ESTATÍSTICA Aplicada Ao ESPORTE e A ATIVIDADE FÍSICA

Estatstica Aplicada ao Esporte e a Atividade Fsica
Nelson Kautzner Marques Junior

nk-junior@uol.com.br
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
n = 90, 73, 72, 79
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
1+3,332 x 1,3010 = 5,334
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.
FR (%) = 15 + 30 + 25 + 20 + 10 = 100% (sempre tem que dar 100%)
9
j) Indicar a distribuio de freqncia acumulada. Freqncia 3 6 5 4 2 3 3+6=9 3 + 6 + 5 = 14 18 20
Obs.: O ltimo n da freqncia acumulada sempre igual ao total de elementos observados.
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:
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)
Clique em Visualizar Variveis (variable view)
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)
Retornar a planilha anterior em Ver Dados (data view).
6)
Digite as variveis do estudo na coluna Var.
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)
1) Clique em Analisar (analyze).
2) Clique em Estatstica Descritiva (Descriptive statistics).
3) Selecione a opo Frequncias (frequencies).
16
9) 1) Clique na varivel de interesse. 2) Clique na seta, passando para Varivel (variable).
3) Selecione a opo Estatsticas (statistics).
10)
1) Selecione a mdia (mean), a mediana (median) e a moda (mode). .
2) Clique Continuar (continue). 3) Clique em Ok para ter o resultado.
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
Amplitude de Classe (h) = 54 : 6 = 9 (Este n tem a ver com a ordem do N DE FLEXES)
N de Flexes (x) 40 49 49 58 58 67 67 76 76 85 85 - 94
N de Alunos (f) 5 3 7 3 5 2 Total 25
Ponto Mdio = Limite Inferior + Limite Superior 2 PM = 49 + 40 (so as flexes) = 44,5 2
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
Me = Xe + h (P Fa) f1 N de Flexes 40 49 49 58 Xe 58 67 67 76 76 85 85 - 94 Freqncia 5 3 f1 7 3 5 2 Total 25 Freqncia Acumulada 5 5 + 3 = 8 Fa 5 + 3 + 7 = 15 18 23 25
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
2 . fant (fant fpost)
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 %
c) Utilizando a distribuio acima, elabore a distribuio de freqncia correspondente? K=1+3,332 Log 30
K = 1 + 3,332 . 1,4771 6 AT = 240 120 = 120 AC = 120 : 6 = 20
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)
X 2 3 10 Total = 15 Mdia = 5 Mdia = 25 N = 3 elementos, porque tem trs nmeros.
X 2 = 4 3 = 9 10 = 100 Somatrio de X = 113
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:
3) Clique em OK para ter o resultado.
2) Clique em Continuar (continue) 1) Selecione o desvio padro (std. deviation)
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:
Delta Percentual = (2 resultado 1 resultado) x 100 = x% 2 resultado
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:
a) Ordenar os valores do maior para o menor. Sujeito 1 2 3 4 Resultado do teste 20 16 12 10
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
2) Calcular o escore z de cada teste.
Z = resultado do atleta mdia do teste Desvio Padro do teste
36
Atleta 1 Z = 200 cm no teste de salto horizontal - 195 = 0,10 47,7
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
. segundo para centsimo
x 100
. centsimo para segundo
: 100
. minuto para segundo
x 60
. segundo para minuto
: 60
. hora para minuto
x 60
. minuto para hora
: 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.
Pompeu F (2006). Biodinmica do movimento humano. So Paulo: Phorte, p. 111.
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:
Dancey C, Reidy J (2006). Estatstica sem matemtica para psicologia. Porto Alegre: Artmed, p. 70-107.
Bojikian L, Gagliardi J, Bhme M (2006).
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
2) Clicar em inserir e escolher colunas.
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.
Como elaborar no Excel:
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)
2) Clicar em inserir e escolher barras.
3) Os demais procedimentos so iguais ao explicado na pgina 40.
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
2) Clicar em inserir e escolher pizza.
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.
Como elaborar no Excel:
1) Digitar o total de gols e depois colocar os dados em evidncia. 2008 Gols 10 2009 20 2010 68 2011 78 2012 100
2) Clicar em inserir e escolher linhas.
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
2) Clicar em inserir e escolher disperso.
3) Clicar em Layout de Grfico e escolher um grfico que possui uma reta.
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:
1 Testar a normalidade dos dados Distribuio Normal Distribuio No Normal
Teste de Shapiro-Wilk (n at 50) ou Teste Kolmogorov-Smirnov (n maior que 50)
No SPSS, p precisa ser maior que 0,05.
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:
- p = 0,000 no SPSS significa que p0,001.
- Insignificante, no use esse termo. O ideal escrever: os dados no foram significativos.
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
2.2.1. Teste de Shapiro-Wilk Utilizado quando a amostra de 50 componentes.
1) Ordenar os nmeros da amostra. 10, 15, 15, 20 e 25. Mdia = 17
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)
- Ordenar os nmeros da amostra do maior para o menor. 25 20 15 15 10
- Estabelecer o coeficiente de Shapiro-Wilk de cada nmero. Nmeros da Amostra 25 20 15 15 10 Coeficiente de Shapiro-Wilk
49
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
Coef. de Shapiro-Wilk 0,6646 0,2413 0,0000 -
Mais Alto 25 20
Mais Baixo 10 15
50
4) 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)
b = 0,6646 x (25 10) + 0,2413 x (20 15) 9,9735 + 1,2065 = 11,18
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
6) Calcular W. W = b : somatrio 11,18 : 130 = 0,086
- 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.
- Geralmente o intervalo de classe fica em torno de 10 quando a amostra de 50 sujeitos.
- Um meio de estabelecer o intervalo de classe atravs da amplitude total (AT) entre os valores do grupo 1 e do grupo 2.
AT = n mais alto n mais baixo
AT = 210 140 = 70 um valor muito alto, ento reduz para 7.
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)
3) Determine a frequncia (f) em cada intervalo de classe.

IC 140 147 147 - 154 154 - 161 161 - 168 168 - 175 175 - 182
210 o 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
182 - 189 189 - 196 196 - 203 203 - 210 Total
53
4) Calcular a frequncia acumulada (fa). Basta somar pelo 1 n.

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 0+2+2=4 0+4+2=6 3+6=9 2 + 9 =11 0 + 11 = 11 1 + 11 = 12 2 + 12 =14 0 + 12 = 14 G2 f 2 1 2 2 0 0 0 0 2 1 10 fa 2 3 5 7 7 7 7 7 9 10
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
6) Calcular a diferena entre as propores da frequncia acumulada (pfa) do grupo 1 e 2.

IC 140 147 147 - 154 154 - 161 161 - 168 168 - 175 175 - 182 182 - 189 189 - 196 196 - 203 203 - 210 G1 pfa G pfa 0,2 - 0,2 = 0 0,2 - 0,3 = - 0,1 0,4 - 0,5 = - 0,1 0,6 - 0,7 = - 0,1 0,9 - 0,7 = 0,2 1,1 - 0,7 = 0,4 1,1 - 0,7 = 0,4 1,2 - 0,7 = 0,5 1,4 - 0,9 = 0,5 1,4 1 = 0,4
- Aps o clculo da subtrao, selecione o maior valor. - 0,5, sendo o D mximo.
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
n a quantidade de nmeros da amostra, sendo 10.
- A normalidade dos dados por Kolmogorov-Smirnov acontece quando D mximo menor do que D crtico.
- D mximo (0,5) menor do que D crtico (0,59), ou seja, a distribuio normal.
55
Uso do SPSS para Estabelecer a Normalidade dos Dados (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).
8) 1) Clique em Analisar (analyze). 2) Clique em Estatstica Descritiva (descriptive statistics).
3) Selecione a opo Explore.
56
Normalidade dos Dados
9)
1) Clique na varivel de interesse.
2) Depois na seta, passando para Lista Dependente (dependent list).
SV
SV
3) Selecionar Plots.
4) Habilitar a opo Normalidade (normality).
5) Clique em Continuar (continue).
6) Clique em Ok para ter o resultado.
10) Resultado.
A distribuio normal quando a significncia maior do que 0,05.
- 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.
- Os testes de significncia so conduzidos em nveis de probabilidade pr-selecionados. - Simbolizados por p ou alfa.
- 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
- Portanto, 0,05 oferece um equilbrio no erro tipo I e tipo II.
- 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%).
Ateno no SPSS p = 0,000, ele quer dizer um p0,001.
59
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
Para saber mais, consulte as seguintes referncias:
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.
- Ele utilizado quando o pesquisador no est seguro sobre o resultado.
- 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
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
- Um teste de significncia unicaudal ou bicaudal selecionado.
- O seu resultado um valor calculado.
- 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.
- Em geral, os gl esto relacionados com o tamanho da amostra e com o nmero de grupos.
- Sendo determinados por frmulas.
- 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.
t = (mdia do estudo mdia da populao) desvio padro : n
n = quantidade de indivduos da amostra.
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 = (1750,80 1980) 1660,14 : 120
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
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)
Passar os valores de um lugar para o outro.
10 20 30
1) Colocar em evidncia.
69
Apertar o boto esquerdo do mouse. Clicar em CUT (passagem) ou PASTE (passar).
8)
1) Clique em Analisar (analyze). evidncia.
2) Clique em Compare as Mdias (compare means). 3) Selecione a opo T Teste para uma (one-sample T test).
10 20 30
70
9) 1) Clique na varivel de interesse. 2) Depois na seta, passando para Varivel Testada (test variable).
SV
SV
5) Clique em OK para ter o resultado.
3) Insira a mdia da populao em Valor do Teste (test value).
4) Selecione Opes (options) para saber a estatstica descritiva.
71
10) Resultado.
1) Estatstica Descritiva
O resultado comparado ao valor mdio da populao.
2) Resultado 4) Significncia 3) graus de liberdade
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.
2) n o nmero de observaes abaixo e acima da mediana. n = 81 abaixo + 38 acima = 119
- 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)
3) Calcule o Z, quando o n maior do que 10 .
n = 119
r = 38
Z=
[r- n)]1 2 n:2 2
Z = [38 - 119] 1 2 119 : 2 2
Z = 22 : 7,71 = 3,85
4) Comparar o resultado (r ou z) com o valor tabelado.
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
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
0,9 1,0 1,1
- Z calculado possui diferena significativa (p0,05).
1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9
Obs.: Em amarelo so os valores que correspondem diferena significativa.
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)
1) Digitar as variveis na coluna Var.
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
8)
2) Clique em Teste No Paramtrico (compare means).
3) Selecione a opo Duas amostras Relacionadas. (2 related samples).
9)
4) Clique em Ok.
B 2) Clique em Sinal (sign).
1) Passe as duas variveis para Lista de Teste Pareado (test pair lista). 3) Selecione Opes (options) para saber a estatstica descritiva.
77
10) Resultado. 1) Estatstica Descritiva
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:
Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 21922.
Matsudo V (1998). Testes em cincias do esporte. 6 ed. SCS: CELAFISCS, p. 99125.
Marins J, Giannichi R (1998). Avaliao e prescrio de atividade fsica. 2 ed. RJ: Shape, p. 220-226.
Pompeu F (2006). Biodinmica do movimento humano. SP: Phorte, p. 40-4.
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
3) Calcular o desvio padro de cada amostra.
Sx =
Soma de X ao quadrado - (Mdia) Quant. de atletas
Sx1 =
150,3 - (5,99) 4
Sx1 =
37,57 35,88
Sx1 =
1,69
= 1,3
- O mesmo clculo foi realizado para Sx2, sendo 16,83.
4) Determinar o erro padro (EP) de cada mdia.
EP = S1 :
Quant. de atletas - 1
81
EP1 = 1,3 :
4-1
EP1 = 1,3 :
EP1 = 1,3 : 1,73 = 0,75
EP2 = 9,72
5) Estabelecer o erro padro da diferena (EPD).
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
6) Calcular a razo t. t = (Mdia de X1 Mdia de X2) : EPD
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
7) Estabelecer os graus de liberdade (gl). gl = N1 (quant. de atletas) + N2 2 gl = 4 + 4 2 = 6
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
0,05 2,02 2 1,98
2,064 <120 1,96
83
9) Determine o tamanho do efeito (TE).
- TE um meio do professor saber a diferena entre a pontuao entre o treino de surf e o treino de surf periodizado.
TE = (Mdia de X1 Mdia de X2) : Mdia do desvio padro
Treino = 5,991,30 Periodizao = 37,5716,83
Mdia do Desvio Padro = (1,30 + 16,83) : 2 = 9,06
TE = (5,99 37,57) : 9,06 = - 3,48
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
3) Calcular o desvio padro de cada amostra (igual ao da pgina 80).
Sx =
Soma de X ao quadrado - (Mdia) Quant. de atletas Sx1 = 9,60 / Sx2 = - 77,30
85
4) Calcular o erro padro da diferena (EPD).
EPD =
N1 x (S1) + N2 x (S2) x N1 + N2 - 2
( 1 N1
1 ) N2
N = quantidade de atletas S = desvio padro
Voleibol: N1 = 4, S1 = 9,60
Salto em Altura: N2 = 3, S2 = - 77,30
EPD =
4 x (9,60) + 3 x (- 77,30) x ( 1 + 1 ) 4+32 4 3
Somar n fracionrios diferentes.
Achar o MMC (mnimo mltiplo comum)
3,4 1,4 1,1
3 4 3 x 4 = 12 ( o denominador)
86
Achar o numerador.
MMC : denominador = ? x numerador = resultado 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
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
t = (83,75 96,66) : 46,19 = - 0,27
88
6) Estabelecer os graus de liberdade (gl). gl = N1 (quant. de atletas) + N2 2 N1 = 4 N2 = 3 gl = 4 + 3 2 = 5
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
0,05 2,02 2 1,98
2,064 <120 1,96
89
- TE um meio do professor saber a diferena entre o salto vertical dos atletas de voleibol versus os saltadores em altura.
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)
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)
2) Clique em Compare as Mdias (compare means).
3) Selecione a opo teste t independente 1 1 1 2 2 2 90 70 85 56 67 89 (independent samples T test).
92
9)
1) Coloque a varivel dependente para o espao varivel teste (test variable).
1 2
2) Mova a varivel independente para o espao varivel de agrupamento (grouping variable).
3) Clique no boto definir grupos (define groups).
10)
2) Clique em continuar.
1) Digite o nmero dos grupos.
93
11)
2) Clique no boto ok. 1 2 2
1) Clique em options para saber a estatstica descritiva.
12) Resultado.
2) Resultado 3) graus de liberdade 4) Significncia
94
2.9. Teste U de Mann-Whitney (est. no paramtrica)
- um dos mais poderosos testes no paramtricos.
- Pode ser utilizado em grupos pequenos ou grandes.
- Testa 2 grupos diferentes.
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.
Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 243-4, 246-54.
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
2) Transformar o escore bruto em postos.

