02/08/2013

Relembrando.... ANÁLISE BIVARIADA

Variáveis
Qui-quadrado
categóricas
Associação/
Dados Correlação
relação
Normais Pearson (r)
Variáveis
Discretas ou
Contínuas Dados Correlação
Não-normais Sperman (ρ)

Bivariada
Teste t
Dados pareado
Normais
VD – continua
Dentre
X
Participantes
2 Grupos Dados Teste de
Não-normais Wilcoxon

Comparação
Dados Teste t
VD – continua ou Normais independente
Entre discreta
Participantes X
Dados Teste U
2 Grupos
Não-normais Mann-whitney

Correlação

Análise do grau de relacionamento entre duas

variáveis quantitativas.

Exemplos

Altura (m) X Massa Corporal (kg)

Força de preensão manual (kgf) X tempo de menopausa (anos)

1
 02/08/2013

Correlação Positiva
Correlação - gráfico

Massa Corporal
1
FPM - kgf

Altura
2

3 Correlação Negativa

Tempo de Menopausa (anos)

Número de acidentes
Tempo de Treinamento

Correlação - gráfico

Ausência de Correlação

2
 02/08/2013

Tipos de Correlação

de Pearson (r)  assume normalidade dos

dados

de Spearman (rho)  não assume normalidade

dos dados

Correlação Linear de Pearson

 As variáveis devem assumir os pressupostos de normalidade;

 A correlação é indicada pelo valor de “r” (coeficiente de
correlação)

Medida de correlação é um valor numérico que expressa a

força e sentido do relacionamento entre x e y.

3
 02/08/2013

Correlação Linear de Pearson

Objetivo: relacionar a força de preensão manual e a idade de

idosos praticantes de exercícios físicos.

H0 - não há correlação entre as variáveis;

H1- há correlação entre as variáveis;

Correlação Linear de Pearson

4
 02/08/2013

Estatística do Teste: r = -0,247

p= 0,002

Rejeita a hipótese nula e aceita H1  EXISTE

RELAÇÃO ENTRE OS PARES DE OBSERVAÇÕES.

Correlação Linear de Pearson - DETALHES

Estatística do Teste: r = -0,247

p= 0,002

◦ Quanto mais perto de 1, maior é a magnitude de

relação entre as variáveis
Segundo autora Malina Bouchard

 0,0 - 0,3 – baixa;

 0,3 - 0,6 –moderada;

 0,6 - 0,85 -moderadamente alta;

 > 0.85 –alta;

◦ O sinal + ou – indica o sentido da relação, ou

seja, o que ocorre com uma variável quando a
outra sofre algum tipo de variação

5
 02/08/2013

Correlação Linear de Pearson - DETALHES

◦ r = Não reflete necessariamente uma relação de causa e

efeito, por isso interpreta-se o valor de “r” com o coeficiente
de determinação ou explicação (R2)
◦ O coeficiente de determinação (R2) representa a proporção
de variação de x (idade) que pode ser atribuída a sua relação
com y (força de preensão manual).

Mas como calcular o coeficiente de

determinação??

6
 02/08/2013

Correlação – como
construir um gráfico
de dispersão e
calcular o coeficiente
de determinação

Correlação – como construir um gráfico de dispersão e

calcular o coeficiente de determinação

7
 02/08/2013

Correlação – como construir um gráfico de dispersão e

calcular o coeficiente de determinação

Clicar duas vezes

sobre o gráfico

6,1% da variação da força de

COEFICIENTE DE preensão manual pode ser
DETERMINAÇÃO R2 explicada pela variação da
idade.

8
 02/08/2013

6,1% da variação da força de preensão manual

pode ser explicada pela variação da idade.

Essa é uma variância compartilhada entre

essas duas variáveis.

93,9% é VARIÂNCIA EXCLUSIVA

46,95% é variância exclusiva da idade;

46,95% é variância exclusiva da força de

preensão manual.

