Tipos

Tipos de
de Dados
Dados

Podemos distinguir 3 tipos de dados que podem ser tratados

nos estudos estatísticos, principalmente nos testes de
hipóteses, são eles:
• Dados nominais - só permitem uma classificação. Seus valores são
contados e não medidos.
• Dados ordinais - além de permitir uma classificação, podemos
estabelecer uma ordenação entre as classes.
• Dados intervalares- normalmente possuem uma unidade de medida
com uma escala bem estabelecida e permitem operações aritméticas
utilizando-se diretamente os seus valores

Dados
Dados Nominais
Nominais

• Números usados na classificação ou categorização

Exemplo: Classificação dos empregados
– 1 para Educador
– 2 para trabalhador na Construção Civil
– 3 para trabalhador na Industria Mecânica
Exemplo : Etnia
– 1 para Africanos
– 2 para Americanos
– 3 para Hispânicos
– 4 para Orientais

1
 Dados
Dados Ordinais
Ordinais

• Números usados para indicar ordem

– magnitude relativa entre os números
– Diferenças entre números não são comparáveis

Exemplo: ordenar a produtividade de empregados

Exemplo : Posição na organização
– 1 para Presidente
– 2 para Vice Presidente
– 3 para Gerente
– 4 para Supervisor de Departamento
– 5 para Empregados

Dados
Dados Ordinais
Ordinais

Pesquisa de opinião sobre a política de acesso

à Universidade.

concorda concorda Neutral Discorda Discorda

fortemente fortemente

1 2 3 4 5

2
 Dados
Dados Intervalares
Intervalares

• Distâncias entre inteiros consecutivos são

iguais
– magnitude relativa entre os números
– Diferenças entre números são comparáveis
– Localização da origem, zero, é arbitrária
Exemplo: Temperatura Fahrenheit
Exemplo : Calendário
Exemplo : Unidades Monetárias

Tipos
Tipos de
de Dados
Dados

Tipo de
dado
Operações Teste apropriado

Nominal Classificação e Contagem Não-paramétrica

Ordinal Todas acima mais ordenação Não-paramétrica

Intervalar Todas acima mais, Operações Paramétrica

aritméticas

3
 Abordagem
Abordagem Paramétrica
Paramétrica ee Não-Paramétrica
Não-Paramétrica

• Teste Paramétrico => a população com um comportamento Normal

• As técnicas Não-Paramétricas independem do comportamento
estatístico do fenômeno estudado
O significado dos resultados extraídos de um teste Paramétrico
dependem da validade em assumir a Normalidade.

• Não–Paramétricos possuem uma gama de testes que permitem tratar

qualquer tipo de dado
• Paramétrico só utiliza dados intervalares

• os testes Não-Paramétricos são de caráter bem mais genéricos => um

menor poder para testar Ho
• os testes Paramétricos, para uma mesma capacidade de discriminação,
necessitam de uma amostra menor

Vantagens
Vantagens dos
dos testes
testes não-paramétricos
não-paramétricos

Como não depende do formato da distribuição da população da qual a

amostra e retirada, os cálculos de probabilidade para estabelecer a
aceitação ou rejeição da hipótese nula na maior parte dos testes Não-
Paramétricos são cálculos exatos.

Se o tamanho da amostra utilizado no teste de hipóteses para menor do

que 6 unidades, a utilização de procedimentos não paramétricos é a única
alternativa, a menos que se tenha o exato conhecimento da natureza da
população.

Existem bons processos Não-Paramétricos que tratam amostras retiradas

de populações diferentes. Por outro lado, não existem procedimentos
Paramétricos que lidem com essa suposição que, em muitos casos,
podem ser irrealistas.

Os testes Não-Paramétricos são mais simples de serem efetuados e mais

fáceis de serem compreendidos que os testes Paramétricos.

4
 Vantagens
Vantagens dos
dos testes
testes Paramétricos
Paramétricos

Se para a situação em estudo, todas as restrições impostas pelos testes

Paramétrico forem válidas, este tipo de teste deve ser preferidos, pois ele
tem um maior aproveitamento da informação extraída da amostra. Existe
uma clara perda de informação nos dados usados nos testes não-
paramétricos, o que diminui o seu poder.

Não há procedimentos Não-Paramétricos para avaliação de interações

entre fatores de um experimento.

As tabelas utilizadas para cálculo das probabilidades em testes

Paramétricos estão muito mais disponíveis, possuindo um procedimento
de utilização bem difundido. As tabelas utilizadas nos testes não-
paramétricos, são encontradas apenas em publicações mais
especializadas.

Eficiência
Eficiência

• Quanto mais fracas as restrições => mais gerais são as

conclusões e menos poderosa é a discriminação do teste de
Ho;
• Podemos compensar a perda de poder com o aumento do
tamanho da amostra;
• Suponha dois testes de hipóteses (teste A e Teste B)
aplicados a uma mesma situação, onde:
• poder de A > poder de B para o mesmo tamanho da
amostra.
• poder de A para Na = poder de B para Nb, onde B > ª
• Eficiência de B = 100 * (Nb/Na).

5
 Verificação de Normalidade

Normal Probability Plot para

Distribuição Normal
Normal P-P Plot de Vendas AP
1,00

,75
90

,50
Expected Cum Prob

,25
X 60
0,00
0,00 ,25 ,50 ,75 1,00

Observed Cum Prob

Normal P-P Plot de Salários 30 Z

1,00

,75

,50
-2 -1 0 1 2
Expected Cum Prob

,25

0,00
0,00 ,25 ,50 ,75 1,00

Observed Cum Prob

Normal Probability Plot

esquerda direita
90 90
X 60 X 60
30 Z 30 Z
-2 -1 0 1 2 -2 -1 0 1 2

retangular formato de U
90 90
X 60 X 60
30 Z 30 Z
-2 -1 0 1 2 -2 -1 0 1 2

6
 Verificação de Normalidade
Distribuição Populacional
Tendência Central σ = 10
μX = μ

Variação μ = 50
σ Distribuição amostral
σX =
n n=4 n = 16
com reposição σX =5 σ X = 2.5

μ X = 50 X

Verificação de Normalidade
Distribuição Populacional
Tendência Central σ = 10
μX = μ

Variação μ = 50
σ Distribuição amostral
σX =
n n=4 n = 30
com reposição σX =5 σ X = 1.8

μ X = 50 X

7
 Teorema do Limite Central
A distribuição
Com o amostral
aumento do torna-se
tamhanho quase normal
da amostra independente
… do formato da
população

8
 Abordagem
Abordagem Paramétrica
Paramétrica ee Não-Paramétrica
Não-Paramétrica
Situação Tipo de dado Teste recomendado
Uma amostra Nominal BINOMIAL - SEQÜÊNCIA
Ordinal
Intervalar TESTE t de Student
Adequação do ajuste de uma Qualquer Qui-Quadrado,
distribuição teórica Kolmogorov / Smirnov
Tabelas de Contingência Qualquer Qui-Quadrado
Mc NEMAR
Duas amostras independentes Nominal
Ordinal MANN - WHITNEY
Intervalar TESTE t de Student PARA
MÉDIAS
Duas amostras relacionadas Nominal TESTE DO SINAL
Ordinal WILCOXON
Intervalar TESTE t de Student PARA
AMOSTRAS PAREADAS
Mais de duas amostras independentes Nominal
Ordinal KRUSKAL WALLIS
Intervalar Análise de Variância
Mais de duas amostras relacionadas Nominal COCHRAN
Ordinal FRIEDMAN
Intervalar
Correlação Ordinal Spearman