Estatura da Dcada de 90 175 cm 175 175 175 Estatura da Dcada de 00 175 175 175
- 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)
Estatura da Dcada de 00 177 cm 177 177 177
Os valores aumentam. 177 cm aparece 4 vezes, por esse motivo so expostos 4 nmeros. dividido por 4 porque 177 cm aparece 4 vezes.
(8 + 9 + 10 + 11) : 4 = 9,5 (posto)
97
Estatura da Dcada de 90 178 cm 178 178
Estatura da Dcada de 00 178 178 178 178 178 178
(12 + 13 + 14 + 15 + 16 + 17 + 18 + 19 + 20) : 9 = 16 (posto)
Estatura da Dcada de 90 180 cm 180 180 180 180 180 180
(21 + 22 + 23 + 24 + 25 + 26 + 27) : 9 = 24 (posto)
98
(28 + 29 + 30 + 31) : 4 = 29,5 (posto)
(32 + 33 + 34 + 35) : 4 = 33,5 (posto)
99
3) Organize os postos na tabela das estaturas correspondentes e some.

Estatura em cm 175 177 178 180 181 183 Postos 4 9,5 16 24 29,5 33,5
Postos da Dcada de 90 175 cm 444-4 178 cm 16 16 - 16 180 cm 24 24 24 24 24 24 - 24 Total = 232 n = 14
100
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
4) Aplicar os valores na equao. - Utilizar a equao para menos de 20 casos.
- O menor valor calculado de U comparado aos valores crticos.
101
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
294 + 105 - 232
U1 = 399 232 = 167
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
5) O menor valor do teste U deve ser comparado aos valores crticos.

U = 127 n1 = 14 Utilizado para identificar na tabela o U crtico. n2 = 21 - Quando o U calculado inferior ao U crtico, existe diferena significativa (0,05).
Valores crticos do teste U de Mann-Whitney U= 127, n1 = 14, n2 = 21

N1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 N2 2 0 0 0 0 0 0 1 1 1 1 2 2 2 2 2 3 3 3 3 3 0 0 0 1 2 2 3 3 4 4 5 5 6 6 7 7 8 8 9 4 0 0 1 2 3 4 5 5 6 7 8 9 10 11 12 12 13 14 15 5 0 1 2 3 4 6 7 8 9 10 12 13 14 15 16 18 19 20 21 6 0 2 3 4 6 7 9 11 12 14 15 17 18 20 22 23 25 25 28 7 0 2 4 6 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 8 1 3 5 7 9 11 14 16 18 20 23 25 27 30 32 35 37 39 42 9 1 3 5 8 11 13 16 18 21 24 27 29 32 35 38 40 43 46 49 10 1 4 6 9 12 15 18 21 24 27 30 34 37 40 43 46 49 53 56 11 1 4 7 10 14 17 20 24 27 31 34 38 41 45 48 52 56 59 63 12 2 5 8 12 15 19 23 27 30 33 38 42 46 50 54 58 62 66 70 13 2 5 9 13 17 21 25 29 34 34 42 46 51 55 60 64 68 73 77 14 2 6 10 14 18 23 27 32 37 41 46 51 56 60 65 70 75 79 84 15 2 6 11 15 20 25 30 35 40 45 50 55 60 65 71 76 81 86 91 16 2 7 12 16 22 27 32 38 43 48 54 60 65 71 76 82 87 93 99 17 3 7 12 18 23 29 35 40 46 52 58 64 70 76 82 88 94 100 106 18 3 8 13 19 25 31 37 43 49 56 62 68 75 81 87 94 100 107 113 19 3 8 14 20 26 33 39 46 53 59 66 73 79 86 93 100 107 114 120 20 3 9 15 21 28 35 42 49 56 63 70 77 84 91 99 106 113 120 128
103
6) Quando ambas amostras tiverem mais de 20 indivduos, o resultado ser atravs do Z.
Z = U (n1 x n2) : 2 n1 x n2 x (n1 + n2 + 1) : 12
U: aplicar na frmula o U1 ou U2. n1: tamanho da amostra 1. n2: tamanho da amostra 2.
Z = 127 (14 x 21) : 2 14 x 21 x (14 + 21 + 1) : 12
= - 0,67
104
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
- Z calculado no possui diferena significativa (p>0,05).
Obs.: Em amarelo so os valores que correspondem diferena significativa.
105
- TE um meio do professor saber a diferena entre os valores testados.
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)
- Passar os valores de um lugar para o outro (ver p. 68).
6)
90 90 90 00 00 00
170 175 180 170 175 180
3) Coluna dos valores da estatura.
2) Coluna com os grupos. 90 a estatura na dcada de 90. 2000 a estatura na dcada de 2000.
107
8)
1) Clique em Analisar (analyze). 2) Clique em Teste No Paramtrico (nonparametric tests).
3) Selecione a opo duas amostras independentes (2 independent samples).
9)
1) Coloque a varivel dependente para o espao teste de lista varivel (test variable list).
90
00
00
90
2) Mova a varivel independente para o espao varivel de agrupamento (grouping variable).
108
10)
00
90
2) Clique no boto definir grupos (define groups).
1) Selecione o tipo de teste (test type).
11)
90 00
2) Clique em continuar.
Digite o nmero dos grupos.
109
12)
1) Clique em opes (options).
2) Clique nas duas opes.
110
13) Pressione ok.
14) Resultados. 1) Estatstica Descritiva
4) Soma 3) Posto 2) Postos Mdio dos Postos
111
15) Continuao do Resultado.
1) Resultado
2) Tamanho do Efeito
3) Significncia Bilateral
112
2.10. Teste t Pareado (est. paramtrica)
- Testa a diferena entre as mdias do mesmo grupo em dois momentos diferentes.
- A amostra precisa ter o mesmo tamanho entre o pr e ps-teste.
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.
Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 212-6.
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
2) Subtrair os valores do pr-teste e do ps-teste. (xy) 35 30 = 5 40 44 = - 4 80 79 = 1 85 80 = 5
3) Elevar os resultados de X Y ao quadrado. ( x y ) 5 = 25 - 4 = 16 1 = 1 5 = 25 Total = 67
114
4) Calcular o desvio padro da diferena.
S=
X N
- (Mdia do pr-teste Mdia do ps-teste)
X: resultado de x y elevado ao quadrado. N: quantidade de sujeitos na amostra.
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 :
EPD = 3,7 : 1,73 = 2,13
115
6) Calcular a razo t. t = (Mdia do pr-teste Mdia do ps-teste) : EPD
t = (60 58,25) : 2,13 = 0,82
7) Determine os graus de liberdade. gl = N 1
N: quantidade de sujeitos na amostra.
gl = 4 1 = 3
116
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
0,05 2,02 2 1,98
2,064 <120 1,96
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
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)
6) Digitar as variveis do pr e do ps-teste na coluna Var.
Pr 10 20 34
Ps 15 90 55
118
8)
3) Selecione a opo Teste t pareado (paired-samples T test).
2) Clique em Compare as Mdias (compare means).
119
9)
1) Clique na 1 e na 2 varivel.
Pr Ps
3) Clique em Ok.
2) Clique para deslocar o par para varivel pareada (paired variables).
120
10) Resultado.
3) graus de liberdade 2) Resultado 4) Significncia
121
2.11. Teste de Wilcoxon (est. no paramtrica)
- Analisa a diferena entre duas condies do mesmo grupo de sujeitos, ignorando-se os zeros.
- Transforma os escores em postos antes de fazer outros clculos.
- um teste no paramtrico poderoso para comparar amostras pareadas.
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.
122
Teste de Wilcoxon (est. no paramtrica)
1) Organizar a tabela com os valores pr e ps da amostra.

