Calculadora t de amostras pareadas - antes e depois
Faça um teste t de amostras pareadas para comparar dois grupos relacionados — medições antes/depois, pares correspondentes — e obter o t, o valor-p e o intervalo de confiança.
Digite dois grupos de dados separados por vírgulas e com o mesmo tamanho, defina o nível de significância e o tipo de teste, e obtenha instantaneamente a saída completa do teste t pareado.
Calculadora t de amostras pareadas - antes e depois
Faça um teste t de amostras pareadas para comparar dois grupos relacionados — medições antes/depois, pares correspondentes — e obter o t, o valor-p e o intervalo de confiança.
Sobre a calculadora t de amostras pareadas
O teste t de amostras pareadas (também chamado de teste t dependente ou teste t de pares correspondentes) é um procedimento estatístico paramétrico que determina se a diferença média entre dois conjuntos de medições relacionadas é significativamente diferente de zero (ou de qualquer outro valor hipotetizado). Ele é chamado de “pareado” porque cada observação do grupo 1 corresponde exatamente a uma observação do grupo 2 — as duas medições vêm do mesmo sujeito, de participantes pareados ou do mesmo local medido em dois momentos diferentes.
A aplicação mais comum é um estudo antes e depois: um pesquisador mede uma característica (pressão arterial, nota de prova, peso, vendas) antes de uma intervenção e mede novamente depois. Como as mesmas pessoas são medidas duas vezes, os dois grupos não são independentes — são correlacionados. Ignorar essa correlação e usar um teste t para amostras independentes seria incorreto; isso subestimaria a precisão da comparação ao não levar em conta a variabilidade natural entre sujeitos que se cancela quando trabalhamos com diferenças.
O truque computacional que torna o teste t pareado elegante é reduzi-lo a um problema de uma amostra. Para cada par i, calcule a diferença d_i = Grupo1_i − Grupo2_i. O teste então pergunta: a média dessas diferenças (d̄) é significativamente diferente de zero? Isso transforma o problema de duas amostras em um teste t de uma amostra sobre as diferenças. A estatística é t = (d̄ − μ₀) / (s_d / √n), onde μ₀ é a diferença média hipotetizada (normalmente 0), s_d é o desvio padrão amostral das diferenças e n é o número de pares. Sob a hipótese nula, a estatística segue uma distribuição t de Student com df = n − 1 graus de liberdade.
O valor-p dessa estatística t informa a probabilidade de observar uma diferença média tão grande quanto d̄ (ou maior) se a verdadeira diferença média da população fosse μ₀. Se o valor-p ficar abaixo do nível de significância α escolhido, você rejeita a hipótese nula e conclui que existe uma diferença média estatisticamente significativa entre as medições pareadas. O intervalo de confiança de d̄ fornece uma faixa plausível para a verdadeira diferença média e, muitas vezes, é mais informativo que o valor-p sozinho.
Para que o teste t pareado seja válido, as diferenças d_i devem ser aproximadamente normalmente distribuídas. Essa suposição pode ser verificada olhando um histograma ou um gráfico Q-Q normal das diferenças. Com n ≥ 30, o Teorema Central do Limite torna essa suposição menos crítica, mesmo que as diferenças individuais não sejam normais. Para amostras pequenas com diferenças claramente não normais, o teste de postos sinalizados de Wilcoxon é a alternativa não paramétrica.
As aplicações mais comuns incluem ensaios clínicos de eficácia (antes e depois do uso de um medicamento), pesquisa educacional (pré-teste e pós-teste), estudos de nutrição e condicionamento físico (medições de base e de acompanhamento) e análise de negócios (vendas antes e depois de uma campanha publicitária). Em cada caso, o requisito-chave é que cada par de valores venha da mesma pessoa, entidade ou unidade pareada — e não de dois grupos independentes.