Correlação Linear de Pearson

Apresentação dos Resultados
(1) (2) (3) (4) (5) (6)

(1) Importância do sexo na

1,000 0,423* -0,179 0,336 0,072 0,280
juventude
(2) Freqüência sexual na
1,000 0,185 0,640*** -0,160 0,030
juventude

(3) Orgasmos ao longo da vida 1,000 -0,179 -0,025 -0,210

(4) Satisfação com sexo na

1,000 -0,349 -0,118
juventude

(5) Considera-se sexualmente

1,000 0,665**
ativo atualmente

(6) Freqüência sexual atual 1,000

* p< 0,05 ** p< 0,01

9
 02/08/2013

Correlação Linear de Pearson

Apresentação dos Resultados

Tabela 4: Coeficiente de Correlação de Pearson entre a Força de Preensão Manual Direita e Esquerda e os testes de
aptidão física em homens idosos praticantes de exercícios físicos (n=30)

FPM Direita FPM Esquerda

Variáveis r de
p r de Pearson p
Pearson
Sentar e Levantar
0,124 0,515 0,062 0,746
Flexão de Antebraço
0,543 0,002* 0,508 0,004*
Sentar e Alcançar
0,284 0,128 0,324 0,081
Agilidade
-0,492 0,006* -0,528 0,003*
Alcançar atrás das costas mão direita
0,132 0,482 0,127 0,505
Alcançar atrás das costas mão esquerda
0,166 0,381 0,164 0,386
Andar 6 minutos
0,467 0,009* 0,385 0,036*

*p<0,05

Correlação Linear de Pearson

Apresentação dos Resultados

r = grau de proximidade entre os

pares de observações
R2 = coeficiente de determinação

10
 02/08/2013

Correlação de Spearman - Rho

- Correlação para dados não
paramétricos

Estatística do Teste: rho = -0,251

p= 0,001

Rejeita a hipótese nula e aceita H1  EXISTE

RELAÇÃO ENTRE OS PARES DE OBSERVAÇÕES.

11
 02/08/2013

Correlações Parciais
• Utiliza-se quando três variáveis são
fortemente relacionadas umas com as outras;
• Pode-se remover a influência de uma variável
por meio de uma correlação parcial.

QUAL A RELAÇÃO ENTRE FORÇA DE PREENSÃO MANUAL E

RESISTÊNCIA AERÓBIA, CONTROLANDO A INFLUENCIA DA
VARIÁVEL IDADE??

As variáveis FORÇA DE PREENSÃO MANUAL, RESISTÊNCIA AERÓBIA

E IDADE são relacionadas??

12
 02/08/2013

CORRELAÇÃO
PARCIAL

13
 02/08/2013

Marcar CORRELAÇÃO DE ZERO ORDEM

para mostrar o coeficiente de correlação
sem o controle da variável de interesse –
para comparar

Nenhum
controle

Controle da
Idade

14
 02/08/2013

Se a correlação diminui ou aumenta com o controle

de uma variável: a associação se dava parcialmente à
essa variável.

Se a correlação não se modifica muito com o

controle de uma variável: a associação não é afetada
por essa variável.

Sem controle da idade  relação significativa  0,313

Com controle da idade  relação significativa  0,254

Importante
A dispersão dos dados
pode não dar uma
relação linear,
mensurada pelos
testes aqui citados...

Outras formas de
análise precisam ser
realizadas nesses
casos.

15
 02/08/2013

Relembrando.... ANÁLISE BIVARIADA

Variáveis
Qui-quadrado
categóricas
Associação/
Dados Correlação
relação
Normais Pearson (r)
Variáveis
Discretas ou
Contínuas Dados Correlação
Não-normais Sperman (ρ)

Bivariada
Dados Teste t
Normais pareado
VD – continua
Dentre
X
Participantes
2 Grupos Dados Teste de
Não-normais Wilcoxon

Comparação
Dados Teste t
VD – continua ou Normais independente
Entre discreta
Participantes X
Dados Teste U
2 Grupos
Não-normais Mann-whitney

Qui Quadrado

 Trata-se de um teste de ASSOCIAÇÃO entre variáveis

categóricas (nominais e ordinais);

Verificar se a frequência com que um determinado

acontecimento observado em uma amostra se desvia
significativamente ou não da frequência com que ele é
esperado.

Esperado Observado

16
 02/08/2013

Condições necessárias para o Qui Quadrado

As observações devem ser frequências ou contagens;

Cada observação pertence a uma e somente uma

categoria;

A amostra deve ser relativamente grande (pelo menos

5 observações em cada célula).

Com IU Sem IU
Com episiotomia 50 34
Sem episiotomia 10 6

Objetivo: Associar a presença de dislipidemia e o sexo de

idosos praticantes de exercícios físicos.

H0: Não há associação entre os grupos;

H1: Há associação entre os grupos.

Montagem do banco de dados...