Sujeito (n = 8) A B C D E F G H 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
Satisfao: 1 baixa, 2 mdia e 3 alta.
2) Subtrair os valores ps e pr de cada sujeito. Sujeito = ps-teste pr-teste

Sujeito (n = 8) A B C D E F G H 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 1 -1 -1 0 -2 -1 0 2
123
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
c) Calcular os postos dos resultados. Resultado 2 2 Numerar 5 6 1) Somar os valores numerados = 5 + 6 = 11
2) Quantidade de nmero 2. Aparece 2 vezes.
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
+ 2,5 - 2,5 - 2,5 - 5,5 - 2,5 + 5,5
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
- T calculado precisa ser menor do que o T tabelado (p0,05).
T calculado = 8
/ n = 6 (Quant. de n positivos e negativos) T crtico do Teste de Wilcoxon

n 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 0,05 0 2 4 6 8 11 14 17 21 25 30 35 40 46 52 59 66 73 81 89
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
6) Determine o tamanho do efeito (TE) - O clculo ensinado mais adiante.
7) Quando a amostra maior do que 25, converte o T em escore Z.
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
n: a quantidade de n da soma positiva e negativa, sendo 6. T=8
- Confrontar Z com os valores crticos.
127
Valores crticos de Z no teste de Wilcoxon

Z 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,0 1,1 1,2 1,3 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 0,294 0,250 0,211 0,177 0,147 0,121 0,099 0,080 0,064 0,294 0,250 0,211 0,177
Obs.: Valores de Z que no possuem diferena significativa.
128
Valores crticos de Z no teste de Wilcoxon

Z 1,9 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 0,051 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
- Valores de Z que possuem diferena significativa.
- 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
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
6) Digitar as variveis do pr e do ps-teste.
Pr 15 20 25
Ps 15 20 25
8)
2) Clique em Teste No Paramtrico (nonparametric tests).
3) Selecione a opo duas amostras relacionadas (related samples).
131
9)
1) As duas variveis so movidas para a Lista Pareada (test pair list).
Pr
4) Digite Ok.
Ps
2) Clique em Wilcoxon.
3) Clique em Opes (options) para saber a estatstica descritiva.
132
2) Postos
3) No SPSS o resultado sempre fornecido por Z.
- 2,25
4) Significncia
133
2.12. Anova Simples (anlise de varincia simples, est. paramtrica)
- uma extenso do teste t independente.
- Determina a diferena das mdias de 3 ou mais grupos diferentes.
- 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.
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.
1) Verificar a velocidade no teste de 10 m de trs grupos diferentes.
135
2) Somar, determinar a mdia e a soma de X ao quadrado.

Futebol X 4 3 3 3 2 Total: 15 Mdia: 3 X 16 9 9 9 4 Total: 47 X 7 6 5 4 3 Total: 25 Mdia: 5 Voleibol X 49 36 25 16 9 Total: 135 X 7 7 6 5 5 Total: 30 Mdia: 6 Handebol X 49 49 36 25 25 Total: 184
3) Determinar a soma dos quadrados total (SQ total). SQ total = soma dos X - [(soma de X) : n]
X = 47, 135, 184 X = 15, 25, 30 n = Somar o n de indivduos 3 nas colunas
SQ total = 47 + 135 + 184 - [ (15 + 25 + 30) : 15 ]
SQ total = 366 - [ (70) : 15 ]
SQ total = 366 - 326,66 = 39,3
136
4) Calcular a soma dos quadrados entre grupos (SQet).
SQet = ( soma de Xa ) + ( soma de Xb ) + (soma de Xc) - (soma de X) n

n = quant. de sujeitos no grupo
calculado no n 3
SQet = (15) + (25) + (30) 5 5 5
- (15 + 25 + 30) 15
SQet = 45 + 125 + 180 326,7 = 23,3
5) Calcular a soma dos quadrados dentro dos grupos (SQdt). SQdt = SQ total SQet = ?
SQ total = 39,3 SQ et = 23,3
SQdt = 39,3 23,3 = 16
137
6) Construir uma tabela com os valores calculados.

Fonte de Variao Soma dos Quadrados
Entre grupos (SQet) Dentro dos grupos (SQdt) Total (SQ total)
23,3 16 39,3
7) Fazer a frmula para os graus de liberdade (gl) na mesma tabela.

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: quant. de grupos, sendo 3.
N: n total de sujeitos nas colunas, sendo 15.
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
9) Achar os quadrados mdios (QM). QM = SQ : gl = ?
Fonte de Variao SQet SQdt SQ total
Soma dos Quadrados 23,3 16 39,3
gl 2 12 14
Quadrados Mdios entre os grupos (QMet) = 23,3 : 2 = 11,65
QM dentro dos grupos (QMdt) = 16 : 12 = 1,33
10) Colocar QM 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 -
139
11) Achar a razo F com a seguinte diviso: F = QMet : QMdt = ?
F = 11,65 : 1,33 = 8,76
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
denominador gl = 12 = QMdt = denominador
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
Valores crticos de F da Anova Simples
F (2,12) = 8,76 (p0,05)

gl de QMdt denominador 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 gl de QMet 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 4,38 4,35 4,32 4,30 4,28 4,26 4,24 4,22 4,21 4,20 4,18 200 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 3,52 3,49 3,47 3,44 3,42 3,40 3,38 3,37 3,35 3,34 3,33 216 19,16 9,28 6,49 5,41 4,76 4,35 4,07 3,86 3,71 3,59 3,49 3,41 3,34 3,29 3,24 3,20 3,16 3,13 3,10 3,07 3,05 3,03 3,01 2,99 2,98 2,96 2,95 2,93 225 19,25 9,12 6,39 5,19 4,53 4,12 3,84 3,63 3,48 3,36 3,26 3,18 3,11 3,06 3,01 2,96 2,93 2,90 2,87 2,84 2,82 2,80 2,78 2,76 2,74 2,73 2,71 2,70 230 19,30 9,01 6,26 5,05 4,39 3,97 3,69 3,48 3,33 3,20 3,11 3,02 2,96 2,90 2,85 2,81 2,77 2,74 2,71 2,68 2,66 2,64 2,62 2,60 2,59 2,57 2,56 2,54 234 19,33 8,94 6,16 4,95 4,28 3,87 3,58 3,37 3,22 3,09 3 2,92 2,85 2,79 2,74 2,70 2,66 2,63 2,60 2,57 2,55 2,53 2,51 2,49 2,47 2,46 2,44 2,43 237 19,36 8,88 6,09 4,88 4,21 3,79 3,50 3,29 3,14 3,01 2,92 2,84 2,77 2,70 2,66 2,62 2,58 2,55 2,52 2,49 2,47 2,45 2,43 2,41 2,39 2,37 2,36 2,35 239 19,37 8,84 6,04 4,82 4,15 3,73 3,44 3,23 3,07 2,95 2,85 2,77 2,70 2,64 2,59 2,55 2,51 2,48 2,45 2,42 2,40 2,38 2,36 2,34 2,32 2,30 2,29 2,28 241 19,38 8,81 6 4,78 4,10 3,68 3,39 3,18 3,02 2,90 2,80 2,72 2,65 2,59 2,54 2,50 2,46 2,43 2,40 2,37 2,35 2,32 2,30 2,28 2,27 2,25 2,24 2,22 242 19,39 8,78 5,96 4,74 4,06 3,63 3,34 3,13 2,97 2,86 2,76 2,67 2,60 2,55 2,49 2,45 2,41 2,38 2,35 2,32 2,30 2,28 2,26 2,24 2,22 2,20 2,19 2,18 1 2 3 4 5 6 7 8 9 10
141

gl de QMdt denominador 30 32 34 36 38 40 42 44 46 48 50 55 60 65 70 80 100 125 150 200 400 1000 ltimo gl de QMet numerador 4,17 4,15 4,13 4,11 4,20 4,08 4,07 4,06 4,05 4,04 4,03 4,02 4 3,99 3,98 3,96 3,94 3,92 3,91 3,89 3,86 3,85 3,84 3,32 3,30 3,28 3,26 3,25 3,23 3,22 3,21 3,20 3,19 3,18 3,17 3,15 3,14 3,13 3,11 3,09 3,07 3,06 3,04 3,02 3 2,99 2,92 2,90 2,88 2,86 2,85 2,84 2,83 2,82 2,81 2,80 2,79 2,78 2,76 2,75 2,74 2,72 2,70 2,68 2,67 2,65 2,62 2,61 2,60 2,69 2,67 2,65 2,63 2,62 2,61 2,59 2,58 2,57 2,56 2,56 2,54 2,52 2,51 2,50 2,48 2,46 2,44 2,43 2,41 2,39 2,38 2,37 2,53 2,51 2,49 2,48 2,62 2,61 2,59 2,58 2,57 2,56 2,56 2,54 2,52 2,51 2,50 2,48 2,46 2,44 2,43 2,41 2,39 2,38 2,37 2,42 2,40 2,38 2,36 2,35 2,34 2,32 2,31 2,30 2,30 2,29 2,27 2,25 2,24 2,23 2,21 2,19 2,17 2,16 2,14 2,12 2,10 2,09 2,34 2,32 2,30 2,28 2,26 2,25 2,24 2,23 2,22 2,21 2,20 2,18 2,17 2,15 2,14 2,12 2,10 2,08 2,07 2,05 2,03 2,02 2,01 2,27 2,25 2,23 2,21 2,19 2,18 2,17 2,16 2,14 2,14 2,13 2,11 2,10 2,08 2,07 2,05 2,03 2,01 2 1,98 1,96 1,95 1,94 2,21 2,19 2,17 2,15 2,14 2,12 2,11 2,10 2,09 2,08 2,07 2,05 2,04 2,02 2,01 1,99 1,97 1,95 1,94 1,92 1,90 1,89 1,88 2,16 2,14 2,12 2,10 2,09 2,07 2,06 2,05 2,04 2,03 2,02 2 1,99 1,98 1,97 1,95 1,92 1,90 1,89 1,87 1,85 1,84 1,83 1 2 3 4 5 6 7 8 9 10
142

gl de QMdt denominador 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 gl de Qmet numerador 243 19,40 8,76 5,93 4,70 4,03 3,60 3,31 3,10 2,94 2,82 2,72 2,63 2,56 2,51 2,45 2,41 2,37 2,34 2,31 2,28 2,26 2,24 2,22 2,20 2,18 2,16 2,15 2,14 244 19,41 8,74 5,91 4,68 4 3,57 3,28 3,07 2,91 2,79 2,69 2,60 2,53 2,48 2,42 2,38 2,34 2,31 2,28 2,25 2,23 2,20 2,18 2,16 2,15 2,13 2,12 2,10 245 19,42 8,71 5,87 4,64 3,96 3,52 3,23 3,02 2,86 2,74 2,64 2,55 2,48 2,43 2,37 2,33 2,29 2,26 2,23 2,20 2,18 2,14 2,13 2,11 2,10 2,08 2,06 2,05 246 19,43 8,69 5,84 4,60 3,92 3,49 3,20 2,98 2,82 2,70 2,60 2,51 2,44 2,39 2,33 2,29 2,25 2,21 2,18 2,15 2,13 2,10 2,09 2,06 2,05 2,03 2,02 2 248 19,44 8,66 5,80 4,56 3,87 3,44 3,15 2,93 2,77 2,65 2,54 2,46 2,39 2,33 2,28 2,23 2,19 2,15 2,12 2,09 2,07 2,04 2,02 2 1,99 1,97 1,96 1,94 249 19,45 8,64 5,77 4,53 3,84 3,41 3,12 2,90 2,74 2,61 2,50 2,42 2,35 2,29 2,24 2,19 2,15 2,11 2,08 2,05 2,03 2 1,98 1,96 1,95 1,93 1,91 1,90 250 19,46 8,62 5,74 4,50 3,81 3,38 3,08 2,86 2,70 2,57 2,46 2,38 2,31 2,25 2,20 2,15 2,11 2,07 2,04 2 1,98 1,96 1,94 1,92 1,90 1,88 1,87 1,85 251 19,47 8,60 5,71 4,46 3,77 3,34 3,05 2,82 2,67 2,53 2,42 2,34 2,27 2,21 2,16 2,11 2,07 2,02 1,99 1,96 1,93 1,91 1,89 1,87 1,85 1,84 1,81 1,80 252 19,47 8,58 5,70 4,44 3,75 3,32 3,03 2,80 2,64 2,50 2,40 2,32 2,24 2,18 2,13 2,08 2,04 2 1,96 1,93 1,91 1,88 1,86 1,84 1,82 1,80 1,78 1,77 253 19,48 8,57 5,68 4,42 3,72 3,29 3 2,77 2,61 2,47 2,36 2,28 2,21 2,15 2,09 2,04 2 1,96 1,92 1,89 1,87 1,84 1,82 1,80 1,78 1,76 1,75 1,73 253 19,49 8,56 5,66 4,40 3,71 3,28 2,98 2,76 2,59 2,45 2,35 2,26 2,19 2,12 2,07 2,02 1,98 1,94 1,90 1,87 1,84 1,82 1,80 1,77 1,76 1,74 1,72 1,71 254 19,49 8,54 5,65 4,38 3,69 3,25 2,96 2,73 2,56 2,42 2,32 2,24 2,16 2,10 2,04 1,99 1,95 1,91 1,87 1,84 1,81 1,79 1,76 1,74 1,72 1,71 1,69 1,68 254 19,50 8,54 5,64 4,37 3,68 3,24 2,94 2,72 2,55 2,41 2,31 2,22 2,14 2,08 2,02 1,97 1,93 1,90 1,85 1,82 1,80 1,77 1,74 1,72 1,70 1,68 1,67 1,65 254 19,50 8,53 5,63 4,36 3,67 3,23 2,93 2,71 2,54 2,40 2,30 2,21 2,13 2,07 2,01 1,96 1,92 1,88 1,84 1,81 1,78 1,76 1,73 1,71 1,69 1,67 1,65 1,64 11 12 14 16 20 24 30 40 50 75 100 200 500 ltimo
143

