Estatística sem matemática para psicologia - 7.ed.

Visualizações: 109
Classificação: (0)

Estatística sem matemática para psicologia apresenta uma introdução prática e acessível à estatística sem usar fórmulas matemáticas desafiadoras. Além da teoria estatística, o livro também explica passo a passo como utilizar o SPSS, o software de estatística mais usado nas ciências sociais. Os capítulos trazem vários exemplos da literatura e atividades para ajudá-lo a entender e praticar a ciência estatística, bem como aplicar esses conhecimentos em sua própria pesquisa.

 

19 capítulos

Formato Comprar item avulso Adicionar à Pasta

Capítulo 1. Variáveis e delineamento de pesquisa

PDF Criptografado

1

Variáveis e delineamento de pesquisa

VISÃO GER AL DO CAPÍTULO

Com o objetivo de explicar como utilizar e entender a estatística, talvez seja melhor iniciar destacando os fatores principais para delinear uma pesquisa. Descreveremos, então, os aspectos mais importantes de um projeto de pesquisa com o objetivo de mostrar como ele influencia o uso da estatística. Neste capítulo, portanto, pretendemos ensinar sobre o seguinte:

●●

●●

●●

●●

variáveis contínuas, discretas e categóricas; variáveis dependentes e independentes; delineamentos correlacionais, experimentais e quase-experimentais; delineamentos entre e intraparticipantes.

1.1  P

� or que ensinar estatística sem fórmulas matemáticas?

A estatística como conteúdo tende a despertar medo nos corações e mentes de muitos estudantes de ciências sociais e humanas e nos de muitos professores também. Entender os conceitos estatísticos não deve, no entanto, ser mais difícil do que compreender qualquer outro conceito teórico (p. ex., o conceito de inteligência). De fato, alguém poderia pensar que entender um conceito bastante concreto, tal como o de média aritmética, seria bem mais fácil do que compreender o vago conceito psicológico de “atitude”. Ainda assim, a cada ano, parece que a maioria dos estudantes, que aparentemente compreende muitos conceitos não estatísticos com relativa facilidade, tem dificuldade para entender estatística. No nosso modo de ver, muitas pessoas temem a estatística porque os conceitos estão perdidos em meio às fórmulas matemáticas. Dessa forma, procuramos explicar a estatística de uma forma conceitual sem confundir os estudantes com fórmulas matemáticas desnecessárias

 

Capítulo 2. Introdução ao SPSS

PDF Criptografado

2

Introdução ao SPSS

VISÃO GER AL DO CAPÍTULO

Neste capítulo apresentaremos uma visão ampla dos principais recursos do SPSS. É importante entender os pontos principais para que você seja capaz de seguir as instruções que daremos posteriormente no livro. Assim, neste capítulo abordaremos o seguinte:

●●

●●

●●

●●

como iniciar o SPSS; como utilizar o tutorial e as ferramentas de ajuda; como estabelecer variáveis e alterar as suas características; como salvar dados em arquivos.

2.1  Aspectos básicos

Uma das primeiras coisas que você precisa saber é que os comandos e procedimentos do

SPSS descritos nesta edição se referem à versão 23 do software. Entretanto, não é preciso se preocupar se tiver uma versão anterior, como a 22, 21, 20 ou até mesmo a 16, porque não há muitas diferenças entre as versões mais antigas e a mais recente em termos de análises.

Quando houver diferenças importantes em algum aspecto, alertaremos no texto. Falando nisso, uma diferença na versão 18 é que ela na verdade se chama PASW Statistics 18 em vez de SPSS versão 18.

