Teste t pareado
O teste t pareado, também conhecido como teste t para amostras dependentes, é usado para avaliar se há diferença significativa entre as médias de dois grupos relacionados. Esse teste é aplicado quando cada indivíduo ou unidade é medido duas vezes, em condições diferentes ou em momentos diferentes, formando pares de observações.
Última revisão
Conclusão principal
O teste t pareado, também conhecido como teste t para amostras dependentes, é usado para avaliar se há diferença significativa entre as médias de dois grupos relacionados.
Nesta página
O que é o teste t pareado?
O teste t pareado, também conhecido como teste t para amostras dependentes, é usado para avaliar se há diferença significativa entre as médias de dois grupos relacionados. Esse teste é aplicado quando cada indivíduo ou unidade é medido duas vezes, em condições diferentes ou em momentos diferentes, formando pares de observações. O teste t pareado avalia se a diferença média entre essas observações pareadas é significativamente diferente de zero. A hipótese nula pressupõe que a diferença média é zero, enquanto a hipótese alternativa postula que a diferença média não é zero.
O teste t pareado é particularmente útil em estudos de antes e depois ou em qualquer situação em que duas medições são feitas nos mesmos indivíduos, permitindo que os pesquisadores determinem se as mudanças observadas são estatisticamente significativas.
Quando usar o teste t pareado?
Um teste t pareado é usado quando as duas amostras comparadas são relacionadas ou pareadas, como em um estudo de antes e depois, em que os mesmos indivíduos são medidos duas vezes, ou em um estudo de pares combinados, em que os indivíduos são combinados segundo características importantes e depois designados a tratamentos diferentes.
- Distribuição normal: as diferenças entre as observações pareadas devem ter distribuição aproximadamente normal.
- Amostragem aleatória: os pares devem ser selecionados aleatoriamente.
- Independência: cada par deve ser independente dos outros pares, e as diferenças dentro dos pares devem ser independentes entre si.
Estas são algumas situações específicas em que um teste t pareado pode ser apropriado:
- Estudos de antes e depois: quando você quer testar se uma intervenção ou um tratamento teve efeito significativo sobre um indivíduo ou grupo, um teste t pareado pode ser usado para comparar as pontuações médias do mesmo grupo antes e depois da intervenção.
- Estudos de pares combinados: em estudos nos quais os indivíduos são pareados com base em características semelhantes, como idade, sexo ou estado de saúde, e depois designados a tratamentos diferentes, um teste t pareado pode ser usado para comparar as médias dos dois grupos.
- Estudos de medidas repetidas: quando um estudo envolve medir a mesma variável várias vezes no mesmo indivíduo ou grupo, um teste t pareado pode ser usado para comparar as médias das medições em diferentes momentos.
Diretrizes para o uso correto do teste t pareado
- Dados contínuos podem assumir um número infinito de valores entre quaisquer dois pontos.
- Os tamanhos amostrais devem ser maiores que 20.
Se o tamanho amostral for maior que 20 e a distribuição for unimodal e contínua, o teste continua válido mesmo com assimetria leve.
Para tamanhos amostrais menores que 20, represente os dados em gráficos para verificar a assimetria e as observações incomuns. Tenha cautela se os dados forem muito assimétricos ou contiverem muitos outliers. - Certifique-se de ter observações pareadas (dependentes), como medições repetidas no mesmo item em condições diferentes.
- Para observações independentes entre duas amostras, use o teste t de duas amostras.
- Colete os dados de forma aleatória para fazer generalizações sobre a população.
- Determine um tamanho amostral adequado, que proporcione precisão suficiente e proteção contra erros.
Alternativas: quando não usar o teste t pareado
- Se você tiver dois conjuntos de observações independentes, recomenda-se usar o teste t de duas amostras em vez deste.
Exemplo de teste t pareado
Exemplo 1
Um fisiologista quer determinar se um programa de corrida específico tem efeito sobre a frequência cardíaca em repouso. Foram medidas as frequências cardíacas de 20 pessoas selecionadas aleatoriamente. Após um ano no programa de corrida, as frequências cardíacas dos mesmos indivíduos foram medidas novamente. Isso resultou em um par de observações (antes e depois) para cada pessoa. Em seguida, foi realizado um teste t pareado para avaliar se há diferença estatisticamente significativa nas frequências cardíacas antes e depois do programa de corrida. O teste foi realizado seguindo estas etapas:
- Reuniu os dados necessários.