17
02/08/2013

18
 02/08/2013

Força da
associação – igual
a classificação da
correlação

Mostra onde esta

a associação – se
maior que 2,0

19
 02/08/2013

OBSERVAR:
- EXISTEM MISSINGS?
- NUMERO DE OBSERVAÇÕES
EM CADA CASELA É MAIOR
QUE 5?
- O AJUSTE RESIDUAL É
MAIOR QUE 2,0?

Não há associação
entre sexo e
presença de
dislepidemia  p>
0,05.

Se alguma casela houver

menos que 5
observações, utilizar o
Teste Exato de Fisher.

FORÇA DA ASSOCIAÇÃO
NEM ADIANTA OLHAR!!

20
 02/08/2013

Outro exemplo:

Objetivo: associar a flexibilidade (boa / ruim) e a faixa etária (idoso

/ idoso longevo) de idosos praticantes de exercícios físicos

H0: Não há associação entre os grupos;

H1: Há associação entre os grupos.

21
02/08/2013

22
 02/08/2013

Não há violação do Qui Quadrado

AJUSTE RESIDUAL (
2,0)

Existe associação entre a flexibilidade

e a faixa etária, sendo que os idosos
mais jovens tendem a apresentar
boa flexibilidade (92,0%).

Pelo ajuste residual é possível “prever” se haverá

significância.

Medida de efeito = 0,350

Aproximadamente 35,0% da
variação na contagem das
frequencias dos idosos com
flexibilidade boa pode ser
explicada pela idade.

FORÇA DA
ASSOCIAÇÃO

23
 02/08/2013

Relembrando.... ANÁLISE BIVARIADA

Variáveis
Qui-quadrado
categóricas
Associação/
Dados Correlação
relação
Normais Pearson (r)
Variáveis
Discretas ou
Contínuas Dados Correlação
Não-normais Sperman (ρ)

Bivariada Anova
Teste t
Dados Medidas
pareado
Normais Repetidas
VD –continua
VD continua
Dentre XX
Participantes 3 grupos ou
2 Grupos Dados Teste de
mais Friedman
Não-normais Wilcoxon

Comparação
Dados Teste t
Normais
Anova
independente
VDVD– continua
continuaou
Entre discreta
X
Participantes 3 grupos
X ou
mais Dados Teste U
Krusskall
2 Grupos
Não-normais Mann-whitney
Wallis

Agora.... Vamos para a análise multivariada!

MANOVA
MANOVA: Análise Multivariada de Variância
Compara as diferenças das médias de 2 ou mais
variáveis dependentes quantitativas com base em
uma variável independente qualitativa.

Idoso Idoso
Idoso Idoso
Jovem Longevo

IMC Média Média Média

24
 02/08/2013

Idoso Idoso
Jovem Idoso Idoso
Longevo

IMC Média Média Média

Resistência
Aeróbica Média Média Média

Comportamento das variáveis RESISTÊNCIA AERÓBICA e

IMC, segundo as faixas etárias

MANOVA: Análise Multivariada de Variância

MANOVA
Análise Multivariada de Variância

Na presença duas ou mais variáveis dependentes, a MANOVA forma uma

combinação linear das mesmas e usa essa combinação na análise, em vez das
variáveis individuais.

OUTRO EXEMPLO:
Comparar o bem estar de devotos e ateus.

Variável independente – categórica – CRENÇA

(devotos X ateus)
Variável dependente – numérica – escore de bem estar
(otimismo com o futuro, felicidade, entusiasmo com a vida, satisfação com
relacionamento pessoal...)  VÁRIOS ESCORES

25
 02/08/2013

Manova

Condições para a MANOVA

• Normalidade multivariada;
Cada uma das variáveis dependentes e todas as
combinações lineares dessas variáveis devem ser
distribuídas normalmente.

Essa condição é difícil de ser obtida, portanto, recomenda-se

apenas que as variáveis dependentes sejam NORMAIS.

É ainda mais seguro realizar a MANOVA com um mesmo

número de indivíduos por grupo (da variável
independente) – no mínimo 12 por grupo.

26
 02/08/2013

Condições para a MANOVA

• Homogeneidade de variância – matrizes de

covariâncias.
As matrizes de variância e co-variância devem ser iguais.

Teste M de Box
Se p> 0,05: existe homogeneidade.
Se p<0,05: violação dessa condição – a realização da MANOVA esta prejudicada.

