Manual SPSS v4

Breve Manual do SPSS / PASW 18.
0
Objectivo: auxiliar os alunos da ESAC, inscritos na unidade
curricular de Estatstica (curso de LBIO), na utilizao do SPSS
nas aulas prticas.

ESCOLA SUPERIOR AGRRIA DE COIMBRA
Elaborado por Veneranda Ins Batalha

INSTALAO DO PROGRAMA
O aluno dever dirigir-se aos Servios Informticos da ESAC
Contedo

1. JANELAS MAIS UTILIZADAS .............................................................................................................................. 3
2. VARIVEIS ESTATSTICAS E ESCALAS DE MEDIDA ....................................................................................... 6
3. ABERTURA DE UM FICHEIRO DE DADOS (captulo 3 do manual, pg. 11)........................................................ 8
4. INTRODUO DE DADOS MANUAL (captulo ? do manual, pg. ?) ............................................................... 15
5. ESTATSTICA DESCRITIVA (estatsticas e grficos) .......................................................................................... 18
TABELA DE FREQUNCIAS para as variveis Maternidade, Cor e Sexo .................................................... 18
CRUZAMENTO DE VARIVEIS.................................................................................................................... 19
QUARTIS da varivel Peso ......................................................................................................................... 20
PERCENTIS DE DIFERENTES ORDENS (0,1 0,25 0,5 0,8 0,9) para o peso ........................................... 21
MDIA, MEDIANA, MODA, SOMA, DESVIO-PADRO, VARINCIA, AMPLITUDE, MNIMO E MXIMO da
varivel peso ............................................................................................................................................. 21
GRFICO DE BARRAS, para as variveis qualitativas discretas .................................................................. 22
GRFICO CIRCULAR, para a varivel cor da primeira roupa do recm-nascido ........................................ 22
GRFICO DE BOX-PLOT, para a varivel peso (apenas uma varivel) ....................................................... 23
ALGUMAS CONSIDERAES ACERCA DO DIAGRAMA DE EXTREMOS E QUARTIS Boxplot (adequado
para dados quantitativos, discretos ou contnuos) ................................................................................... 25
GRFICO DE BOX-PLOT E ESTATSTICA DESCRITIVA, para a varivel peso relativamente ao sexo do
recm-nascido .......................................................................................................................................... 26
CONSTRUO DAS CLASSES [1, 2[ [2, 3[ [3, 4[ [4, 5], para a varivel peso .......................................... 29
HISTOGRAMA, para a varivel Classes_Peso (peso agrupada em 4 classes) ............................................. 32
DADOS AGRUPADOS EM CATEGORIAS ..................................................................................................... 35
6. CLCULO DE PROBABILIDADES DE DISTRIBUIES DISCRETAS E CONTNUAS .............................................. 38
Distribuio Binomial ................................................................................................................................ 39
Distribuio de Poisson ............................................................................................................................. 40
Distribuio Normal .................................................................................................................................. 42
Distribuio t-Student ............................................................................................................................. 49
Distribuio Qui-quadrado ...................................................................................................................... 50
Distribuio F-Snedecor .......................................................................................................................... 51
7. TESTES DE HIPTESES E INTERVALOS DE CONFIANA de um parmetro populacional ................................ 53

Verso de 7 de Novembro de 2010 Pgina 3

SPSS a sigla do software intitulado Statstical Package for the Social Sciences. Entre 2009 e 2010
o SPSS passou a ser chamado de PASW (Predictive Analytics SoftWare). O manual integral deste
programa, em ingls, pode ser encontrado de duas formas:
- http://support.spss.com/ProductsExt/Statistics/Documentation/18/client/User%20Manuals/Engl
ish/PASW%20Statistics%2018%20Core%20System%20User's%20Guide.pdf
- Aceder sua pasta c:\Programas\SPSSInc\PASWStatistics18\Manuals\PASW Statistics 18
Core System User's Guide

1. JANELAS MAIS UTILIZADAS
Ao iniciar o PASW Statistics 18.0 surge uma janela introdutria, onde poder escolher uma opo.
Caso queira colocar os seus dados, seleccione a opo Type in data; para abrir ficheiros de dados j
existentes, seleccione a opo Open an existing data source; se a primeira vez que utiliza o PASW
ento seleccione a opo Run the Tutorial para uma introduo rpida ao SPSS e s suas
potencialidades.

Na opo Open an existing data source poder aceder aos ficheiros de exemplo de que o PASW
dispe, seleccionando More Files e escolher c:\Programas\SPSSInc\PASWStatistics18\Samples\English\.
Janela de edio de dados e variveis <Data Editor Window> (possui duas folhas, em baixo,
esquerda da janela, onde apenas uma delas poder estar activa) As duas janelas seguintes so
representativas desta situao.

