Sebenta Bioestatística Prof. Bárbara Oliveiros PDF

APONTAMENTOS DE
B I O E S T A T Í S T I C A
Bárbara Oliveiros, 2008

BioEstatística
1. INTRODUÇÃO À BIOESTATÍSTICA
A estatística é uma área do conhecimento que utiliza teorias probabilísticas para explicação
de eventos, estudos e experimentos. Tem por objectivo obter, organizar e analisar dados,
determinar as relações que estes apresentam, e avaliar as consequências para descrição e
explicação do que passou, e/ou para a previsão e organização do futuro.
A estatística é também uma ciência e prática de desenvolvimento de conhecimento humano
através do uso de dados empíricos. Baseia-se na teoria estatística, um ramo da matemática
aplicada. Na teoria estatística, a aleatoriedade e incerteza são modeladas pela teoria da
probabilidade. Algumas práticas estatísticas incluem, por exemplo, o planeamento, a
descrição e a interpretação de observações. Porque o objectivo da estatística é a produção da
"melhor" informação possível a partir dos dados disponíveis, alguns autores sugerem que a
estatística é um ramo da teoria da decisão.
Origem
O termo estatística surge da expressão em Latim statisticum collegium, palestra sobre os
assuntos do Estado, de onde surgiu a palavra em língua italiana statista, que significa "homem
de estado", ou político, e a palavra alemã Statistik, designando a análise de dados sobre o
Estado. A palavra foi proposta pela primeira vez no século XVII, em latim, por Schmeitzel na
Universidade de Lena e adoptada pelo académico alemão Godofredo Achenwall. Aparece
como vocabulário na Enciclopédia Britânica em 1797, e adquiriu um significado de colecta e
classificação de dados, no início do século XIX.
Actualmente, é um ramo do conhecimento científico que tem por objectivo não só a
observação, classificação e análise dos fenómenos colectivos, mas também o estudo de
possibilidade de inferência indutiva a partir de dados observados.
A base da estatística e sua definição

A Estatística é uma ferramenta matemática que nos informa sobre o erro que as nossas
observações apresentam sobre a realidade pesquisada. A estatística baseia-se na medição do
erro que existe entre a estimativa de quanto uma amostra representa adequadamente a
população da qual foi extraída. Assim o conhecimento de teoria de conjuntos, teoria de
probabilidades, análise combinatória e cálculo são indispensáveis para compreender como o
3
Engenharia Biomédica
erro se comporta e a magnitude do mesmo. É o erro (erro amostral) que define a qualidade da
observação e do delineamento experimental.
A probabilidade de um evento é frequentemente definida como um número entre zero e um.

Na realidade, porém, nunca há situações que tenham probabilidades 0 ou 1. Pode dizer-se que
o sol irá certamente nascer na manhã seguinte, mas… e se acontecer um evento extremamente
difícil de ocorrer que o destrua? E se ocorrer uma guerra nuclear e o céu ficar coberto de
cinzas e fumo?
Normalmente aproximamos a probabilidade de alguma coisa para cima ou para baixo porque
elas são tão prováveis ou improváveis de ocorrer, que é fácil de reconhecê-las como
probabilidade de um ou zero.
Entretanto, isto normalmente leva a desentendimentos e comportamentos perigosos, porque as
pessoas não conseguem distinguir entre, uma probabilidade de 10-4 e uma probabilidade de
10-9. Na prática, há uma grande diferença: imagine que vai atravessar a estrada numa
passadeira cerca de 105 ou 106 vezes na sua vida. Considerando que o risco de atropelamento
é 10-9, pode ficar seguro para o resto da sua vida; considerando que o risco de atropelamento é
de 10-4, é bastante provável que venha a ser atropelado, mesmo com o sentimento intuitivo
que 0,01% é um risco muito baixo.
Bioestatística – é a estatística aplicada ao estudo das características biológicas das

populações (humanas) ou, de forma genérica, às ciências da vida.
A Bioestatística é cada vez mais uma área independente da estatística, ainda que as suas bases
assentem na teoria de probabilidades, tal como a própria Estatística.
Inicialmente, considerou-se a Bioestatística como a “Estatística aplicada à Biologia Humana e
Medicina”. Uma definição mais actual, e mais abrangente, passou a ser “a ciência que foca o
desenvolvimento e utilização de métodos estatísticos para resolver problemas e questões que
surgem nas áreas da Biologia Humana e Medicina”.
Contudo, começa a considerar-se que, na Bioestatística, poderão caber temas tão diversos
como a avaliação de recursos faunísticos e florais, estudos da teoria de aprendizagem e
comportamento animal, questões de ecologia e, sobretudo, Planeamento de Experiências.
4
BioEstatística
Assim, a Bioestatística tem de ser uma área interdisciplinar, onde o raciocínio dedutivo e
indutivo devem estar integrados de forma a considerar que:
• a incerteza é fonte de conhecimento, quando a Probabilidade nos permite delimitá-la
caracterizando os seus padrões;
• a informação obtida “por acaso” pode ser enganadora, enquanto que a informação obtida
“ao acaso” tem uma variabilidade útil;
• mais importante do que a informação, é a transformação desta em conhecimento;
• a amostragem é boa mas o Planeamento Experimental é ainda melhor, por ser um
investimento na obtenção de dados de qualidade, que importam analisar;
• os problemas éticos não podem ser escamoteados na investigação experimental;
• o problema do passado (e actual, no caso das doenças raras) era a escassez de dados e,
actualmente, o problema é, frequentemente, a proliferação de dados, muitas vezes de má
qualidade.
Estatística
Descritiva Inferencial
Descrever dados através de Tomada de decisão baseada
indicadores (estatísticas)
nos elementos observados No conhecimento que o
Estimadores dos reais ou experimentados (intervalos de investigador tem sobre
Indicadores da população confiança e/ou testes estatísticos) o problema em causa
5
Sumariar dados Estatística descritiva
Conhecimento da população
Extrapolar para a população as conclusões obtidas na amostra
Estimação de parâmetros
Inferência estatística Cálculo de Probabilidades
(estatística assenta na Testes de Hipóteses
teoria de probabilidades) Origem nos jogos de azar
Fenómeno aleatório – influenciado pelo acaso
Experiência aleatória – há possibilidade de ser repetida em condições idênticas