OBJETIVO: comparar os escores de felicidade e otimismo,

segundo a crença de adultos residentes da comunidade

1º Passo: Normalidade das variáveis dependentes.

27
 02/08/2013

2º Passo: Homogeneidade de variância – matrizes de covariâncias.

O TESTE M DE BOX APARECE NA SAÍDA DA MANOVA – PORTANTO,

VERIFICASSE ESSA CONDIÇÃO APÓS RODAR A ANÁLISE

28
 02/08/2013

Número de
indivíduos

Escores das VD por

grupo da VI

P>0,05 Existe
homogeneidade de
variância e
covariância

Os valores de F
Não há diferença significativa das variáveis deram iguais em
felicidade e otimismo de indivíduos todos os testes
devotos e ateus (F(2,27)= 1,219; p= 0,311). multivariados
porque a VD tem dois
níveis apenas...

29
 02/08/2013

Análises
bivariadas
(cada escore com
categorias da crença)

Por tratar-se de uma análise multivariada, deve-se ajustar o valor de p segundo o

número de variáveis dependentes: 2VD – 0,05/2 = p= 0,025

Observação muito importante

Essa interpretação de que

felicidade e otimismo não
diferenciam-se entre ateus e
devotos, foi possível porque
FELICIDADE E OTIMISMO NÃO
CORRELACIONAM-SE.

Não há um efeito de
interação

30
 02/08/2013

Objetivo: Verificar as diferenças do IMC e da Resistência Aeróbica

entre faixas etárias de idosos praticantes de exercícios físicos.

Relação entre IMC e RESISTÊNCIA AERÓBICA

Para esse tipo de MANOVA, em que há relação entre as variáveis

dependentes, sugere-se 20 indivíduos por grupo da variável
independente.

Grupo – IDOSO LONGEVO

apenas 7 indivíduos...
Mas vamos
continuar mesmo
assim, ok?

31
 02/08/2013

Objetivo: Verificar as diferenças do IMC e da Resistência Aeróbica

entre faixas etárias de idosos praticantes de exercícios físicos.

32
 02/08/2013

Observações por
categoria

Média e
desvio padrão
de cada
variável

33
 02/08/2013

O teste Box M verifica a homogeneidade de

covariâncias.
Se p> 0,05  assume homogeneidade – dá certeza da utilização MANOVA

A resistência aeróbica e IMC atendem ao

pressuposto de homogeneidade de variância
(p>0,05) – para análise bivariada

34
 02/08/2013

Os testes determinam que existem diferença significativa (F=

3,525; p= 0,008) entre os níveis da variável independente (faixa
etária da idade) na combinação linear das variáveis dependentes
(IMC e Resistência Aeróbica)

Existe diferença significativa das variáveis Índice de Massa

Corporal e Resistência Aeróbia entre as faixas etárias de idosos
praticantes de exercícios físicos.

Entre faixas etárias avaliadas, existe diferença significativa apenas quanto a

resistência aeróbia (F (2, 159)= 6,836; p= 0,001), no entanto, seu poder de explicação
é muito baixo (0,079 – 7,9%).

Em outras palavras, as diferentes faixas etárias tem efeito apenas sobre a resistência
aeróbia.

35
 02/08/2013

Não há diferença entre

grupos

Há diferença significativa na
resistência aeróbia entre idosos
jovens e idosos idosos; e idosos
jovens e idosos longevos.

MANOVA
com delineamento dentre participantes

• Determinar se uma nova terapia para fobia de

aranhas é efetiva.

Foram aplicados dois instrumentos

complementares (VD):

QMA  verifica a fobia de aranhas (pré e pós);

TAC verifica o comportamento frente a aranhas (pré e pós);

36
 02/08/2013

Instrumentos

37
02/08/2013

38
 02/08/2013

Uma MANOVA de medidas repetidas com um fator de tratamento

dentre participantes (pré e pós) foi conduzida com os escores QMA
e TAC como variáveis dependentes.

O teste revelou que existe diferença multivariada entre as

condições pré e pós tratamento (F(2, 28)= 11,906; p<0,001; Wilk’s
Lambda= 0,540).

39
 02/08/2013

QMA e TAC modificam-se

com o tratamento proposto

ANCOVA
ANCOVA: Análise de Covariância

Indica se os grupos (de uma variável independente

qualitativa) diferem em uma variável dependente
(quantitativa) enquanto se mantém fixo os efeitos de
outra variável (quantitativa) denominada
COVARIÁVEL.