A imagem seguinte, referente janela de Output <Statistics Viewer Window>, que apresenta os
resultados de estatsticas, testes, etc

2. VARIVEIS ESTATSTICAS E ESCALAS DE MEDIDA
Varivel toda a caracterstica que, observada numa pessoa, animal, objecto, pode variar de um
indivduo para outro. A idade de uma pessoa e seus hbitos quanto ao fumo, o sexo de um roedor
colectado na natureza, a estatura em jogadores de basquetebol, a cor das sementes de uma espiga de
milho, a quantidade de cido acetilsaliclico em comprimidos com o nome comercial NC, o nvel de
hemoglobina no sangue constituem exemplos de variveis.
importante identificar que tipo de varivel est sendo estudado, uma vez que so recomendados
procedimentos estatsticos diferentes em cada situao. A principal diviso ocorre entre variveis
quantitativas e qualitativas.
Variveis quantitativas so aquelas cujos dados so valores numricos que expressam quantidades,
como a estatura das pessoas ou o nmero de sementes ntegras numa vagem. Estas podem ainda ser
classificadas em:
Variveis quantitativas discretas so aquelas em que os dados somente podem apresentar determinados
valores, em geral, nmeros inteiros.
Variveis quantitativas contnuas so aquelas cujos dados podem apresentar qualquer valor dentro de
um intervalo de variao possvel.
Variveis qualitativas ou categricas so as que fornecem dados de natureza no-numrica, como a cor
de uma flor, a raa de uma ovelha ou o sexo de um indivduo. Mesmo que os dados possam ser
codificados numericamente (masculino=1, feminino=2), os nmeros aqui so apenas smbolos sem
valor quantitativo. As diferentes categorias so mutuamente exclusivas. Estas variveis podem ser
medidas numa escala:
Escala nominal: Como o nome implica, nesse nvel diferencia-se uma categoria da outra somente por
meio da denominao da categoria, no sendo possvel qualquer tipo de ordenao.
Escala ordinal: possvel indicar diferentes categorias mas tambm reconhecer graus de intensidade
entre elas, o que possibilita uma ordenao (que seja inerente varivel e no imposta por
convenincia) das diferentes categorias.

Na pgina seguinte apresentado um esquema resumo, apresentando exemplos para cada uma das
classificaes.

Varivel
Quantitativa
discreta
Exemplos: nmero de filhos nascidos vivos, nmero de obras catalogadas,
nmero an ual de baixas hospitalares de uma pessoa.
contnua
Exemplos: a pluviosidade diria (mm) registada no quarto trimestre de 2007, o
ordenado de um trabalhador rural e o consumo elctrico mensal de uma famlia
de quatro pessoas ao longo de 2008.
Qualitativa
medida numa escala
nominal
Exemplos: sexo de um coelho (masculino, feminino), classificao de um
paciente psiquitrico (psictico, neurtico) e o grupo sanguneo de uma
pessoa (A, B, AB e O).
As variveis nominais podem ainda ser divididas em binrias ou dicotmicas,
quando compostas por duas categorias e polinominais, quando apresentam
mais de duas categorias possveis.
medida numa escala
ordinal
Exemplos: grau de dor ( nenhuma at dor insuportvel), o
comportamento de um animal (submisso, neutro ou agressivo), a cor
de determinada flor (desde branca at vermelho, passando por diversas
tonalidades de rosa) e as habilitaes literrias de um indivduo (9 ano, 12
ano, licenciatura, ps-graduao, mestrado e doutoramento).
No quadro seguinte encontra-se a simbologia utilizada no PASW, ou seja, os smbolos utilizados
consoante os diferentes nveis de mensurao e tipo de valores, aquando da introduo de dados no
software.

Fonte: Manual do programa, pgina 6

3. ABERTURA DE UM FICHEIRO DE DADOS (captulo 3 do manual, pg. 11)
Ao escolher na barra de menu de qualquer janela do SPSS, File OpenData, surge a janela

O SPSS permite abrir ficheiros oriundos de diferentes programas: obviamente do SPSS (*.sav), Systat
(*.sys), Excel (*.xls, *.xlsm, *.xlsx), Lotus (*.w*), SAS (*.xpt), Stata (*.dta), Text (*.txt, *.dat) e
outros.
Muitas vezes os dados encontram-se numa folha do Excel e inconcebvel voltar a introduzir os dados
novamente. Por essa razo possvel abrir um ficheiro do Excel 95 ou uma verso superior, sendo
necessrio ter alguns cuidados:
- A cada coluna deve corresponder uma varivel e primeira linha o nome de cada varivel;
- Em cada coluna os valores devero ser sempre do mesmo tipo: apenas datas, apenas nmeros,
apenas texto, etc;
- Se numa coluna de valores numricos existirem clulas em branco, estes sero convertidos no
sistema de valores omissos do SPSS;
- Se os nomes das variveis no seguirem as especificaes do SPSS, ser-lhes-o atribudos
outros nomes.
Exemplo para o Excel - considere a folha de clculo seguinte, criada no Excel:
A B C D E F G
1
2
3 Nome_aluno Dat_Insc Teste 1 Teste 2 Teste 3 Status
4 Nuno 09-01-2009 1 4,5 2,5 Reprovado
5 Patrcia 20-09-2009 3,5 7 8 Reprovado
6 Marco 12-10-2009 12 13 14 Aprovado
7 Manuel 23-10-2009 5 6 7 Reprovado
8 Elisa 14-10-2009 8 12 14 Aprovado
9 Ins 25-10-2009 7 7 7 Reprovado
10 Sara 06-10-2009 4 4 Reprovado
11 Carla 17-09-2009 11 10 9 Aprovado
12 Andr 18-10-2009 11 11 Reprovado
13

Para conseguir ler estes dados no Excel, proceda de acordo com o que foi dito anteriormente.
No SPSS escolher menu File OpenData

O SPSS detecta dados no intervalo B3:G12 da folha1 do ficheiro analisado. Podemos concordar ou
definir um novo intervalo de dados. Caso exista dados noutras folhas, elas seriam identificadas e o
utilizador apenas teria de escolher a folha e o range pretendidos.