 

Capítulo 3. Estatística descritiva

PDF Criptografado

3

Estatística descritiva

VISÃO GER AL DO CAPÍTULO

No Capítulo 1, destacamos alguns fatores importantes de um projeto de pesquisa. Neste capítulo explicaremos as principais maneiras de se tratar e analisar dados coletados por meio da pesquisa quantitativa. Estas compõem a estatística descritiva. Um passo importante para qualquer um que queira entender a análise estatística é ter uma boa ideia dos conceitos básicos. Portanto, explicaremos alguns dos conceitos estatísticos fundamentais que servirão de apoio para o entendimento de análises complexas apresentadas posteriormente no livro. Ao final deste capítulo, você deverá compreender bem os seguintes tópicos:

●●

●●

●●

●●

●●

amostras e populações; medidas de tendência central (p. ex., média); técnicas gráficas para descrever os dados (p. ex., histograma); a distribuição normal; medidas de variabilidade (p. ex., desvio-padrão).

Esses são conceitos fundamentais que aparecerão sob várias formas ao longo do texto e, por isso, é importante tentar entendê-los. Considere-os como o alicerce para o entendimento conceitual da estatística.

 

Capítulo 4. Probabilidade, amostragem e distribuições

PDF Criptografado

4

Probabilidade, amostragem e distribuições

VISÃO GER AL DO CAPÍTULO

Nos Capítulos 1 e 3, apresentamos aspectos importantes do delineamento experimental, assim como os processos iniciais da análise de dados. Neste capítulo, você começará a tirar conclusões a partir dos seus dados. Com base no seu conhecimento de amostras e populações, explicaremos como somos capazes de generalizar nossos achados de amostras a populações. Mostraremos como usar dados amostrais para tirar conclusões a respeito de populações, ou seja, você será apresentado à estatística inferencial.

Após uma breve introdução ao mundo das probabilidades, mostraremos como distribuições probabilísticas são usadas, tais como a distribuição normal padrão, para fazer inferências sobre os dados da amostra. Em resumo, neste capítulo você aprenderá:

●●

●●

●●

●●

●●

●●

●●

probabilidade e probabilidade condicional; aplicação da probabilidade à pesquisa; distribuição normal padrão; distribuições amostrais; estimativas pontuais e de intervalo dos parâmetros da população; erro-padrão e intervalos de confiança; diagrama de barras de erro.

 

Capítulo 5. Testagem de hipóteses e significância estatística

PDF Criptografado

5

Testagem de hipóteses e significância estatística

VISÃO GER AL DO CAPÍTULO

No Capítulo 4, mostramos o uso da estatística inferencial. Neste capítulo, iremos um pouco além para explicar como podemos aplicar nosso conhecimento sobre probabilidades e distribuições amostrais para testar hipóteses que estabelecemos em nossas pesquisas. Especificamente, explicaremos o seguinte:

●●

●●

●●

●●

●●

●●

a lógica do teste de hipóteses; a significância estatística e como ela se relaciona com a probabilidade; como as distribuições de probabilidade formam as bases dos testes estatísticos; os problemas associados em utilizar probabilidades como base para conclusões (i.e.,

Erros do tipo I e do tipo II); hipóteses unilaterais e bilaterais; e como escolher o teste apropriado para analisar seus dados.

5.1 �Outra forma de aplicar probabilidades à pesquisa: teste de hipóteses

Suponha que estejamos interessados em examinar a relação entre o “número de horas de estudo por semana” e a “nota na prova”. Poderíamos, talvez, prever que, quanto maior o número de horas de estudo semanais, maior a nota na prova. Estabelecemos, assim, uma previsão que testaríamos pela realização de um estudo. Nesse estudo, sortearíamos aleatoriamente certo número de estudantes e registraríamos quantas horas por semana eles estudam e verificaríamos se essas horas estão relacionadas à nota da prova. De acordo com a previsão feita, esperaríamos que a população das notas se assemelhasse à ilustrada na Figura 5.1. Aqui você pode verificar que existe uma tendência indicando que, quando o número de horas de estudo aumenta, ocorre o mesmo com a nota. Vamos presumir que isso ocorra com a população subjacente. Um dos problemas que enfrentamos quando realizamos uma pesquisa é que, quando selecionamos amostras de populações, podemos não ter uma representação acurada da população. No Capítulo 3 explicamos que, devido ao erro amostral, uma amostra pode não ser semelhante à população. A Figura 5.1 ilustra três amostras retiradas da população apresentada na mesma figura. Mesmo existindo uma relação positiva entre as duas variáveis na população, duas das amostras não refletem isso. De fato, a primeira amostra (amostra