COVARIÁVEL: variável quantitativa que representa uma fonte de variância e

que pode influenciar a variável dependente.

VARIÁVEIS NUMÉRICAS - NORMAIS

40
 02/08/2013

Exemplo:
CURSO DE ESTATÍSTICA
Método 1: conversa e giz;
Método 2: aula interativa e giz;
Método 3: aula interativa, orientação e giz;
(VARIÁVEL INDEPENDENTE QUALITATIVA – TRÊS NÍVEIS)
Comparar as médias de uma prova que avalia
numericamente o desempenho em estatística
(VARIÁVEL DEPENDENTE QUANTITATIVA).

Pensar: existe algo que pode estar influenciando

esse aprendizado?

O que a ANCOVA vai fazer nesse

exemplo?
• Sendo o QI considerado uma COVARIÁVEL, os
cálculos das médias do aprendizado em
estatística, segundo os método de ensino,
levarão em consideração essa variável.
• O que a fórmula da ANCOVA faz é remover a
variância devido à associação entre o
desempenho estatístico e o QI.

• ISSO REDUZ A VARIÂNCIA DO ERRO.

41
 02/08/2013

Pressupostos da ANCOVA
para grupos pré existentes
(1) A covariável deve estar linearmente relacionada à
variável independente;
EXEMPLO: DESEMPENHO ESTATÍSTICO E QI;

(2) A covariável deve ser medida sem erro (ser

confiável)
EXEMPLO: O ESCORE DO QI MEDIDO HOJE SERÁ IGUAL SE FOR MEDIDO EM DUAS
SEMANAS?

(3) As linhas de regressão para os diferentes grupos

(da variável independente) devem ser paralelas
entre si;
SE AS INCLINAÇÕES NÃO SÃO PARALELAS, UTILIZAR UM PROCEDIMENTO QUE AJUSTA
AS MÉDIAS DOS GRUPOS PARA UMA MÉDIA GERAL NÃO TERÁ SENTIDO.

Idoso Idoso
Jovem Idoso Idoso
Longevo

Resistência
Aeróbica Média Média Média

IMC COVARIÁVEL (p<0,05) na ANOVA

Objetivo: Verificar as diferenças das médias da

Resistência Aeróbica entre as faixas etárias de idosos
praticantes de exercícios físicos (levar em consideração
a IMC como uma covariável).

42
 02/08/2013

1º Passo:
A covariável deve estar linearmente relacionada à variável independente.

RODAR UMA CORRELAÇÃO ENTRE RESISTÊNCIA AERÓBICA E IMC

43
 02/08/2013

2º Passo:
A covariável deve ser medida sem erro (ser confiável).

O IMC MODIFICA-SE DE UMA SEMANA PARA OUTRA?

Pode ser considerado confiável.

44
 02/08/2013

3º Passo:
As linhas de regressão para os diferentes grupos (da variável independente) devem ser
paralelas entre si.

45
02/08/2013

46
 02/08/2013

As linhas de regressão para os diferentes grupos

(da variável independente) não são paralelas
entre si.

47
 02/08/2013

Continuo investindo na ANCOVA?

• Repensar.

Novo exemplo:
• Comparar os níveis de testosterona em
mulheres com diferentes status profissionais;
• A literatura aponta que a variável idade pode
influenciar na quantidade de testosterona;

 Variável independente – categórica: PROFISSÃO

(RECEPCIONISTA; SECRETÁRIA E CIENTISTA);
 Variável dependente – numérica: NÍVEIS DE
TESTOSTERONA;
 Covariável – numérica: IDADE

48
 02/08/2013

1º Passo:
A covariável deve estar linearmente relacionada à variável independente.

RODAR UMA CORRELAÇÃO ENTRE NIVEL DE TESTOSTERONA E IDADE

2º Passo:
A covariável deve ser medida sem erro (ser confiável).

A IDADE MODIFICA-SE DE UMA SEMANA PARA OUTRA?

Pode ser considerado confiável.

49
 02/08/2013

3º Passo:
As linhas de regressão para os diferentes grupos (da variável independente) devem ser
paralelas entre si.

