Anova de Medidas Repetidas (est. paramtrica)
3) Calcular o total de cada linha (so os blocos), depois elevar esses valores ao quadrado e somar.
Sujeito 1 2 3 4 5 6 7 8 9 10 3` 7 12 11 10 6 13 5 15 0 6 6` 7 22 6 18 12 21 0 18 2 8 9` 23 26 9 16 9 30 2 22 0 27 12` 36 26 31 40 28 55 10 37 16 32 15` 70 20 30 25 37 65 11 42 11 54 Total das Linhas 143 106 87 109 92 184 28 134 29 127 Total 143 = 20449 106 = 11236 87 = 7569 109 = 11881 92 = 8464 184 = 33856 28 = 784 134 = 17956 29 = 841 127 = 16129
Total Final
Somar
129165
4) Calcular a soma dos quadrados dos blocos (SQ bl). So os valores das flexes de cada sujeito. SQ bl = (total : n das linhas dos suj.) (total final colunas) : (n suj. x n suj. linhas)
200
Anova de Medidas Repetidas (est. paramtrica)
5) Calcular o quadrado de cada nmero das colunas, somar e estabelecer o total de todas as colunas.
Sujeito 1 2 3 4 5 6 7 8 9 10 Total das Colunas 3` 7 = 49 12 = 144 11 = 121 10 = 100 6 = 36 13 = 169 5 = 25 15 = 225 0 = 0 6 = 36 905 6` 7 = 49 22 = 484 6 = 36 18 = 324 12 = 144 21 = 441 0 = 0 18 = 324 2 = 4 8 = 64 1870 9` 23 = 529 26 = 676 9 = 81 16 = 256 9 = 81 30 = 900 2 = 4 22 = 484 0 = 0 27 = 729 3740 12` 36 = 1296 26 = 676 31 = 961 40 = 1600 28 = 784 55 = 3025 10 = 100 37 = 1369 16 = 256 32 = 1024 11091 15` 70 = 4900 20 = 400 30 = 900 25 = 625 37 = 1369 65 = 4225 11 = 121 42 = 1764 11 = 121 54 = 2916 17341
Total Final das Colunas = 905 + 1870 + 3740 + 11091 + 17341 = 34947
201
Anova de Medidas Repetidas (est. paramtrica)
7) Estabelecer a soma dos quadrados do erro (SQ erro). SQ erro = SQ total SQ trat SQ bl
8) Calcular os graus de liberdade (gl). gl dos Tratamentos (so as colunas) = n de colunas 1 gl Trat = 5 1 = 4
202
Anova de Medidas Repetidas (est. paramtrica)
9) Calcular os quadrados mdios (QM). QM Trat = SQ trat : gl trat QM Trat = 6115,88 : 4 = 1528,97
QM Bl = SQ bl : gl bl QM Bl = 4242,58 : 9 = 471,40
203
Anova de Medidas Repetidas (est. paramtrica)
gl 4 9 36 49
F 18,36 -
12) Esfericidade - Em Anova de medidas repetidas so utilizados os mesmos participantes em cada uma das condies.
- O que significa que deve existir alguma correlao entre as condies. - E essa correlao deve ser similar.
A esfericidade afeta a preciso da Anova de medidas repetidas. Merecendo que os gl sejam ajustados pelo Greenhouse Geiser.
204
Anova de Medidas Repetidas (est. paramtrica)
36 : (5 1) = 9
gl
numerador linha
denominador coluna
205
Anova de Medidas Repetidas (est. paramtrica)
F (1,9) = 18,36
gl denominador 1 2 3 4 5 6 7 8 9 gl numerador 161 18,51 10,13 7,71 6,61 5,99 5,59 5,32 5,12 1
206
Anova de Medidas Repetidas (est. paramtrica)
Post Hoc Test (testes posteriores ou teste posterior) - O teste posterior identifica a diferena entre as mdias.
