E5: Página Web e Blogue da unidade curricular "Metodologias de Análise de Dados" (MAD), 2020-2021

• Metodologias de Análise de Dados 2020 - 2021 - página web

 

• Blogue Metodologias @ Geografia . Planeamento 

 

• IGOT - Instituto de Geografia e Ordenamento do Território - localização

 

• IGOT - página web

 

• IGOT - portal académico

 

• UL - eLearning

 

• Universidade de Lisboa - portal

E4: Bibliografia complementar 2020-2021

 

Bibliografia complementar

 

Albarello, Luc et al. (1997). Práticas e métodos de investigação em Ciências Sociais. Gradiva, Lisboa.

Bassett, Elizabeth H.; O’Riordan, Kate (2002). Ethics of Internet research: Contesting the human subjects research model. Ethics and Information Technology 4: 233–247.

Bell, J. (2004). Como realizar um projecto de investigação. Gradiva, Lisboa.

Blanke, Jordan M. (2004). Copyright law in the digital age. In Brennan, Linda L.; Johnson, Victoria E. - Social, Ethical and Policy Implications of Information Technology. Information Science Publishing, Londres, pp. 223-233.

Buchanan, Elizabeth (Ed.) (2004). Readings in Virtual Research Ethics: Issues and controversies. Information Science Publishing, Londres.

Burguess, R. (1997). A pesquisa de terreno. Uma introdução. Celta Editora, Oeiras.

Capurro, Rafael; Pingel, Christoph (2002). Ethical issues of online communication research. Ethics and Information Technology 4: 189–194.

Clark; W.; Hoskins, P. (1986). Statistical methods for geographers. John Wiley & sons, Nova Iorque.

Coelho, J.; Cunha, L.; Martins, I. (2008). Inferência estatística. Com utilização do SPSS e G*power. Edições Sílabo, Lisboa.

Cohen, L.; Holliday, M. (1996). Practical statistics for students. Paul Chapman Publishing, Londres.

Cronan, J. (2007). Microsoft Office Excel 2007 em imagens. McGrawHill, Lisboa.

Dever, Jill; Rafferty, A.; Valliant, R. (2008) – Internet survey: can statistical adjustments eliminate coverage bias? Survey Research Methods, vol. 2 (2): 47-60.

D'Hainault, L. (1990). Conceitos e métodos da Estatística. Fundação Calouste Gulbenkian, Lisboa.

Elgesem, Dag (2002). What is special about the ethical issues in online research? Ethics and Information Technology 4: 195–203.

Estebanez  Alvarez, J.; Bradshaw, R. P. (1979). Técnicas de cuantificación en Geografía. Ed. Tebar Flores, Madrid.

Fine, Gary A. et al. (1988). Knowing children. Participant observation with minors. Sage Publications, Londres.

Finkelstein, Ellen (2003). How to do everything with Microsoft Office PowerPoint. McGraw-Hill, Nova Iorque.

Foddy, W. (1993). Como perguntar. Teoria e prática da construção de perguntas em entrevistas e questionários. Celta Editores, Oeiras.

Frankfort-Nachmias, C.; Nachmias, D. (2000). Research Methods in the Social Sciences. Worth Publishers, Nova Iorque (6ª ed.).

Ganassali, Stéphane (2008). The influence of the design of web survey questionnaires on the quality of responses. Survey Research Methods, vol. 2 (1): 21-32.

Glasser, Dara J.; Goodman, Kenneth W.; Einspruch, Norman G. (2006). Chips, tags and scanners: Ethical challenges for radio frequency identification. Ethics and Information Technology (2007) 9:101–109.

Groupe Chadoule (1994). Initiation aux pratiques statistiques en Géographie. Masson, Paris (3ªed.).

Gumuchian, H.; Marois, C. (2000). Initiation à la recherche en géographie. Anthropos, Paris.

Hambridge, Sally (1995). Netiquette guidelines. IETF - The Internet Engineering Task Force.

