Teste t de duas amostras

O teste t de duas amostras compara as médias de dois grupos independentes com uma resposta contínua, como duas máquinas, fornecedores ou ajustes de processo. Cada grupo deve ser aproximadamente normal ou conter pelo menos 30 observações, sem pareamento entre os grupos e sem outliers evidentes. Você escolhe entre o teste combinado (variâncias iguais) ou o teste de Welch. A saída inclui o valor-p e um intervalo de confiança para a diferença entre as médias.

Última revisão

Conclusão principal

O teste t de duas amostras determina se as médias de dois grupos independentes, como duas máquinas ou dois fornecedores, são significativamente diferentes ou se a diferença observada se deve à variação aleatória.

Nesta página
  1. O que é o teste t de duas amostras?
  2. Quando usar o teste t de duas amostras?
  3. Diretrizes para o uso correto do teste t de duas amostras
  4. Alternativas: quando não usar o teste t de duas amostras
  5. Como fazer o teste t de duas amostras

O que é o teste t de duas amostras?

O teste t de duas amostras é um método estatístico usado para determinar se as médias de dois grupos independentes são significativamente diferentes entre si. Ele compara os valores médios de duas populações ou condições de processo distintas e calcula a probabilidade de que qualquer diferença observada se deva ao acaso, e não a uma diferença real subjacente.

Por exemplo, você pode usá-lo para comparar a produção média da Máquina A com a da Máquina B, ou o tempo médio de resposta antes e depois de uma mudança no processo — situações em que os dois grupos não têm nenhuma relação entre si.

Definição simples: um teste que indica se dois grupos independentes realmente têm médias diferentes ou se a diferença observada se deve simplesmente à variação aleatória dos dados.

Quando usar o teste t de duas amostras?

  • Use quando você tiver dois grupos independentes e sem relação entre si e quiser comparar suas médias — por exemplo, duas máquinas, dois fornecedores ou dois ajustes de processo.
  • Use quando a variável resposta for contínua — como medições, pesos, temperaturas ou dimensões.
  • Use quando os dois grupos forem medidos separadamente , sem pareamento ou correspondência entre as observações individuais.
  • Use quando quiser determinar se uma mudança no processo, troca de material ou diferença operacional produziu um deslocamento significativo no resultado médio.

Diretrizes para o uso correto do teste t de duas amostras

  • Os dados de cada grupo devem ter distribuição aproximadamente normal, ou cada grupo deve conter pelo menos 30 observações para que o Teorema Central do Limite se aplique.
  • Os dois grupos devem ser independentes — nenhuma observação de um grupo deve estar relacionada ou pareada a qualquer observação do outro grupo.
  • Verifique se os dois grupos têm variâncias iguais ou diferentes antes de executar o teste — use um teste F ou o teste de Levene para avaliar isso, pois afeta qual versão do teste t deve ser aplicada.
  • Colete um tamanho amostral suficiente em cada grupo — recomendam-se pelo menos 20 a 30 observações por grupo para obter resultados confiáveis.
  • Defina o nível de significância (alfa) antes de coletar os dados — o padrão usual é 0.05, o que significa um risco de 5% de concluir que existe uma diferença quando ela não existe.
  • Confirme que os dados estão livres de outliers evidentes — valores extremos podem distorcer a média e inflar ou reduzir o resultado do teste.

Alternativas: quando não usar o teste t de duas amostras

  • Se os dois grupos forem pareados ou correspondentes (ex.: medições antes e depois no mesmo indivíduo), use o teste t pareado
  • Se você estiver comparando mais de dois grupos, use a ANOVA de um fator
  • Se o objetivo for provar que dois grupos são equivalentes na prática, e não diferentes, use o teste de equivalência de duas amostras
  • Se os dados forem fortemente não normais e os tamanhos amostrais forem pequenos, use o teste de Mann-Whitney (uma alternativa não paramétrica).
  • Se você tiver apenas dados resumidos (média, DP, n) em vez das observações brutas, use o teste t de duas amostras (resumido)

Como fazer o teste t de duas amostras

O guia é o seguinte:

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

No painel (dashboard) do Two sample t test, a janela é dividida em duas partes.

Two 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:

