Testes paramétricos: definição e características

Quanto maior a amostra, mais exata será a estimativa. Inversamente, quanto menor a amostra, mais distorcida será a média das amostras por causa de valores extremos raros.
Testes paramétricos: definição e características

Última atualização: 18 Julho, 2021

Os testes paramétricos são um tipo de teste de significância estatística que quantifica a associação ou independência entre uma variável quantitativa e uma variável categórica (1). Devemos lembrar que uma variável categórica é aquela que diferencia os indivíduos em grupos. No entanto, esse tipo de teste requer certos pré-requisitos para a sua aplicação. Quais são esses requisitos?

Digamos, por exemplo, que queremos comparar dois grupos. Para verificar se podemos aplicar os testes paramétricos, primeiro teremos que checar se a distribuição dos grupos na variável quantitativa é normal.

Além disso, também teremos que verificar a homogeneidade das variâncias nas populações de origem dos grupos. Por fim, o número de indivíduos, denominado n em estatística, deverá ser maior que 30 por grupo, com os resultados do teste de hipóteses sendo favorecidos pelo fato de os grupos estarem balanceados.

Caso esses requisitos não sejam cumpridos, devemos recorrer aos testes não paramétricos. Se forem cumpridos, poderemos usar os testes paramétricos: o teste t (para uma amostra ou para duas amostras relacionadas ou independentes) e o teste ANOVA (para mais de duas amostras independentes).

Análises estatísticas

Condições de aplicação

Muitas pesquisas têm como objetivo determinar a relação de determinada coisa com outra. Ou seja, precisam saber se as variáveis ​​estudadas estão associadas entre si ou não. Em todo caso, precisamos conhecer alguns pontos antes de aplicar determinados testes ou outros. De forma detalhada, os requisitos para poder utilizar os testes paramétricos são (1):

A variável de estudo deve ser numérica

Ou seja, a variável dependente deve estar medida em uma escala que seja, pelo menos, de intervalo. Melhor ainda se for de razão.

Normalidade

Os valores da variável dependente devem seguir uma distribuição normal. Isso deve ocorrer, no mínimo, na população que pertence à amostra.

A distribuição normal ou gaussiana (devido à função de Gauss) é a distribuição teórica mais bem estudada e deve a sua importância fundamentalmente à frequência com que diferentes variáveis ​​associadas a fenômenos naturais e cotidianos seguem essa distribuição. Alguns exemplos, como peso ou características psicológicas, como o quociente de inteligência, são exemplos de variáveis ​​que, normalmente, seguem uma distribuição normal.

Homocedasticidade (homogeneidade de variâncias) entre os grupos a serem comparados

As variâncias da variável dependente nos grupos comparados devem ser mais ou menos iguais. Por isso, é necessário saber se essa homogeneidade de variâncias se cumpre, visto que dela depende a formulação que empregaremos no contraste de médias. Alguns testes que nos permitem comparar essa homogeneidade de variâncias são:

O n amostral

O n é o tamanho da população. Nesse caso, o tamanho da população da amostra não pode ser inferior a 30, e quanto mais próximo o n estiver de toda a população, melhor.

Então, quanto maior a amostra, mais exata será a estimativa. Inversamente, quanto menor a amostra, mais distorcida será a média das amostras por causa de valores extremos raros.

Estatística

Tipos de testes paramétricos

De acordo com o contraste proposto, um ou outro tipo de teste paramétrico é utilizado (2):

Tipo de contraste Testes
Uma amostra Teste t
Duas amostras independentes Teste t para duas amostras independentes
Duas amostras relacionadas Teste t para dados relacionados
Mais de duas amostras independentes ANOVA

Teste t para uma amostra

O teste t para uma amostra objetiva contrasta se a média de uma população difere significativamente de um determinado valor conhecido ou hipotético. Assim, o teste calcula estatísticas descritivas para as variáveis ​​de contraste juntamente com o teste t (1).

Teste t para duas amostras independentes

Esse teste é usado quando a comparação é feita entre as médias de duas populações independentes. Ou seja, os indivíduos de uma das populações são diferentes dos indivíduos da outra. Um exemplo disso é uma comparação entre homens e mulheres (1).

Teste t para duas amostras relacionadas

Este teste é outra das alternativas para contrastar duas médias. Relaciona-se principalmente ao suposto caso em que as duas populações não são independentes. Nesse caso, são populações que se relacionam entre si. Essa situação ocorre, por exemplo, quando um grupo de indivíduos é observado antes e depois de uma determinada intervenção.

Teste ANOVA para mais de duas amostras independentes

No caso de ter que comparar mais de duas amostras, teremos que recorrer à análise de variância ou ANOVA. Este é um teste estatístico desenvolvido para comparar simultaneamente as médias de mais de duas populações.

Esses testes são muito recorrentes em pesquisas de psicologia, sendo utilizados ao extremo em muitas ocasiões. No entanto, devemos sempre lembrar dos seus pré-requisitos, que nos indicarão se podemos usar os testes paramétricos ou se devemos recorrer a testes não paramétricos

Pode interessar a você...
A estatística inferencial na psicologia
A mente é maravilhosaLeia em A mente é maravilhosa
A estatística inferencial na psicologia

A estatística inferencial analisa dados de uma amostra da população para determinar seu hábitos e comportamentos e aplicá-los na psicologia.



  • Hurtado, M. J. R., & Silvente, V. B. (2012). Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. REIRE, 5(2).
  • Ferrán Aranaz, M. (2002) Curso de SPSS para Windows. Madrid: McGraw-Hill.
  • Pérez Juste, R., García Llamas, J.L., Gil Pascual, J.A. y Galán González, A. (2009) Estadística aplicada a la Educación. Madrid: UNED – Pearson.