Teste Posterior de Bonferroni - o mais indicado para ser usado em Anova de medidas repetidas. - Utilizado para comparaes mltiplas. - um teste conservador.
207
Anova de Medidas Repetidas (est. paramtrica)
Conservadores Protegem do erro tipo I. So suscetveis ao erro tipo II. Identificam menos diferena significativa.
Erro Tipo I: Rejeita a hiptese nula quando ela verdadeira. Erro Tipo II: No rejeita a hiptese nula quando ela falsa.
208
Teste de Bonferroni aplicado em Anova de Medidas Repetidas (est. paramtrica)
1 10
1 )] 10
t = - 2,9 : [ 5,91 . (
2 )] 10
t = - 2,9 : [ 5,91 . (
0,2 ) ]
t = - 2,9 : [ 5,91 .
0,44 ]
209
Teste de Bonferroni aplicado em Anova de Medidas Repetidas (est. paramtrica)
t calculado de 3`e 6` = - 1,11 gl = 18 gl 1 2 3 4 5 6 7 8 9 10 0,05 12,70 4,30 3,18 2,77 2,57 2,44 2,36 2,30 2,26 2,22 gl 11 12 13 14 15 16 17 18 19 20 0,05 2,20 2,17 2,16 2,14 2,13 2,12 2,11 2,10 2,09 2,086
Precisa achar t do Teste de Bonferroni com as seguintes comparaes entre as mdias: (3`, 6`) - feito, (3`, 9`), (3`, 12`) e (3`, 15`). (6`, 9`), (6`, 12`) e (6`, 15`). (9`, 12`) e (9`, 15`). Total de 9 comparaes.
210
Teste de Bonferroni aplicado em Anova de Medidas Repetidas (est. paramtrica)
Apresentao do resultado no texto: A Anova de medidas repetidas detectou diferena significativa, F (1,9) = 18,36, p = 0,05. O teste posterior de Bonferroni identificou diferena significativa (p0,05) entre as mdias das flexes de 9 minutos (mdia = 3) e 3 minutos (mdia = 16,4), ou seja, foram feitas mais flexes em 9 minutos. A comparao entre as outras mdias no foi identificada diferena significativa (p>0,05).
Tamanho do Efeito (TE) - TE um meio do professor saber a diferena entre os valores analisados na Anova de medidas repetidas.
Classificao do TE igual ou maior do que 0,8 grande. / entre 0,5 a 0,7 mdio. / igual a 0,4 ou menor pequeno.
211
Anova de Medidas Repetidas (est. paramtrica)
Uso do SPSS para Estabelecer a Anova de Medidas Repetidas (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
6)
1) Digite as variveis.
3` 20 30 45
6` 20 30 45
9` 20 30 45
212
Anova de Medidas Repetidas (est. paramtrica)
8)
1) Clique em Analisar (analyze). 2) Clique em Modelo Linear Geral (general linear model).
9)
2) Coloque o nmero dos nveis (number of levels). - So 3 porque os valores esto agrupados em 3`, 6` e 9`.
213
Anova de Medidas Repetidas (est. paramtrica)
10)
1) Passe os valores analisados para a caixa variveis dentre sujeitos (within-subjects variables).
3` 6` 9`
3` 6` 9`
11) 1) Passe as variveis analisadas para exibio da mdia para (display means for).
3) Escolha Bonferroni.
4) Clique em estatstica descritiva (descriptive statistics) e estimativas do tamanho do efeito (estimates of effect size).
214
Anova de Medidas Repetidas (est. paramtrica)
12)
3` 6` 9`
3` 6` 9`
1) Pressione ok.
215
Anova de Medidas Repetidas (est. paramtrica)
Resultado
Significncia
Tamanho do Efeito
216
2.16. Anova de Friedman (est. no paramtrica)
Para saber mais, consulte as seguintes obras: Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 275-8.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 546-51.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 189-90.