  • Sample 1: Selecione a coluna que contém os dados do primeiro grupo que você deseja comparar — por exemplo, medições da Máquina A, do Fornecedor 1 ou da Formulação A. É um campo obrigatório e deve conter valores numéricos contínuos.
  • Sample 2: Selecione a coluna que contém os dados do segundo grupo — por exemplo, medições da Máquina B, do Fornecedor 2 ou da Formulação B. Também é obrigatório e deve ser independente de Sample 1, ou seja, os dois conjuntos de dados não têm pareamento nem correspondência entre as observações individuais.
  • Confidence Level: Define o nível de certeza do intervalo de confiança calculado para a diferença entre as duas médias. O padrão usual é 95%, o que significa que você tem 95% de confiança de que a verdadeira diferença entre as médias dos dois grupos está dentro do intervalo exibido. Um nível de confiança maior (ex.: 99%) produz um intervalo mais largo; um nível menor (ex.: 90%) produz um intervalo mais estreito.
  • Hypothesized Difference: O valor contra o qual você está testando — representa a diferença esperada ou presumida entre as médias dos dois grupos (média de Sample 1 menos média de Sample 2). Definir esse valor como 0 testa se as duas médias são iguais. Definir qualquer outro valor testa se a diferença é igual a esse valor específico — por exemplo, inserir 5 testa se a média do Grupo 1 é exatamente 5 unidades maior que a do Grupo 2.
  • Alternative Hypothesis; Define a direção do teste — o que você quer provar sobre a diferença entre as duas médias. Há três opções disponíveis:
  • Diff ≠ Hypothesized Diff — teste bicaudal que verifica se a diferença simplesmente não é igual ao valor hipotético, em qualquer direção. Use quando não houver expectativa prévia sobre qual grupo será maior.
  • Diff < Hypothesized Diff — teste unicaudal que verifica se a diferença real é menor que o valor hipotético. Use quando você espera especificamente que Sample 1 seja menor que Sample 2.
  • Diff > Hypothesized Diff — teste unicaudal que verifica se a diferença real é maior que o valor hipotético. Use quando você espera especificamente que Sample 1 seja maior que Sample 2.
  • Assume Equal Variances: Quando marcada, o teste pressupõe que ambos os grupos têm a mesma variância populacional subjacente e usa um desvio padrão combinado (pooled) para calcular a estatística de teste — o que produz um teste ligeiramente mais poderoso quando a premissa é válida. Quando desmarcada, o teste usa estimativas de variância separadas para cada grupo (teste t de Welch), que é mais confiável quando os dois grupos têm dispersões visivelmente diferentes. Se tiver dúvida, deixe essa opção desmarcada, pois é a abordagem mais segura e conservadora.
  • Individual Value Plot: Quando ativada, exibe um gráfico com cada ponto de dados individual dos dois grupos, lado a lado. Isso oferece uma visão clara da distribuição completa dos dados, da dispersão e de eventuais valores incomuns — facilitando avaliar visualmente se os dois grupos diferem e se há outliers.
  • Box Plot: Quando ativada, exibe um boxplot para cada grupo, resumindo a mediana, a amplitude interquartil e a dispersão geral. Os boxplots são úteis para comparar rapidamente o centro e a variabilidade dos dois grupos e para identificar assimetria ou outliers que possam afetar os resultados do teste.
  • Label: Controla quais informações adicionais são exibidas no Individual Value Plot ou no Box Plot. As opções incluem:
  • None — nenhum rótulo adicional no gráfico
  • Outliers — destaca apenas os pontos de dados estatisticamente extremos
  • Individual Data — rotula cada ponto de dados plotado
  • All Quartiles — exibe os valores de Q1, da mediana e de Q3
  • Means — marca a média de cada grupo no gráfico
  • Data Labels — exibe os valores reais dos pontos plotados
  • Download as Excel: Exporta os resultados do teste, as estatísticas descritivas, os intervalos de confiança e o valor-p para um arquivo Excel. É útil para incluir os resultados em relatórios, compartilhá-los com colegas ou manter um registro formal da análise.

Perguntas frequentes

O que é o teste t de duas amostras?

O teste t de duas amostras determina se as médias de dois grupos independentes são significativamente diferentes. Ele compara as médias de duas populações ou condições de processo distintas, como a Máquina A e a Máquina B, e calcula a probabilidade de que a diferença observada se deva ao acaso, e não a uma diferença real subjacente.

Quais são as premissas do teste t de duas amostras?

A resposta deve ser contínua, os dois grupos devem ser independentes e sem pareamento, e cada grupo deve ser aproximadamente normal ou conter pelo menos 30 observações para que o Teorema Central do Limite se aplique. Os dados devem estar livres de outliers evidentes, e recomendam-se pelo menos 20 a 30 observações por grupo.

Devo pressupor variâncias iguais no teste t de duas amostras?

Se os grupos tiverem a mesma variância, um desvio padrão combinado produz um teste ligeiramente mais poderoso. Caso contrário, o teste t de Welch usa estimativas de variância separadas e é mais confiável quando as dispersões diferem. Verifique com um teste F ou o teste de Levene; se tiver dúvida, deixe Assume Equal Variances desmarcada, por ser a opção mais segura.

Quando não usar o teste t de duas amostras?

Use o teste t pareado para dados pareados ou medições antes e depois nos mesmos indivíduos, a ANOVA de um fator para mais de dois grupos, o teste de equivalência de duas amostras para provar que os grupos são equivalentes na prática e o teste de Mann-Whitney quando os dados forem fortemente não normais com amostras pequenas. Se tiver apenas dados resumidos, use a versão resumida.