Exemplos resolvidos
Três cenários de antes e depois com dados realistas para ilustrar a saída do teste t pareado.
| Desenho do estudo | Estatística t / valor-p | Conclusão |
|---|---|---|
| Pressão arterial antes: 140,135,150,155,130,142,138,147,152,133 / depois: 132,130,145,148,125,135,130,140,145,128 (bilateral, α=0.05, n=10) | t ≈ 16.00, df = 9, p < 0.001 | Altamente significativa. O remédio reduziu a pressão sistólica média em 6.4 mmHg em 10 pacientes. |
| Notas antes: 75,80,82,70,88,65,90,78 / depois: 85,85,88,78,92,75,95,85 (bilateral, α=0.05, n=8) | t ≈ −8.47, df = 7, p < 0.001 | Melhora significativa. Os alunos tiveram, em média, 6.9 pontos a mais após o programa de reforço. |
| Vendas semanais antes: 500,550,480,600,520,530 / depois: 540,580,500,650,550,560 (bilateral, α=0.05, n=6) | t ≈ −7.91, df = 5, p < 0.001 | A campanha publicitária aumentou significativamente as vendas semanais em uma média de 33.3 unidades por loja. |
Como usar a calculadora t de amostras pareadas
- Digite os dados do Grupo 1 (por exemplo, valores “antes”) como uma lista separada por vírgulas no primeiro campo.
- Digite os dados do Grupo 2 (por exemplo, valores “depois”) no segundo campo. Os dois grupos precisam ter o mesmo número de valores; o primeiro número do Grupo 1 é pareado com o primeiro do Grupo 2, e assim por diante.
- Defina o nível de significância α (0.01, 0.05 ou 0.10) e a diferença média hipotetizada μ₀ (geralmente 0). Selecione o tipo de teste (bilateral, unilateral à direita ou unilateral à esquerda).
- Clique em Calcular para ver a estatística t, os graus de liberdade, o valor-p, a diferença média, o desvio padrão das diferenças e um intervalo de confiança de 95%.
- Compare o valor-p com α. Se p ≤ α, rejeite H₀ e conclua que existe uma diferença média estatisticamente significativa. Se p > α, não rejeite H₀.
Perguntas frequentes
Quando devo usar um teste t pareado em vez de um t independente?
Use um teste t pareado quando cada observação de um grupo estiver naturalmente pareada ou ligada a exatamente uma observação do outro grupo — por exemplo, a mesma pessoa medida antes e depois de um tratamento, ou dois irmãos atribuídos a dietas diferentes. Se os dois grupos forem independentes (pessoas diferentes, sem relação e sem pareamento), use um teste t para amostras independentes.
O que é a diferença média hipotetizada μ₀?
μ₀ é o valor que você supõe que a diferença média real seja sob a hipótese nula. Na maioria das aplicações — testar se uma intervenção tem algum efeito — μ₀ = 0. Para hipóteses mais específicas, como verificar se um medicamento reduz a pressão arterial em pelo menos 10 mmHg, você definiria μ₀ = 10.
E se minhas diferenças não forem normalmente distribuídas?
O teste t pareado assume que as diferenças são aproximadamente normais. Com n ≥ 30 pares, o Teorema Central do Limite torna essa suposição menos crítica. Para amostras pequenas com diferenças claramente não normais (verifique um histograma), o teste de postos sinalizados de Wilcoxon é uma alternativa não paramétrica robusta que não assume normalidade.
Como interpreto o intervalo de confiança?
O intervalo de confiança de 95% dá uma faixa de valores plausíveis para a verdadeira diferença média. Se o intervalo não incluir zero, o resultado é significativo em α = 0.05. O intervalo é mais informativo que o valor-p sozinho porque mostra a magnitude e a direção do efeito. Por exemplo, um IC de (2.3, 9.8) mostra que o efeito é significativo e varia de pequeno a moderadamente grande.
Posso fazer um teste t pareado unilateral?
Sim. Selecione “Unilateral à direita” se você prevê Grupo 1 > Grupo 2 (diferença média positiva), ou “Unilateral à esquerda” se você prevê Grupo 1 < Grupo 2 (diferença média negativa). Um teste unilateral é mais poderoso, mas só é válido quando a direção do efeito foi especificada antes da coleta de dados. Usar um teste unilateral apenas porque o resultado bilateral ficou limítrofe é uma forma de p-hacking.
O que um resultado significativo realmente significa?
Um resultado significativo (p ≤ α) significa que a diferença média observada é improvável de ter ocorrido por acaso se a hipótese nula fosse verdadeira. Isso não prova que a hipótese nula é falsa nem garante que o efeito seja grande ou clinicamente importante. Sempre informe a diferença média d̄, seu intervalo de confiança e um tamanho de efeito (como d de Cohen = d̄ / s_d) para que os leitores possam julgar a importância prática.