gl de QMdt denominador 30 32 34 36 38 40 42 44 46 48 50 55 60 65 70 80 100 125 150 200 400 1000 ltimo gl de QMet numerador 2,12 2,10 2,08 2,06 2,05 2,04 2,02 2,01 2 1,99 1,98 1,97 1,95 1,94 1,93 1,91 1,88 1,86 1,85 1,83 1,81 1,80 1,79 2,09 2,07 2,05 2,03 2,02 2 1,99 1,98 1,97 1,96 1,95 1,93 1,92 1,90 1,89 1,88 1,85 1,83 1,82 1,80 1,78 1,76 1,75 2,04 2,02 2 1,98 1,96 1,95 1,94 1,92 1,91 1,90 1,90 1,88 1,86 1,85 1,84 1,82 1,79 1,77 1,75 1,74 1,72 1,70 1,69 1,99 1,97 1,95 1,93 1,92 1,90 1,89 1,88 1,87 1,86 1,85 1,83 1,81 1,80 1,79 1,77 1,75 1,72 1,71 1,69 1,67 1,65 1,64 1,93 1,91 1,89 1,87 1,85 1,84 1,82 1,81 1,80 1,79 1,78 1,76 1,75 1,73 1,72 1,70 1,68 1,65 1,64 1,62 1,60 1,58 1,57 1,89 1,86 1,84 1,82 1,80 1,79 1,78 1,76 1,75 1,74 1,74 1,72 1,70 1,68 1,67 1,65 1,63 1,60 1,59 1,57 1,54 1,53 1,52 1,84 1,82 1,80 1,78 1,76 1,74 1,73 1,72 1,71 1,70 1,69 1,67 1,65 1,63 1,62 1,60 1,57 1,55 1,54 1,52 1,49 1,47 1,46 1,79 1,76 1,74 1,72 1,71 1,69 1,68 1,66 1,65 1,64 1,63 1,61 1,59 1,57 1,56 1,54 1,51 1,49 1,47 1,45 1,42 1,41 1,40 1,76 1,74 1,71 1,69 1,67 1,66 1,64 1,63 1,62 1,61 1,60 1,58 1,56 1,54 1,53 1,51 1,48 1,45 1,44 1,42 1,38 1,36 1,35 1,72 1,69 1,67 1,65 1,63 1,61 1,60 1,58 1,57 1,56 1,55 1,52 1,50 1,49 1,47 1,45 1,42 1,39 1,37 1,35 1,32 1,30 1,28 1,69 1,67 1,64 1,62 1,60 1,59 1,57 1,56 1,54 1,53 1,52 1,50 1,48 1,46 1,45 1,42 1,39 1,36 1,34 1,32 1,28 1,26 1,24 1,66 1,64 1,61 1,59 1,57 1,55 1,54 1,52 1,51 1,50 1,48 1,46 1,44 1,42 1,40 1,38 1,34 1,31 1,29 1,26 1,22 1,19 1,17 1,64 1,61 1,59 1,56 1,54 1,53 1,51 1,50 1,48 1,47 1,46 1,43 1,41 1,39 1,37 1,35 1,30 1,27 1,25 1,22 1,16 1,13 1,11 1,62 1,59 1,57 1,55 1,53 1,51 1,49 1,48 1,46 1,45 1,44 1,41 1,39 1,37 1,35 1,32 1,28 1,25 1,22 1,19 1,13 1,08 1 11 12 14 16 20 24 30 40 50 75 100 200 500 ltimo
144
Post Hoc Test (testes posteriores ou teste posterior) - O teste posterior identifica a diferena entre as mdias.
- S utilizado se existir diferena significativa entre as mdias (p0,05).
- Os testes posteriores so classificados como conservadores (+ poderosos) e liberais (poderosos).
Esses testes possuem certas caractersticas:
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.
Tipos de Post Hoc

Teste Conservador Scheff (+) Tukey a () Tukey b (-) Teste Liberal Newman-Keuls (-) Duncan () t (+) Classificao Mais conservador, indicado quando no existe grupo controle (GC). Mais ou menos conservador, recomendado quando possui GC. Menos conservador. Classificao Menos liberal. Mais ou menos liberal. Mais liberal.
Testes Mais Utilizados - Scheff ou Tukey a.
146
Teste de Scheff
F = ( Mdia y ny nz
Mdia z) = ?
QMdt . ( 1 + 1 ) . (K 1)
- Mdia y e Mdia z a comparao de duas mdias.
- Mdia a = 3 corresponde ao futebol - Mdia b = 5 corresponde ao voleibol - Mdia c = 6 corresponde ao handebol
- K = quant. de grupos = 3
- QMdt = quadrado mdio dentro = 1,33
- n = quant. de sujeitos no grupo = 5
Fac = (3 6) : [1,33 x (1/5 + 1/5) x (3 1)]
Fac = (- 3) : [1,33 x (1/5 + 1/5) x (2)]
Fac = 9 : [1,33 x (2) x (2)] 5
147
Teste de Scheff (Anova Simples , est. paramtrica)
Fac = 9 : (5,32) 5 Fab = 3,76
Fac = 9 : 1,064 = 8,46
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.
gl = 2 = QMet = numerador gl numerador
denominador gl = 12 = QMdt = denominador Valores crticos de F da Anova Simples

gl de QMdt denominador 1 2 3 4 5 6 7 8 9 10 11 12 gl de QMet numerador 161 18,51 10,13 7,71 6,61 5,99 5,59 5,32 5,12 4,96 4,84 4,75 200 19 9,55 6,94 5,79 5,14 4,74 4,46 4,26 4,10 3,98 3,88 216 19,16 9,28 6,49 5,41 4,76 4,35 4,07 3,86 3,71 3,59 3,49 225 19,25 9,12 6,39 5,19 4,53 4,12 3,84 3,63 3,48 3,36 3,26 230 19,30 9,01 6,26 5,05 4,39 3,97 3,69 3,48 3,33 3,20 3,11 234 19,33 8,94 6,16 4,95 4,28 3,87 3,58 3,37 3,22 3,09 3 237 19,36 8,88 6,09 4,88 4,21 3,79 3,50 3,29 3,14 3,01 2,92 239 19,37 8,84 6,04 4,82 4,15 3,73 3,44 3,23 3,07 2,95 2,85 241 19,38 8,81 6 4,78 4,10 3,68 3,39 3,18 3,02 2,90 2,80 242 19,39 8,78 5,96 4,74 4,06 3,63 3,34 3,13 2,97 2,86 2,76 1 2 3 4 5 6 7 8 9 10
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
A diferena entre as mdias representada a seguir: Mdia A=3 B=5 C=6

*p0,05
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
Diferena da Honestidade Significante de Tukey
DHS para Grupos Iguais = q x
QMdt : quant. de sujeitos na coluna
K: quant. de grupos
futebol, voleibol e handebol = 3
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)
denominador (SQdt = 12)
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
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
QM dentro dos grupos (QMdt) = 16 : 12 = 1,33
Futebol X 4 3 3 3 2 Total: 15 Mdia: 3 X 16 9 9 9 4 Total: 47 X 7 6 5 4 3
Voleibol X 49 36 25 16 9 Total: 135 X 7 7 6 5 5
Handebol X 49 49 36 25 25 Total: 184
Total: 25 Mdia: 5
Total: 30 Mdia: 6
Quant. de sujeitos na coluna = 5

q = 3,77 QMdt = 1,33 Quant. de sujeitos na coluna = 5
DHS para Grupos Iguais = q x
QMdt : quant. de sujeitos na coluna
DHS = 3,77 x
1,33 : 5
= 1,92
153
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
n de sujeitos nos grupos
154
Tukey com n Diferente (Anova Simples , est. paramtrica)
DHS = q x
QMdt + (1 + 1 + 1) 2 n1 n2 n3
futebol
voleibol
handebol
Determinado igual a pgina 150.
Determinado igual a pgina 152.
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
Somar n Fracionrio Diferente (1 + 1 + 1) 5 3 4

3, 4, 5 1, 4, 5 1, 1, 5 1, 1, 1 3 4 5 MMC = 3 x 4 x 5 = 60 denomindor
Achar o MMC (mnimo mltiplo comum)
155
(1 + 1 + 1) 5 3 4 Calcular = MMC : denominador da frao 60 : 5 = 12 60 : 3 = 20 60 : 4 = 15
Calcular = resultado x numerador 12 x 1 = 12 20 x 1 = 20 15 x 1 = 15 So os numeradores
DHS = 3,77 x
1,33 2
+ (12 + 20 + 15) 60 60 60
DHS = 3,77 x
1,33 2
+ (0,2 + 0,33 + 0,25)
DHS = 3,77 x
1,33 2
+ 0,78
156
DHS = 3,77 x
0,66 + 0,78
DHS = 3,77 x
1,44
DHS = 3,77 x 1,2 = 4,52
Existe diferena significativa entre as mdias quando os resultados forem maiores ou iguais ao DHS calculado, 4,52.
Verificar a diferena das mdias ( uma subtrao entre as mdias)

Amostra Futebol, A = 3 Voleibol, B = 5 Handebol, C = 6 Futebol 3 0 Voleibol 5 -2 0 Handebol 6 -3 1 0
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
Uso do SPSS para Estabelecer a Anova Simples (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
Grupo 1 1 2 2 3 3
Valor 13 14 32 42 35 73
158
8)
1) Clique em Analisar (analyze). 2) Clique em Compare as Mdias (compare means).
3) Selecione a opo Anova (one-way Anova).
159
9)
1) Passe grupo para caixa fator (factor).
Grupo
Valor Valor
Grupo
2) Passe valor para caixa lista dependente (dependent list). a varivel a ser analisada.
160
10)
1) Clique em Options.
4) Clique em Continuer.
3) Clique em excluir. 2) Clique em estatstica descritiva.
11)
1) Clique no teste posterior (post hoc).
4) Clique em Ok para obter o resultado.
3) Clique em Continuar (continue). 2) Escolha o teste posterior (post hoc).
161
3) Resultado 2) graus de liberdade 4) Significncia
1) Diferena entre as mdias Teste Posterior 2) Significncia
162
2.13. Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
- uma extenso do teste U de Mann-Whitney.
- Compara a diferena de 3 ou mais grupos diferentes.
- Pode ser usado em amostras pequenas e grandes.
Para saber mais, consulte as referncias: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 128-33.
163
Teste H da Anova de Kruskal-Wallis (est. no paramtrica)
1) Ordene os valores do menor para o maior.

