Receba gratuitamente todos os nossos conteúdos.

Fique por dentro das novidades e oportunidades referentes à Psicometria e Análise Quantitativa de Dados.

O que é o Teste de Hipóteses

O teste de hipóteses é um conceito presente em quase todo teste estatístico que fizermos. É por causa do teste de hipóteses que sempre analisamos valor-p. Vamos entender o que ele significa neste artigo.

Hipótese nula e alternativa

Nos testes estatísticos, estamos comparando uma hipótese nula e uma hipótese alternativa. A hipótese nula, h0, normalmente afirma que não podemos detectar um efeito entre dois fenômenos. Já a hipótese alternativa, h1 é a hipótese que assumimos como mais correta somente quando falhamos em rejeitar a hipótese nula.

Com um exemplo fica mais claro. Vamos supor que em uma pesquisa estamos mensurando o construto ansiedade em uma amostra de pais e mães solteiros. Em nossa pesquisa, acreditamos que a média de ansiedade para as mães solteiras será maior que a média de ansiedade para os pais solteiros.

Como estamos lidando com uma amostra, pode ser que o efeito observado seja uma variação aleatória da nossa amostra. Portanto, para termos segurança de que de fato há diferença entre os pais e mães, vamos fazer um teste de hipóteses. Um teste que podemos usar é o teste-t de Student. Este teste irá dizer se as médias dos dois grupos é grande o suficiente para consideramos o efeito como verdadeiro.

O teste-t tem como hipótese nula de que a média não é significativamente diferente entre os grupos. Já a hipótese alternativa é de que esta diferença existe. Na nossa pesquisa podemos formular assim:

  • H0 (nula): não há diferença na média de ansiedade de pais e mães solteiras;
  • H1 (alternativa): há diferença na média de ansiedade de pais e mães solteiras.

Como aceitamos ou rejeitamos a hipótese nula?

Agora que já entendemos o que são a hipótese nula e alternativa, podemos entender como tomamos a decisão aceitá-las ou rejeitá-las. O primeiro passo é decidir por um valor de significância, o α (alfa). Ele nos diz o quão provável é que aquele efeito que observamos tenha ocorrido ao acaso. Geralmente, nosso alfa é de 0,05. Com isso, vamos aceitar que haja até 5% de chance de que o resultado tenha ocorrido ao acaso.

Então, vamos olhar o valor-p. Este é um dos resultados do teste que vamos usar e está presente em quase todo os testes estatísticos que vamos analisar. O valor-p nos indica a probabilidade de que o valor da estatística teste seja igual ou maior que a observada a partir de uma amostra retirada da população se a hipótese nula for verdadeira — no nosso caso, que o valor de t seja igual ou maior em uma amostra da população se a h0 for verdadeira.

Isso significa que se o valor de p for menor do que 0,05, vamos rejeitar a hipótese nula. Pois há uma chance pequena (< 5%) de que a diferença de média nos valores observados de ansiedade tenha ocorrido ao acaso.

Teste de hipóteses no nosso exemplo

Com estas informações, podemos analisar os resultados do teste da nossa pesquisa. Vamos supor que o resultado do nosso teste-t indicou um nível de significância de p = 0,03. Como adotamos alfa de 0,05 e nosso valor-p é menor do que 0,05, vamos rejeitar a hipótese nula e entender que há diferença nos níveis de ansiedade entre os pais e mães solteiras.

Com estas informações, acredito que agora você consiga olhar os resultados dos testes e saber se podemos levá-los à sério, caso a hipótese nula seja rejeitada, ou se não conseguimos reunir evidências o suficiente para rejeitar a hipótese nula. Um bom exemplo de uso de testes de hipótese aqui no blog são os artigos sobre correlação. Você consegue identificar a importância do teste de hipóteses na correlação de Pearson?

No entanto, você pode estar se perguntando se há algum empecilho em adotar um valor de alpha mais rigoroso, como 0,01. Bom, ao fazer isso, estamos aumentando a chance de não rejeitar a hipótese nula ainda que o efeito seja verdadeiro, o erro do tipo II. Mas nós vamos falar mais sobre erro do tipo I e erro do tipo II em um próximo artigo. Então, se cadastre na nossa lista para receber todas as atualizações.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

BRUNO FIGUEIREDO DAMÁSIO

Sou Psicólogo, mestre e doutor em Psicologia. Venho me dedicando à Psicometria desde 2007.

Fui professor e chefe do Departamento de Psicometria da UFRJ durante os anos de 2013 a 2020. Fui editor-chefe da revista Trends in Psychology, da Sociedade Brasileira de Psicologia (SBP) eEditor-Associado da Spanish Journal of Psychology, na sub-seção Psicometri e Métodos Quantitativos.

Tenho mais de 50 artigos publicados e mais de 3000 citações, nas melhores revistas nacionais e internacionais. Atualmente, me dedico a formação de novos pesquisadores, através da Psicometria Online Academy. Minha missão é ampliar a formação em Psicometria no Brasil e lhe auxiliar a conquistar os seus objetivos profissionais.

Deseja se tornar completamente autônomo e independente na análise dos seus dados?

Uma resposta

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Veja mais

Posts relacionados

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Glossário de Análise Fatorial Exploratória

Glossário de Análise Fatorial Exploratória

A Psicometria Online tem o prazer de anunciar a publicação de um valioso recurso para profissionais e estudantes da Psicometria: o Glossário de Análise Fatorial Exploratória. Entender os termos e

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Nesse post, iremos te ensinar a lidar, de modo metodologicamente adequado com os pressupostos da análise de variância (ANOVA), quando eles não são acatados. O que é Análise de Variância

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial. O que é estatística descritiva? A

Análise de mediação e moderação: definições e diferenças

Análise de mediação e moderação: definições e diferenças

Nesse post, discutimos as caracteríticas e diferenças entre modelos de mediação e moderação.

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Análise Fatorial Exploratória ou Análise Fatorial Confirmatória: Qual escolher?

Nesse post, discutimos quando utilizar uma análise fatorial exploratória e uma análise fatorial confirmatória.

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.