O teste t de Student é uma ferramenta de estatística inferencial extremamente útil, pois esse teste pode ser utilizado para avaliar se há uma diferença significativa entre as médias de dois grupos em uma característica específica.
Neste artigo falaremos sobre o teste t de Student, que é um teste de hipóteses utilizado quando queremos tirar conclusões de um grupo inteiro de indivíduos com base em apenas uma pequena amostra coletada. Esse problema pode parecer de um contexto muito específico, porém é mais comum do que se pensa.
A Tabela t-student difere da tabela Z por apresentar duas variáveis (graus de liberdade e erro permissível) ao invés de apenas uma (Z). Assim, para se encontrar o valor “t” é preciso procurar na linha correspondente ao grau de liberdade e na coluna correspondente ao erro permissível adotado.
A distribuição t-Student se aproxima da normal quando aumenta o número de graus de liberdade. A curva é simétrica em torno do zero, ou seja, dado um a ∈ R, tem-se que f(a)= f(−a). Logo P(X ≤ −a)= P(X ≥ a).
A distribuição t de Student é uma distribuição de probabilidade, publicada por William Sealy Gosset sob o pseudônimo Student que não podia usar seu nome verdadeiro para publicar trabalhos enquanto trabalhasse para a cervejaria Guinness.
O teste de Shapiro-Wilk produz a estatística W, que terá um valor de p a ela associado. Se o valor de p for menor que nosso nível de significância (geralmente, definido como 0,05), então rejeitamos a hipótese nula.
A distribuição t-Student é amplamente utilizada para testes de hipóteses, permitindo testar hipóteses sobre uma média populacional quando o desvio padrão populacional é desconhecido. A distribuição t-Student é utilizada em testes de hipóteses para médias populacionais com desvio padrão desconhecido.
O cálculo da estatística t é bem similar ao cálculo da estatística z. Para isso, calculamos a média da amostra menos a média da população, só que neste caso, dividimos pelo erro padrão da amostra.
A distribuição t de Student é uma distribuição de probabilidades muito semelhante à distribuição normal. É uma distribuição também em forma de sino e simétrica em relação a média. A grande diferença é que sua utilização é para os casos em que as amostras são pequenas e o desvio-padrão da população é desconhecido.
O valor-p indica a probabilidade de se observar uma diferença tão grande ou maior do que a que foi observada sob a hipótese nula. Mas se o novo tratamento tiver um efeito de tamanho menor, um estudo com uma pequena amostra pode não ter poder suficiente para detectá-lo.
O teste U de Mann-Whitney. O teste U de Mann-Whitney é o equivalente não paramétrico do teste t para amostras independentes. Em outras palavras, ele pode ser usado para comparar diferenças entre duas medidas independentes, usando os postos como desfecho do modelo estatístico.
Por que se usa a distribuição t de Student em amostras pequenas?
Distribuições t e tamanho amostral
A distribuição t com menos graus de liberdade tem caudas mais grossas. Isso ocorre porque a distribuição t tem o objetivo de refletir a incerteza adicional associada à análise de amostras pequenas.
A ANOVA é uma família de testes estatísticos que é usada para comparar as médias de três ou mais grupos independentes. Para realizarmos uma ANOVA, devemos ter uma variável dependente quantitativa (e.g., nota na redação do Enem, índice de massa corporal, tempos de reação etc.)
O teste de Student baseia-se no cálculo da estatística t, que é obtida dividindo-se a diferença entre a média amostral e a média hipotética ou conhecida pelo desvio padrão amostral, dividido pela raiz quadrada do tamanho amostral.
O T-score representa a comparação da quantificação do indivíduo com a de pessoas normais com ossos saudáveis. O Z-score instead representa a comparação da quantificação do indivíduo com outras pessoas da mesma idade. Usa-se com maior frequência o T-score; quanto menos o T-score, maior o risco de fratura.
Ou seja, você soma todas as notas que você tirou em uma prova e divide pelo número de provas. Todavia, vale lembrar que a nota de corte pode levar outros fatores em conta, como o fato do candidato concorrer por cotas ou não, número de candidatos, instituição e também de acordo com o curso ou cargo escolhido.
O Escore T foi originalmente desenvolvido em 1922 por William A. McCall. À época, seu cálculo precisava tanto de transformações lineares como não lineares dos dados. Por isso, o Escore T de McCall é entendido como um tipo de trans- formação mista.
O teste t de Student é uma ferramenta de estatística inferencial extremamente útil, pois esse teste pode ser utilizado para avaliar se há uma diferença significativa entre as médias de dois grupos em uma característica específica.
Na prática, há vários experimentos que admitem somente dois tipos de resultados, como sucesso e fracasso, esses experimentos são chamados de Distribuição de Bernoulli. O sucesso é o que se deseja observar, por exemplo, se o seu interesse for observar a ocorrência de defeito em peças.
O teste qui-quadrado (χ2) de Pearson (ou teste chi-quadrado de Pearson) é um teste estatístico aplicado a dados categóricos para avaliar quão provável é que qualquer diferença observada aconteça ao acaso. É adequado para amostras não pareadas/emparelhadas.
O teste de Kolmogorov-Smirnov pode ser usado para avaliar se nossos dados se conformam a qualquer distribuição de referência conhecida (e.g., normal, exponencial). Por outro lado, o teste de Shapiro-Wilk testa especificamente se os dados diferem de uma distribuição normal.
O nível de significância é geralmente determinado pelo pesquisador antes da coleta dos dados e é tradicionalmente fixado em 0,05 ou menos, dependendo da área de estudo. Em muitas áreas de estudo, resultados com nível de significância de 0,05 (probabilidade de erro de 5%) são considerados estatisticamente relevantes.
A correlação de Spearman sumariza a relação entre duas variáveis por meio de um número que varia de –1 a +1. Quanto mais próximo dos extremos (–1 ou +1), maior é a força da relação monotônica entre variáveis. Já os valores próximos de 0 indicam correlações mais fracas ou inexistentes.