E assim os dados passam a poder ser visualizados no SPSS (ver imagem em baixo). Por vezes na
Variable View, nem tudo est como se pretende, nomeadamente nas colunas Label e Measure, pelo
que convm verificar e/ou emendar.

Exemplo de um ficheiro de texto:

Coloque os dados no Bloco de Notas do
Windows, utilizando apenas o Tab para separar os
valores e Enter para mudar de linha. No SPSS
escolher menu File OpenData.

De seguida basta seguir os 6 passos seguintes:




E finalmente podemos observar os dados no SPSS

4. INTRODUO DE DADOS MANUAL (captulo ? do manual, pg. ?)
Ao iniciar o PASW Statistics 18.0 surge uma janela introdutria, seleccione a opo Type in data e
surge a Janela de edio de dados e variveis <Data Editor Window>.
Deve comear por definir as variveis primeiro e s depois digitar os dados.
Nota importante: Ao definir uma varivel como alfanumrica (opo String no menu Type) no
poder depois efectuar o mtodo estatstico apropriado para comparar, por exemplo, se o peso do
recm-nascido idntico nas 3 maternidades.
De modo a esclarecer algumas questes, comece por introduzir quatro variveis:
Nome: maternidade
Tipo: numrico
Nome completo (Label): nome da maternidade
Codificao dos Value Labels: (1, Estefnia) (2, Alfredo da Costa) (3, Amadora-Sintra)

Nome: cor
Tipo: String ou alfanumrica
Nome completo: cor da primeira roupa do recm-nascido
Codificao dos Value Labels: (1, rosa) (2, azul) (3, amarelo) (4, branco)
Valores em falta (missing): NR

Nome: peso
Tipo: numrico, com 3 casas decimais
Nome completo: peso do recm-nascido, em Kg
Valores em falta: 999

Nome: sexo
Tipo: numrico
Nome completo: sexo do recm-nascido
Codificao dos Value Labels: (1, M) (2, F)

Aps a definio das variveis, pode agora introduzir os dados manualmente. Caso tenha os dados
dispersos numa folha do Excel, pode utilizar as opes de copiar e colar.

Caso queira visualizar os dados originais, ou seja, prescindindo da codificao de valores, basta
escolher menu View Value Labels

5. ESTATSTICA DESCRITIVA (estatsticas e grficos)
Para explicitar esta matria, irei utilizar o exemplo dos recm-nascidos na maternidade, que passarei a
designar por exemplo 1 (dados criados no ponto anterior 4).
TABELA DE FREQUNCIAS para as variveis Maternidade, Cor e Sexo
Escolher menu Analyse Descriptive Statistics Frequencies, obtendo-se a seguinte imagem.
Dever escolher apenas Display frequency tables, ignorando as restantes opes.

O output obtido pelo PASW poder ser copiado e posteriormente colado num documento Word
(utilizar o colar especial como texto formatado (RTF), permitindo ainda assim alterar a formatao).
Statistics

Nome da maternidade Sexo do recm-nascido
Cor da primeira roupa do
recm-nascido
N Valid 16 16 14
Missing 0 0 2

Frequency Table
Nome da maternidade

Frequency Percent Valid Percent
Cumulative
Percent
Valid Estefnia 4 25,0 25,0 25,0
Alfredo da Costa 6 37,5 37,5 62,5
Amadora-Sintra 6 37,5 37,5 100,0
Total 16 100,0 100,0


Sexo do recm-nascido

Cumulative
Percent
Valid M 7 43,8 43,8 43,8
F 9 56,3 56,3 100,0
Total 16 100,0 100,0

Cor da primeira roupa do recm-nascido

Cumulative
Percent
Valid Rosa 4 25,0 28,6 28,6
Azul 3 18,8 21,4 50,0
Amarelo 4 25,0 28,6 78,6
Branco 3 18,8 21,4 100,0
Total 14 87,5 100,0

Missing NR 2 12,5

Total 16 100,0

CRUZAMENTO DE VARIVEIS
Escolher menu Analyse Descriptive Statistics Crosstabs; Na janela que surge dever escolher o
boto Cells e seleccionar a opo Counts Observed


Case Processing Summary

Cases
Valid Missing Total
N Percent N Percent N Percent
Nome da maternidade * Cor da
primeira roupa do recm-nascido
* Sexo do recm-nascido
14 87,5% 2 12,5% 16 100,0%

Nome da maternidade * Cor da primeira roupa do recm-nascido * Sexo do recm-nascido Crosstabulation
Count
Sexo do recm-nascido Cor da primeira roupa do recm-nascido
Total rosa azul amarelo branco
M Nome da maternidade Estefnia 1 1 0

2
Amadora-Sintra 0 1 2

3
Total 1 2 2

5
F Nome da maternidade Estefnia 0 0 1 1 2
Alfredo da Costa 2 1 1 2 6
Amadora-Sintra 1 0 0 0 1
Total 3 1 2 3 9

QUARTIS da varivel Peso
Escolher menu Analyse Descriptive Statistics Frequencies; Na janela que surge dever escolher
o boto Statistics e seleccionar a opo Quartiles, ignorando as restantes opes.

