Teste-t para duas amostras independentes no R скачать в хорошем качестве

Teste-t para duas amostras independentes no R

Nesse vídeo, eu te explico como fazer o teste-t para duas amostras independentes usando o R e o RStudio. Ensino os testes uni e bicaudal, bem como os testes para variâncias homogêneas e heterogêneas. Explico também como testar os pressupostos do teste-t independente: como verificar a normalidade dos dados separados por grupo (pelo teste de Shapiro-Wilk) e como verificar se os dados apresentam variâncias homogêneas entre os grupos (pelo teste de Levene). Ao final, te ensino a visualizar os dados em gráficos boxplot e a reportar os seus resultados. É super válido complementar sua análise do teste-t com tamanhos de efeito. Esse vídeo ensina a calculá-los no R:    • Tamanhos de efeito para dois grupos i...   Download do script: https://drive.google.com/file/d/1upIc... Download do banco de dados: https://drive.google.com/file/d/1ZPKE... Quer me contratar para uma consultoria ou para analisar os seus dados? No link abaixo tem a explicação desses serviços e um formulário para você entrar em contato comigo: https://fernandafperes.com.br/servicos Precisa fazer esse teste, mas não é fã do R? Esse vídeo ensina a fazê-lo no SPSS:    • Teste-t Independente no SPSS (Aula 3)   REFERÊNCIAS BIBLIOGRÁFICAS: Artigo (em português) comparando os testes de normalidade (e concluindo que o Shapiro-Wilk é superior aos demais, mesmo em amostras menores), e sugerindo avaliar a normalidade da variável dependente por grupo: Leotti, V. B., Coster, R., & Riboldi, J. (2012). Normalidade de variáveis: métodos de verificação e comparação de alguns testes não-paramétricos por simulação. Revista HCPA. Porto Alegre. Vol. 32, no. 2 (2012), p. 227-234. Artigo (em inglês) comparando os testes de normalidade, e concluindo que o Shapiro-Wilk é o que tem maior poder: Razali, N. M., & Wah, Y. B. (2011). Power comparisons of Shapiro-Wilk, Kolmogorov-Smirnov, Lilliefors and Anderson-Darling tests. Journal of statistical modeling and analytics, 2(1), 21-33. Artigo (em português) discutindo as alternativas a situações em que os dados não apresentam distribuição normal: Paes, A. T. (2009). O que fazer quando a distribuição não é normal. Einstein–Educação continuada em Saúde, 7, 1. Artigo (em inglês) discutindo que os testes paramétricos são razoavelmente robustos a violações da normalidade quando o n é grande: Lumley, T., Diehr, P., Emerson, S., & Chen, L. (2002). The importance of the normality assumption in large public health data sets. Annual review of public health, 23(1), 151-169. Acompanhe o conteúdo de estatística também pelo Instagram:   / estatisticaaplicada   Acompanhe os cursos de estatística aplicada: No R:    • Curso de Estatística Aplicada no R   No SPSS:    • Curso de Estatística Aplicada no SPSS