<\/p>\n
Muitos testes estat\u00edsticos assumem que as observa\u00e7\u00f5es<\/a> s\u00e3o independentes. Isso significa que nenhuma observa\u00e7\u00e3o em um conjunto de dados est\u00e1 relacionada entre si ou afeta uma \u00e0 outra de alguma forma.<\/span><\/p>\n Por exemplo, digamos que queremos testar se existe ou n\u00e3o uma diferen\u00e7a no peso m\u00e9dio entre duas esp\u00e9cies de gatos. Se medissemos os pesos de 10 gatos da esp\u00e9cie A e de 10 gatos da esp\u00e9cie B, violar\u00edamos a suposi\u00e7\u00e3o de independ\u00eancia se cada um dos grupos de gatos viesse da mesma ninhada.<\/span><\/p>\n \u00c9 poss\u00edvel que a m\u00e3e gata da Esp\u00e9cie A simplesmente tivesse todos os gatinhos com baixo peso, enquanto a m\u00e3e gata da Esp\u00e9cie B tivesse gatinhos pesados. Nesse sentido, as observa\u00e7\u00f5es de cada amostra n\u00e3o s\u00e3o independentes umas das outras.<\/span><\/p>\n Existem tr\u00eas tipos comuns de testes estat\u00edsticos que fazem esta suposi\u00e7\u00e3o de independ\u00eancia:<\/span><\/p>\n 1.<\/strong> Teste t de duas amostras<\/a><\/span><\/p>\n 2.<\/strong> ANOVA (An\u00e1lise de Vari\u00e2ncia)<\/a><\/span><\/p>\n 3.<\/strong> Regress\u00e3o linear<\/a><\/span><\/p>\n Nas se\u00e7\u00f5es a seguir, explicamos por que<\/em> essa suposi\u00e7\u00e3o \u00e9 feita para cada tipo de teste, bem como como determinar se essa suposi\u00e7\u00e3o \u00e9 atendida ou n\u00e3o.<\/span><\/p>\n Um teste t de duas amostras<\/strong> \u00e9 usado para testar se as m\u00e9dias de duas popula\u00e7\u00f5es s\u00e3o iguais ou n\u00e3o.<\/span><\/p>\n Suposi\u00e7\u00e3o:<\/strong> Este tipo de teste assume que as observa\u00e7\u00f5es dentro de<\/em> cada amostra s\u00e3o independentes umas das outras e que as observa\u00e7\u00f5es entre<\/em> amostras tamb\u00e9m s\u00e3o independentes umas das outras.<\/span><\/p>\n Teste esta hip\u00f3tese:<\/strong> A maneira mais simples de testar esta hip\u00f3tese \u00e9 verificar se cada observa\u00e7\u00e3o aparece apenas uma vez em cada amostra e se as observa\u00e7\u00f5es em cada amostra foram coletadas por amostragem aleat\u00f3ria.<\/span><\/p>\n Uma ANOVA<\/strong> \u00e9 usada para determinar se existe ou n\u00e3o uma diferen\u00e7a significativa entre as m\u00e9dias de tr\u00eas ou mais grupos independentes.<\/span><\/p>\n Suposi\u00e7\u00e3o:<\/strong> Uma ANOVA assume que as observa\u00e7\u00f5es em cada grupo s\u00e3o independentes umas das outras e que as observa\u00e7\u00f5es dentro dos grupos foram obtidas por uma amostra aleat\u00f3ria.<\/span><\/p>\n Teste esta hip\u00f3tese:<\/strong> Semelhante a um teste t, a maneira mais simples de testar esta hip\u00f3tese \u00e9 verificar se cada observa\u00e7\u00e3o aparece apenas uma vez em cada amostra e se as observa\u00e7\u00f5es em cada amostra foram coletadas por amostragem aleat\u00f3ria.<\/span><\/p>\n A regress\u00e3o linear<\/strong> \u00e9 usada para compreender a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta<\/a> .<\/span><\/p>\n Suposi\u00e7\u00e3o: A<\/strong> regress\u00e3o linear assume que os res\u00edduos<\/a> do modelo ajustado s\u00e3o independentes.<\/span><\/p>\n Teste esta hip\u00f3tese:<\/strong> A maneira mais f\u00e1cil de testar esta hip\u00f3tese \u00e9 observar um gr\u00e1fico de s\u00e9rie temporal de res\u00edduos, que \u00e9 um gr\u00e1fico de res\u00edduos versus tempo. Idealmente, a maioria das autocorrela\u00e7\u00f5es residuais deveria estar dentro das faixas de confian\u00e7a de 95% em torno de zero, que est\u00e3o localizadas aproximadamente +\/- 2 na raiz quadrada de n<\/em> , onde n<\/em> \u00e9 o tamanho da amostra. Voc\u00ea tamb\u00e9m pode testar formalmente se essa suposi\u00e7\u00e3o \u00e9 atendida usando o teste Durbin-Watson<\/a> .<\/span><\/p>\n Existem tr\u00eas fontes comuns de n\u00e3o independ\u00eancia em conjuntos de dados:<\/span><\/p>\n 1. As observa\u00e7\u00f5es s\u00e3o encerradas juntas no tempo.