G1 8 9 10 13 14 15 G2 2 5 6 7 11 12 G3 0 1 2 3 4 14
2) Transformar os escores brutos em postos.

G1 8 9 10 13 14 15 Postos G2 2 5 6 7 11 12 Postos 4 G3 0 1 2 3 4 14 Postos 1 2 3
1) O menor nmero ter o posto 1 e segue assim por diante.
2) Se repetir o mesmo nmero, aumente a contagem.
3) Depois tire a mdia desses postos.

G1 8 9 10 13 14 15 Postos G2 2 5 6 7 11 12 Postos 4 G3 0 1 2 3 4 14 Postos 1 2 3
Mdia = (4 + 3) : 2 = 3,5
164
4) Somar os postos de cada grupo.

Postos 10 11 12 15 16 18 Total 82,5 Postos 3,5 7 8 9 13 14 54,5 Postos 1 2 3,5 5 6 16 34
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
] x [ 82,5 + 54,5 + 34 ] 3 x (18+1) 6 6 6
18 x (18+1)
H=[
12 18 x 19
] x [ 6806,25 + 2970,25 + 1156 ] 3 x (18+1)
165
H=[
12 342
] x [ 1134,37 + 495,04 + 192,66 ] 57
H = [ 0,035 ] x [ 1822,07 ] 57
H = 63,7745 57 = 6,77
6) Comparar aos valores crticos. gl = quantidade de grupos 1 gl = 3 1 = 2

gl 1 0,05 3,84 5,99 7,81 9,48 11,07 12,59 14,06 15,50 16,91 18,30 19,67 21,02 22,36 23,68 24,99 26,29
H crtico = 5,99 H calculado = 6,77
2 3 4 5 6
p0,05 - Igual ou maior do que o H
7 8 9 10 11 12 13
- Utilizar como teste posterior o teste U de Mann-Whitney.
14 15 16
166
Valores Crticos do Teste H da Anova de Kruskal-Wallis

gl 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 0,05 27,58 28,86 30,14 31,41 32,67 33,92 35,17 36,41 37,65 38,88 40,11 41,33 42,55 43,77 44,98 46,19 47,40 48,60 49,80 50,99 52,19 53,38 54,57 55,75 56,94 58,12 59,30 60,48 61,65 62,83 gl 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 0,05 64 65,17 66,33 67,50 68,66 69,83 70,99 72,15 73,31 74,46 75,62 76,77 77,93 79,08 80,23 81,38 82,52 83,67 84,82 85,96 87,10 88,25 89,39 90,53 91,67 92,80 93,94 95,08 96,21 97,35 gl 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 0,05 98,48 99,61 100,74 101,87 103,01 104.13 105,26 106,39 107,52 108,64 109,77 110,89 112,02 113,14 114,26 115,39 116,51 117,63 118,75 119,87 120,99 122,10 123,22 124,34 125,45 126,57 127,68 128,80 129,91 131,03 gl 107 108 109 110 111 112 113 114 115 116 117 118 119 120 0,05 132,14 133,25 134,36 135,48 136,59 137,70 138,81 139,92 141,03 142,13 143,24 144,35 145,46 146,56
167
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
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)
168
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)
1) Clique em Analisar (analyze). 2) Clique em Teste No Paramtrico (nonparametric tests).
3) Selecione a opo K para Amostras Independentes (K independent samples).
169
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
4) Pressione definir intervalo (define range).
10)
1) Defina o maior e menor grupo.
170
11)
1) Clique em options. 4) Clique em ok.
Ok
Options
2) Clique em estatstica descritiva.
3) Clique em excluir.
171
Postos
Posto Mdio
O quiquadrado o resultado, valor H. gl sendo o
Significncia
172
2.14. Anova Fatorial (est. paramtrica)
- Verifica se duas ou mais variveis independentes apresentam diferena.
- 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.
Pompeu F (2006). Biodinmica do movimento humano. SP: Phorte p. 51-7.
173
Anova Fatorial (est. paramtrica)
1) Destacar as variveis independentes (VI) e as variveis dependentes (VD).
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.
- Tratamentos so organizados em colunas.
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
- A interao soma da FC de cada coluna.
- Total a soma da interao.
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
Teste de Carga Fixa
162 bpm 156 bpm 157 bpm 177 bpm
n dos tratamentos
Interao
652
665
574
1891
- n dos tratamentos a quantidade de nmeros das duas colunas (teste escalonado e carga fixa).
175
Blocos so as linhas
Tratamentos so as colunas FC de 4 mmol/l FC do LAn FC do LAn Ind
Teste Escalonado Total da Interao Interao 649 + 558 + 539 = 1746
Teste de Carga Fixa
FC de 4 mmol/l
FC do LAn
FC do LAn Ind Total da Interao
Interao
652
665
574
1891
Total Final dos Tratamentos a interao
649 + 652 = 1301
558 + 665 = 1223
539 + 574 = 1113
Total Final da Interao
1746 + 1891 = 3637
- A interao de cada coluna somada.
176
3) Estabelecer os graus de liberdade (gl) da Anova Fatorial.
gl Refere-se ao nmero de valores individuais que podem variar.
- 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.
gl dos Tratamentos = n de colunas 1 gl = 3 1 = 2
gl dos Blocos = n de linhas 1 gl = 2 1 = 1
gl do Total = n das colunas 1 gl = 24 1 = 23
177
gl da Interao = (n de colunas 1) . (n de linhas 1) gl = (3 1) . (2 1) = 2 x 1 = 2
gl do Erro ou do Resduo = (colunas . linhas) . (quant. de colunas de cada teste 1) gl = (3 . 1) . (4 1) = 6 x 3 = 18
4) Calcular o valor de correo. C = (Total Final da Interao) : quant. de n nas colunas
C = (3637) : 24 = 551157,04
178
5) Estabelecer o quadrado da FC e depois somar todos os nmeros.

FC de 4 mmol/l Teste de Carga Fixa 162 = 26244 156 = 24336 157 = 24649 177 = 31329 Teste Escalonado 179 = 32041 138 = 19044 159 = 25281 173 = 29929 FC do LAn 171 = 29241 167 = 27889 162 = 26244 165 = 27225 125 = 15625 168 = 28224 128 = 16384 137 = 18769 FC do LAn Ind 137 = 18769 147 = 21609 113 = 12769 177 = 31329 130 = 16900 123 = 15129 135 = 18225 151 = 22801
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
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]
SQ tr = [427099 : (2 . 4) 551157,04] = 2230,33
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]
SQ bl = [6624397 : (3 . 4) 551157,04] = 876,04
11) Estabelecer o quadrado de cada interao e depois somar. Clculo = (649) + (558) + (539) + (652) + (665) + (574) = 2219891
180
12) Calcular a soma dos quadrados da interao (SQ i). SQ i = (11 passo : n de colunas) VC 4 passo SQ tr SQ bl
SQ i = (2219891 : 4) 551157,04 2230,33 876,04 = 709,34
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
14) Calcular os quadrados mdios (QM).

QM dos Tratamentos = SQ tr : gl dos tratamentos QM tr = 2230,33 : 2 = 1115,16
QM dos Blocos = SQ bl : gl dos blocos QM bl = 876,04 : 1 = 876,04
QM das Interaes = SQ int : (gl dos tratamentos . gl dos blocos) QM i = 709,34 : (2 . 1) = 354,67
QM do Resduo = SQ r : gl do resduo QM r = 5012,25 : 18 = 278,46
181
15) Colocar na tabela os valores calculados.

Fonte de Variao Tratamento (coluna LAn) Bloco (linha, testes) Interao Resduo Total 709,34 5012,25 8827,96 2 18 23 354,67 278,46 ? 876,04 1 876,04 ? SQ 2230,33 gl 2 QM 1115,16 F ?
16) Calcular a razo F. F do Tratamento = QM tr : QM Resduo F Tr = 1115,16 : 278,46 = 4
F do Bloco = QM bl : QM Resduo F Bl = 876,04 : 278,46 = 3,14
F da Interao = QM in : QM Resduo F In = 354,67 : 278,46 = 1,27
182
17) Colocar na tabela o F calculado.

Fonte de Variao Tratamento Bloco Interao Resduo Total SQ 2230,33 876,04 709,34 5012,25 8827,96 gl 2 1 2 18 23 QM 1115,16 876,04 354,67 278,46 F 4 3,14 1,27 -
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
F Tratamento gl = 2 = numerador gl = 18 = denominador
gl
numerador
denominador
183
- Para ser significativo (p0,05) o F calculado precisa ser igual ou maior do que o F tabelado.
F Bloco (1,18) = 3,14
F Tr (2,18) = 4 F Int (2,18) = 1,27
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
Obs.: Essa tabela a mesma usada em Anova Simples (ver p. 140-3).
184
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.
- Quando a configurao da Anova 2x2, no necessrio usar o teste posterior.
- Somente a partir de uma Anova 2x3 ou 3x2.
185
Interao Significativa (p0,05) - Uma interao ocorre quando uma varivel se comporta de forma diferente.
- Fazer o teste t independente para comparar os valores.
- Depois calcular o tamanho do efeito (TE ou d).
- Mesmo grupo realizar o teste t pareado.
Grfico da Interao Geralmente quando no existe interao as linhas ficam paralelas.
186
Grfico que Representa a Interao - Quando possui interao as linhas ou os pontos ficam prximos ou um em cima da outra.
- As linhas tambm podem se cruzar.
187
Post Hoc Test (testes posteriores ou teste posterior) - So as mesmas explicaes de Anova Simples (ver p. 140-151).
Teste de Scheff F = (Mdia y ny nz Mdia z)
QMr x ( 1 + 1 ) x (K 1)
- nica diferena em relao Anova Simples.
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)
Diferena da Honestidade Significante de Tukey
DHS para Grupos Iguais =
q x
QM Resduo : quant. de sujeitos na coluna
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
Tamanho do Efeito (TE) - TE um meio do professor saber a diferena entre os valores analisados em Anova Fatorial.
Uso do SPSS para Estabelecer a Anova Fatorial (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
190
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
8)
2) Clique em Modelo Linear Geral (general linear model).
3) Selecione a opo Univariada (univariate).
9)
1) Passe gols para caixa varivel dependente (dependent variable). a varivel a ser analisada.
Grupo Turno
Gols
Gols
192
10)
1) Passe grupo e turno para fator fixo (fixed factor).
Grupo Turno
Gols
Grupo Turno
Clique em opes (options).
11)
1) Passe as variveis analisadas para exibio da mdia para (display means for).
Grupo Turno Gols
Grupo, Turno, Gols
2) Clique em estatstica descritiva (descriptive statistics) e 3) Clique em Continuar (continue). estimativas do tamanho do efeito (estimates of effect size).
193
12)
Clique em teste posterior (post hoc).
13)
1) Passe as variveis analisadas para teste posterior (post hoc test for).
Grupo Turno Gols
Grupo Turno Gols
2) Clique no teste posterior desejado.
3) Clique em continuar (continue).
194
14)
Clique em Ok.
15) Resultado.
Estatstica Descritiva
195
Anova two way
graus de liberdade
Resultado
Significncia
tamanho do efeito
Teste Posterior
Diferena entre as mdias Significncia
196
2.15. Anova de Medidas Repetidas (est. paramtrica)
- Mede a diferena entre os fatores do mesmo grupo em ocasies sucessivas.
- Determina a diferena de 3 ou mais grupos pareados.
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/
Vincent W (1995). Statistics in kinesiology. Champaign: Human Kinetics, p. 167-83.
197
Anova de Medidas Repetidas (est. paramtrica)
1) Organizar na tabela a quantidade de flexes em cada 3 minutos. Depois some os valores.
Sujeito 1 2 3 4 5 6 7 8 9 10 Total Final
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
Some esses valore.
Total Final das Colunas = 85 + 114 + 164 + 311 + 365 = 1039
198
2) Calcular a soma dos quadrados dos tratamentos (SQ trat). So os valores das flexes em cada minuto.
SQ trat = (total de cada coluna) + (total de cada coluna) n de sujeitos n de sujeitos
(total final das colunas)
n de sujeitos x n das linhas

Sendo 5.
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
- Total Final das Colunas foi calculado no passo 1, sendo 1039.
SQ trat = (85) + (114) + (164) + (311) + (365) 10
(1039) = 6115,88 10 x 5
199
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)
SQ bl = (129165 : 5) (1039) : (10 x 5) = 4242,58
200
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
Some esses valore.
Total Final das Colunas = 905 + 1870 + 3740 + 11091 + 17341 = 34947
6) Calcular a soma dos quadrados total (SQ total).