Statistics
Peso do recm-nascido, em Kg
N Valid 14
Missing 2
Percentiles 25 2,68750
50 3,02500
75 3,35000

PERCENTIS DE DIFERENTES ORDENS (0,1 0,25 0,5 0,8 0,9) para o peso
o boto Statistics e seleccionar a opo Percentile(s), ignorando as restantes opes

Statistics
N Valid 14
Missing 2
Percentiles 10 2,07500
25 2,68750
50 3,02500
80 3,50000
90 4,00000
MDIA, MEDIANA, MODA, SOMA, DESVIO-PADRO, VARINCIA, AMPLITUDE,
MNIMO E MXIMO da varivel peso
o boto Statistics e seleccionar as opes assinaladas na imagem abaixo, ignorando as restantes
opes.

Statistics
N Valid 14
Missing 2
Mean 3,01786
Median 3,02500
Mode 3,100
Std. Deviation ,589852
Variance ,348
Range 2,150
Minimum 1,950
Maximum 4,100
Sum 42,250

GRFICO DE BARRAS, para as variveis qualitativas discretas
o boto Graphs e seleccionar a opo Bar Chart.

Statistics

Nome da
maternidade
Cor da
primeira roupa
do recm-
nascido
Sexo do
recm-
nascido
N Valid 16 14 16
Missing 0 2 0

GRFICO CIRCULAR, para a varivel cor da primeira roupa do recm-nascido

Escolher menu Analyse Descriptive
Statistics Frequencies; Na janela que surge
dever escolher o boto Graphs e seleccionar
a opo Pie Charts.

GRFICO DE BOX-PLOT, para a varivel peso (apenas uma varivel)
Escolher menu Graphs Graph Builder Gallery, Boxplot

Arraste agora o tipo de boxplot que pretende da Gallery, a varivel pretendida e alguma opo que
pretenda do Basic Elements (observe as setas na imagem seguinte).


Obteve-se o seguinte grfico (diagrama de extremos e quartis ou boxplot:

No foram detectados
outliers.
Informaes necessrias para a
construo deste grfico:
mnimo, 1 quartil, mediana, 3
quartil e mximo.
ALGUMAS CONSIDERAES ACERCA DO DIAGRAMA DE EXTREMOS E QUARTIS
Boxplot (adequado para dados quantitativos, discretos ou contnuos)
um tipo de representao grfica, em que se realam algumas caractersticas da amostra. O conjunto
dos valores da amostra compreendidos entre o 1 e o 3 quartis, que vamos representar por Q
1/4
e Q
3/4

representado por um rectngulo (caixa) com a mediana (med) indicada por uma barra. A largura do
rectngulo no d qualquer informao, pelo que pode ser qualquer. Consideram-se seguidamente duas
linhas que unem os meios dos lados do rectngulo com os extremos da amostra. Para obter esta
representao, comea por se recolher da amostra, informao sobre 5 nmeros, que so: os 2
extremos (mnimo e mximo, caso no sejam considerados outliers ou candidatos a outliers), a
mediana e o 1 e 3 quartis. A representao do diagrama de extremos e quartis tem o seguinte aspecto:

O extremo inferior o mnimo da amostra, enquanto que o extremo superior o mximo da amostra.
Qual a importncia deste tipo de representao? Reala informao importante sobre os dados,
como sejam o centro da amostra (mediana), variabilidade e simetria. Repare-se que da forma como o
diagrama se constri, se pode retirar imediatamente a seguinte informao:

Como que se pode reconhecer a simetria ou o enviesamento dos dados, a partir do diagrama de
extremos e quartis? Existem fundamentalmente trs caractersticas, que nos do ideia da simetria ou
enviesamento e da sua maior ou menor concentrao: a distncia entre a linha indicadora da mediana e
os lados do rectngulo, o comprimento das linhas que saem dos lados dos rectngulos e o comprimento
da caixa.
Regras para a classificao dos outliers (observao suspeita, pois afasta-se do padro geral dos
dados).
Outliers caso ultrapasse um dos quartis em 1,5 vezes a amplitude inter-quartil (AIQ)
Outliers moderados caso se situe entre 1,5 e 3 vezes a AIQ, a partir de um dos quartis
Outliers severos ou valores extremos caso ultrapasse um dos quartis em 3 vezes a AIQ

GRFICO DE BOX-PLOT E ESTATSTICA DESCRITIVA, para a varivel peso
relativamente ao sexo do recm-nascido

Uma forma de obter o que pedido escolher o menu Analyse Descriptive StatisticsExplore
e siga as indicaes das janelas seguintes.

Aps as opes anteriores, os resultados foram os seguintes:

Case Processing Summary
Sexo do recm-
nascido
Cases
Valid Missing Total
N Percent N Percent N Percent
Peso do recm-
nascido, em Kg

M 6 85,7% 1 14,3% 7 100,0%
F 8 88,9% 1 11,1% 9 100,0%

Descriptives
Sexo do recm-nascido Statistic Std. Error
Peso do recm-
nascido, em Kg
M Mean 2,90000 ,199583
95% Confidence Interval for Mean Lower Bound 2,38696
Upper Bound 3,41304
5% Trimmed Mean 2,93056
Median 3,02500
Variance ,239
Minimum 1,950
Maximum 3,300
Range 1,350
Interquartile Range ,563
Skewness -1,947 ,845
Kurtosis 4,164 1,741
F Mean 3,10625 ,238379
95% Confidence Interval for Mean Lower Bound 2,54257
Upper Bound 3,66993
5% Trimmed Mean 3,10139
Median 2,95000
Variance ,455
Minimum 2,200
Maximum 4,100
Range 1,900
Interquartile Range 1,237
Skewness ,312 ,752
Kurtosis -1,199 1,481