<\/strong><\/span><\/p>\n Por exemplo, um pesquisador pode coletar dados sobre a velocidade m\u00e9dia dos carros em uma determinada estrada. Se ele optar por monitorar as velocidades \u00e0 noite, poder\u00e1 descobrir que a velocidade m\u00e9dia \u00e9 muito maior do que esperava, simplesmente porque todos os motoristas est\u00e3o correndo do trabalho para casa.<\/span><\/p>\n Esses dados violam a suposi\u00e7\u00e3o de que cada observa\u00e7\u00e3o \u00e9 independente. Como cada observa\u00e7\u00e3o foi observada no mesmo hor\u00e1rio do dia, a velocidade de cada carro provavelmente ser\u00e1 semelhante.<\/span><\/p>\n 2. As observa\u00e7\u00f5es s\u00e3o fechadas juntas no espa\u00e7o.<\/strong><\/span><\/p>\n Por exemplo, um investigador pode recolher dados sobre o rendimento anual de pessoas que vivem no mesmo bairro de rendimento elevado porque \u00e9 conveniente.<\/span><\/p>\n A este respeito, \u00e9 prov\u00e1vel que todas as pessoas inclu\u00eddas na amostra de dados tenham rendimentos semelhantes, uma vez que todas vivem pr\u00f3ximas umas das outras. Isso viola a suposi\u00e7\u00e3o de que cada observa\u00e7\u00e3o \u00e9 independente.<\/span><\/p>\n 3. As observa\u00e7\u00f5es aparecem v\u00e1rias vezes no mesmo conjunto de dados.<\/strong><\/span><\/p>\n Por exemplo, um investigador pode necessitar de recolher dados sobre 50 indiv\u00edduos, mas em vez disso decide recolher dados sobre 25 indiv\u00edduos duas vezes porque \u00e9 muito mais f\u00e1cil de fazer.<\/span><\/p>\n Isto viola a suposi\u00e7\u00e3o de independ\u00eancia porque cada observa\u00e7\u00e3o no conjunto de dados estar\u00e1 relacionada consigo mesma.<\/span><\/p>\n A maneira mais simples de evitar a viola\u00e7\u00e3o da suposi\u00e7\u00e3o de independ\u00eancia \u00e9 simplesmente usar uma amostragem aleat\u00f3ria simples<\/a> ao obter uma amostra de uma popula\u00e7\u00e3o.<\/span><\/p>\n Usando este m\u00e9todo, cada indiv\u00edduo da popula\u00e7\u00e3o<\/a> de interesse tem chances iguais de ser inclu\u00eddo na amostra.<\/span><\/p>\n Por exemplo, se a nossa popula\u00e7\u00e3o de interesse cont\u00e9m 10.000 indiv\u00edduos, podemos atribuir aleatoriamente um n\u00famero a cada indiv\u00edduo da popula\u00e7\u00e3o e depois utilizar um gerador de n\u00fameros aleat\u00f3rios para selecionar 40 n\u00fameros aleat\u00f3rios. Os indiv\u00edduos que correspondessem a esses n\u00fameros seriam ent\u00e3o inclu\u00eddos na amostra.<\/span><\/p>\n Ao utilizar este m\u00e9todo, minimizamos as chances de selecionar dois indiv\u00edduos que possam ser muito pr\u00f3ximos um do outro ou que possam estar relacionados de alguma forma.<\/span><\/p>\n Isso contrasta diretamente com outros m\u00e9todos de amostragem, como:<\/span><\/p>\n Ao utilizar um m\u00e9todo de amostragem aleat\u00f3ria, podemos minimizar as chances de viola\u00e7\u00e3o da suposi\u00e7\u00e3o de independ\u00eancia.<\/span><\/p>\n As quatro hip\u00f3teses formuladas em um teste T<\/a> Muitos testes estat\u00edsticos assumem que as observa\u00e7\u00f5es s\u00e3o independentes. Isso significa que nenhuma observa\u00e7\u00e3o em um conjunto de dados est\u00e1 relacionada entre si ou afeta uma \u00e0 outra de alguma forma. Por exemplo, digamos que queremos testar se existe ou n\u00e3o uma diferen\u00e7a no peso m\u00e9dio entre duas esp\u00e9cies de gatos. Se medissemos os pesos […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1528","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Suposi\u00e7\u00e3o de independ\u00eancia em testes t<\/strong><\/span><\/h3>\n
Suposi\u00e7\u00e3o de independ\u00eancia na ANOVA<\/strong><\/span><\/h3>\n
Independ\u00eancia na regress\u00e3o presumida<\/strong><\/span><\/h3>\n
Fontes Comuns de N\u00e3o-Independ\u00eancia<\/strong><\/span><\/h3>\n
Como evitar violar a suposi\u00e7\u00e3o de independ\u00eancia<\/strong><\/span><\/h3>\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
As quatro suposi\u00e7\u00f5es da regress\u00e3o linear<\/a>
As tr\u00eas hip\u00f3teses da ANOVA<\/a>
O que \u00e9 uma amostra representativa e por que \u00e9 importante?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"