Jansen, Bernard J. (2008). Searching for digital images on the web. Journal of Documentation, vol. 64(1): 81-100.

Jansen, Bernard J.; Spink, Amanda; Saracevic, Tefko (2000). Real life, real users, and real needs: a study and analysis of user queries on the web. Information Processing and Management, 36, 207-227.

Laureano, Raul M. S. (2011). Testes de Hipóteses com o SPSS – O Meu Manual de Consulta Rápida. Edições Sílabo, Lisboa.

Laureano, Raul M. S.; Maria Botelho (2010). SPSS, O meu manual de consulta rápida. Edições Sílabo, Lisboa.

Lavrakas, P. (2008). Encyclopedia of Survey Research Methods. 2 vols., Sage, Washington.

Lee, Thomas W. (1999). Using qualitative methods in organizational research. Sage Publications, Londres.

Lessard-Hébert, Michelle et al. (1997). La recherché qualitative. Fondements et pratiques. DeBoeck Université, Paris.

Levin, J. (1987). Estatística aplicada a Ciências Humanas. Harper & Row, São Paulo, 2ªed.

Limb, M.; Dwyer, C. (Eds.) (2001). Qualitative Methodologies for Geographers. Issues and debates. Arnold, Londres.

Lindsay, J. (1997). Techniques in Human Geography. Routledge, Londres.

Marshall, Catherine et al. (2006). Designing qualitative research. Sage Publications, Londres.

Matthews, Carole (2007). Microsoft Office PowerPoint 2007 em imagens. McGrawHill, Lisboa.

May, Tim (1998). Social research. Issues, methods and process. Open University Press, Buckingham

McGrew, J.; Monroe, C. (2000). An introduction to statistical problem solving in Geography. McGraw-Hill, Boston.

Melville, Rose (2007). Ethical dilemmas in online research. In Ari-Veikko Anttiroiko e Matti Malkia (Eds). Encyclopedia of Digital Government. Idea Group Publishing, Hershey PA, pp. 734-739.

Moreira, António C.; Pedro Macedo, Maria L. Costa, Victor Moutinho (2011). Exercícios de Estatística – Com Recurso ao SPSS. Edições Sílabo, Lisboa.

Mucchielli, Alex (dir.) (1996). Dictionnaire dês méthodes qualitatives en sciences humaines et sociales. Armand Colin, Paris.

Oliveira, P. (2008). Excel Office 2007. Porto Editora, Porto.

Pereira, Alexandre; Poupa, Carlos (2004). Como apresentar em público teses, relatórios, comunicações usando o PowerPoint. Edições Sílabo, Lisboa.

Pereira, Alexandre; Poupa, Carlos (2006). Como escrever uma tese, monografia ou livro científico usando o Word. Edições Sílabo, Lisboa (3ª edição).

Pinto, R. (2009). Introdução à análise de dados com recurso ao SPSS. Edições Sílabo, Lisboa.

Porter, Stephen; Whitcomb, Michael (2005). E-mail subject lines and their effect on web survey viewing and response. Social Science Computer Review, vol. 23 (3): 380-387.

Reis, E. (2000). Estatística descritiva. Edições Sílabo, Lisboa.

Robalo, M. (2008). Tabelas estatísticas. Edições Sílabo, Lisboa.

Robinson, G.M. (1998). Methods and Techniques in Human Geography. Wiley, Chichester.

Rose, D.; Sillivan, O. (1996). Introducing data analysis for social scientists (2ªed.). Open University Press, Buckingham.

Santo, Paula do Espírito (2010). Introdução à Metodologia das Ciências Sociais. Génese, Fundamentos e Problemas. Edições Sílabo, Lisboa.

Sheppard, Stephen R.J.; Petr Cizek (2009). The ethics of Google Earth: Crossing thresholds from spatial data to landscape visualisation. Journal of Environmental Management 90: 2102–2117.

