Teste t de duas amostras (resumido)

Esta versão do teste t de duas amostras trabalha com estatísticas resumidas: você informa o tamanho amostral, a média e o desvio padrão de cada um de dois grupos independentes. Use-a quando os dados brutos não estiverem disponíveis, por exemplo em relatórios publicados ou resumos de fornecedores. A normalidade não pode ser verificada sem os dados brutos. As opções incluem nível de confiança, diferença hipotética, hipótese alternativa e variâncias iguais; a saída inclui o valor-p e o intervalo de confiança.

Última revisão

Conclusão principal

O teste t de duas amostras (resumido) verifica se as médias de dois grupos independentes diferem significativamente usando apenas o tamanho amostral, a média e o desvio padrão de cada grupo, em vez dos dados brutos.

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

O que é o teste t de duas amostras (resumido)?

O teste t de duas amostras (resumido) faz a mesma comparação do teste t de duas amostras padrão — determinar se as médias de dois grupos independentes diferem significativamente —, mas, em vez de exigir dados brutos, trabalha diretamente com estatísticas resumidas que você insere manualmente: o tamanho amostral (n), a média e o desvio padrão de cada grupo.

Isso é particularmente valioso quando os dados brutos não estão disponíveis — por exemplo, ao trabalhar com pesquisas publicadas, relatórios de auditoria, resumos fornecidos por fornecedores ou registros históricos em que apenas estatísticas agregadas foram mantidas.

Definição simples:O mesmo que um teste t de duas amostras, mas concebido para situações em que você só tem os números resumidos (média, desvio padrão, tamanho amostral) e não o conjunto de dados bruto completo.

Quando usar o teste t de duas amostras (resumido)?

  • Use quando os dados brutos não estão disponíveis , mas você tem a média, o desvio padrão e o tamanho amostral de cada grupo.
  • Use ao trabalhar com relatórios publicados, dados externos de fornecedores ou resumos históricos nos quais as observações individuais não foram registradas.
  • Use ao comparar dois grupos independentes com base em estatísticas informadas, e não em medições coletadas.
  • Use quando quiser validar ou conferir rapidamente as conclusões de dados agregados sem precisar reconstruir o conjunto de dados completo.

Diretrizes para o uso correto do teste t de duas amostras (resumido)

  • Verifique se as estatísticas resumidas inseridas são exatas e provêm de uma fonte confiável — erros nas entradas produzem diretamente conclusões incorretas do teste.
  • Garanta que as estatísticas resumidas representem grupos independentes e sem relação entre si — o teste pressupõe que não há relação entre as duas amostras.
  • Confirme que os tamanhos amostrais são suficientes — amostras pequenas com distribuições não normais podem produzir resultados pouco confiáveis mesmo com entradas resumidas corretas.
  • Defina o alfa antes de executar o teste — o padrão usual é 0.05.
  • Tenha cautela quando as estatísticas resumidas vierem de populações muito assimétricas ou não normais — o teste t pressupõe normalidade, que não pode ser verificada sem os dados brutos.

Alternativas: quando não usar o teste t de duas amostras (resumido)

  • Se os dados brutos estiverem disponíveis, use sempre o teste t de duas amostras padrão — ele oferece diagnósticos adicionais e verificações de premissas.
  • Se as duas amostras forem pareadas ou emparelhadas, use o teste t pareado
  • Se estiver comparando mais de dois grupos, use a ANOVA de um fator
  • Se o objetivo for confirmar equivalência, e não diferença, use o teste de equivalência de duas amostras

Como usar 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(Summarized) .
  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. Preencha as opções necessárias..
  5. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