217
Anova de Friedman (est. no paramtrica)
1) Converter o resultado do %G dos sujeitos em postos. Depois some os postos (as colunas).
Sujeito 1 2 3 4 5 6 7 8 9 10 11 12 Total dos Postos 1 momento 16 11,6 18,1 16,3 12 12,5 9,3 18,8 19,2 22,3 20,7 24,1 Postos 3 3 3 1 1 3 3 3 1 2 3 2 28 2 momento 15,7 10,9 18 16,8 13,1 12,2 8,8 17,5 19,7 22,8 20,3 23,7 Postos 2 1 2 2 3 1 1 1 2,5 3 2 1 21,5 3 momento 15,2 11,5 17,6 17 12,8 12,3 9 18 19,7 21,6 19,6 24,4 Postos 1 2 1 3 2 2 2 2 2,5 1 1 3 22,5
218
Anova de Friedman (est. no paramtrica)
Mdia dos Postos 19,7 est entre o posto 2 e 3. Existem dois valores de 19,7. Mdia dos Postos = (n + n) : quant. de n iguais
N = 12 / K = 3 / R1 = 28 / R2 = 21,5 / R3 = 22,5
219
Anova de Friedman (est. no paramtrica)
X = 1,45
220
Anova de Friedman (est. no paramtrica)
221
Anova de Friedman (est. no paramtrica)
5) Quando existir diferena significativa (p0,05), utilize como teste posterior o teste de Wilcoxon.
Apresentao do resultado no texto: A Anova de Friedman no detectou diferena significativa, X (2) = 1,45, p = 0,10.
6) Determine o tamanho do efeito (TE) - TE um meio do professor saber a diferena entre os valores analisados na Anova de Friedman. TE = (Mdia de X1 Mdia de X2) : Mdia do desvio padro
Classificao do TE igual ou maior do que 0,8 grande. entre 0,5 a 0,7 mdio. igual a 0,4 ou menor pequeno.
222
Uso do SPSS para Estabelecer a Anova de Friedman (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
6)
1) Digite as variveis.
A 1 2 4
B 1 2 4
C 1 2 4
8)
223
Anova de Friedman (est. no paramtrica)
9)
A B C
A B C
2) Clique em Friedman.
10)
224
Anova de Friedman (est. no paramtrica)
11)
A B C
Clique em Ok.
225
Anova de Friedman (est. no paramtrica)
n da amostra
quiquadrado o X
graus de liberdade
Significncia
226
2.17. Correlao Linear de Pearson (est. paramtrica)
- Esta correlao foi introduzida por Pearson em 1900, no artigo On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can reasonably be supposed to have arisen from random sampling, no peridico Philos Mg, v. 50, n. -, p. 157-75.
Baseado em: Kurata K, Hoshi E (2002). Movement-related neuronal activity reflecting the transformation of coordinates in the ventral premotor crtex of monkeys. J Neurophysiol 88(6):3118-32.
- No r de Pearson existe uma varivel independente e outra dependente Exemplo: - Varivel Independente: Tempo de treino. - Varivel Dependente: Vitrias no voleibol de dupla.
- O r igual a 0 mostra que no existe relao entre as variveis. - Mostra a direo (+ ou -) do relacionamento entre as variveis.
227
Correlao Linear de Pearson (est. paramtrica)
Classificao Perfeita Muito Alta Alta Moderada Baixa Muito Baixa Inexistente
Gaya (2008) 0,90 a 1 0,70 a 0,89 0,40 a 0,69 0,20 a 0,39 0,1 a 0,19 0
Pompeu (2004, 2006) 1 0,90 a 0,99 0,80 a 0,89 0,70 a 0,79 0,60 a 0,69 0,50 a 0,59 0
y a varivel dependente
x a varivel independente
228
Correlao Linear de Pearson (est. paramtrica)
As figuras apresentam uma correlao perfeita positiva e negativa, o grfico exposto a seguir:
Fora
Fora
229
Correlao Linear de Pearson (est. paramtrica)
Para saber mais, consulte as referncias indicadas: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 165-175.