Silva, Carlos Nunes (2007). Urban Planning and Ethics. In Rabin, Jack and Berman, Evam M. (Ed.) - Encyclopedia of Public Administration and Public Policy. 3 volumes, CRC Press / Taylor & Francis Group, Nova Iorque, 2ª ed.

Silva, Carlos Nunes (2008). Experimental Design. In Lavrakas, Paul (ed.) Encyclopedia of survey research methods. Sage, Thousand Oaks, vol.1.

Silva, Carlos Nunes (2008). Research ethics in e-public administration. In Garson, G. David; Khosrow-Pour, Mehdi (Eds.). Handbook of Research on Public Information Technology. Information Science Reference, Nova Iorque, vol. I, pp. 314 – 322.

Silvestre, A. (2007). Análise de dados e estatística descritiva. Escolar Editora, Lisboa.

Singly, François de (1992). L’ Enquête et ses méthodes: Le questionnaire. Éditions Nathan, Paris.

Sousa, F. (1995). História da Estatística em Portugal. Instituto Nacional de Estatística, Lisboa.

Spinello, Richard (2003). The future of intellectual property. Ethics and Information Technology 5: 1-16.

Urbano, Magno (2008). Google. Guia de consulta rápida. Lisboa: FCA – Editora de Informática (3ª ed.).

Vilelas, José (2009). Investigação – O Processo de Construção do Conhecimento. Edições Sílabo, Lisboa.

 

AAG (2009). Statement on Professional Ethics. Association of American Geographers.

[ http://www.aag.org/cs/about_aag/governance/statement_of_professional_ethics]

 

AAG (2020). Professional Conduct Policy and Procedures. Association of American Geographers.

[http://www.aag.org/galleries/governance/AAG_Professional_Conduct_Policy_and_Procedures_FINALwform.pdf ]

 

ASA (2018). Ethical Guidelines for Statistical Practice. American Statistical Association

[ http://www.amstat.org/about/ethicalguidelines.cfm]

E3: Objetivos & Competências 2020-2021

 Objetivos da unidade curricular e competências a adquirir

Objetivos

• Conhecer as características elementares dos vários tipos e métodos de investigação e as técnicas utilizadas em cada uma das etapas do processo de investigação científica.

• Conhecer os princípios éticos que devem guiar a investigação científica.

• Conhecer os métodos estatísticos utilizados na recolha e na análise de informação, incluindo na amostragem.

• Conhecer aplicações informáticas utilizadas no processo de investigação (p.e., SPSS).

Competências

• Utilizar corretamente os conceitos estatísticos e outros termos técnicos.

• Selecionar e utilizar os métodos e as técnicas de recolha e análise da informação, bem como o tipo de amostra e teste estatístico mais adequados a cada caso.

• Utilizar tecnologias de informação e comunicação na recolha da informação e na análise quantitativa.

• Estruturar a apresentação e publicação dos resultados da investigação geográfica, incluindo a publicação na World Wide Web.

E2: Programa & Bibliografia, 2020-2021

 Programa

1. Introdução à investigação

1.1 - Tipos e métodos de investigação

1.2 - Etapas do processo de investigação

1.3 - Ética na investigação científica

2. Recolha de informação geográfica

2.1 - Tipos e métodos de recolha de informação

2.2 - Recolha de informação on-line

3. Análise da informação geográfica

3.1 - Descrição da informação

3.2 - Análise de relações

3.3 - Análise de tendências

4. Amostragem

4.1 -Tipos e métodos de amostragem

4.2 - Estimação de parâmetros da população

4.3 - Testes estatísticos

5. Apresentação e publicação dos resultados da investigação

5.1 - Comunicação dos resultados

5.2 - Publicação na World Wide Web


Bibliografia

Campenhoudt, Luc Van; Quivy, Raymond &, Marquet, Jacques (2019). Manual de investigação em ciências sociais. Lisboa: Gradiva.