SQ total = Total Final das Colunas do 5 passo (total final das colunas) : (n suj. x n suj. linhas)
SQ total = 34947 (1039) : (10 x 5) = 13356,58
201
7) Estabelecer a soma dos quadrados do erro (SQ erro). SQ erro = SQ total SQ trat SQ bl
SQ erro = 13356,58 6115,88 4242,58 = 2998,12
8) Calcular os graus de liberdade (gl). gl dos Tratamentos (so as colunas) = n de colunas 1 gl Trat = 5 1 = 4
gl dos Blocos (so as linhas) = n de linhas - 1 gl Bl = 10 1 = 9
gl do Erro = (coluna 1) x (linha 1) gl do Erro = (5 1) x (10 1) = 36
gl do Total = (coluna x linha) 1 gl do Total = (5 x 10) 1 = 49
202
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
QM Erro = SQ erro : gl erro QM Erro = 2998,12 : 36 = 83,28
10) Colocar os valores calculados na tabela.

Fonte de Variao Tratamento (coluna) Bloco (linha) Erro ou Resduo Total SQ 6115,88 4242,58 2998,12 13356,58 gl 4 9 36 49 QM 1528,97 471,40 83,28 F ? -
11) Calcular a razo F. F = QM trat : QM erro
F = 1528,97 : 83,28 = 18,36
203
Fonte de Variao Tratamento (coluna) Bloco (linha) Erro ou Resduo Total
SQ 6115,88 4242,58 2998,12 13356,58
gl 4 9 36 49
QM 1528,97 471,40 83,28 -
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.
- Ento, a suposio de esfericidade vlida.
A esfericidade pode acarretar o erro Tipo I.
Erro Tipo I: Rejeita a hiptese nula quando ela verdadeira.
A esfericidade afeta a preciso da Anova de medidas repetidas. Merecendo que os gl sejam ajustados pelo Greenhouse Geiser.
204
Ajustamento dos gl pelos Greenhouse Geiser

Fonte de Variao Tratamento (coluna) Bloco (linha) Erro ou Resduo Total SQ 6115,88 4242,58 2998,12 13356,58 gl 4 9 36 49 QM 1528,97 471,40 83,28 F 18,36 -
gl Tratamento gl trat : (n das linhas 1) 4 : (5 1) = 1

numerador
F (1,9) = 18,36 gl Erro

denominador
gl erro : (n das linhas 1)
36 : (5 1) = 9
gl
numerador linha
denominador coluna
205
- Para ser significativo precisa ser igual ou maior do que o F tabelado.
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
Obs.: Essa tabela a mesma usada em Anova Simples (ver p. 140-3).
gl Bloco gl bloc : (n das linhas 1) 9 : (5 1) = 2
gl total gl trat + gl bloc + gl erro 1 + 2 + 9 = 12
206
Graus de liberdade antes

& depois dos Greenhouse Geiser

Post Hoc Test (testes posteriores ou teste posterior) - O teste posterior identifica a diferena entre as mdias.
- S utilizado se existir diferena significativa entre as mdias (p0,05).
Teste Posterior de Bonferroni - o mais indicado para ser usado em Anova de medidas repetidas. - Utilizado para comparaes mltiplas. - um teste conservador.
207
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.
Clculo do Teste de Bonferroni 1) Calcule: t = (mdia de A mdia de B) : [ Sp . ( 1 n + 1 )] n
Sp = (desvio padro A + desvio padro B) : 2 n de sujeitos nas colunas
3 minutos = 8,54,27 de flexes 6 minutos = 11,47,55 de flexes n = 10
208
Teste de Bonferroni aplicado em Anova de Medidas Repetidas (est. paramtrica)
Sp = (4,27 + 7,55) : 2 = 5,91
t = (8,5 11,4) : [ 5,91 . (
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 ]
t = - 2,9 : 2,6 = - 1,11
2) Determine os gl e veja a significncia. gl = n1 + n2 2 gl = 10 + 10 2 = 18
n a quantidade de sujeitos nas colunas
209
- Para ser significativo precisa ser igual ou maior do que o t tabelado.
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
3) Apresentar a diferena entre as mdias das flexes em cada 3 minutos na tabela.

Tempo das Flexes 3` 8,5 3 minutos = 8,5 6 minutos = 11,4 9 minutos = 16,4 *p0,05 (diferena significativa) 0 6` 11,4 - 2,9 9` 16,4 - 7,9* -5 0
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
Uso do SPSS para Estabelecer a Anova de Medidas Repetidas (est. paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
6)
1) Digite as variveis.
3` 20 30 45
6` 20 30 45
9` 20 30 45
212
8)
1) Clique em Analisar (analyze). 2) Clique em Modelo Linear Geral (general linear model).
3) Selecione a opo Medidas Repetidas (repeated measures).
9)
1) Coloque algum nome em fator (factor).
2) Coloque o nmero dos nveis (number of levels). - So 3 porque os valores esto agrupados em 3`, 6` e 9`.
3) Pressione Adicionar (Add).
4) Pressione Definir (Define).
213
10)
1) Passe os valores analisados para a caixa variveis dentre sujeitos (within-subjects variables).
3` 6` 9`
3` 6` 9`
2) Pressione opes (options).
11) 1) Passe as variveis analisadas para exibio da mdia para (display means for).
2) Marque compare efeitos principais (compare main effects).

3` 6` 9` 3` 6` 9`
3) Escolha Bonferroni.
4) Clique em estatstica descritiva (descriptive statistics) e estimativas do tamanho do efeito (estimates of effect size).
5) Clique em continuar (continue).
214
12)
3` 6` 9`
3` 6` 9`
1) Pressione ok.
13) Resultado. Estatstica Descritiva
215
Anova de Medidas Repetidas
graus de liberdade Valores devem ser arredondados.
Resultado
Significncia
Tamanho do Efeito
Teste Posterior de Bonferroni

Diferena entre as mdias Significncia
216
2.16. Anova de Friedman (est. no paramtrica)
- uma extenso do teste de Wilcoxon.
- Compara 3 ou mais fatores do mesmo grupo em ocasies sucessivas.
Para saber mais, consulte as seguintes obras: Gaya A (2008). Cincias do movimento humano. Porto Alegre: Artmed, p. 275-8.
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
- A ordenao dos postos deve ser de 1 a 3 porque so trs avaliaes.
- Em cada sujeito (na linha)

Sujeito 1 1 momento 16 Postos 3 2 momento 15,7 Postos 2 3 momento 15,2 Postos 1
. o valor mais baixo 1, . o 2 valor mais baixo 2 e . o resultado mais alto 3.
218
- Quando existem valores iguais do sujeito, tira-se a mdia dos postos.

Sujeito 9 1 momento 19,2 Postos 1 2 momento 19,7 Postos 2,5 3 momento 19,7 Postos 2,5
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
Mdia dos Postos = (2 + 3) : 2 = 2,5
2) Aplique os valores na equao da Anova de Friedman.
X = [12 : (N . K) . (K + 1)] . [(R1) + (R2) + (R3)] [(3 . N) . (K + 1)]

N = tamanho da amostra K = n de colunas nos momentos R = soma de cada postos X = quiquadrado
N = 12 / K = 3 / R1 = 28 / R2 = 21,5 / R3 = 22,5
219
X = [12 : (12 . 3) . (3 + 1)] . [(28) + (21,5) + (22,5)] [(3 . 12) . (3 + 1)]
X = 1,45
3) Determine os graus de liberdade. gl = K 1 gl = 3 1 = 2
K = n de colunas nos momentos
220
4) Comparar X calculado aos valores crticos. X = 1,45 gl = 2

gl 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 0,05 3,84 5,99 7,82 9,49 11,07 12,59 14,07 15,51 16,92 18,31 19,68 21,03 22,36 23,68 25 26,30 27,59 28,87 30,14 31,41 32,67 33,92 35,17 36,42 37,65 38,88 40,11 41,34 42,56 43,77
(p0,05, igual ou maior do que o X tabelado)
221
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
222
Uso do SPSS para Estabelecer a Anova de Friedman (est. no paramtrica) (statistical pockage for the social sciences / pacote estatstico para cincias sociais)
6)
A 1 2 4
B 1 2 4
C 1 2 4
8)
2) Clique em Testes No Paramtricos (nonparametric tests).
3) Selecione a opo K para Amostras Relacionadas (K related samples).
223
9)
1) Passe as variveis analisadas para a caixa Variveis Testes (test variables).
A B C
A B C
2) Clique em Friedman.
3) Clique em Estatstica (statistics).
10)
1) Selecione a Estatstica Descritiva (descriptive).
224
11)
A B C
Clique em Ok.
12) Resultado. Estatstica Descritiva
Mdia dos Postos
225
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.
- Determina a relao entre duas variveis diferentes.
- 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.
- A partir de 0,86 considerada uma boa correlao.
227
Correlao Linear de Pearson (est. paramtrica)
- De acordo com a referncia, o r pode ser interpretado atravs da seguinte escala:
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
Dancey e Reidy (2006) 1 0,70 a 0,99 0,40 a 0,69 0,1 a 0,39 0
- A correlao representada da seguinte maneira no grfico:
y a varivel dependente
228
As figuras apresentam uma correlao perfeita positiva e negativa, o grfico exposto a seguir:
Fora
Salto Figura A. Correlao perfeita positiva (r = + 1).
Fora
Salto Figura B. Correlao perfeita negativa (r = - 1).
229
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.
Pompeu F (2004). Manual de cineantropometria. RJ: Sprint, p. 4-6.
230
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
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
5) Colocar os valores resolvidos na equao para identificar o r Pearson.
r=
(N
somatrio de X multiplicado por Y)
(somatrio de X . somatrio de Y)
[ N . somatrio de X - (somatrio de X) ] . [ N . somatrio de Y - (somatrio de Y) ] N = quant. de sujeitos.
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
r=
(4
26145)
(315
330)
[ 4 . 25025 - (315) ] . [ 4 . 27370 - (330) ]
r=
104580
103950
[100100 - 99225] . [109480 - 108900]
r=
630 875 . 580
r = 630 : 712,39 = 0,88 (alto)
6) Determinar os graus de liberdade. gl = N 2

N = quant. de sujeitos.
gl = 4 2 = 2
233
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
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:
EPE = Desvio Padro de y .
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 . 0,74
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
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)
6)
A 23 33 44
B 23 33 44
236
8) 1) Clique em Analisar (Analyze).
2) Clique em Correlao (Correlate).
3) Clique em Bivariada (Bivariate).
9)
1) Passe as variveis analisadas para caixa varivel (Variables).
2) Escolha o r Pearson e a significncia bicaudal (two-tailed).
237
10)
1) Clique em Opes (options).
2) Clique em mdia e desvio padro (means and standard deviations) e excluir casos (exclude cases).
3) Clique em Continuar (Continue).
238
11)
1) Clique em Ok.
12) Resultado. Est. Descritiva
O resultado da Correlao na varivel dependente
Significncia
239
2.18. Coeficiente de Correlao de Spearman (est. no paramtrica)
- Correlao no paramtrica equivalente ao r Pearson.
Para saber mais, consulte as referncias indicadas: Barros M, Reis R (2003). Anlise de dados em atividade fsica. Londrina: Midiograf, p. 165-175.
Pompeu F (2006). Biodinmica do movimento humano. SP: Phorte, p. 74.
Vicent W (1995). Statistics in kinesiology. Champaign: Human Kinetics, p. 202-3
240
Coeficiente de Correlao de Spearman (est. no paramtrica)
1) Calcule a diferena do 1 e do 2 momento.