Caldeira S, Matsudo V (1981). Estatstica aplicada s cincias do esporte 2 parte. Revista Brasileira de Cincias do Esporte. 2(3):6-12.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 178-99.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 114-121.
230
Correlao Linear de Pearson (est. paramtrica)
1) Um tcnico de voleibol deseja saber se existe relao entre impulso vertical e altura de alcance do bloqueio em atletas do voleibol de alto nvel. . Impulso vertical X, sendo varivel independente. . Altura de alcance no bloqueio Y, sendo varivel dependente.
2) Coloque os valores na tabela e some. Atleta 1 2 3 4 Impulso Vertical (x) em cm 70 75 80 90 Total: 315 Altura de Alcance no Bloqueio (y) em cm 76 77 88 89 Total: 330
3) Multiplicar os valores de X por Y e somar. 70 x 76 = 5320 75 x 77 = 5775 80 x 88 = 7040 90 x 89 = 8010 TOTAL = 26145
231
Correlao Linear de Pearson (est. paramtrica)
4) Colocar os valores de X e de Y ao quadrado, depois somar. X (70) = 4900 (75) = 5625 (80) = 6400 (90) = 8100 Total: 25025 Y (76) = 5776 (77) = 5929 (88) = 7744 (89) = 7921 Total: 27370
r=
(N
(somatrio de X . somatrio de Y)
N=4 Somatrio de X multiplicado por Y = 26145 Somatrio de X = 315 Somatrio de Y = 330 Somatrio de X = 25025 Somatrio de Y = 27370
232
Correlao Linear de Pearson (est. paramtrica)
r=
(4
26145)
(315
330)
r=
104580
103950
r=
gl = 4 2 = 2
233
Correlao Linear de Pearson (est. paramtrica)
7) Consulte os valores crticos do r de Pearson. r = 0,88 gl = 2 gl 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 25 30 35 40 45 50 60 70 80 90 100 0,05 0,99 0,95 0,87 0,81 0,75 0,70 0,66 0,63 0,60 0,57 0,55 0,53 0,51 0,49 0,48 0,46 0,45 0,44 0,43 0,42 0,38 0,34 0,32 0,30 0,28 0,27 0,25 0,23 0,21 0,20 0,19 - Para ser significativo precisa ser maior ou igual ao r tabelado.
234
Correlao Linear de Pearson (est. paramtrica)
Erro Padro da Estimativa (EPE) Quando estiver validando um teste, o ideal que saiba o quanto aquela medida possui de erro (Kiss, 2003). Quanto menor o desvio padro e maior o r, menor o EPE (Tomas e Nelson, 2002). Consequentemente, melhor ser o teste que voc est elaborando. A frmula para calcular o EPE a seguinte:
1 (r da correlao)
Exemplo: Desvio Padro y (varivel dependente) = 33,5 r = 0,67 EPE = 33,5 . 1 (0,67) EPE = 33,5 . 1 0,44
EPE = 33,5 .
0,56
EPE = 24,79
Referncia Kiss M (2003). Esporte e exerccio. So Paulo: Roca, p. 21-41. Thomas J, Nelson J (2003). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 124125.
235
Correlao Linear de Pearson (est. paramtrica)
Apresentao do Resultado: Salto vertical e alcance da mo no bloqueio do voleibolista obteve uma forte relao. A correlao de Pearson foi significativo (p0,05), com um r de 0,90. O erro padro da estimativa foi de 59,85, sendo alto.
Uso do SPSS para Estabelecer a Correlao Linear de Pearson (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
6)
1) Digite as variveis.
A 23 33 44
B 23 33 44
236
Correlao Linear de Pearson (est. paramtrica)
9)
237
Correlao Linear de Pearson (est. paramtrica)
10)
2) Clique em mdia e desvio padro (means and standard deviations) e excluir casos (exclude cases).
