Teste t de uma amostra

O teste t de uma amostra verifica se a média populacional difere de um alvo, estimando o desvio padrão a partir da amostra. Use-o para dados contínuos, amostrados aleatoriamente e aproximadamente normais, ou com tamanho amostral maior que 20 sem forte assimetria. Se o desvio padrão populacional for conhecido, use o teste z de uma amostra. A saída inclui valor-p e intervalo de confiança; há uma versão para dados resumidos.

Última revisão

Conclusão principal

Um teste t de uma amostra compara a média da amostra com um valor-alvo ou hipotético quando o desvio padrão populacional é desconhecido, e fornece um intervalo de confiança para a média populacional.

Nesta página
  1. O que é o teste t de uma amostra?
  2. Quando usar o teste t de uma amostra?
  3. Diretrizes para o uso correto do teste t de uma amostra
  4. Alternativas: quando não usar o teste t de uma amostra
  5. Exemplo de teste t de uma amostra?
  6. Como fazer o teste t de uma amostra
  7. Como fazer o teste t de uma amostra para dados resumidos

O que é o teste t de uma amostra?

O teste t de uma amostra é um teste estatístico usado para estimar a média de uma população e compará-la com um valor-alvo ou de referência quando o desvio padrão populacional é desconhecido. Esse teste paramétrico determina se há diferença significativa entre a média da amostra e uma média populacional hipotética. O teste t de uma amostra também calcula um intervalo de confiança para a média populacional, fornecendo uma faixa de valores que provavelmente inclui a verdadeira média. Essa análise é especialmente útil para tamanhos amostrais pequenos ou quando a variância populacional não é conhecida.

Quando usar o teste t de uma amostra?

O teste t de uma amostra é apropriado quando as seguintes condições são atendidas:

  • A amostra é selecionada aleatoriamente da população de interesse.
  • Os dados são aproximadamente normalmente distribuídos (veja a condição de tamanho amostral abaixo para dados não normais).
  • O desvio padrão populacional é desconhecido, mas pode ser estimado a partir da amostra.
  • Os dados são normalmente distribuídos, ou o tamanho amostral é grande o bastante (maior que 20, com dados sem forte assimetria) para que a distribuição amostral da média seja aproximadamente normal.

Exemplos de quando usar um teste t de uma amostra incluem:

  • Um pesquisador quer testar se a altura média de uma amostra de estudantes é igual à altura média dos estudantes na população geral.
  • Uma empresa quer testar se o tempo médio para concluir uma tarefa é igual ao padrão do setor.
  • Um médico quer testar se um novo medicamento tem efeito significativo na redução da pressão arterial dos pacientes.

Em geral, o teste t de uma amostra é uma ferramenta estatística poderosa que pode ajudar pesquisadores a tirar conclusões sobre populações com base em uma única amostra.

Diretrizes para o uso correto do teste t de uma amostra

  • Use o teste z de uma amostra se você conhece o desvio padrão populacional.
  • Use dados contínuos na análise, como pesos de embalagens.
  • Use a taxa de Poisson de uma amostra se os dados contiverem contagens e uma proporção se os dados forem classificados em duas categorias.
  • O tamanho amostral deve ser maior que 20 e sem forte assimetria para um teste de hipóteses adequado.
  • Colete amostras aleatórias para fazer inferências sobre a população.
  • Teste t pareado deve ser usado para dados dependentes ou pareados.
  • O tamanho amostral deve ser grande o bastante para estimativas precisas, intervalos de confiança estreitos e proteção contra erros. Use Poder e Tamanho de Amostra para t de 1 amostra para determinar o tamanho amostral adequado.

Alternativas: quando não usar o teste t de uma amostra

  • Se o desvio padrão da população for conhecido, recomenda-se usar o teste z de uma amostra em vez do teste t, pois o primeiro tem maior poder que o segundo.

Exemplo de teste t de uma amostra?