Cliford, Nicholas; Valentine, Gill (Eds.) (2005). Key Methods in Geography. Sage,Londres.

Ebdon, David (2004). Statistics in Geography. Blackwell, Oxford.

Flowerdew, Robin; Martin, David (2005). Methods in Human Geography. A guide for students doing research project. Longman, Harlow.

Lavrakas, Paul J. (ed.) (2008). Encyclopedia of Survey Research Methods, 2 volumes. Sage Publications, Washington.

Maroco, João (2018). Análise estatística com utilização do SPSS. Pero Pinheiro: Report Number, 7ª edição.

Martinez, Luís; Ferreira, Aristides (2008). Análise de dados com SPSS. Escolar Editora, Lisboa.

Pereira, Alexandre (2013). SPSS. Guia prático de utilização. Análise de dados para ciências sociais e psicologia. Edições Sílabo, Lisboa (8ª ed.).

Pestana, Maria Helena; Gageiro, João (2014). Análise de dados para Ciências Sociais. A complementaridade do SPSS. Edições Sílabo, Lisboa  (6ª ed.).

Reis, Elisabeth; Melo, Paulo; Andrade, Rosa; Calapez, Teresa (2019). Estatística aplicada. vol. 2. Edições Sílabo, Lisboa (6ª ed.).

Silva, Carlos Nunes (Ed.) (2012). Online Research Methods in Urban and Planning Studies: Design and Outcomes. IGI-Global, Hershey, PA.

Software

 

SPSS – Statistical Package for the Social Sciences

Microsoft Excel

Outras aplicações informáticas

E1: e-Portefólio de Exercícios de David

 

                                                  e-Portefólio de Exercícios de David

 

 Metodologias de Análise de Dados, 2020-2021

 

Licenciatura em Geografia (IGOT)

Licenciatura em Planeamento e Gestão do Território (IGOT)

Licenciatura em Estudos Europeus (FLUL-IGOT)

Instituto de Geografia e Ordenamento do Território

Universidade de Lisboa

 

 

E-90: REVISÃO - Ficha_revisão (Estatística Descritiva, Correlação, Regressão, Amostragem)