238
Correlao Linear de Pearson (est. paramtrica)
11)
1) Clique em Ok.
Significncia
239
2.18. Coeficiente de Correlao de Spearman (est. no paramtrica)
Para saber mais, consulte as referncias indicadas: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 165-175.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 524-6.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 190-1.
240
Coeficiente de Correlao de Spearman (est. no paramtrica)
n = 10
241
Coeficiente de Correlao de Spearman (est. no paramtrica)
rs = 1 [(6 x D) : [n x (n - 1)]
rs = 1 0,096
rs = 1 [96 : 990]
rs = 0,90
242
Coeficiente de Correlao de Spearman (est. no paramtrica)
n 4 5 6 7 8 9 10 12 14 16 18 20 22 24 26 28 30
0,05 1 0,90 0,82 0,71 0,64 0,60 0,56 0,50 0,45 0,42 0,39 0,37 0,35 0,34 0,32 0,31 0,30
243
Coeficiente de Correlao de Spearman (est. no paramtrica)
Apresentao do Resultado: Salto vertical e alcance da mo no bloqueio do voleibolista obteve uma forte relao. A correlao de Spearman foi significativa (p0,05), com um r de 0,90. O erro padro da estimativa foi de 59,85, sendo alto.
Uso do SPSS para Estabelecer o Coeficiente de Correlao de Spearman (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
- Os mesmos procedimentos do r Pearson (ver p. 235-8) acontece no r de Spearman. A nica diferena na escolha da correlao na fase 9.
Escolha o r Spearman.
244
Coeficiente de Correlao de Spearman (est. no paramtrica)
3) Significncia
245
2.19. Regresso Linear Simples
- As investigaes do tipo preditivo se caracterizam pela capacidade de estimar possveis valores da varivel dependente a partir da varivel independente.
- Quanto mais alta for a relao entre duas variveis (Ex.: feito o r Pearson de 0,90 e depois a regresso), mais precisamente voc pode predizer algo.
- Quando duas variveis so correlacionadas, faa a regresso para expressar uma frmula matemtica que ser possvel predizer algo.
246
Regresso Linear Simples
- Quanto mais linear estiverem os pontos numa linha reta do grfico de disperso, melhor a regresso.
- y a varivel dependente. - Valor que se prediz.
x a varivel independente
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 381-415.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 122-31.
247
Regresso Linear Simples
Importante - Faa antes o r de Pearson, somente se existir diferena significativa (p0,05), realize a regresso linear simples.
Atleta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x 100 101 104 103 96 98,50 100,50 93,80 96,10 99,10 94,20 98,90 105,90 91,70 89,50 99 108,90 92,10 98 105 Mdia 98,760
248
Regresso Linear Simples
249
Regresso Linear Simples
250
Regresso Linear Simples
251
Regresso Linear Simples
5) Elevar ao quadrado o resultado do clculo de (x mdia de x) e depois somar. Fazer o mesmo com y.
Atleta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 (x mdia de x) = resultado 1,24 = 1,54 2,24 = 5,02 5,24 = 27,46 17,90 7,62 0,07 3,03 24,60 7,08 0,12 20,79 0,02 50,98 49,84 85,75 0,06 102,82 44,36 0,58 38,94 Somatrio 488,63 (y mdia de y) = resultado 18,54 = 343,55 90,92 9,21 0,22 89,59 26,68 0 55,73 71,66 0,29 109,52 42,71 6,43 55,73 181,31 0,22 157,13 6,08 42,71 30,64 Somatrio 1320,27
252
Regresso Linear Simples
6) Aps realizar os clculos anteriores, possvel elaborar uma equao de regresso com o intuito de predizer algo. Y = a + (b . x)
a: o coeficiente linear, sendo o ponto intercepto (interromper o curso) de Y para a linha de melhor ajuste. Em outras palavras, a o valor de Y quando x zero.
b: o coeficiente angular, representa a inclinao da linha de melhor ajuste do grfico de disperso, ou seja, a variao em Y acompanha uma mudana de 1 unidade de x.