Outra forma de obter o boxplot, escolher o menu Graphs Graph Builder Gallery, Boxplot
detectada a presena
de um outlier
severo ou valor
extremo (o indivduo 1
que se encontra na
tabela dos dados).
Dever ser
considerada a sua
eliminao dos dados.
CONSTRUO DAS CLASSES [1, 2[ [2, 3[ [3, 4[ [4, 5], para a varivel peso
(captulo 7 do manual, Visual Banning, PGINA 116)
O Visual Binning foi criado para assistir no processo de criao de novas variveis baseado no
agrupamento de dados contnuos, num nmero limite de categorias distintas. O Visual Binning pode
ser usado para:
Construir classes de uma varivel contnua; as classes sero encaradas como variveis
categricas;
Transformar uma varivel medida numa escala ordinal, com um grande nmero de valores
distintos, numa nova varivel com menos valores distintos (novas categorias).
1 PASSO - escolher o menu Transform Visual Binning e seleccionar a varivel que pretende
agrupar em bins (classes ou novas categorias). Seleccione o boto Continue.
NOTA: a lista das variveis contm apenas as variveis numricas medidas numa escala ordinal
e as variveis contnuas.

2 PASSO na prxima janela escolher o nome da Binned Variable, alterar o Label se assim
entender, inserir na grelha os valores de cutpoints 2, 3, 4 (inseridos abaixo na clula HIGH, um a
um, seguido de ENTER), seleccionar Excluded (<) Upper Endpoints de modo a que o intervalo da
classe esteja aberto direita ( [ , [ ) e finalmente carregar na opo Make Labels.
Seleccionar OK.

Na janela de Edio de dados, aparecer a nova varivel Classes_Peso, onde indica o n
da classe ou a classe a que pertence o valor da varivel Peso, para cada um dos 16
indviduos.

OU

HISTOGRAMA, para a varivel Classes_Peso (peso agrupada em 4 classes)
Escolher o menu Graphs Graph Builder Gallery, Histogram

De seguida apresento o histograma que resultou da construo classes utilizando o Visual Binning.


Uma vez que o PASW considera os bins como categorias, o histograma mais parece um grfico de
barras! Por essa razo devemos editar o grfico (duplo clique em cima do grfico), novo duplo clique
em cima de uma das barras e no Bar Optins aumentar o espaamento das barras para 100, de modo
a que estas fiquem adjacentes, indiciando a continuidade da varivel peso de um recm-nascido.

apenas o boto Graphs e seleccionar a opo Histogram.

Obviamente este histograma utiliza outras classes (o utilizador no sabe especificamente quais as
classes que foram construdas).
.

DADOS AGRUPADOS EM CATEGORIAS
Considere o seguinte exerccio:

RESOLUO DO EXERCCIO:
Inserir no Editor de dados e variveis a seguinte informao:

Tendo como objectivo analisar o conhecimento dos alunos da Escola Superior Agrria de Coimbra acerca do
projecto EMAS@SCHOOL, foram inquiridos 400 grupos de cinco alunos desta escola. Registado o nmero
de alunos por grupo que tinham conhecimento do projecto, obteve-se os seguintes resultados:
N. de alunos no grupo que tinham conhecimento do projecto 0 1 2 3 4 5
N. de grupos 16 32 89 137 98 28

Construa a tabela de frequncias;
Calcule a mdia, moda, o desvio padro e a mediana;
Esboce os diagramas de barras e de extremos e quartis.

chegada a altura de transmitir ao PASW que existe uma varivel (n alunos) que est a ser
ponderada, pesada por uma outra varivel que representa uma frequncia.

Escolher menu Data Weight Cases onde surgir a janela abaixo; ser necessrio seleccionar qual a
varivel que representa a frequncia.

Escolher menu Analyse Descriptive Statistics Frequencies e seleccionar tudo o que foi pedido
no exerccio, utilizando as opes Statistics, Charts , para alm da tabela de frequncias que j se
encontra escolhida por defeito. Clicar OK

Os resultados que apresento a seguir foram colocados na janela de Output.


Statistics
N_alunos
N Valid 400
Missing 0
Mean 2,88
Median 3,00
Mode 3
Std. Deviation 1,190
Variance 1,417
Range 5
Minimum 0
Maximum 5
Sum 1153
Percentiles 25 2,00
50 3,00
75 4,00

N_alunos

Cumulative
Percent
Valid 0 16 4,0 4,0 4,0
1 32 8,0 8,0 12,0
2 89 22,3 22,3 34,3
3 137 34,3 34,3 68,5
4 98 24,5 24,5 93,0
5 28 7,0 7,0 100,0
Total 400 100,0 100,0

6. CLCULO DE PROBABILIDADES DE DISTRIBUIES DISCRETAS E
CONTNUAS
Escolher o menu Transform Compute Variable onde surgir a janela abaixo:

obrigatrio indicar a varivel onde iro ser colocados os clculos a realizar (Target Variable), a
expresso numrica que pretende realizar (Numeric Expression), podendo utilizar as funes
disponveis nesta janela (inclui uma breve explicao acerca da funo).
Para calcular probabilidades de uma distribuio discreta, poder utilizar a funo massa de
probabilidade
( ) ( ) f x P X x = = ou a funo de distribuio
( ) ( ) F x P X x = s utilizando,
respectivamente, o grupo de funes intitulado PDF & Noncentral PDF e CDF & Noncentral
CDF. O grupo PDF & Noncentral PDF contm as funes de distribuio pontuais f(x), referindo-
se s funes de massa de probabilidade (no caso discreto) e densidade (no caso contnuo), para
distribuies simtricas ou assimtricas. O grupo CDF & Noncentral CDF contm as funes de
distribuio cumulativas F(x), para distribuies simtricas ou assimtricas.
O grupo Inverse DF contm as funes inversas de distribuies contnuas que permitem obter
quantis de ordem p.
Distribuio Binomial

