As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Podem-se identificar os limites inferiores e superiores do intervalo de confiança <strong>caso</strong><br />
se saiba os valores do desvio padrão (s) e <strong>da</strong> média (), entretanto, usa-se o erro padrão (SE)<br />
e não o desvio padrão, já que se quer saber a variabili<strong>da</strong>de entre as médias <strong>da</strong>s amostras e não<br />
a variabili<strong>da</strong>de <strong>dos</strong> scores de uma amostra. Os limites inferior e superior são representa<strong>dos</strong>,<br />
portanto, por:<br />
<br />
<br />
A média está sempre no centro do intervalo de confiança. Isso significa que se a<br />
média representa bem a média ver<strong>da</strong>deira, o intervalo de confiança deve ser pequeno. Sabe-se<br />
no <strong>caso</strong> apresentado que 95% <strong>dos</strong> intervalos de confiança contêm a média ver<strong>da</strong>deira, se os<br />
intervalos são pequenos, portanto, a média <strong>da</strong> amostra deve estar bem próxima à média <strong>da</strong><br />
população. Se o intervalo de confiança é grande, as médias devem estar distantes, mostrando<br />
que é uma má representação <strong>da</strong> população. Esse <strong>caso</strong> apresentado foi para o intervalo com<br />
95% de certeza, mas pode ser substituído por 99% ou 90% <strong>da</strong> mesma forma.<br />
Viu-se, até agora, como um modelo se encaixa bem nos <strong>da</strong><strong>dos</strong> coleta<strong>dos</strong> e se esses<br />
<strong>da</strong><strong>dos</strong> <strong>da</strong> amostra representam bem a população; é importante, no entanto, <strong>da</strong>r um passo<br />
adiante e entender como esses modelos que se encaixam nos <strong>da</strong><strong>dos</strong> podem aju<strong>da</strong>r a testar as<br />
predições <strong>da</strong>s pesquisas, ou seja, como testam as hipóteses apresenta<strong>da</strong>s. A maioria <strong>da</strong>s<br />
pesquisas envolvem estatísticas inferenciais, que dizem se as hipóteses alternativas <strong>dos</strong><br />
modelos são prováveis de serem ver<strong>da</strong>deiras. Em outras palavras, se aju<strong>da</strong>m a recusar ou<br />
confirmar as previsões.<br />
A ideia seria encaixar um modelo estatístico nos <strong>da</strong><strong>dos</strong> que representam a hipótese<br />
alternativa e ver quão bem ele se encaixa, em termos <strong>da</strong> variância que ele explica. Se o<br />
modelo se encaixa bem nos <strong>da</strong><strong>dos</strong> (explica muito <strong>da</strong>s variâncias nos scores) então assume-se<br />
que a previsão inicial é ver<strong>da</strong>deira, ou seja, ganha-se confiança na hipótese alternativa. Não se<br />
pode ter total certeza (100% de garantia) de qual hipótese é a correta, então é calcula<strong>da</strong> a<br />
probabili<strong>da</strong>de do modelo ser adequado quando não há efeito na população (ou seja, quando a<br />
hipótese nula é ver<strong>da</strong>deira). Quanto mais essa probabili<strong>da</strong>de diminui, se ganha mais confiança<br />
que a hipótese alternativa é, de fato, correta e que a hipótese nula pode ser rejeita<strong>da</strong>.<br />
Para explicar o que há por trás dessa ideia, pode-se fazer uso de um exemplo. O <strong>caso</strong>,<br />
testado por Fisher e descrito por Salsburg (2002), conta a história de uma senhora que diz<br />
poder determinar se, em uma xícara, o chá é colocado antes do leite ou se o leite é adicionado<br />
depois do chá, apenas experimentando a mistura. São <strong>da</strong><strong>da</strong>s a ela algumas xícaras com os dois<br />
165