253
Regresso Linear Simples
a = mdia de Y - (b . mdia x)
9) Aps o clculo de b e a, determina-se a equao da linha de regresso. Y = a + (b . x) a = - 51,21 b = 1,15 Y = - 51,21 + (1,15 . x)
254
Regresso Linear Simples
10) Determinando a equao de regresso, possvel predizer a pontuao de cestas at o 2 quarto. Y = - 51,21 + (1,15 . x)
- Quanto menor o desvio padro e maior o r, resultar num menor erro da predio.
1 (r da correlao)
255
Regresso Linear Simples
Linha de Regresso - Para desenhar a linha de regresso preciso derivar 3 valores de Y (y1, y2 e y3) a partir de X (x1, x2 e x3), utilizando a equao matemtica da reta, Y = a + (b.x).
x a varivel independente
- Os 3 valores de x so denominados observados, enquanto os da varivel Y so denominados ajustados. - A linha reta do grfico descreve o relacionamento entre x e Y. - Significado de linear o seguinte: toda vez que o valor de x aumenta, Y muda por um valor constante. - Se a inclinao da linha de regresso zero, assume-se que no h relao linear entre x e Y. - Os valores extremos (outliers valores mais baixos e/ou mais baixos em relao a distribuio) podem ser identificados no grfico de disperso.
256
Regresso Linear Simples
Resduo - Resduos so representados pela distncia vertical de cada ponto de dados x e Y em relao a linha de regresso.
- Resduos a diferena entre os valores observados (Y) e preditos da varivel resposta (Y).
+
+
Y observado
+
+
Resduo = Y Y
Y predito
+
x
257
Regresso Linear Simples
12) Para saber se a linha de regresso do grfico de disperso diferente de zero, deve-se calcular a varincia residual estimada (VRE) e o erro padro de b (EPb).
VRE = Somatrio de (y Y) : n 2
Atleta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
x 100 101 104 103 96 98,50 100,50 93,80 96,10 99,10 94,20 98,90 105,90 91,70 89,50 99 108,90 92,10 98 105
Y 63,79 65,04 68,50 67,35 59,29 62,17 64,47 56,75 59,40 62,86 57,21 62,63 70,69 54,34 51,80 62,74 74,14 54,80 61,59 69,65
258
Regresso Linear Simples
- Calcule a diferena de y (p. 246) e Y (p. 258), por ltimo determine o resultado dessa subtrao ao quadrado. (y Y)
(81 63,79) Atleta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 y 81 72 65,50 62 53 57,30 62,50 55 54 63 52 69 65 55 49 62 75 60 69 68 Y 63,79 65,04 68,50 67,35 59,29 62,17 64,47 56,75 59,40 62,86 57,21 62,63 70,69 54,34 51,80 62,74 74,14 54,80 61,59 69,65 (y Y) 296,18 48,38 (17,21) = 296,18
8,99
28,59 39,53 23,67 3,88 3,08 29,18 0,02 27,19 40,63 32,33 0,44 7,85 0,55 0,74 27,08 54,91 2,72 Somatrio 672,42 Fazer o mesmo nos outros nmeros de y e Y.
259
Regresso Linear Simples
VRE = Somatrio de (y Y) : n 2
- Quanto menor a VRE, maior ser a proximidade dos pontos no diagrama de disperso em relao a linha de regresso.
EPb =
VRE
Somatrio de (X mdia)
Calculado na p. 250.