1. REVISÃO DE CONCEITOS (ESTATÍSTICA DESCRITIVA) E OUTRAS NOÇÕES BÁSICAS
1.1 - Diga o que entende por:
a) Moda				A moda de um conjunto de valores de uma variável estatística corresponde ao valor que é mais vezes observado num determinado estudo ou, por outras palavras, ao efetivo com maior frequência absoluta.
b) Classe modal				É a classe com maior frequência
c) Distribuição amodal				Diz-se da curva de frequência que não admite máxima (moda) nem mínima (antimodal).
d) Distribuição unimodal				é a distribuição probabilística que tem uma única moda.
e) Distribuição bimodal				é uma distribuição de probabilidade contínua com duas modas diferentes.
f) Distribuição multimodal				é uma distribuição de probabilidade contínua com várias modas.
g) Mediana				é o valor que separa a metade maior e a metade menor de uma amostra.
h) Classe mediana				é aquela em que a frequência relativa acumulada atinge os 50%.
i) Quantis				são pontos estabelecidos em intervalos regulares a partir da função distribuição acumulada e de uma variável aleatória.
j) Quartis				é qualquer um dos três valores que divide o conjunto ordenado de dados em quatro partes iguais, e assim cada parte representa 1/4 da amostra ou população.
l) Decis				é qualquer um dos nove valores que dividem os dados ordenados de uma variável em dez partes iguais, de modo que cada parte representa 1/10 da amostra ou população.
m) Percentis				Proporção calculada em relação a uma grandeza de cem unidades (símbolo: %).
1.2 - Defina as seguintes medidas de dispersão absoluta (amplitudes e desvios)
a) Amplitude total				é uma medida de dispersão que pode ser definida como a diferença entre o valor maior e o valor menor de um grupo de observações.
b) Intervalo de Kelley				É a diferença entre o primeiro e nono decil.
c) Amplitude interquartil				É a diferença entre o primeiro e terceiro quartil
d) Desvio médio				é uma medida da dispersão dos dados em relação à média de uma sequência, o “afastamento” em relação a essa média.
e) Variância				usado para descrever um conjunto de observações. Quando o conjunto das observações é uma população, é chamada de variância da população.
f) Desvio padrão				é definido como a raiz quadrada da variância.
1.3 - Defina as seguintes medidas de dispersão relativa
a) Coeficiente de variação (CV)				é uma medida padronizada de dispersão de uma distribuição de probabilidade ou de uma distribuição de frequências.
b) Coeficiente Interquartil (CIQ)				desenvolvido no âmbito da estatística a fim de avaliar o grau de espalhamento de dados (dispersão) em torno da medida de centralidade.
1.4 - Defina as seguintes medidas de forma (assimetria e curtose)
a) Coeficiente de assimetria				permite distinguir as distribuições assimétricas. Um valor negativo indica que a cauda do lado esquerdo da função densidade de probabilidade é maior que a do lado direito. Um valor positivo para a assimetria indica que a cauda do lado direito é maior que a do lado esquerdo.
b) Coeficiente de curtose				É uma medida de dispersão que caracteriza o "achatamento" da curva da função de distribuição.
1.5 - Defina (medidas de concentração)
Coeficiente de Gini				é um parâmetro internacional usado para medir a desigualdade de distribuição de rendimentos  entre os países.
Curva de Lorenz				É uma gráfico utilizado para representar a distribuição relativa utilizado para representar a distribuição relativa de uma variável num determinado domínio..
1.6 - Diga o que entende por
a) Marca da classe				possuem o mesmo tamanho.
b) Amplitude da classe				A amplitude de classe corresponde à diferença entre o limite superior e inferior.
c) Efetivo da classe				é calculada como AT = mín – máx.
1.7 - Identifique 4 métodos de divisão em classes
a) método 1				Método indutivo- dedutivo.
b) método 2				Investigação-ação.
c) método 3				Estudo de caso.
d) método 4				Investigação experimental.
2. ANÁLISE DE CORRELAÇÃO
2.1 - Interprete o significado do coeficiente de correlação de Pearson nos exercícios que realizou  (E47 a E53).
E47	O 0.1 significa que a correlação entre 2 variáveis é positiva e forte
E48	o -1,0 significa que a correlação entre 2 variáveis é negativa.