 

Capítulo 6. Análise de correlação: o r de Pearson

PDF Criptografado

6

Análise de correlação: o r de Pearson

VISÃO GER AL DO CAPÍTULO

Nos primeiros cinco capítulos, apresentamos os conceitos mais básicos que você precisará para entender as análises estatísticas introduzidas no restante deste livro. É importante que entenda todos os conceitos apresentados nesses capítulos anteriores, e, para verificar seu conhecimento, você pode resolver as atividades e questões de múltipla escolha presentes no decorrer e no final de cada capítulo. Se achar que existem algumas coisas que ainda não entendeu, vale a pena voltar ao capítulo em questão e ter certeza de que compreendeu o conceito completamente. Uma vez que se sinta confiante de que domina todos os conceitos, você estará pronto para lidar com as análises estatísticas mais exigentes que serão apresentadas de agora em diante. Ter realmente entendido os conceitos anteriores facilitará seu percurso pelo restante do livro. Nos primeiros cinco capítulos, você foi apresentado à ideia de observar as relações entre variáveis como, por exemplo, a relação entre horas de estudo e desempenho em provas. Os psicólogos muitas vezes procuram saber se existe uma relação ou associação significativa entre duas variáveis. Esse

 

Capítulo 7. Análise de diferenças entre duas condições: o teste-t

PDF Criptografado

7

Análise de diferenças entre duas condições: o teste-t

VISÃO GER AL DO CAPÍTULO

No capítulo anterior, você foi apresentado à ideia de observar como os valores de uma variável se relacionam com os valores de outra variável e para essa análise aprendeu sobre o teste paramétrico denominado r de Pearson. Entretanto, neste capítulo você estará olhando para as diferenças entre valores em duas condições. Por exemplo, você poderia comparar a habilidade de memória de pessoas com ou sem fobia de aranhas para ver se ela difere. Tal delineamento é chamado de entre participantes, independente ou não relacionado, pois um grupo de participantes fornece os valores em uma condição e um grupo diferente, os valores em uma condição diferente. Por outro lado, um grupo de participantes pode servir às duas condições como, por exemplo, um grupo que aprende tanto palavras com alta frequência quanto com baixa frequência. Medimos, então, o número de palavras lembradas. Esse estudo é chamado de intraparticipantes, medidas repetidas ou relacionado, pois a mesma amostra de pessoas participa das duas condições. Neste capítulo, vamos discutir as análises de duas condições usando um teste paramétrico denominado teste-t. Estamos interessados nas diferenças entre os dois grupos ou, mais especificamente, na diferença entre as médias dos dois grupos.

 

Capítulo 8. Questões de significância

PDF Criptografado

8

Questões de significância

VISÃO GER AL DO CAPÍTULO

Anteriormente, ensinamos como descrever e analisar relações entre variáveis e, também, como analisar diferenças entre duas condições. Naqueles capítulos, encorajamos o uso de métodos de análise diferentes para compreender os dados e oferecer aos seus leitores (geralmente os professores que estão avaliando o seu trabalho) o quadro mais completo possível. Portanto, aconselhamos você a descrever seus dados usando ilustrações gráficas, medidas de tendência central e variância; oferecemos um método simples pelo qual você pode calcular o efeito e apresentamos os intervalos de confiança

(IC). Finalmente, também o encorajamos a relatar o nível de significância atingido (NSA, o valor da probabilidade exata).

Neste capítulo, discutiremos os conceitos mencionados acima em maior profundidade. Discutiremos as questões que cercam o relato de níveis de probabilidade e apresentaremos um conceito novo – o conceito de poder. O poder é a habilidade de detectar um efeito significativo quando ele existe. É a habilidade que um teste tem de rejeitar a hipótese nula corretamente. É importante entender tais questões antes de conduzir seus próprios experimentos e estudos. Por esse motivo, elas são apresentadas agora.