Uma vez que esta varivel aleatria assume apenas os valores 0, 1, 2, 3,, 8 necessrio criar uma
varivel (designada por valores_x) no SPSS/PASW que contenha estes valores.
Utilizar, por duas vezes, a opo Computer Variable, escolhendo:
Target Variable: fmp_f (o utilizador pode escolher outro nome)
Numeric expression: =PDF.Binom(valores_x,8,0.4)
OK

Target Variable: fdist_F (o utilizador pode escolher outro nome)
Numeric expression: =CDF.Binom(valores_x,8,0.4)
OK

Supondo que a varivel aleatria
( ) Binomial 8, 0.4 X n p = = , obtenha os valores de
( ) f x ,
( ) F x
e os respectivos grficos. Calcule as probabilidades
( ) 2 P X s e
( ) 2 6 P X < < .


Funo massa de probabilidade da Binomial (8;0,4) Funo distribuio da Binomial (8;0,4)

Agora j pode calcular variadas probabilidades:
( ) ( ) ( ) ( ) 2 0 1 2 0, 0168 0, 0896 0, 2090 0, 3154 P X f f f s = + + ~ + + =
OU
( ) ( ) 2 2 0,3154 P X F s = ~

( ) ( ) ( ) ( ) 2 6 3 4 5 0, 2787 0, 2322 0,1239 0, 6348 P X f f f < < = + + ~ + + =
OU
( ) ( ) ( ) ( ) 2 6 2 5 5 2 0,9502 0,3154 0, 6348 P X P X F F < < = < s = ~ =

Distribuio de Poisson

Uma vez que esta varivel aleatria assume os valores 0, 1, 2, 3,, + necessrio criar uma
varivel (designada por valores_x) no SPSS/PASW que contenha alguns destes valores, uma vez que
seria difcil ir at +
Target Variable: fmp_f (o utilizador pode escolher outro nome)
Numeric expression: =PDF.Poisson(valores_x,5)
OK

Target Variable: fdist_F (o utilizador pode escolher outro nome)
Numeric expression: =CDF.Poisson(valores_x,5)
OK

( ) 5 X Poisson = , obtenha os valores de
( ) f x ,
( ) F x e os
respectivos grficos. Calcule as probabilidades
( ) 3 P X > e
( ) 10 12 P X s < .


Funo massa de probabilidade da Poisson(5) Funo distribuio da Poisson(5)

( ) ( ) ( ) ( ) ( ) ( ) 3 1 3 1 0 1 2 3 1 0, 0067 0, 0337 0, 0842 0,1404 0, 735 P X P X f f f f > = s = ~ =
OU
( ) ( ) ( ) 3 1 3 1 3 1 0, 2650 0, 7350 P X P X F > = s = ~ =

( ) ( ) ( ) 10 12 10 11 0, 0181 0, 0082 0, 0263 P X f f s < = + ~ + =
OU
( ) ( ) ( ) ( ) 10 12 9 11 11 9 0,9945 0,9682 0, 0263 P X P X F F s < = < s = ~ =
Distribuio Normal
Uma varivel aleatria contnua X segue a lei Normal, ( ) , X N o , se a funo densidade de
probabilidade for dada por
2
1
1
2
( ) , , , 0
2
x
f x e x IR
o
o
o t
| |
|
|
\ .
= e > em que e o
representam, respectivamente, a mdia (localiza o centro da distribuio) e o desvio padro da
populao (mede a variabilidade de X em torno da mdia ).

Figura Curva normal tpica ( , , 0 x IR o e > )

A distribuio normal de mdia 0 e desvio padro 1 chamada de distribuio Normal padro, e
costuma ser denotada por Z.
A estandardizao a operao que transforma uma Normal ( , o) numa Normal (=0; o

=1), ou
seja,
( , ) Z (0,1)
X
X N N
o
o
=
.
A probabilidade de uma varivel contnua assumir valores entre a e b igual rea sob a curva entre
esses dois pontos. A determinao destas probabilidades realizada matematicamente atravs da
integrao da funo de densidade de probabilidade (f.d.p.) entre os pontos a e b de interesse, ou seja,
( ) ( )
2
1
1
2
2
b b
a a
x
e P a X b f x dx dx
o
o t
| |
|
\ .
< < = =
} }
. No caso da Normal, o integral no pode ser
calculado exactamente e a probabilidade entre dois pontos s pode ser obtida aproximadamente, por
mtodos numricos.

o
: mdia
o: desvio padro
x
f(x)

Alnea a)
Foram criadas duas variveis, designadas por valores_z e valores_x, no software SPSS/PASW. Uma
vez que as variveis assumem valores reais, o software no aconselhado visto no ser uma folha de
clculo, pelo que os valores foram obtidos no Excel e de seguida copiados para o SPSS/PASW.
Utilizar, por quatro vezes, a opo Computer Variable, escolhendo:
Target Variable: fdp_fz (o utilizador pode escolher outro nome)
Numeric expression: =PDF.Normal(valores_z, 0 , 1) OK

Target Variable: fdist_Fz (o utilizador pode escolher outro nome)
Numeric expression: =CDF. Normal (valores_z, 0 , 1) OK