Um economista coleta dados sobre o custo mensal de energia de 25 famílias no ano atual para determinar se houve mudança em relação ao ano anterior, quando o custo médio foi de $200. Ele realiza um teste t de uma amostra para verificar se o custo de energia do ano atual é significativamente diferente de $200. O teste nos passos a seguir:

  1. Coletou os dados necessários.
One sample t test — figure 1
  1.  Agora, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
  2.  Para encontrar o teste t de uma amostra, escolha Statistical module> Graphical analysis> One sample t-test.
  3.  Dentro da ferramenta, insira os dados junto com as demais entradas, como segue:
One sample t test — figure 2

5. Depois de usar a ferramenta mencionada acima, obtém-se a seguinte saída:

One sample t test — figure 3One sample t test — figure 4

Como fazer o teste t de uma amostra

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Graphical analysis >One sample t test.
  3. Clique em One sample t test para acessar o painel (dashboard).
  4. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
  5. Em seguida, você precisa inserir os valores do nível de confiança e da média hipotética.
  6. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) do teste t de uma amostra, a janela é dividida em duas partes.

One sample t test — figure 5

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.

Load example: Os dados de exemplo serão carregados.

Load File: É usado para carregar diretamente os dados do Excel.

Na parte direita, há várias opções, descritas a seguir:

  • Confidence level: Em testes de hipóteses, o nível de confiança representa o grau de certeza ou de confiança que temos em nossa análise estatística. É um valor de probabilidade que indica a chance de o verdadeiro parâmetro populacional estar dentro da faixa de valores especificada. Normalmente, o nível de confiança é expresso como porcentagem e denotado por (1 - α), em que α é o nível de significância, ou seja, a probabilidade de rejeitar uma hipótese nula verdadeira. Por exemplo, se temos um nível de confiança de 95%, estamos dizendo que temos 95% de confiança de que o verdadeiro parâmetro populacional está dentro da nossa estimativa intervalar, e há 5% de chance de cometer um erro do tipo I (rejeitar uma hipótese nula verdadeira). Na prática, um nível de confiança maior significa que temos mais confiança em nossa análise e em nossos resultados estatísticos. No entanto, aumentar o nível de confiança também aumenta a largura do intervalo de confiança, tornando mais difícil detectar efeitos pequenos. Portanto, a escolha do nível de confiança depende do contexto do estudo e dos objetivos do pesquisador.
  • Hypothesized mean: A média hipotética, também conhecida como média esperada ou média populacional, é um valor especificado na hipótese nula que representa o valor médio da variável testada. É um valor teórico usado para comparar com a média amostral real e determinar se a diferença é estatisticamente significativa ou se deve ao acaso.
  • Alternative hypothesis: Em testes de hipóteses, a hipótese alternativa (também chamada de hipótese de pesquisa) é uma afirmação que representa uma conclusão diferente da hipótese nula. A hipótese nula normalmente representa o status quo ou a suposição de que não há diferença ou relação significativa entre dois ou mais grupos ou variáveis. A hipótese alternativa é a afirmação que está sendo testada e propõe que há uma diferença ou relação significativa entre os grupos ou variáveis estudados.
  • Box Plot: Marcada, fornece o boxplot; caso contrário, não.
  • Histogram: Marcada, fornece o histograma; caso contrário, não.
  • Label:  Define os rótulos dos dados, com três opções:
    • Outlier: Valores de dados distantes dos demais, que podem afetar fortemente os resultados.
    • All quartiles: Os quartis são valores que dividem uma amostra de dados em quatro partes iguais. Permitem avaliar rapidamente a dispersão e a tendência central de um conjunto de dados.
    • Mean: A média no boxplot, para fornecer informações adicionais sobre a tendência central dos dados.
    • Individual Data: Um ponto de dado individual é uma única observação ou valor em um conjunto de dados.
  • Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.

Como fazer o teste t de uma amostra para dados resumidos

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Graphical analysis >One sample t test for summarized data
  3. Clique em One sample t test for summarized data para acessar o painel (dashboard).
  4. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
  5. Em seguida, você precisa inserir os valores do tamanho amostral, da média da amostra, do desvio padrão, da média hipotética e do nível de confiança.
  6. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) do teste t de uma amostra para dados resumidos, a janela tem apenas a parte esquerda.

Load File: É usado para carregar diretamente os dados do Excel.