 

Capítulo 9. Medidas de associação

PDF Criptografado

9

Medidas de associação

VISÃO GER AL DO CAPÍTULO

Anteriormente, no Capítulo 6, você aprendeu como analisar o relacionamento entre duas variáveis utilizando o r de Pearson. Esse valor é útil para fornecer uma ideia do grau de associação entre duas variáveis contínuas. Você viu como representar tal relacionamento por intermédio dos diagramas de dispersão e também aprendeu o que é um coeficiente de correlação e que r é um tamanho de efeito natural. Este capítulo também discute relacionamentos, ou associações, mas, desta vez, será discutido como analisar o relacionamento entre variáveis categóricas.

A medida de associação que discutiremos neste capítulo, χ2 ou qui-quadrado, mede a associação entre duas variáveis categóricas. Você também aprendeu sobre essas variáveis no Capítulo 1. Se, por exemplo, classificarmos pessoas com base na cor da blusa ou camisa que elas estão usando, isso é uma classificação em categorias. Da mesma forma, se classificarmos pessoas por grupos étnicos, religião ou por país em que elas vivem, estamos fazendo julgamentos categóricos. Não faz sentido ordená-las numericamente. Neste capítulo, você aprenderá como:

 

Capítulo 10. Análise de diferenças entre três ou mais condições

PDF Criptografado

10

Análise de diferenças entre três ou mais condições

VISÃO GER AL DO CAPÍTULO

Nos capítulos anteriores, você aprendeu a comparar duas condições e a analisar relacionamentos entre duas variáveis. Como parte dessas análises, você aprendeu a relatar tamanhos de efeito, intervalos de confiança e níveis de significância atingidos (NSA).

Agora você tem todos os recursos necessários para executar uma análise mais complexa – a análise de três ou mais condições. Você viu como comparar duas condições

(ver Cap. 7), e a comparação de três ou mais é uma extensão disso. Em vez do teste-t para duas condições, agora temos a ANOVA (para três ou mais condições). A ANOVA é o teste paramétrico equivalente ao teste-t, só que para três ou mais grupos. ANOVA é um acrônimo para Analysis of Variance (análise de variância). Como ocorre com o teste-t, é necessário atender certos pressupostos para se executar uma ANOVA. Você reconhecerá alguns deles do seu trabalho com o teste-t.

 

Capítulo 11. Análise de variância com mais de uma VI

PDF Criptografado

11

Análise de variância com mais de uma VI

VISÃO GER AL DO CAPÍTULO

No Capítulo 10, introduzimos um dos testes estatísticos mais utilizados na psicologia atualmente, a análise de variância (ANOVA). Neste capítulo pretendemos:

●●

●●

●●

●●

ensinar sobre uma extensão da ANOVA de um fator que inclui duas ou mais variáveis independentes (VIs); descrever três delineamentos diferentes da ANOVA, cada um com duas VIs:

–– a primeira ANOVA terá duas VIs entre participantes;

–– a segunda terá duas VIs intraparticipantes;

–– a terceira terá uma VI entre e uma VI intraparticipantes. explicar, com todos esses delineamentos, como a variância é alocada entre as várias condições e como podemos avaliar o grau de interação entre nossas VIs; ilustrar como podemos decompor os efeitos de interação para definir precisamente como uma VI interage com a outra VI; essa análise é denominada efeito simples.

11.1 �Introdução

No Capítulo 10, explicamos como podemos utilizar a análise de variância (ANOVA) para testar diferenças entre grupos quando temos mais do que duas condições de VI. Um dos aspectos mais úteis da ANOVA é que ela nos permite analisar os efeitos de duas ou mais

 

Capítulo 12. Análise de regressão

PDF Criptografado

12

Análise de regressão

VISÃO GER AL DO CAPÍTULO

A análise de regressão é uma extensão da análise de correlação que abordamos no Capítulo 6. Portanto, se você acha que esqueceu esse conteúdo, seria uma boa ideia voltar e reler o capítulo. Na primeira parte do presente capítulo, mostraremos como avaliar o efeito de uma variável (x) em outra (y). Chamamos isso de regressão linear bivariada.

