Testes paramétricos

Testes paramétricos

1. teste t-student para uma amostra

   • pressupostos- normalidade dos dados
     • H0: média= 20; H1: média diferente de 72
       • Para testar normalidade: ANALYZE-DESCRIPTIVE-EXPLORE-ESCOLHER VARIÁVEL A AVALIAR-PLOTS(acionar normality)
         • Para fazer o teste: ANALYZE- COMPARE MEANS- ONE SAMPLE T TEST- ESCOLHER O VALOR DE TESTE E VARIÁVEL
           • ANALISAR SIG BILATERAL E INTERVALO DE CONFIANÇA
             • CONCLUSÕES: De acordo com os dados recolhidos não há evidências para afirmar que as bolachas no mercado possuem um valor significativamente diferente de 72 g/100g. Deste modo, assume-se que as bolachas possuem em média 72g/100g. Como valor de sig>alfa, não nos é possível rejeitar H0.

2. Testes para 2 amostras: independentes ou emparelhados

   • independentes
     • pressupostos do teste: normalidade e teste de variâncias LEVENE
       • H0: média rotativo = média fixo; H1: média rotativo diferente média fixo
         • normalidade*
           • ANALYZE- COMPARE MEANS- INDEPENDENT T TEST- TEST VARIABLE: MOTIVAÇÃO (aquilo que estamos a avaliar) e o GROUPING: horário (que é como está dividida a variável
             • define groups (clicar ok para ativar)
               • CONCLUSÕES: Análise do teste de Levene: “Sig.” de 0,988 >0,05, logo pode concluir-se que não há diferenças significativas nas Var. dos 2 grupos. Análise do teste t-student: “Sig.” de 0,039 <0,05, logo pode-se concluir que a motivação é significativamente diferente nos Horários Rotativo e Fixo.
                 • teste de levene testa a homocedasticidade- H0: variâncias são iguais; H1: variâncias são diferentes
   • emparelhados
     • verificar normalidade DA DIFERENÇA
       • PRIMEIRO FAZER AS DIFERENÇAS (INSERIR NOVA VARIÁVEL- dif)- através de transform- compute variable- dif será igual a xi-xf
       • para fazer teste: ANALYZE- COMPARE MEANS- PAIRED SAMPLE TEST- ESCOLHER XI E DEPOIS XF
         • verificar intervalo de confiança e sig (bilateral ou unilateral dependendo do teste)
           • CONCLUSÕES: O valor obtido em “Sig.” de (0,011/2) <0,05, rejeita-se a hipótese nula, ou seja, há evidências significativas que o tratamento teve efeito. Deste modo, podemos afirmar, a um nível de significância de 5%, que o tratamento executado reduz significativamente as reclamações dos clientes.
     • H0: sem tratamento= com tratamento; H1: sem tratamento diferente de com tratamento

3. 1-WAY ANOVA

   • ANÁLISE DE VARIÂNCIAS ENTRE MAIS DE 2 VARIÁVEIS
     • H0: μ1 = μ2 = μ3 ; H1: μ1 ≠ μ2 ≠ μ3
       • verificar normalidade da variável dependente (aquela que vai mudando) com o fator list que é a independente
         • ANALYZE- COMPARE MEANS- ONE-WAY ANOVA-
           • DEPENDENT LIST- AQUILO QUE ESTAMOS A AVALIAR; FACTOR (O QUE MUDA ENTRE OS 3 GRUPOS)
             • testes POST-HOC: SELECIONAR TURKEY, LSD E BONFERPONI
               • IR A OPTIONS E SELECIONAR HOMOGENEIDADE DE VARIÂNCIA (teste de levene) E DESCRIPTIVES
                 • CONCLUSÕES: A Ho é rejeitada: 0.003<0.05 ou seja, pelo menos a var. média da resistência (O QUE ESTAMOS A AVALIAR) é diferente a uma das gamas de temperatura (O QUE DIFERE ENTRE OS TRÊS GRUPOS)