One sample t test — figure 6

Na parte esquerda, há várias opções, descritas a seguir:

  • Sample size: O tamanho amostral refere-se ao número de indivíduos, objetos ou eventos selecionados de uma população para serem estudados, a fim de tirar conclusões sobre toda a população. Em outras palavras, é o número de observações ou participantes incluídos em um estudo. O tamanho amostral pode ter um impacto significativo na exatidão e na confiabilidade dos resultados do estudo. Um tamanho amostral maior normalmente fornece um retrato mais representativo da população e ajuda a reduzir os efeitos do erro de amostragem aleatória. Portanto, é importante determinar um tamanho amostral adequado antes de realizar a pesquisa, para garantir que os resultados sejam estatisticamente válidos e confiáveis.
  • Sample mean: A média da amostra é o valor médio de um conjunto de observações ou pontos de dados selecionados de uma população maior. É calculada somando-se todos os valores da amostra e dividindo-se pelo número de observações. A média da amostra costuma ser usada como estimador da média populacional, que é o valor médio de toda a população.
  • Standard deviation: Em testes de hipóteses, o desvio padrão é uma medida da variabilidade dos dados. É frequentemente usado em conjunto com a média para avaliar se a diferença observada entre dois grupos é estatisticamente significativa.
  • Hypothesized mean: A média hipotética, também conhecida como média esperada ou média populacional, é um valor especificado na hipótese nula que representa o valor médio da variável testada. É um valor teórico usado para comparar com a média amostral real e determinar se a diferença é estatisticamente significativa ou se deve ao acaso.
  • Confidence level: Em testes de hipóteses, o nível de confiança representa o grau de certeza ou de confiança que temos em nossa análise estatística. É um valor de probabilidade que indica a chance de o verdadeiro parâmetro populacional estar dentro da faixa de valores especificada. Normalmente, o nível de confiança é expresso como porcentagem e denotado por (1 - α), em que α é o nível de significância, ou seja, a probabilidade de rejeitar uma hipótese nula verdadeira. Por exemplo, se temos um nível de confiança de 95%, estamos dizendo que temos 95% de confiança de que o verdadeiro parâmetro populacional está dentro da nossa estimativa intervalar, e há 5% de chance de cometer um erro do tipo I (rejeitar uma hipótese nula verdadeira). Na prática, um nível de confiança maior significa que temos mais confiança em nossa análise e em nossos resultados estatísticos. No entanto, aumentar o nível de confiança também aumenta a largura do intervalo de confiança, tornando mais difícil detectar efeitos pequenos. Portanto, a escolha do nível de confiança depende do contexto do estudo e dos objetivos do pesquisador.
  • Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.

Perguntas frequentes

O que é um teste t de uma amostra?

Um teste t de uma amostra é um teste paramétrico que estima a média de uma população e a compara com um valor-alvo ou de referência quando o desvio padrão populacional é desconhecido. Ele determina se a média da amostra difere significativamente da média hipotética e calcula um intervalo de confiança para a média populacional.

Quais são as premissas de um teste t de uma amostra?

A amostra deve ser selecionada aleatoriamente da população, os dados devem ser contínuos e o desvio padrão populacional é desconhecido, mas estimado a partir da amostra. Os dados devem ser aproximadamente normais, ou o tamanho amostral deve ser grande o bastante, maior que 20 com dados sem forte assimetria, para que a distribuição amostral da média seja aproximadamente normal. Para dados pareados, use um teste t pareado.

Quando usar um teste z de uma amostra em vez de um teste t?

Se o desvio padrão populacional for conhecido, use o teste z de uma amostra, que tem maior poder que o teste t. Para dados de contagem, use o teste de taxa de Poisson de 1 amostra (1-Sample Poisson Rate) e, para dados classificados em duas categorias, o teste de uma proporção (One Proportion).

Como executar um teste t de uma amostra no Zometric Statistical Software?

Abra a ferramenta One sample t test, insira ou cole os dados, depois defina o nível de confiança, a média hipotética e a hipótese alternativa, com boxplot e histograma opcionais. Clique em Calculate para obter os resultados. Uma versão para dados resumidos aceita o tamanho amostral, a média da amostra, o desvio padrão, a média hipotética e o nível de confiança em vez de dados brutos.