Sujeito 1 2 3 4 5 6 7 8 9 10 1 Momento 4 5 3 6 2 1 9 10 7 8 2 Momento 5 6 3 4 1 2 7 10 9 8 Diferena =-1 =-1 =0 =2 =1 =-1 =2 =0 =2 =0
n = 10
2) Calcule as diferenas ao quadrado (D) e depois some.

Sujeito 1 2 3 4 5 6 7 8 9 10 Total = Diferena - 1 = 1 - 1 = 1 0 = 0 2 = 4 1 = 1 - 1 = 1 2 = 4 0 = 0 2 = 4 0 = 0 16
241
3) Faa a equao e determine o r de Spearman (rs).
rs = 1 [(6 x D) : [n x (n - 1)]
n (quant. de pessoas na amostra) = 10 D = 16
rs = 1 [(6 x 16) : [10 x (10 - 1)]
rs = 1 [96 : [10 x (100 - 1)]
rs = 1 0,096
rs = 1 [96 : 990]
rs = 1 [96 : [10 x (99)]
rs = 0,90
242
4) Consulte os valores crticos do rs de Spearman.
rs = 0,90 n (quant. de pessoas na amostra) = 10
- Para ser significativo (p0,05) precisa ser maior ou igual ao r tabelado.
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
5) Calcule o erro padro da estimativa, ver p. 234.
243
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)
- 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
12) Resultado. 1) Est. Descritiva
2) O resultado da Correlao na varivel dependente
3) Significncia
245
2.19. Regresso Linear Simples
- A idia de predizer uma varivel a partir do comportamento observado em uma outra.
- 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.
- A regresso linear simples uma extenso do r de Pearson.
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.
Para saber mais, consulte as referncias indicadas:

247
Importante - Faa antes o r de Pearson, somente se existir diferena significativa (p0,05), realize a regresso linear simples.
1) Ordenar os valores de x e y na tabela, depois estabelecer a mdia.
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
y 81 72 65,50 62 53 57,30 62,50 55 54 63 52 69 65 55 49 62 75 60 69 68 Mdia 62,465
248
2) Fazer a subtrao de x pela mdia de x.

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 100 98,760 (mdia) = 1,24 101 98,760 (mdia) = 2,24 104 98,760 (mdia) = 5,24 4,24 - 2,76 - 0,26 1,74 - 4,96 - 2,66 0,34 - 4,56 0,14 7,14 - 7,06 - 9,26 0,24 10,14 - 6,66 - 0,76 6,24
249
3) Fazer a subtrao de y pela mdia de y.

Atleta 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 y mdia de y 81 62,465 (mdia) = 18,54 9,54 3,04 - 0,46 - 9,47 - 5,17 0,04 - 7,47 - 8,47 0,54 - 10,47 6,54 2,54 - 7,47 - 13,47 - 0,46 12,54 - 2,47 6,54 5,54
250
4) Fazer multiplicao de (x mdia de x) por (y mdia de 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) . (y mdia de y) = resultado 1,24 . 18,54 = 22,98 2,24 . 9,54 = 21,36 5,24 . 3,04 = 15,90 4,24 . 0,46 = - 1,97 26,12 1,34 0,06 37,03 22,52 0,18 47,72 0,91 18,10 52,70 124,69 - 0,11 127,10 16,42 - 4,97 34,54 Somatrio = 562,63
251
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
6) Aps realizar os clculos anteriores, possvel elaborar uma equao de regresso com o intuito de predizer algo. Y = a + (b . x)
Y: a varivel dependente, a varivel que se prediz.
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.
x: a varivel independente, sendo a varivel preditora.
7) Para calcular b, basta aplicar os valores calculados anteriormente e resolver a equao.

b = Somatrio de (x mdia de x) . (y mdia de y) : Somatrio de (x mdia de x) b= ? Somatrio de (x mdia de x) . (y mdia de y) = 562,63 Somatrio de (x mdia de x) = 488,63
b = 562,63 : 488,63 = 1,151
253
8) Para calcular a, basta aplicar os valores calculados anteriormente e resolver a equao.
a = mdia de Y - (b . mdia x)
a = 62,465 (1,151 . 98,760)
a = 62,465 113,67 = - 51,21
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)
Obs. No mximo 2 ou 3 decimais aps a vrgula.
254
10) Determinando a equao de regresso, possvel predizer a pontuao de cestas at o 2 quarto. Y = - 51,21 + (1,15 . x)
Exemplo: Equipe A fez 1800 pontos no 1 quarto.
Y = - 51,21 + (1,15 . 1800)
Y = - 51,21 + 2070 = 2018,79 pontos
11) Determine o erro padro da estimativa (EPE).
- Quanto menor o EPE, melhor preciso possui a equao de regresso.
- Quanto menor o desvio padro e maior o r, resultar num menor erro da predio.
1 (r da correlao)
255
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).
- y a varivel dependente. - Valor que se prediz.
- 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
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
Linha de regresso linear estimada
+
+
Resduo = Y Y
Y predito
+
x
- O resduo importante para analisar a linha de regresso linear.
- Os valores residuais devem seguir uma distribuio normal.
257
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
Y = - 51,21 + (1,15 . x) (equao calculada na p. 252)

aplicar 100 na equao
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
Y = - 51,21 + (1,15 . 100) = 63,79
Fazer o mesmo nos outros nmeros de x.
258
- 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.
- Aplicar os valores calculados na equao da varincia residual estimada (VRE).
259
VRE = Somatrio de (y Y) : n 2
Somatrio de (y - Y) = 672,42 n (quant. de indivduos na amostra) = 20
VRE = 672,42 : (20 - 2) = 37,36
- Quanto menor a VRE, maior ser a proximidade dos pontos no diagrama de disperso em relao a linha de regresso.
- Calcular o erro padro de b (EPb).
EPb =
VRE
Somatrio de (X mdia)
Calculado na p. 250.
EPb =
37,36
488,63
= 0,276
260
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
b (calculado na p. 251) = 1,151 EPb (calculado na p. 258) = 0,276
t = 1,151 : 0,276 = 4,17
gl = n (quant. indivduos da amostra) - 2
gl = 20 2 = 18
261
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
2,064 <120 1,96
- 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)
262
6)
VI 1 23 34 55
VD 1 23 34 55
10)
1) Digite Analisar (Analyze).
2) Clique em Regresso (regression).
3) Escolha Linear.
263
11)
1) Mova a varivel dependente para caixa dependente (dependent).
VI VD
VD
4) Clique em estatstica (statistics).

VI
3) Na caixa mtodo (method) deve estar escrito entrar (enter).
2) Mova a varivel independente para caixa independente (independent).
12)
1) Clique em (est sublinhado) estimativa (estimate), intervalos de confiana (confidence
intervals), modelo ajustado (model fit), R (R squared change), estatstica descritiva (descritives) e correlao (correlations). 2) Clique em continuar (continue).
264
13)
1) Clique em grficos (plots) e depois escolha diagrama de disperso (normal probability plots)
VD
VI
2) Clique em ok.
14) Resultados. Estatstica Descritiva
265
r Pearson precisa ser significativo para a

regresso ser vlida.
Significncia
Variveis de Entradas e Removidas
R (coeficiente de determinao ajustado)

Detecta a qualidade da linha de regresso, ou seja, o grau de variabilidade de Y que pode ser explicado pela relao com x. Quanto menor o resultado, melhor o ajuste dos pontos na linha de regresso.
Erro Padro da Estimativa

Quanto menor, melhor preciso possui a equao de regresso.
266
Anova one way

O F precisa ser significativo para rejeitar a hiptese nula da inclinao da linha de regresso.
Coeficientes, so os valores da equao de regresso linear.
Y = a + (b . x) a = 8286,78 b = 0,56 Y = 8286,78 + (0,56 . x)
267
2.20. Regresso Mltipla
- A regresso mltipla uma extenso da regresso linear simples.
- Acontece uma relao linear entre uma varivel dependente (Y) e duas ou mais variveis independentes (x).
- O uso de mais de mais de uma varivel independente aumenta a preciso da predio.
- 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:
Linha de regresso entre estatura e pontos.
268
Regresso Mltipla - y a varivel dependente. - Valor que se prediz.
Linha de regresso entre quantidade de jogos e pontos.
Para saber mais, consulte as referncias indicadas:
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.
2) Ordene os valores de x1, x2 e Y na tabela.

Atleta 1 2 3 4 5 6 7 8 9 10 x1 2 1 5 4 6 3 8 3 7 10 Total 49 x2 25 24 18 22 16 19 18 15 20 16 Total 193 Y 42 41 50 48 52 49 52 55 51 61 Total 501
270
Regresso Mltipla
3) Elevar ao quadrado os valores de x1, x2 e Y.

Atleta 1 2 3 4 5 6 7 8 9 10 x1 2 = 4 1 = 1 5 = 25 16 36 9 64 9 49 100 Total 313 x2 625 576 324 484 256 361 324 225 400 256 Total 3831 Y 1764 1681 2500 2304 2704 2401 2704 3025 2601 3721 Total 25405
4) Multiplicar x1 por x2.