EPb =
37,36
488,63
= 0,276
260
Regresso Linear Simples
Hiptese na Linha de Regresso - Merece ser testada para saber se a inclinao da linha de regresso igual a zero (b = 0, no existe relao entre x eY) ou diferente desse valor. Basta fazer o seguinte clculo:
t = b : erro padro de b
gl = 20 2 = 18
261
Regresso Linear Simples
t = 4,17 gl = 18 gl 1 2 3 4 5 6 7 8 9 10 0,05 12,70 4,30 3,18 2,77 2,57 2,44 2,36 2,30 2,26 2,22 gl 11 12 13 14 15 16 17 18 19 20 0,05 2,20 2,17 2,16 2,14 2,13 2,12 2,11 2,10 2,09 2,086 gl 21 22 23 24 25 26 27 28 29 30 0,05 2,080 2,07 2,069 2,06 2,056 2,052 2,048 2,046 2,042 gl 40 60 120 0,05 2,02 2 1,98
- Para rejeitar a hiptese nula da inclinao da linha de regresso (ela diferente de zero), o t calculado precisa ser maior ou igual ao t tabelado.
..................................................................................................................................................................................
Uso do SPSS para Estabelecer a Regresso Linear Simples (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
- Passo 1 a 7 igual ao que foi ensinado na mdia (ver p. 12-5). - Passar os valores de um lugar para o outro (ver p. 68).
262
Regresso Linear Simples
6)
1) Digite as variveis.
VI 1 23 34 55
VD 1 23 34 55
10)
3) Escolha Linear.
263
Regresso Linear Simples
11)
VI VD
VD
12)
intervals), modelo ajustado (model fit), R (R squared change), estatstica descritiva (descritives) e correlao (correlations). 2) Clique em continuar (continue).
264
Regresso Linear Simples
13)
1) Clique em grficos (plots) e depois escolha diagrama de disperso (normal probability plots)
VD
VI
2) Clique em ok.
265
Regresso Linear Simples
Significncia
266
Regresso Linear Simples
267
2.20. Regresso Mltipla
- Acontece uma relao linear entre uma varivel dependente (Y) e duas ou mais variveis independentes (x).
- Na regresso mltipla a amostra precisa ser grande. Podendo ser calculada pela seguinte equao: n 50 + (8 x quant. de variveis independentes) 50 + (8 x 2) 50 + 16 = 66, o n precisa ser igual ou maior do que o resultado.
- O grfico pode ser representado atravs da relao da varivel dependente (Y) com uma das variveis independentes (x). O grfico a seguir ilustra essa explicao:
268
Regresso Mltipla - y a varivel dependente. - Valor que se prediz.
x a varivel independente
Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 178-88.
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. 3 ed. Porto Alegre: Artmed, p. 381-415.
Thomas J, Nelson J (2002). Mtodos de pesquisa em atividade fsica. 3 ed. Porto Alegre: Artmed, p. 122-31.
269
Regresso Mltipla
Importante - Faa antes o r de Pearson, somente se existir diferena significativa (p0,05), realize a regresso linear simples.
1) Para calcular os valores da equao de regresso mltipla com duas variveis independentes basta fazer os procedimentos que sero explicados ao longo dessa obra.
270
Regresso Mltipla
271
Regresso Mltipla
5) Multiplicar x1 por Y.
Atleta 1 2 3 4 5 6 7 8 9 10 x1 . Y 2 . 42 = 84 41 250 192 312 147 416 165 357 610 Total 2574
6) Multiplicar x2 por Y.
Atleta 1 2 3 4 5 6 7 8 9 10 x2 . Y 25 . 42 = 1050 984 900 1056 832 931 936 825 1020 976 Total 9510
272
Regresso Mltipla
x1 = 49 : 10 = 4,9
x2 = 193 : 10 = 19,3
Y = 501 : 10 = 50,1
273
Regresso Mltipla
274
Regresso Mltipla
14) Aps efetuar os clculos anteriores possvel elaborar uma equao de regresso mltipla com o intuito de predizer algo. O modelo de equao de regresso mltipla com duas variveis independentes o seguinte: Y = a + (b1 . x1) + (b2 . x2)
a: o coeficiente linear, sendo o ponto intercepto (interromper o curso) de Y para a linha de melhor ajuste. Em outras palavras, a o valor de Y quando x zero.
b: Representa o coeficiente de regresso, ou seja, so os pesos relativos das duas variveis independentes, na predio da varivel dependente.
