A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e.

Apresentações semelhantes


Apresentação em tema: "ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e."— Transcrição da apresentação:

1

2

3 ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e normalmente possuem uma unidade conhecida (Ex. distância (mm, cm, m, km; Tempo (ms, s, min, h, dias). Os dados podem ser intervalares, de razão ou proporção. Além disso, a distribuição dos dados deve apresentar normalidade. Testes Não Paramétricos – utilizados para as análises de variáveis discretas, limitadas a um determinado número, não permitindo seu fracionamento, além de não conterem uma unidade específica de medida (Ex. 10 pessoas (não existe 9,5 pessoas). Os dados podem ser nominais ou ordinais. Aplicada também quando a distribuição não apresenta normalidade.

4 ParamétricosParamétricos Não Paramétricos Relacionamento entre variáveis Relacionamento Comparação de medidas Centrais (Ex. média, moda) Comparação de medidas Centrais (Ex. média, moda)

5 Testes Paramétricos Testes Não Paramétricos Relacionamento entre variáveis Relacionamento Comparação de medida central (Ex. média, moda) Comparação de medida central (Ex. média, moda)

6 Correlação de Pearson Pearson

7 Spearman Spearman

8 Correlação de Pearson No SPSS, as colunas de dados são organizados lado a lado Ex. relação entre o aumento da FC e o VO2 máx

9

10 r p

11 VOLTAR

12 Correlação de Spearman No SPSS, as colunas de dados são organizados lado a lado Ex. relação entre sexo e humor

13

14 PROCEDIMENTOS IGUAIS A PEARSON. A ÚNICA DIFERENÇA ESTÁ AQUI VOLTAR

15 Teste t ANOVAANOVA Teste t – utilizado para análises de um grupo de dados a uma medida pré-determinada (Teste t simples), dois grupos de dados dependentes (Teste t Pareado) ou dois grupos de dados independentes (Teste t Independente) ANOVA - utilizados para as análises de dois ou mais grupos de dados independentes (ANOVA one-way ), dois ou mais grupos de dados dependentes (ANOVA de medidas repetidas) ou dois ou mais grupos de dados independentes e os efeitos sobre uma variável dependente (ANOVA two-way; three-way...)

16 Teste t Simples Teste t Pareado Teste t Independente

17 Teste t Simples No SPSS, os dados são agrupados em uma única coluna. O valor pré-determinado é inserido no setup do teste. Ex. Diferença entre a FC de idosos ativos e a média da população brasileira.

18

19 VOLTAR

20 Teste t Pareado No SPSS, as colunas de dados são organizadas lado a lado. Ex. FC de sedentários pré e pós-treinamento aeróbio de 4 semanas.

21

22 VOLTAR

23 Teste t Independente No SPSS, as colunas de dados independentes são organizadas uma abaixo da outra. Ex. Diferença entre FC de nadadores e corredores

24

25 1º: CARACTERIZAR OS GRUPOS EM “VARIABLE VIEW”

26 VOLTAR

27 ANOVA de medidas repetidas (intra-grupo) ANOVA de medidas repetidas (intra-grupo) ANOVA one-way (inter-grupos) (inter-grupos) ANOVA two-way (inter-grupos) (inter-grupos) ANOVA three-way (inter-grupos) (inter-grupos)

28 ANOVA de medidas repetidas No SPSS, as colunas de dados são organizadas lado a lado. Ex. Diferenças na força muscular entre séries, em idosos, com 1, 2 e 3 min de intervalo.

29

30

31

32 Esfericidade assumida (P>0,05)

33 Houve diferença significativa

34 Post-hoc mostrou diferença em todas as condições (P<0,05) VOLTAR

35 ANOVA one-way No SPSS, as colunas de dados são organizadas uma abaixo da outra. Ex. Diferenças na força muscular entre sedentários, ativos e atletas.

