O teste de hipóteses é feito por análise estatística. A significância estatística foi calculada pelo valor de p, que indica a magnitude da probabilidade dos resultados da pesquisa, desde que certas afirmações (hipótese zero) sejam verdadeiras. Se o valor de p for menor que o nível de significância predeterminado (geralmente 0,05), o pesquisador pode concluir que a hipótese nula não é verdadeira e aceitar a hipótese alternativa. Usando um teste t simples, você pode calcular um valor p e determinar a significância entre dois conjuntos diferentes de dados.
Etapa
Parte 1 de 3: Configurando experimentos
Etapa 1. Estabeleça uma hipótese
A primeira etapa na análise da significância estatística é determinar a pergunta de pesquisa que você deseja responder e formular sua hipótese. Uma hipótese é uma afirmação sobre seus dados experimentais e explica possíveis diferenças na população de estudo. Para cada experimento, uma hipótese nula e uma hipótese alternativa devem ser estabelecidas. Geralmente, você comparará dois grupos para ver se eles são iguais ou diferentes.
- A hipótese nula (H0) geralmente afirma que não há diferença entre os dois conjuntos de dados. Exemplo: o grupo de alunos que leu o material antes do início da aula não obteve notas melhores do que o grupo que não leu o material.
- Hipótese alternativa (Huma) é uma declaração que contradiz a hipótese nula e que você está tentando apoiar com dados experimentais. Exemplo: o grupo de alunos que leu o material antes da aula tirou notas melhores do que o grupo que não leu o material.
Etapa 2. Limite o nível de significância para determinar quão exclusivos seus dados devem ser para que sejam considerados significativos
O nível de significância (alfa) é o limite usado para determinar a significância. Se o valor de p for menor ou igual ao nível de significância, os dados são considerados estatisticamente significativos.
- Como regra geral, o nível de significância (alfa) é definido em 0,05, o que significa que a probabilidade de ambos os grupos de dados serem iguais é de apenas 5%.
- Usar um nível de confiança mais alto (valor de p inferior) significa que os resultados experimentais serão considerados mais significativos.
- Se você quiser aumentar o nível de confiança de seus dados, diminua o valor p mais para 0,01. Valores p inferiores são comumente usados na fabricação ao detectar defeitos do produto. Um alto nível de confiança é essencial para garantir que cada peça fabricada desempenhe sua função.
- Para experimentos de teste de hipótese, um nível de significância de 0,05 é aceitável.
Etapa 3. Decida usar um teste unicaudal ou um teste bicaudal
Uma das suposições usadas quando você executa um teste t é que seus dados são normalmente distribuídos. Os dados normalmente distribuídos formarão uma curva em forma de sino com a maioria dos dados no meio da curva. O teste t é um teste matemático usado para ver se seus dados estão fora da distribuição normal, abaixo ou acima da "cauda" da curva.
- Se você não tiver certeza de que seus dados estão abaixo ou acima do grupo de controle, use um teste bicaudal. Este teste irá verificar a significância de ambas as direções.
- Se você souber a direção da tendência de seus dados, use um teste unilateral. Usando o exemplo anterior, você esperava que a nota de um aluno aumentasse. Portanto, você deve usar um teste unilateral.
Etapa 4. Determine o tamanho da amostra por análise de poder estatística de teste
O poder das estatísticas de teste é a probabilidade de que um determinado teste estatístico possa dar o resultado correto, com um certo tamanho de amostra. O limite de potência de teste (ou) é 80%. A análise da força de um teste estatístico pode ser complicada sem dados preliminares porque você precisará de informações sobre a média estimada de cada conjunto de dados e seu desvio padrão. Use a calculadora de análise de poder de teste estatístico online para determinar o tamanho de amostra ideal para seus dados.
- Os pesquisadores geralmente conduzem estudos-piloto como um material para análise de força de teste estatístico e como base para determinar o tamanho da amostra necessário para estudos maiores e mais abrangentes.
- Se você não tiver recursos para conduzir um estudo piloto, estime a média com base na literatura e em outras pesquisas realizadas. Este método fornecerá informações para determinar o tamanho da amostra.
Parte 2 de 3: Calculando o Desvio Padrão
Etapa 1. Use a fórmula de desvio padrão
O desvio padrão (também conhecido como desvio padrão) é uma medida da distribuição de seus dados. O desvio padrão fornece informações sobre a similaridade de cada ponto de dados em sua amostra. A princípio, a equação do desvio padrão pode parecer complicada, mas as etapas a seguir o ajudarão no processo de cálculo. A fórmula do desvio padrão é s = ((xeu -)2/ (N - 1)).
- s é o desvio padrão.
- significa que você tem que somar todos os valores de amostra que você coletou.
- xeu representa todos os valores individuais de seus pontos de dados.
- é a média dos dados para cada grupo.
- N é o número de suas amostras.
Etapa 2. Calcule a média da amostra em cada grupo
Para calcular o desvio padrão, você deve primeiro calcular a média da amostra em cada conjunto de dados. A média é indicada pela letra grega mu ou. Para fazer isso, some todos os valores dos pontos de dados de amostra e divida pelo número de suas amostras.
- Por exemplo, para obter a pontuação média do grupo de alunos que leu o material antes da aula, vamos examinar os dados de amostra. Para simplificar, usaremos 5 pontos de dados: 90, 91, 85, 83 e 94.