275
Regresso Mltipla
15) Para calcular b2 basta aplicar os valores calculados anteriormente e resolver a equao. b2 = [(Sy2 : S12) (Sy1 : S11)] : [(S22 : S12) (S12 : S11)]
Sy2 (calculado na p. 273) = - 159,3 S12 (calculado na p. 273) = - 51,7 Sy1 (calculado na p. 272) = 119,1 S11 (calculado na p. 273) = 72,9 S22 (calculado na p. 274) = 106,1
b2 = [(- 159,3 : - 51,7) (119,1 : 72,9)] : [(106,1 : - 51,7) (- 51,7 : 72,9)] = - 1,0778
276
Regresso Mltipla
18) Sabendo a, b1 e b2, pode-se determinar a equao de regresso mltipla. Y = a + (b1 . x1) + b2 . x2
a = 66,641 b1 = 0,869 b2 = - 1,078
277
Regresso Mltipla
20) Calcule a varincia do resduo (VR). VR = Syy (b1 . Sy1) (b2 . Sy2)
Syy (Calculado na p. 272) = 304,9 b1 (Calculado na p. 275) = 0,869 Sy1 (calculado na p. 272) = 119,1 b2 (Calculado na p. 275) = - 1,078 Sy2 (calculado na p. 273) = - 159,3
278
Regresso Mltipla
22) Calcule os graus de liberdade (gl) da Anova one way. gl x1 e x2 Resduo Total (K 1) = 3 1 = 2 (N K) = 10 3 = 7 (N 1) = 10 1 = 9
24) Calcule os quadrados mdios (QM) de Anova one way. QMet (entre os grupos) = VE : gl correspondente 275,2 : 2 = 137,6
29,7 : 7 = 4,2
279
Regresso Mltipla
gl
numerador = 2
denominador = 7
280
Regresso Mltipla
F (2,7) = 32,8
- Acontece diferena significativa (p0,05) quando o F igual ou maior do que o F tabelado.
gl de QMdt denominador 1 2 3 4 5 6 7
gl de QMet numerador
O F precisa ser significativo para rejeitar a hiptese nula da inclinao da linha de regresso.
Hipteses Testadas H0 a inclinao da linha de regresso igual a zero, assume-se que NO existe relao linear entre x e Y. H1 a inclinao da linha de regresso diferente de zero, existindo relao linear entre x e Y.
27) Calcule o coeficiente de determinao (R). R2 = VE : VT (Foram calculados na p. 277) R = 275,2 : 304,9 = 0,90
281
Regresso Mltipla
- Quanto menor o desvio padro e maior o R, resultar num menor erro da predio.
1 (R)
.......................................................................................................................................................
Uso do SPSS para Estabelecer a Regresso Mltipla (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
282
Regresso Mltipla
6)
VI 22 33 55
VI 22 33 55
VD 22 33 55
10)
3) Escolha Linear.
283
Regresso Mltipla
11)
VI VI VD
VD
VI
12)
VD
1) Selecione prximo (next) e mova a 2 varivel independente para caixa independente (independent).
284
Regresso Mltipla
13)
intervals), modelo ajustado (model fit), R (R squared change), estatstica descritiva (descritives), correlao (correlations) e diagnstico (collinearity diagnostics). 2) Clique em continuar (continue).
14)
1) Clique em grficos (plots) e depois escolha diagrama de disperso (normal probability plots)
VD
VI
2) Clique em ok.
285
Regresso Mltipla
Significncia
286
Regresso Mltipla
287
Regresso Mltipla
Fome
43.88
b1 b2