Atleta 1 2 3 4 5 6 7 8 9 10 x1 . x2 2 . 25 = 50 1 . 24 = 24 5 . 18 = 90 88 96 57 144 45 140 160 Total 894
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
7) Calcular os valores na seguinte conta: Somatrio : n

n (quant. de indivduos da amostra) = 10 Somatrio de x1 (calculado na p. 269) = 49 Somatrio de x2 (calculado na p. 269) = 193 Somatrio de Y (calculado na p. 269) = 501
x1 = 49 : 10 = 4,9
x2 = 193 : 10 = 19,3
Y = 501 : 10 = 50,1
8) Resolver a equao Syy. Syy = Somatrio de Y - [(Somatrio de Y) : n]

Somatrio de Y (calculado na p. 270) = 25405 Somatrio de Y (calculado na p. 269) = 501 n (quant. de indivduos da amostra) = 10
Syy = 25405 [(501) : 10] = 304,9
9) Resolver a equao Sy1. Sy1 = Somatrio de x1 . Y - [(Somatrio de x1 . Somatrio de Y) : n]

Somatrio de x1 . Y (calculado na p. 271) = 2574 Somatrio de x1 (calculado na p. 269) = 49 Somatrio de Y (calculado na p. 269) = 501 n (quant. de indivduos da amostra) = 10
Sy1 = 2574 [(49 . 501) : 10] = 119,1
273
Regresso Mltipla
10) Resolver a equao Sy2. Sy2 = Somatrio de x2 . Y - [(Somatrio de x2 . Somatrio de Y) : n]

Somatrio de x2 . Y (calculado na p. 271) = 9510 Somatrio de x2 (calculado na p. 269) = 193 Somatrio de Y (calculado na p. 269) = 501 n (quant. de indivduos da amostra) = 10
Sy2 = 9510 [(193 . 501) : 10] = - 159,3
11) Resolver a equao S11. S11 = Somatrio de x1 - [(Somatrio de x1) : n]

Somatrio de x1 (calculado na p. 269) = 313 Somatrio de x1 (calculado na p. 269) = 49 n (quant. de indivduos da amostra) = 10
S11 = 313 [(49) : 10] = 72,9
12) Resolver a equao S12. S12 = Somatrio de x1 . x2 - [(Somatrio de x1 . Somatrio de x2) : n]

Somatrio de x1 . x2 (calculado na p. 270) = 894 Somatrio de x1 (calculado na p. 269) = 49 Somatrio de x2 (calculado na p. 269) = 193 n (quant. de indivduos da amostra) = 10
S12 = 894 [(49 . 193) : 10] = - 51,7
274
Regresso Mltipla
13) Resolver a equao S22. S22 = Somatrio de x2 - [(Somatrio de x2) : n]

Somatrio de x2 (calculado na p. 269) = 3831 Somatrio de x2 (calculado na p. 269) = 193 n (quant. de indivduos da amostra) = 10
S22 = 3831 [(193) : 10] = 106,1
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)
Y: a varivel dependente, a varivel que se prediz.
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
16) Calcule b1. b1 = (Sy2 : S12) [(S22 : S12) . b2]

Sy2 (calculado na p. 273) = - 159,3 S12 (calculado na p. 273) = - 51,7 S22 (calculado na p. 274) = 106,1 b2 = - 1,0778
b1 = (- 159,3 : 51,7) [(106,1 : - 51,7) . 1,0778] = 0,8694
276
Regresso Mltipla
17) Calcule a. a = [Y (b1 . x1)] (b2 . x2)

Y (calculado na p. 272) = 50,1 b1 (calculado na p. 275) = 0,8694 x1 (calculado na p. 272) = 4,9 b2 (calculado na p. 275) = - 1,0778 x2 (calculado na p. 272) = 19,3
a = [50,1 (0,8694 . 4,9)] (- 1,0778 . 19,3) = 66,6414
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
Y = 66,641 + (0,869 . x1 anos de treino) 1,078 . x2 idade
Fica sinal de menos porque b2 negativo.
277
Regresso Mltipla
19) Calcule a varincia explicada (VE). VE = (b1 . Sy1) + (b2. Sy2)

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
VE = (0,869 . 119,1) + (- 1,078 . 159,3) = 275,2
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
VR = 304,9 (0,869 . 119,1) (- 1,078 . 159,3) = 29,7

- Quanto menor a VRE, maior ser a proximidade dos pontos no diagrama de disperso em relao a linha de regresso.
21) Calcule a varincia total (VT). VT = VE + VR VE = 275,2 / VR = 29,7
VT = 275,2 + 29,7 = 304,9
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
K (quant. de grupos) = 3 N (quant. de indivduos da amostra) = 10
23) Coloque os valores calculados na tabela de Anova one way.

Fonte de Variao x1 e x2 Resduo Total Soma dos Quadrados (SQ) VE = 275,2 VR = 29,7 VT = 304,9 gl 2 7 9
24) Calcule os quadrados mdios (QM) de Anova one way. QMet (entre os grupos) = VE : gl correspondente 275,2 : 2 = 137,6
QMdt (dentro dos grupos) = VR : gl correspondente
29,7 : 7 = 4,2
279
Regresso Mltipla
24) Calcule a razo F. F = QMet : QMdt (calculado na p. 278)
F = 137,6 : 4,2 = 32,8
25) Coloque os valores calculados na tabela da Anova one way.

Fonte de Variao x1 e x2 Resduo Total Soma dos Quadrados (SQ) VE = 275,2 VR = 29,7 VT = 304,9 gl 2 7 9 Quadrados Mdios (QM) QMet = 137,6 QMdt = 4,2 F 32,8
26) Compare F calculado aos valores crticos de F. F (2,7) = 32,8
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
161 18,51 10,13 7,71 6,61 5,99 5,59
200 19 9,55 6,94 5,79 5,14 4,74
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
- Quanto menor o resultado, melhor o ajuste dos pontos na linha de regresso.
281
Regresso Mltipla
28) Calcule o erro padro da estimativa (EPE).
- Quanto menor o EPE, melhor preciso possui a equao de regresso.
- 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)
1) Digite as variveis (VI = varivel independente, VD = varivel dependente).
VI 22 33 55
VI 22 33 55
VD 22 33 55
10)
1) Digite Analisar (Analyze).
2) Clique em Regresso (regression).
3) Escolha Linear.
283
Regresso Mltipla
11)
1) Mova a varivel dependente para caixa dependente (dependent).
VI VI VD
VD
VI
3) Na caixa mtodo (method) deve estar escrito entrar (enter).
2) Mova a varivel independente para caixa independente (independent).
12)
VD
2) Clique em estatstica (statistics). VI

VI VI
1) Selecione prximo (next) e mova a 2 varivel independente para caixa independente (independent).
284
Regresso Mltipla
13)
1) Clique em (est sublinhado) estimativa (estimate), intervalos de confiana (confidence
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
14) Resultados. Estatstica Descritiva
r Pearson precisa ser significativo para a

regresso ser vlida.
Significncia
Variveis de Entradas e Removidas
286
Regresso Mltipla
R (coeficiente de determinao ajustado)

Detecta a qualidade da linha de regresso, ou seja, o grau de variabilidade de Y que pode ser explicado pela relao com x. Quanto menor o resultado, melhor o ajuste dos pontos na linha de regresso.
Erro Padro da Estimativa

Quanto menor, melhor preciso possui a equao de regresso.
Anova one way

287
Regresso Mltipla
Coeficientes, so os valores da equao de regresso linear.
Fome
43.88
b1 b2
Y = a + (b1 . x1) + (b2 . x2)

a = 8286,78 b1 = 0,564 b2 = 43,88
Y = 8286,78 + (0,564 . x1 anos de treino) + (43,88 . x2 idade)

ESTATÍSTICA Aplicada Ao ESPORTE e A ATIVIDADE FÍSICA

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

ESTATÍSTICA Aplicada Ao ESPORTE e A ATIVIDADE FÍSICA

Caricato da

Copyright:

Formati disponibili

Estatstica Aplicada ao Esporte e a Atividade Fsica

Nelson Kautzner Marques Junior

n = 90, 73, 72, 79

1+3,332 x 1,3010 = 5,334

FR (%) = 15 + 30 + 25 + 20 + 10 = 100% (sempre tem que dar 100%)

Obs.: O ltimo n da freqncia acumulada sempre igual ao total de elementos observados.

Clique em Visualizar Variveis (variable view)

Retornar a planilha anterior em Ver Dados (data view).

Digite as variveis do estudo na coluna Var.

1) Clique em Analisar (analyze).

2) Clique em Estatstica Descritiva (Descriptive statistics).

3) Selecione a opo Frequncias (frequencies).

3) Selecione a opo Estatsticas (statistics).

1) Selecione a mdia (mean), a mediana (median) e a moda (mode). .

2) Clique Continuar (continue). 3) Clique em Ok para ter o resultado.

Amplitude de Classe (h) = 54 : 6 = 9 (Este n tem a ver com a ordem do N DE FLEXES)

N de Alunos (f) 5 3 7 3 5 2 Total 25

Ponto Mdio = Limite Inferior + Limite Superior 2 PM = 49 + 40 (so as flexes) = 44,5 2

Me = Xe + h (P Fa) f1 N de Flexes 40 49 49 58 Xe 58 67 67 76 76 85 85 - 94 Freqncia 5 3 f1 7 3 5 2 Total 25 Freqncia Acumulada 5 5 + 3 = 8 Fa 5 + 3 + 7 = 15 18 23 25

2 . fant (fant fpost)

c) Utilizando a distribuio acima, elabore a distribuio de freqncia correspondente? K=1+3,332 Log 30

K = 1 + 3,332 . 1,4771 6 AT = 240 120 = 120 AC = 120 : 6 = 20

X 2 3 10 Total = 15 Mdia = 5 Mdia = 25 N = 3 elementos, porque tem trs nmeros.

X 2 = 4 3 = 9 10 = 100 Somatrio de X = 113

3) Clique em OK para ter o resultado.

2) Clique em Continuar (continue) 1) Selecione o desvio padro (std. deviation)

Delta Percentual = (2 resultado 1 resultado) x 100 = x% 2 resultado

a) Ordenar os valores do maior para o menor. Sujeito 1 2 3 4 Resultado do teste 20 16 12 10

2) Calcular o escore z de cada teste.

Z = resultado do atleta mdia do teste Desvio Padro do teste

Atleta 1 Z = 200 cm no teste de salto horizontal - 195 = 0,10 47,7

. segundo para centsimo

. centsimo para segundo

. minuto para segundo

. segundo para minuto

. hora para minuto

. minuto para hora

Pompeu F (2006). Biodinmica do movimento humano. So Paulo: Phorte, p. 111.

Bojikian L, Gagliardi J, Bhme M (2006).

2) Clicar em inserir e escolher colunas.

Como elaborar no Excel:

2) Clicar em inserir e escolher barras.

3) Os demais procedimentos so iguais ao explicado na pgina 40.

2) Clicar em inserir e escolher pizza.

4) Os demais procedimentos so iguais ao explicado na pgina 40.

Como elaborar no Excel:

2) Clicar em inserir e escolher linhas.

3) Os demais procedimentos so iguais ao explicado na pgina 40.

2) Clicar em inserir e escolher disperso.

3) Clicar em Layout de Grfico e escolher um grfico que possui uma reta.

4) Os demais procedimentos so iguais ao explicado na pgina 40.

1 Testar a normalidade dos dados Distribuio Normal Distribuio No Normal

Teste de Shapiro-Wilk (n at 50) ou Teste Kolmogorov-Smirnov (n maior que 50)

No SPSS, p precisa ser maior que 0,05.

- p = 0,000 no SPSS significa que p0,001.

- Insignificante, no use esse termo. O ideal escrever: os dados no foram significativos.

2.2.1. Teste de Shapiro-Wilk Utilizado quando a amostra de 50 componentes.

1) Ordenar os nmeros da amostra. 10, 15, 15, 20 e 25. Mdia = 17

- Ordenar os nmeros da amostra do maior para o menor. 25 20 15 15 10

- Estabelecer o coeficiente de Shapiro-Wilk de cada nmero. Nmeros da Amostra 25 20 15 15 10 Coeficiente de Shapiro-Wilk

Coef. de Shapiro-Wilk 0,6646 0,2413 0,0000 -

4) Calcular b (b = coef. de Shapiro-Wilk).

b = 0,6646 x (25 10) + 0,2413 x (20 15) 9,9735 + 1,2065 = 11,18