36

37 Caracterizar os grupos. Dados organizados um abaixo do outro

38 Para rodar a análise

39

40 Output: a ANOVA mostrou diferença sig. (P<0,05)

41 Output: O Post hoc identificou diferença em todas as comparações VOLTAR

42 ANOVA two-way (com medidas repetidas) No SPSS, as colunas de dados independentes são organizadas uma abaixo da outra. Ex. Diferença na FC de nadadores e corredores pré e pós-treinamento intervalado.

43

44 Caracterizar os grupos

45 Para rodar a análise

46

47

48 Output: A ANOVA mostrou diferença intragrupos (P 0,05) VOLTAR

49 ANOVA three-way (com medidas repetidas) No SPSS, as colunas de dados independentes são organizadas uma abaixo da outra. Ex. Diferença na FC de nadadores, corredores e ciclistas, pré e pós-treinamento intervalado.

50

51 Caracterizar os grupos

52 Para rodar a análise

53

54

55 Para rodar análise

56

57 Output: Sem dif. Sig. Intragrupos (P>0,05), mas com diferença na interação TESTE X GRUPOS (P 0,05), mas com diferença na interação TESTE X GRUPOS (P<0,05)

58 Output: O efeito principal (diferença intergrupos) foi identificado pelo Post Hoc de Bonferroni Sem dif. Pré ou pós Dif. Entre grupos VOLTAR

59 Wilcoxon Signed Rank Test Wilcoxon Signed Rank Test Mann Whitney U Test Mann Whitney U Test Friedman Test Kruskall-Wallis Test Os testes não paramétricos são semelhantes aos paramétricos, quanto à organização dos dados e idéias de comparações. Wilcoxon – Teste t Pareado Mann Whitney – Teste t Independente Mann Whitney – Teste t Independente Friedman – ANOVA de medidas repetidas Friedman – ANOVA de medidas repetidas Kruskall-Wallis – ANOVA one-way Kruskall-Wallis – ANOVA one-way

60

61 Para rodar a análise

62 Output: Não houve dif. Sig. No humor pré e pós treinamento de força neste grupo (P>0,05) VOLTAR

63

64 Caracterizar os grupos

65 Para rodar a análise

66

67

68

69 Output: Dif. Sig. No humor entre fisiculturistas e lutadores pós treinamento de força (P<0,05) VOLTAR

70

71 Para rodar a análise

72

73 Output: Dif. Sig. No grupo em três dias de treinamento de força (P<0,05) Não há opção no software para descobrir onde ocorreu a diferença. Nesse caso siga as próximas instruções

74 Opção para encontrar a diferença entre as séries de dados não paramétricos Calcule um Post Hoc de Bonferroni (valor de α / nº de comparações ). No caso desta comparação temos: Nº comparações = 3 Valor de α = 0,05 Então: 0,05 / 3 = 0,016 0,016 será o novo nível de significância adotado.

75 Houve diferença apenas do dia 3 para o dia 2 (P<0,016); e do dia 3 para o dia 1 (P<0,016) Rode um teste WILCOXON para cada par de série de dados, adotando um P≤0,016 VOLTAR

76

77 Caracterizar os grupos

78 Para rodar a análise

79

80

81

82 Output: Houve dif. Sig. Entre os grupos (P<0,05). No Kuskall-Wallis Test ocorre o mesmo que no Friedman (não há como saber onde ocorreu o efeito principal). Nesse caso, repita o mesmo procedimento realizado no Friedman Test. Entretanto, a comparação entre pares de séries de dados será feita pelo Mann Whytney U Test

83 Output: houve dif. Sig. Entre os fisiculturistas e halterofilistas (P<0,016)

84 Output: houve dif. Sig. Entre os halterofilistas e lutadores (P<0,016)

85 Output: houve dif. Sig. Entre os fisiculturistas e lutadores (P<0,016) VOLTAR


Carregar ppt "ParamétricosParamétricos Não Paramétricos Testes Paramétricos – utilizados para análises de variáveis contínuas, que podem assumir qualquer valor e."

Apresentações semelhantes


Anúncios Google