Target Variable: fdp_fx (o utilizador pode escolher outro nome)
Numeric expression: =PDF. Normal (valores_x, -3 , 1.5) OK

Target Variable: fdist_Fz (o utilizador pode escolher outro nome)
Numeric expression: =CDF. Normal (valores_x, -3 , 1.5) OK
( ) ( ) Normal 0; 1 e Normal 3; 1, 5 Z X o o = = = =

a) Obtenha os grficos de
( ) f x e
( ) F x . Quais as propriedades que observa?
b) Comprove as percentagens indicadas na figura abaixo, atravs de probabilidades adequadas;

c) Calcule as probabilidades ( ) 0 P Z < , ( ) 3 P X > e ( ) 2,1 P Z = . O que pode concluir?
d) Determine os seguintes quantis da v.a. ( ) Normal 3; 1, 5 X o = = : primeiro quartil, terceiro
decil e nonagsimo oitavo percentil.

68.26 %
99.73 %
+o +3o
+2o
-o
-2o
-3o
95.46 %

Uma vez que se tratam de funes contnuas, no Chart Builder dever escolhar um grfico de linhas na Gallery e arrasta-lo para o Chart
Preview e na janela Element Properties escolher a interpolao do tipo Spline e interpolar para valores em falta.

Observao: uma vez que para os valores em falta seleccionada a interpolao, os valores_z j podem ser escassos (e assim no
precisam de ser gerados no Excel); sugiro que coloquem no SPSS/PASW os valores_z -4, -3, -2, -1, 0, 1, 2, 3, 4 , obtenham f(z) e
faam o grficomuito semelhante e com menor esforo!
Alnea a) (continuao)

Curva da funo densidade de probabilidade da Normal (0; 1) Curva da funo densidade de probabilidade da Normal (-3; 1,5)

Propriedades da funo densidade de probabilidade:
fica identificada pelos dois parmetros: valor mdio e desvio-padro o; tem a forma de sino; simtrica em relao recta de equao x = ; a rea
compreendida entre a curva e o eixo XX igual a 1 (propriedade da f.d.p); tem dois pontos de inflexo (mudana de concavidade) de abcissas -o e +o; a
mdia = moda = mediana = ;

Alnea a) (continuao)

Curva da funo distribuio da Normal (0; 1) Curva da funo distribuio da Normal (-3; -1,5)

Propriedades da funo distribuio:
( ) ( ) F x P X x = s uma funo cumulativa no decrescente, contnua direita e ( ) ( ) lim 0 e lim 1
x x
F x F x
+
= = .

Alnea b)
( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )
1 1 1 1 . 1, 0,1 . 1, 0,1
0,8413 0,1587 0, 6826 68, 26%
OU tendo em conta a simetria da dist. Normal
1 1 2 0 1 2 1 0 2 . 1, 0,1 . 0, 0,1
2 0,8413 0,
P Z P Z F F CDF Normal CDF Normal
P Z P Z F F CDF Normal CDF Normal
o o < < + = < < = = ~
~ = =
< < = < < = = ~
~ ( ) 5 2 0,3413 0, 6826 68, 26% = = =

( ) ( ) ( ) ( ) ( ) ( ) 2 2 2 2 2 2 . 2, 0,1 . 2, 0,1
0,9772 0, 0228 0,9544 95, 44%
P Z P Z F F CDF Normal CDF Normal o o < < + = < < = = ~
~ = =

( ) ( ) ( ) ( ) ( ) ( ) 3 3 3 3 3 3 . 3, 0,1 . 3, 0,1
0,9987 0, 0013 0,9974 99, 74%
P Z P Z F F CDF Normal CDF Normal o o < < + = < < = = ~
~ = =

Alnea c) Calcule as probabilidades ( ) 0 P Z < , ( ) 3 P X > e ( ) 2,1 P Z = . O que pode concluir?
Atravs da observao dos grficos das f.d.p. ( ) ( ) e f z f x , as probabilidades
( ) ( ) 0 3 0, 5 P Z P X < = > = , pelo que correspondem a metade da rea compreendida entre a curva da
f.d.p. e o eixo XX. A ltima probabilidade equivale a calcular a rea de uma recta, logo
( ) 2,1 0 P Z = =
OU ( ) ( ) ( ) 0 0 . 0, 0,1 0, 5 P Z F CDF Normal < = = =

( ) ( ) ( ) ( ) 3 1 3 1 3 1 . 3, 3,1.5 1 0, 5 0, 5 P X P X F CDF Normal > = < = = = =
OU atendendo operao de estandardizao/padronizao
( )
( )
( ) ( ) ( )
3 3
3 0 1 0 1 . 0, 0,1 1 0, 5 0, 5
1, 5
P X P Z P Z F CDF Normal
| |
> = > = > = = = =
|
\ .