Na parte final do capítulo, mostraremos como avaliar o efeito de variáveis (designadas como x1, x2, e assim por diante) em outra variável (y). Chamamos isso de regressão múltipla.

Neste capítulo, você aprenderá:

●●

●●

●●

como avaliar o relacionamento entre a variável dependente e uma ou mais variáveis explicativas; como prever o escore de uma pessoa na variável de critério a partir dos seus escores em uma ou mais variáveis explicativas; como usar intervalos de confiança ao analisar dados pelo uso de regressão múltipla.

12.1 �Propósito da regressão linear

 

Capítulo 13. Análise de três ou mais grupos controlando os efeitos de uma covariável

PDF Criptografado

13

Análise de três ou mais grupos controlando os efeitos de uma covariável

VISÃO GER AL DO CAPÍTULO

Neste capítulo, apresentaremos uma técnica baseada tanto na análise de variância

(ANOVA) quanto na regressão linear. Essa técnica é denominada análise de covariância

(ANCOVA) e se baseia nos conteúdos que foram vistos nos capítulos anteriores. Uma

ANCOVA simples mostra se os grupos diferem em uma variável dependente enquanto são mantidos fixos os efeitos de outra variável denominada covariável. Uma covariável

é uma variável que apresenta um relacionamento linear com a variável dependente.

Você já aprendeu sobre a eliminação (controle) dos efeitos de uma variável no Capítulo

6 quando abordamos a análise de correlação. Na ANCOVA, a variável cujos efeitos são removidos é denominada covariável. Neste capítulo discutiremos o delineamento entre participantes de um fator e o uso de uma covariável.

Como o material deste capítulo está baseado na ANOVA de um fator, tudo o que foi dito em relação ao delineamento entre participantes de um fator (no Cap. 10) aplica-se aqui. Em outras palavras, o delineamento de um fator inclui o seguinte:

 

Capítulo 14. Introdução à análise de fatores

PDF Criptografado

14

Introdução à análise de fatores

VISÃO GER AL DO CAPÍTULO

Esperamos que, com a leitura dos capítulos anteriores, você tenha adquirido um bom entendimento conceitual das técnicas estatísticas mais utilizadas na psicologia. Neste e nos dois próximos capítulos, gostaríamos de ensinar outra classe de técnicas que são uma extensão da regressão múltipla e da ANOVA. Esses testes são colocados sob o rótulo comum de estatística multivariada. A técnica estatística que apresentaremos aqui é a análise de fatores. Apresentamos uma breve ideia dessa técnica na seção 6.3.

Neste capítulo:

●●

●●

●●

●●

forneceremos um entendimento conceitual da análise de fatores utilizando um exemplo da literatura psicológica; mostraremos como inserir um conjunto de dados no SPSS e executar uma análise de fatores; mostraremos como interpretar a saída estatística de tal análise; daremos exemplos da literatura para ajudá-lo a entender como a análise de fatores tem sido utilizada na psicologia.

 

Capítulo 15. Introdução à análise multivariada de variância (MANOVA)

PDF Criptografado

15

Introdução à análise multivariada de variância (MANOVA)

VISÃO GER AL DO CAPÍTULO

Até agora todas as análises abordadas neste livro, com exceção da análise de fatores, foram análises univariadas. Neste capítulo vamos descrever outra técnica multivariada que é uma extensão da ANOVA, a análise multivariada de variância. Não é a nossa intenção aqui fornecer os fundamentos da técnica, mas queremos sim fornecer uma ideia do que esse método tem a nos oferecer.