Não é o ideal, mas

nesse caso, podemos
ser mais permissivos

50
 02/08/2013

Número de
mulheres por
grupo

Média e desvio
padrão da variável
dependente – nível de
testosterona

51
 02/08/2013

A idade esta relacionada com o nível de testosterona (F (2,26)=

14,778; p= 0,001), explicando aproximadamente 36,2% de sua
variação.
COMPROVA A REALIZAÇÃO DA ANCOVA

Os grupos (secretária, recepcionista e cientista) diferem quanto aos

níveis de testosterona, uma vez retirados os efeitos da idade (F
(2,26)= 13,296; p<0,001), explicando 50,6% da sua variação.

As médias diferem apenas entre cientistas e

recepcionistas e cientistas e secretárias.

52
 02/08/2013

Pressupostos da ANCOVA
para delineamentos pré e pós testes

A ANCOVA pode ser utilizada em delineamentos pré e pós testes,

em grupos distintos, utilizando A MENSURAÇÃO PRÉ TESTE
COMO UMA COVARIÁVEL.

VARIÁVEL INDEPENDENTE – CATEGÓRICA: Grupo Intervenção com

Terapia Relaxante X Grupo Controle.

VARIÁVEL DEPENDENTE – NUMÉRICA: Scores de um questionário

de estresse no trabalho (PÓS).

COVARIÁVEL – NUMÉRICA: valores obtidos no questionário PRÉ

teste.

Pressupostos da ANCOVA
para delineamentos pré e pós testes
(1) Deve haver correlação forte entre as diferenças das médias e o pré teste;

53
 02/08/2013

(2) A covariável deve ser medida sem erro (ser confiável);

Os valores do pré teste podiam modificar-se, se não houvesse a

intervenção?

Pensar no instrumento.

3º Passo:
As linhas de regressão para os diferentes grupos (da variável independente) devem ser
paralelas entre si.

54
02/08/2013

55
 02/08/2013

Numero de
participantes em
cada grupo

Média no pós teste do

grupo intervenção e no
grupo controle

O valores do pré teste confirmaram-se como uma covariável.

Os dois grupos (intervenção e controle) diferem na medida do pós

teste, após o ajustamento para os escores do pré teste (F (1, 27)=
41,333; p<0,001);

O tipo de intervenção explica 60,5% da variação dos valores no pós

teste.

56
 02/08/2013

O grupo intervenção com relaxamento

apresentou menor escore no questionário
sobre estresse no trabalho quando
comparado o grupo controle – ajustados os
valores do pré teste.

Sendo a VI – dois níveis, porque não realizar um teste t

para amostras independentes com a diferença entre o
pré e pós teste??

57
 02/08/2013

Pode-se observar que não existe diferença significativa

entre os dois grupos quanto à diferença entre os escores
obtidos no questionário (t (28)= 1,628; p= 0,115).

58
 02/08/2013

Pode-se observar que não existe diferença significativa

entre os dois grupos quanto à diferença entre os escores
obtidos no questionário (t (28)= 1,628; p= 0,115).

Ao afirmar isso, o pesquisador concluirá que a intervenção afeta o

grupo intervenção de forma semelhante se o individuo não fizer
esse tratamento.

Portanto, a ANCOVA tende a fornecer um

teste mais poderoso do que a diferença dos
escores pelo teste t.

ANOVA – two way

• Compara a diferença das médias entre duas
variáveis independentes (chamadas FATORES);

• 1 VARIÁVEL DEPENDENTE – CONTINUA (NORMAL)

• 2 OU MAIS VARIÁVEIS INDEPENDENTES – CATEGÓRICAS

• Deve haver homogeneidade de variâncias

59
 02/08/2013

Exemplo:
• Verificar se a média da Resistência Aeróbia é
influenciada pelo sexo e faixa etária de idosos
praticantes de exercícios físicos.

• VD  RESISTÊNCIA AERÓBIA
• VI  SEXO (homem e mulher)
FAIXA ETÁRIA (idoso jovem, idoso idoso e idoso longevo)

60
02/08/2013

61
 02/08/2013

Resumo –
frequência das VI

Medidas
descritivas da
resistência
aeróbia por sexo
e faixa etária

Há homogeneidade
de variâncias – ok –
caminho certo.

62
 02/08/2013

 Não há diferença significativa da RA entre homens e mulheres;

 Existe diferença significativa da RA entre as faixas etárias.... Mas essa explicação é
pequena – apenas 4,8% da variação da RA pode ser creditada à faixa etária;
 A interação entre sexo e faixa etária não influencia a RA.

Comparação aos
pares: SEXO

63
 02/08/2013

Comparação
aos pares: faixa
etária

Diferença significativa apenas entre

idoso jovem e idoso longevo

64