( ) ( ) ( ) ( )
( ) ( )
2,1 2, 0999 2,1001 2,1001 2, 0999
. 2.1001, 0,1 . 2.0999, 0,1 0, 9821 0, 9821 0
P Z P Z F F
CDF Normal CDF Normal
= ~ < < = =
= ~ =

Assim pode-se concluir que a mediana da v.a. ( ) Normal 0; 1 Z o = = zero e a mediana da v.a.
( ) Normal 3; 1, 5 X o = = igual a -3. Isto acontece devido ao facto de que na distribuio
Normal a mdia = mediana = . As probabilidades pontuais em distribuies. contnuas so sempre
nulas.
Alnea d) Determine os quantis: primeiro quartil, terceiro decil e nonagsimo oitavo percentil.
primeiro quartil = ( )
1
4
. 0.25, 3,1.5 4, 01 Q IDF Normal = ~
terceiro decil = ( )
3
10
. 0.3, 3,1.5 3, 79 Q IDF Normal = ~
nonagsimo oitavo percentil = ( )
98
100
. 0.98, 3,1.5 0, 08 Q IDF Normal = ~
Distribuio t-Student
A distribuio possui um nico parmetro (g.l. > 0) denominado grau de liberdade. Domnio de f = IR

Foram criadas duas variveis, designadas por valores_y e valores_g, no software SPSS/PASW. Uma
vez que as variveis assumem valores reais, o software no aconselhado visto no ser uma folha de
clculo, pelo que os valores foram obtidos no Excel e de seguida copiados para o SPSS/PASW.
Target Variable: fdp_fy Numeric expression: =PDF.T(valores_y, 3) OK

Target Variable: fdp_fg Numeric expression: =PDF.T(valores_g, 200) OK

Curva da funo densidade t
3
Curva da funo densidade t
200

NOTA: Quando o n. de graus de liberdade elevado, a f.d.p. da t-Student aproxima-se da N(0,1).

Determinao dos quantis ( )
gl
t p :
15 percentil da
3
t = ( ) ( )
3
0,15 . 0.15, 3 1, 25 t IDF T = ~
mediana da
3
t = ( ) ( ) ( )
3
0, 5 . 0.5, 3 0 tal como se pode observar numa das f.d.p. t IDF T = ~
85 percentil da
3
t = ( ) ( ) ( )
3
0,85 . 0.85, 3 1, 25 simetrico do decimo quinto percentil t IDF T = ~
NOTA: numa distribuio simtrica em torno de zero,
1 p p
Q Q
=
Obtenha os grficos da funo densidade de
3 gl
Y t
=
e de
200
G t . Determine o 15 percentil, a
mediana e o octogsimo quinto percentil da v.a. Y.

Distribuio Qui-quadrado
A distribuio possui um nico parmetro (g.l. > 0) denominado grau de liberdade. Domnio de f = IR
+


Foram criadas duas variveis, designadas por valores_x1 e valores_x2, no software SPSS/PASW.
Uma vez que as variveis assumem valores superiores a zero, o software no aconselhado visto no
ser uma folha de clculo, pelo que os valores devem ser obtidos no Excel e de seguida copiados para
SPSS/PASW.
Target Variable: fdp_fx1 Numeric expression: =PDF.Chisq(valores_x1, 1) OK

Target Variable: fdp_fx2 Numeric expression: =PDF.Chisq(valores_x2, 5) OK

Curva da funo densidade
2
1 gl
_
=
Curva da funo densidade
2
5 gl
_
=

2
gl
p _ :
15 percentil do
2
5
_ = ( ) ( )
2
5
0,15 . 0.15, 5 1, 99 IDF Chisq _ = ~
mediana do
2
5
_ = ( ) ( )
2
5
0, 5 . 0.5, 5 4, 35 IDF Chisq _ = ~
terceiro quartil do
2
5
_ = ( ) ( )
2
5
0, 75 . 0.75, 5 6, 63 IDF Chisq _ = ~
1
2
1 gl
X _
=
e de
2
2
5 gl
X _
=
. Determine o 15
percentil, a mediana e o terceiro quartil da varivel X
2
.

Distribuio F-Snedecor
A distribuio possui 2 parmetros (gl1, gl2 > 0) denominados graus de liberdade. Domnio de f = IR
+
.

Foram criadas duas variveis, designadas por valores_m1 e valores_m2, no software SPSS/PASW.
Uma vez que as variveis assumem valores superiores ou iguais a zero, o software no aconselhado
visto no ser uma folha de clculo, pelo que os valores foram obtidos no Excel e de seguida copiados
para o SPSS/PASW.
Utilizar, por trs vezes, a opo Computer Variable, escolhendo:
Target Variable: fdp_fm1 Numeric expression: =PDF.F(valores_m1, 1, 40) OK



Curva da funo densidade F
1, 40
Curva da funo densidade F
100,100

1 1 1; 2 40 gl gl
M F
= =
,
2 1 100; 2 100 gl gl
M F
= =
e de
3 1 6; 2 28 gl gl
M F
= =
. Determine o 1 quartil, a mediana e o 3 quartil da v.a. M
3
.


NOTA: A distribuio densidade f(x) assimtrica e os aspectos da funo densidade so variados.

1, 2 gl gl
F p :
1 quartil de
6, 28
F = ( ) ( )
6, 28
0, 25 . 0.25, 6, 28 0, 57 F IDF F = ~
mediana de
6, 28
F = ( ) ( )
6, 28
0, 5 . 0.5, 6, 28 0, 91 F IDF F = ~
3 quartil de
6, 28
F = ( ) ( )
6, 28
0, 75 . 0.75, 6, 28 1, 4 F IDF F = ~

NOTA: ( )
( )
1, 2
2, 1
1
1
gl gl
gl gl
F p
F p
=

Curva da funo
densidade F
6,28

7. TESTES DE HIPTESES E INTERVALOS DE CONFIANA de um parmetro
populacional

Manual SPSS v4

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Manual SPSS v4

Diunggah oleh

Hak Cipta:

Format Tersedia

Breve Manual do SPSS / PASW 18.

Anda mungkin juga menyukai