Neste capítulo, explicaremos:

●●

●●

●●

o que é a MANOVA; os pressupostos subjacentes ao uso da MANOVA, incluindo:

–– normalidade multivariada;

–– homogeneidade das matrizes de variância-covariância;

MANOVA com:

–– uma VI entre participantes e duas VDs;

–– uma VI intraparticipantes e duas VDs;

–– cada uma dessas duas serão VIs com duas condições;

–– análises post hoc para verificar a contribuição de cada VD individualmente para a diferença multivariada entre as condições da VI.

 

Capítulo 16 - Estatística não paramétrica

PDF Criptografado

16

Estatística não paramétrica

VISÃO GER AL DO CAPÍTULO

Nos capítulos anteriores, introduzimos os testes paramétricos. Como você já deve saber, esses testes têm alguns pressupostos. Os dados precisam ser retirados de uma população com uma distribuição normal (ver Cap. 5). Quando você satisfaz as condições dos testes paramétricos, eles são mais poderosos do que os testes não paramétricos e, portanto, preferidos pelos psicólogos. Em muitas situações de pesquisa, não podemos usar os testes paramétricos, pois nossos dados não satisfazem as condições necessárias para o seu uso. Por exemplo, podemos ter dados assimétricos com amostras pequenas ou desiguais – não teríamos muita certeza se nossos dados foram retirados de uma população com distribuição normal. Os testes não paramétricos não apresentam pressupostos em relação a dados, e você pode usar os testes descritos neste capítulo com segurança para analisar dados quando achar que não conseguirá satisfazer as condições dos testes paramétricos.

 

Capítulo 16. Estatística não paramétrica

PDF Criptografado

16

Estatística não paramétrica

VISÃO GER AL DO CAPÍTULO

Nos capítulos anteriores, introduzimos os testes paramétricos. Como você já deve saber, esses testes têm alguns pressupostos. Os dados precisam ser retirados de uma população com uma distribuição normal (ver Cap. 5). Quando você satisfaz as condições dos testes paramétricos, eles são mais poderosos do que os testes não paramétricos e, portanto, preferidos pelos psicólogos. Em muitas situações de pesquisa, não podemos usar os testes paramétricos, pois nossos dados não satisfazem as condições necessárias para o seu uso. Por exemplo, podemos ter dados assimétricos com amostras pequenas ou desiguais – não teríamos muita certeza se nossos dados foram retirados de uma população com distribuição normal. Os testes não paramétricos não apresentam pressupostos em relação a dados, e você pode usar os testes descritos neste capítulo com segurança para analisar dados quando achar que não conseguirá satisfazer as condições dos testes paramétricos.

 

Respostas das atividades e dos exercícios no SPSS

PDF Criptografado

Respostas das atividades e dos exercícios no SPSS

Capítulo 1

Atividade 1.1

●●

●●

●●

●●

●●

●●

●●

●●

Velocidade do vento – contínua

Tipos de diplomas oferecidos por uma universidade – categórica

Nível de extroversão – contínua

Fabricantes de carros – categórica

Divisão na qual times de futebol competem – categórica

Número de peças de xadrez “capturadas” em um jogo – discreta

Peso de pandas gigantes – contínua

Número de pinturas expostas em galerias de arte – discreta

Atividade 1.2

O estudo é um delineamento quase-experimental. O pesquisador estava interessado em diferenças entre crentes e não crentes (céticos) no paranormal em termos de seus preconceitos perceptuais. O pesquisador não alocou aleatoriamente os participantes às condições de

VI (eles já eram crentes ou céticos quanto ao paranormal). Assim, esse é um delineamento quase-experimental.

Atividade 1.3

 

Carregar mais


Detalhes do Produto

Livro Impresso
eBook
Capítulos

Formato
PDF
Criptografado
Sim
SKU
MFPP000001873
ISBN
9788584291434
Tamanho do arquivo
27 MB
Impressão
Desabilitada
Cópia
Desabilitada
Vocalização de texto
Não
Formato
PDF
Criptografado
Sim
Impressão
Desabilitada
Cópia
Desabilitada
Vocalização de texto
Não
SKU
Em metadados
ISBN
Em metadados
Tamanho do arquivo
Em metadados