E49	o 0,89 significa que não dependem linearmente uma da outra.
E50	o 0,80 significa que não dependem linearmente uma da outra.
E51	o 0,05 siginifica que não dependem linearmente uma da outra.
E52	o 1 significa que existe uma correlação perfeita positiva entre as 2 variáveis.
E53	o 0,01 significa que eiste uma correlação perfeita positiva entre 2 variáveis.
2.2 - Interprete o significado do coeficiente de correlação de Spearman nos exercícios que realizou  (E54 a E57).
E54	O 0.79 significa que a correlação entre as 2 variáveis é positiva e forte. A ordem dos valores das 2 variáveis não é igual mas é semelhante, ou seja existe uma correspondência forte entre as preferências de José e maria.
E55	o 0.65 significa que a correlação entre as 2 variáveis é positiva e forte. existe uma forte correspondência entre as preferências.
E56	o 0,96 significa que a correlação entre as 2 variáveis é positiva e forte. existe uma forte correspondência entre as preferências.
E57	o0.01 significa que a correlação entre as 2 variáveis é positiva, e existe uma correspondência entre as preferencias.
2.3 - No E51 ao E57 os dados são de uma amostra. Pode rejeitar a Hipótese Nula (H0) para uma probabilidade de 95%? Justifique a sua resposta.  Diga se o coeficiente de correlação é significativo para uma probabilidade de 95%.
E51	Rejeita h. porque a probabilidade  de ser verdadeira é inferior ao nível de significação que o investigador defeniu ( N.S= 0,5;sig.=0.01<0.5)
E52
E53
E54
E55
E56
E57
3. ANÁLISE DE REGRESSÃO LINEAR & NÃO LINEAR
3.1 - Indique a equação da função (linear ou não linear) nos exercícios de análise de regressão que realizou  (E58 a E67).
E58 ou E61		Y=0.65x-2,59
E59 ou E62		y= 0,1609x *+ 7,2823
E60 ou E63		y= - 1,1198x + 11,427
E64 ou E65		Y=8848,2x-1,938
E66 ou E67		y= 806,66e^0,4219x
3.2 - Indique o valor do coeficiente de determinação (r2) nos exercícios de análise de regressão que realizou  (E58 a E67).
E58 ou E61		R2= 0.82  ou 82%
E59 ou E62		R2= 0,8126
E60 ou E63		R2= 0,8835
E64 ou E65		R2= 0,9864
E66 ou E67		R2= 0,9568
3.3 - Interprete o significado do coeficiente de determinação (r2) nos exercícios de análise de regressão que realizou  (E58 a E67).
E58 ou E61		O r2= 82 significa que a variável de x explica 82% da variável y. há uma forte dependência de y em relação a x
E59 ou E62		O r2= 0,81 significa que a variável de x explica 81% da variável y. há uma forte dependência de y em relação a x
E60 ou E63		O r2= 88 significa que a variável de x explica 88% da variável y. há uma forte dependência de y em relação a x
E64 ou E65		O r2= 92 significa que a variável de x explica 92% da variável y. há uma forte dependência de y em relação a x
E66 ou E67		O r2= 92 significa que a variável de x explica 92% da variável y. há uma forte dependência de y em relação a x
3.4 - Indique o valor estimado de Y (para a 1ª unidade de análise) nos exercícios de análise de regressão que realizou  (E58 a E67).
E58 ou E61		28,04
E59 ou E62		8,26
E60 ou E63		6,94
E64 ou E65		20
E66 ou E67		1
3.5 - Indique o resíduo (para a 1ª unidade de análise) nos exercícios de análise de regressão que realizou  (E58 a E67).
E58 ou E61		-7,04
E59 ou E62		0,23
E60 ou E63		0,05
E64 ou E65		0,98
3.6 - Indique o intervalo de confiança (para a 1ª unidade de análise) nos exercícios de análise de regressão que realizou  (E58 a E67).
E61		( 14,12; 41,97)
E62		(6,42; 10,06)
E63		(4,78; 9,10)
E65		(210,3 ; 727,7)
E67		(569,5 ;2656,0)
4. AMOSTRAGEM
4.1 - Descreva/caraterize cada um dos métodos de amostragem probabilísticos (ou não dirigidos) que estudou.
1. Método de amostragem aleatória simples			é a técnica de amostragem onde todos os elementos que compõem o universo e estão descritos no marco amostral têm idêntica probabilidade de serem selecionados para a amostra.
2. Método de amostragem sistemática			é um processo muito simples e que só requer a seleção de um indivíduo aleatório.
3. Método de amostragem estratificada (aleatória ou sistemática)			consiste em dividir toda a população ou o "objeto de estudo" em diferentes subgrupos ou estratos diferentes, de maneira que um indivíduo pode fazer parte apenas de um único estrato ou camada.