- Agora, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar Paired t-test, escolha Statistical module> Graphical analysis> Paired t-test.
- Dentro da ferramenta, insira os dados junto com as demais entradas, como segue:

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


Como fazer o teste t pareado
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Graphical analysis > Paired t test
- Clique em Paired t test para acessar o painel (dashboard).
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Em seguida, você precisa inserir os valores do nível de confiança e da diferença hipotética.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) de Paired t test, a janela é dividida em duas partes.

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 verossimilhança de que o verdadeiro parâmetro populacional esteja dentro do intervalo de valores especificado. Normalmente, o nível de confiança é expresso em porcentagem e denotado por (1 - α), em que α é o nível de significância ou 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 de nossa estimativa intervalar, e que há 5% de chance de cometer um erro tipo I (rejeitar uma hipótese nula verdadeira). Na prática, um nível de confiança mais alto 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 difference: A diferença hipotética refere-se à diferença nos parâmetros populacionais entre a hipótese nula e a hipótese alternativa. Por exemplo, se quisermos testar se a pontuação média em um teste é significativamente diferente entre dois grupos (ex.: homens e mulheres), a diferença hipotética seria a diferença entre a pontuação média dos homens e a pontuação média das mulheres.
- 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 premissa 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.
- Histogram of difference:O histograma das diferenças é uma representação gráfica da distribuição das diferenças entre dois conjuntos de dados. No contexto de testes de hipóteses, pode ser usado para avaliar visualmente a diferença entre as médias de dois grupos. O processo normalmente envolve coletar dados de dois grupos, calcular a média e a variância de cada grupo e, em seguida, calcular a diferença entre as médias. Essa diferença costuma ser chamada de "tamanho do efeito".
- Individual value plot of difference:Um gráfico de valores individuais das diferenças é uma representação gráfica das diferenças entre dois grupos em um teste de hipóteses. Em um teste de hipóteses, os pesquisadores querem determinar se há diferença estatisticamente significativa entre dois grupos, como um grupo de tratamento e um grupo de controle. Um gráfico de valores individuais pode ser usado para exibir as diferenças entre os dois grupos em um único gráfico. O gráfico normalmente mostra os pontos de dados individuais de cada grupo, bem como a média e o desvio padrão de cada grupo.
- Box Plot of difference: No contexto de testes de hipóteses, um boxplot das diferenças pode ser usado para exibir a distribuição das diferenças entre dois grupos comparados. Por exemplo, se estivermos comparando os valores médios de dois grupos, podemos calcular a diferença entre as médias e, em seguida, criar um boxplot das diferenças.
- Histogram of difference: Marque para obter o gráfico de histograma ou deixe desmarcado para não obtê-lo.
- Label: Define os rótulos de dados, que têm 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 em um boxplot, para fornecer informações adicionais sobre a tendência central dos dados.
- Individual Data: Um ponto de dados 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.
Perguntas frequentes
O que é um teste t pareado?
Um teste t pareado, também chamado de teste t para amostras dependentes, avalia se há diferença significativa entre as médias de dois grupos relacionados. É usado quando cada indivíduo ou unidade é medido duas vezes, em condições diferentes ou em momentos diferentes, e testa se a diferença média entre as observações pareadas é significativamente diferente de zero.
Quando usar um teste t pareado em vez de um teste t de duas amostras?
Use um teste t pareado quando as duas amostras são relacionadas, como em estudos de antes e depois nos mesmos indivíduos, estudos de pares combinados ou medições repetidas do mesmo item em condições diferentes. Se os dois conjuntos de observações são independentes, use o teste t de duas amostras.
Quais são as premissas de um teste t pareado?
As diferenças entre as observações pareadas devem ter distribuição aproximadamente normal, os pares devem ser selecionados aleatoriamente e cada par deve ser independente dos outros. Os dados devem ser contínuos. Com mais de 20 pares e uma distribuição unimodal e contínua, o teste continua válido com assimetria leve.
Qual tamanho amostral um teste t pareado exige?
Os tamanhos amostrais devem ser maiores que 20. Para menos de 20 pares, represente os dados em gráficos para verificar a assimetria e as observações incomuns, e tenha cautela se os dados forem muito assimétricos ou contiverem muitos outliers. Escolha um tamanho amostral que proporcione precisão suficiente e proteção contra erros.
