Professional Documents
Culture Documents
Pesquisa Quantitativa
Pesquisa Quantitativa
TIPOS DE PESQUISA
→ EXPLORATÓRIA ←
→ DESCRITIVA ←
→ EXPLICATIVA ←
➔ Variáveis = características que podem assumir qualquer valor e desejam medir.
Podem ser independentes ou dependentes.
Tipos de variáveis
1. Variável Independente: Supõe-se que ela tenha algum efeito / gere alguma
consequência. Permite ter controle sobre. Também chamada de variável de
agrupamento, pois divide as amostras da pesquisa em grupos. Exemplo: Tipo
de escola (particular, pública), sexo (masculino e feminino)
2. Variável Dependente: É uma função gerada pela variável independente.
Engloba tudo que foi medido dentro de uma pesquisa. Exemplo: taxa de
aprovação, níveis de cáries.
3. Variável de controle: Fatores que são controlados para que não causem
interferência. É possível identificar e controlar variáveis externas/estranhas
que eram confundidas anteriormente. Exemplo: somente uma turma, turma
homogênea.
4. Variável de confundimento: Variáveis externas/estranhas que podem afetar a
relação entre as variáveis dependente e independente e, muitas vezes, não.
Exemplo: barulho, clima, motivação, etc.
NÍVEIS DE MEDIDA
Níveis de Medida
● Mais primitiva.
● É uma escala onde as variáveis são simplesmente
“nomeadas” ou rotuladas, sem nenhuma ordem
específica.
● O número atribuído a um determinado objeto ou evento
deve ser exclusivo, não sendo possível atribuir um
Nominal mesmo número a diferentes eventos ou objetos. Os
números atribuídos a essa escala são arbitrários e
apenas identificam objetos ou eventos.
● Possível apenas trabalhar com contagens e
proporções.
● Exemplo: sexo - feminino ou masculino; Animais -
cachorro, gato, pássaro, coelho.
Categóricos/
Discretos ● Tem todas as suas variáveis em uma ordem específica,
além de simplesmente nomeá-las. Exemplo:
escolaridade, preferência de doces.
● Os números respeitam uma relação de ordem
ranqueada.
● É a regra pela qual os números são atribuídos aos
Ordinal eventos e objetos.
● Além da contagem, proporções e moda, é também
possível identificar mínimo, máximo e amplitude
● Exemplo: escolaridade - fundamental, médio, superior;
Ordem de animais favoritos; Escala likert - muito ruim
ruim, bom, muito bom
Variáveis quantitativas
Setor
Discreta
Colunas/Barras
1 VARIÁVEL
Histograma
Contínua Densidade
Boxplot
Barras
Discreta Colunas
2 VARIÁVEIS Boxplot
Linhas
Contínua
Dispersão
Análise da fórmula: Quanto maior o T, maior a chance de rejeitar a H0, e menor será
p valor. n é quantidade de observações e deve possuir um valor alto pois quanto
maior o n, maiores as chances do ruído ser menor.
H0 é falsa H0 é verdadeira
VALOR DE P
➔ Valor aceitável de erro para que se possa fazer inferência para a população.
➔ É uma probabilidade que compreende um valor entre 0 e 1.
➔ Seu valor indica a compatibilidade dos resultados obtidos e os esperados
assumindo a hipótese nula verdadeira;
➔ Como encontrar o P-valor? Seu valor é obtido através de um modelo
estatístico mais adequado à pesquisa, como Teste T, ANOVA, Regressão e
Correlação.
➔ REGRA FUNDAMENTAL:
Valor de P baixo, p≤0,05 ➡ Rejeitar H0 (portanto, há diferença significativa)
Valor de P alto, p>0,05 ➡ Falha em rejeitar H0
➔ Intervalo de confiança (∝) é de 95%. Nenhum modelo estatístico está isento
de erros.
➔ Amostras populacionais pequenas refletem no valor de p, interferindo em
resultados. Portanto, amostra deve ser significativa e levar em conta tamanho
e variabilidade da amostra.
➔ Medidas:
a) Tamanho de efeito (D de Cohen): é uma medida contínua sobre a
relevância da diferença. oferece a relevância da diferença clínica.
Portanto, pode haver diferença, porém, não necessariamente essa
diferença indica relevância clínica.
b) Valor de P: é uma medida binária (rejeita ou falha em rejeitar H) fala da
probabilidade de erro no resultado
Teste T
Tamanho de Efeito
Análise estatística
Teste T VD contínua VI categórica, até dois
grupos
ANOVA VD contínua e VI categórica com mais
de dois grupos
Correlação de Pearson e Regressão VD contínua VI contínua
ANOVA
➔ Teste paramétrico que compara médias de dois ou mais grupos, podendo ser
considerado como um super teste T.
➔ Pressupostos:
◆ Os dados são aleatórios e representativos da população;
◆ A variável dependente (VD) é contínua;
◆ VI é categórica com mais de grupos;
◆ A distribuição da VD é normalmente distribuídos;
◆ Os grupos são independentes uns dos outros;
◆ Variâncias homogêneas entre os grupos;
➔ Tipos de ANOVA: vias
CORRELAÇÃO
➔ Este tipo de análise estatística não compara grupos. Oferece dados para
quando um fenômeno ocorre, o que acontece.
➔ Não indica causalidade, ou seja, além de não haver VD e VI, não é suficiente
para dar relação de causalidade entre fenômenos. Responde questões como:
um fator pode influenciar outro? Fala sobre estágio descritivo de uma
pesquisa.
➔ É capaz de estudar a relação entre duas variáveis contínuas. Exemplo:
consome de uma pessoa x sua renda.
➔ Coeficiente limitado entre -1 e +1; o algarismo diz sobre a força e o sinal diz
sobre a natureza. 0 significa ausência de correlação.
➔ É simétrica (relação da variável com ela mesma é 1) e adimensional (porque
dá apenas R² ou RHO)
➔ Sensível a outliers (valores discrepantes)
➔ Natureza diretamente proporcional = 2 fenômenos aumentam ou diminuem
juntos.
➔ Natureza inversamente proporcional = 1 fenômeno aumenta ou diminui, ao
contrário do outro.
➔ Diagramas de dispersão:
MODELOS DE REGRESSÃO
VI e VD VD DISCRETA VD CONTÍNUA