- Some todos os valores de amostra: 90 + 91 + 85 + 83 + 94 = 443.
- Divida pelo número de amostras, N = 5: 443/5 = 88, 6.
- A pontuação média para este grupo foi 88,6.
Etapa 3. Subtraia cada valor de ponto de dados de amostra pelo valor médio
A segunda etapa é completar a parte (xeu -) equação. Subtraia cada valor de ponto de dados de amostra da média pré-calculada. Continuando com o exemplo anterior, você deve fazer cinco subtrações.
- (90 - 88, 6), (91-88, 6), (85 - 88, 6), (83 - 88, 6) e (94 - 88, 6).
- Os valores obtidos são 1, 4, 2, 4, -3, 6, -5, 6 e 5, 4.
Etapa 4. Quadrado de cada valor que foi obtido e some todos eles
Quadrado cada valor que você acabou de calcular. Esta etapa removerá todos os números negativos. Se houver um valor negativo após a execução desta etapa ou após o tempo após a execução de todos os cálculos, você pode ter esquecido esta etapa.
- Usando o exemplo anterior, obtemos os valores 1, 96, 5, 76, 12, 96, 31, 36 e 29,16.
- Some todos os valores: 1, 96 + 5, 76 + 12, 96 + 31, 36 + 29, 16 = 81, 2.
Etapa 5. Divida pelo número de amostras menos 1
A fórmula expressa N - 1 como um ajuste porque você não está contando toda a população; Você apenas pega uma amostra da população para fazer uma estimativa.
- Subtrair: N - 1 = 5 - 1 = 4
- Divida: 81, 2/4 = 20, 3
Etapa 6. Calcule a raiz quadrada
Depois de dividir pelo número de amostras menos um, calcule a raiz quadrada do valor final. Esta é a etapa final para calcular o desvio padrão. Existem vários programas estatísticos que podem calcular o desvio padrão depois de inserir os dados brutos.
Por exemplo, o desvio padrão das pontuações para o grupo de alunos que lêem o material antes do início da aula é: s = √20, 3 = 4, 51
Parte 3 de 3: Determinando a Significância
Etapa 1. Calcule a variação entre os dois grupos de amostra
No exemplo anterior, calculamos apenas o desvio padrão de um grupo. Se quiser comparar dois grupos, você deve ter dados dos dois grupos. Calcule o desvio padrão do segundo grupo e use os resultados para calcular a variância entre os dois grupos no experimento. A fórmula da variância é sd = ((s1/ N1) + (s2/ N2)).
- sd é a variância intergrupo.
- s1 é o desvio padrão do grupo 1 e N1 é o número de amostras no grupo 1.
- s2 é o desvio padrão do grupo 2 e N2 é o número de amostras no grupo 2.
-
Por exemplo, os dados do grupo 2 (alunos que não lêem o material antes do início da aula) têm um tamanho de amostra de 5 com um desvio padrão de 5,81. Então a variante:
- sd = ((s1)2/ N1) + ((s2)2/ N2))
- sd = √(((4.51)2/5) + ((5.81)2/5)) = √((20.34/5) + (33, 76/5)) = √(4, 07 + 6, 75) = √10, 82 = 3, 29.
Etapa 2. Calcule o valor do teste t de seus dados
O valor do teste t permitirá que você compare um grupo de dados com outro grupo de dados. O valor t permite que você execute um teste t para determinar o quanto a probabilidade de os dois grupos de dados comparados serem significativamente diferentes. A fórmula para o valor de t é: t = (µ1 -2) / sd.
- ️1 é a média do primeiro grupo.
- ️2 é o valor médio do segundo grupo.
- sd é a variação entre as duas amostras.
- Use a média maior como1 para que você não obtenha valores negativos.
- Por exemplo, a pontuação média do grupo 2 (alunos que não lêem) é 80. O valor t é: t = (µ1 -2) / sd = (88, 6 – 80)/3, 29 = 2, 61.
Etapa 3. Determine os graus de liberdade da amostra
Ao usar o valor t, os graus de liberdade são determinados pelo tamanho da amostra. Adicione o número de amostras de cada grupo e subtraia dois. Por exemplo, os graus de liberdade (d.f.) são 8 porque há cinco amostras no primeiro grupo e cinco amostras no segundo grupo ((5 + 5) - 2 = 8).
Etapa 4. Use a Tabela t para determinar a significância
As tabelas de valores t e graus de liberdade podem ser encontradas em livros de estatísticas padrão ou online. Observe a linha que mostra os graus de liberdade que você selecionou para seus dados e encontre o valor p apropriado para o valor t derivado de seus cálculos.
Com graus de liberdade de 8 d.f. e o valor t de 2,61, o valor p para o teste unicaudal está entre 0,01 e 0,025. Como usamos um nível de significância menor ou igual a 0,05, os dados que usamos provam que os dois grupos de dados são significativamente diferente. significativo. Com esses dados, podemos rejeitar a hipótese nula e aceitar a hipótese alternativa: o grupo de alunos que leu o material antes do início da aula teve uma pontuação melhor do que o grupo de alunos que não leu o material
Etapa 5. Considere fazer um estudo de acompanhamento
Muitos pesquisadores realizam pequenos estudos-piloto para ajudá-los a entender como projetar estudos maiores. Fazer pesquisas adicionais com mais medições aumentará sua confiança em suas conclusões.