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

Two Sample t Test(Summarized) — figure 3

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 Sample Size: Insira o número total de observações do primeiro grupo — por exemplo, se foram feitas 40 medições da Formulation A, insira 40. Esse valor é usado para calcular o erro padrão e os graus de liberdade do teste. Um tamanho amostral maior produz resultados mais confiáveis e precisos.
  • Sample 1 Sample Mean: Insira o valor médio das medições do primeiro grupo. É o valor central em torno do qual os dados do primeiro grupo se distribuem e é usado diretamente no cálculo da diferença entre os dois grupos.
  • Sample 1 Standard Deviation: Insira o desvio padrão do primeiro grupo — que representa o quanto as medições individuais se dispersam em torno da média. Um desvio padrão maior indica mais variabilidade dentro do grupo, o que alarga o intervalo de confiança e reduz a sensibilidade do teste para detectar diferenças.
  • Sample 2 Sample Size: Insira o número total de observações do segundo grupo. Assim como na Sample 1, esse valor contribui para o cálculo do erro padrão e influencia a precisão com que o teste consegue detectar uma diferença real entre os dois grupos.
  • Sample 2 Sample Mean: Insira o valor médio das medições do segundo grupo. O teste o compara diretamente com a média da Sample 1 para calcular a diferença observada e determinar se ela é estatisticamente significativa.
  • Sample 2 Standard Deviation: Insira o desvio padrão do segundo grupo. Esse valor reflete a dispersão dos dados do segundo grupo e é usado junto com o desvio padrão da Sample 1 para estimar a variabilidade combinada da comparação.
  • Confidence Level: Define o nível de certeza do intervalo de confiança em torno da diferença entre as duas médias. O padrão usual é 95%, ou seja, você tem 95% de confiança de que a diferença verdadeira entre as duas médias populacionais está dentro da faixa exibida. Aumentá-lo para 99% alarga o intervalo; reduzi-lo para 90% o estreita.
  • Hypothesized Difference: A diferença assumida ou esperada entre as médias dos dois grupos (média da Sample 1 menos média da Sample 2) contra a qual você está testando. Definir como 0 testa se as duas médias são iguais. Definir como qualquer outro valor testa se a diferença real é igual a esse valor específico — por exemplo, inserir 10 testa se o Grupo 1 tem média exatamente 10 unidades maior que a do Grupo 2.
  • Alternative Hypothesis: Define a direção do teste e o que você está tentando provar sobre a diferença. Há três opções disponíveis:
  • Diff ≠ Hypothesized Diff — um 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 — um teste unicaudal que verifica se a diferença real é menor que o valor hipotético. Use quando você espera especificamente que a Sample 1 seja menor que a Sample 2.
  • Diff > Hypothesized Diff — um teste unicaudal que verifica se a diferença real é maior que o valor hipotético. Use quando você espera especificamente que a Sample 1 seja maior que a Sample 2.
  • Assume Equal Variances: Quando marcada, o teste pressupõe que os dois grupos compartilham a mesma variância populacional e usa um único desvio padrão combinado (pooled) no cálculo — produzindo um teste um pouco mais poderoso quando a premissa é válida. Quando desmarcada, são usadas estimativas de variância separadas para cada grupo (teste t de Welch), o que é mais confiável quando os dois desvios padrão inseridos são nitidamente diferentes. Em caso de dúvida, deixe desmarcada, por ser a escolha mais segura e conservadora.
  • Download as Excel: Exporta os resultados do teste, as estatísticas resumidas, o intervalo de confiança e o valor-p para um arquivo do Excel, para relatórios, compartilhamento ou arquivamento.

Perguntas frequentes

O que é um teste t de duas amostras a partir de dados resumidos?

Ele faz a mesma comparação do teste t de duas amostras padrão, testando se as médias de dois grupos independentes diferem significativamente, mas trabalha com estatísticas resumidas que você insere: o tamanho amostral, a média e o desvio padrão de cada grupo, em vez dos dados brutos.

Quando usar um teste t de duas amostras resumido?

Use-o quando os dados brutos não estiverem disponíveis, mas você tiver a média, o desvio padrão e o tamanho amostral de cada grupo, por exemplo em relatórios publicados, dados externos de fornecedores ou resumos históricos. Também é útil para conferir rapidamente conclusões de dados agregados. Se os dados brutos estiverem disponíveis, use o teste t de duas amostras padrão.

Quais são as limitações de um teste t a partir de estatísticas resumidas?

O teste t pressupõe normalidade, que não pode ser verificada sem os dados brutos; portanto, tenha cautela quando os resumos vierem de populações muito assimétricas ou não normais. Amostras pequenas com distribuições não normais podem dar resultados pouco confiáveis, e qualquer erro nas estatísticas inseridas produz diretamente uma conclusão incorreta.

Como os desvios padrão afetam o teste t resumido?

Um desvio padrão maior significa mais variabilidade dentro de um grupo, o que alarga o intervalo de confiança e reduz a sensibilidade do teste a diferenças. Se os dois desvios padrão forem nitidamente diferentes, deixe Assume Equal Variances desmarcada para que sejam usadas estimativas de variância separadas (teste t de Welch).