4. Método de amostragem por clusters			é objecto de selecção aleatória são os grupos naturais previamente existentes (por exemplo: escolas, turmas, hospitais, cidades, freguesias, etc.), entrevistando-se posteriormente todos os elementos pertencentes aos grupos (clusters) seleccionados.
5. Método de amostragem multi-etapas			Considera-se a população dividida em vários grupos e seleciona-se aleatoriamente alguns grupos. Dividimos esses grupos em grupos mais pequenos e selecionamos um aleatoriamente.
6. Método de amostragem multi-fásica			consiste em inquirir uma ou mais subamostras da amostra inicial com vista à obtenção de informações suplementares subordinada a objectivos teóricos (v.g., validação de hipóteses), metodológicos (v.g., aperfeiçoamento de critérios de estratificação) ou práticos (v.g., controlo dos entrevistadores).
4.2 - Descreva/caraterize cada um dos métodos de amostragem não probabilísticos (ou dirigidos) que estudou.
1. Método de amostragem por conveniência			Selecionar uma amostra conveniente
2. Método de amostragem intencional			é aquela cuja seleção é baseada no conhecimento sobre a população e o propósito do estudo.
3. Método de amostragem snowball			utilizado em pesquisa quando os membros da população são difíceis de localizar, por exemplo: imigrantes sem visto de permanência no país.
4. Método de amostragem sequencial			abordar pessoas em uma esquina quando elas passam, embora seja extremamente arriscado, trata-se de um método de amostragem.
5. Método de amostragem por quotas			unidades são selecionadas com base em características já especificadas que condizem com a proporção da população total.
4.3 - Identifique uma vantagem e uma limitação em cada um destes 2 tipos de MA.
1. M.A. probabilísticos ou não dirigidos			Todos os elementos da minha população apresentam uma probabilidade maior que zero para ser selecionados na amostra. Conhecer precisamente a probabilidade para cada elemento, também chamado de probabilidade de inclusão.
2. M.A. não probabilísticos ou dirigidos			Garantir que todos os indivíduos da população tenham uma probabilidade não-nula de serem selecionados  não permite saber a precisão.
4.4 - Estimar parâmetros da população. Interprete os resultados que obteve no E73.
1. Qual a média da idade dos indivíduos na população/universo estatístico, para uma probabilidade de 95%?					19,84; 22,16
2. Qual a média do peso dos indivíduos na população/universo estatístico, para uma probabilidade de 95%?					58,8; 61,6
3. Qual a média da altura nos indivíduos na população/universo estatístico, para uma probabilidade de 95%?					1,7949;1,8198
4.5 - Testes Estatísticos.  Interprete o significado do teste estatístico nos exercícios que realizou  (E74 a E88).    a) Qual foi a sua decisão em relação à Hipótese Nula (H0)?     b) Justifique a sua resposta.
E74	a)não foi rejeitada a H0 b)porque a probabilidade de H0 ser verdadeira (0,53) é superiror ao Ns(0,5) que o investigador defeniu.
E75	a)não foi rejeitada a H0 b)porque a probabilidade de H0 ser verdadeira ( 0,53) é superior ao NS ( 0,5) que o investigador defeniu.
E76	a)Foi rejeitada  b)pois a probabidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E77	a)foi rejeitada  b)pois a probabidade de h0 ser verdadeira ( 0,1) é inferior NS (0,5)
E78	a)foi rejeida b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E79	a)foi rejeitada b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E80	a)foi rejeitada  b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E81	a)foi rejeitada  b)pois a probabilidade de h0 ser verdadeira ( 0,01) é inferior NS (0,5)
E82	a)foi rejeita b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E83	a)foi rejeitada  b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E84	a)foi rejeitada  b)pois a probabilidade de h0 ser verdadeira ( 0,0) é inferior NS (0,5)
E85	a)foi rejeitada b)pois a probabilidade de h0 ser verdadeira ( 0,167) é inferior NS (0,5)
E86	a)foi rejeitada b)pois a probabilidade de h0 ser verdadeira ( 0,001) é inferior NS (0,5)
E87	a)foi rejeitada b)pois a probabilidade de h0 ser verdadeira ( 0,001) é inferior NS (0,5)
E88	a)foi rejeitada  b)pois a probabilidade de h0 ser verdadeira ( 0,000) é inferior NS (0,5)