- é conhecido o conjunto de todos os resultados possíveis, embora não
se saiba, à priori, qual será o resultado
- existe regularidade estatística na repetição da experiência
Experiência determinística – o resultado é conhecido antes da sua realização (ex: temperatura

de congelação ou ebulição da água)
6
BioEstatística
2. RECOLHA DE DADOS E AMOSTRAGEM

Primários – levantados especialmente para determinada investigação
Dados
Secundários- se se utilizam dados já existentes
Censo – informação relativa a todos os elementos da população

Recolha de dados Dimensão mínima da amostra?
Amostragem – analisa-se um subconjunto da população
vantagens
Impossível a recolha de todos os elementos da população em
Populações infinitas
Com elevado nº de elementos
Quando o estudo das características de cada elemento conduz à sua destruição
O estudo cuidadoso de uma amostra conduz a resultados mais fidedignos do que o estudo
sumário de toda a população
Menor custo e obtenção de resultados em tempo oportuno
Problemas de ordem ética devem ser tidos em consideração
Estudo de novos medicamentos
Novas técnicas cirúrgicas
Técnicas invasivas
Amostra representativa da população

Não pode ser enviezada – definição correcta da população a inquirir e da técnica de
amostragem
Deve existir um controlo na obtenção de não respostas ou casos perdidos, o que pode
diminuir drasticamente a dimensão da amostra
Deve ter dimensão suficiente para que as conclusões a obter tenham um determinado grau
de confiança e nível de precisão
Amostras de conveniência são, muitas vezes, as únicas possíveis de obter, principalmente

quando se trata de populações raras, mal conhecidas, geograficamente mal determinadas
Perigo de tendenciosidade, logo inadequadas para produzir inferência
7
Amostragem aleatória, casual ou probabilística é a que garante melhor representatividade

É necessário possuir uma listagem de todos os elementos da população de modo a que a
probabilidade de qualquer elemento da população ser seleccionado seja conhecida à priori
(≠0.)
Extremamente difícil obter-se tal amostragem ⇒ possível obter uma aproximação
Amostragem aleatória
Simples – todos os elementos têm igual probabilidade de serem seleccionados (1/N) por
sorteio (bolas numeradas num saco, tabela de nos aleatórios1). Este método não é muito
usado dado que é difícil obter populações réplica
Estratificada – quando se conhece a estrutura da população. Conduz a amostras

representativas de menor dimensão. A população é dividida em estratos, grupos
homogéneos relativamente a uma característica (ex: sexo), e dentro de cada estrato
seleccionam-se os elementos duma forma aleatória simples, de acordo com a proporção de
cada grupo na população.
Sistemática ou quase aleatória – Apenas o 1º elemento da amostra é escolhido

aleatoriamente, e os restantes são determinados de modo sistemático pela razão N/n (N –
dimensão da população; n – dimensão da amostra). O 1º elemento pode ser obtido por
uma tabela de nos aleatórios no intervalo [1, N/n], e os restantes por adição de N/n (valores
arredondados ao menor inteiro).
1
Geradas por processos matemáticos que constituem um conjunto de números que não obedecem a nenhum
plano prévio (amostras sem reposição)
8
BioEstatística
3. VARIÁVEIS, PROBLEMAS DE INVESTIGAÇÃO E QUESTÕES
3.1 Variáveis
Os elementos chave de uma investigação são as variáveis – características dos participantes
ou da situação de um determinado estudo, que pode tomar diferentes valores. Uma variável
tem de ter a capacidade de variar, ou tomar diferentes valores. Se um conceito apenas toma
um valor num estudo, então não é uma variável (por exemplo, o género não é uma variável se
todos os indivíduos do estudo forem mulheres).
Na investigação quantitativa, as variáveis podem ser definidas como:
Variável
Independente ´Dependente Estranha
Activa* Atributo **
3.1.1 Variável Independente

Activa – a variável ou a situação em que esta é avaliada pode ser manipulada. A variável de
interesse “é dada” ao participante (ex: terapia nova/terapia tradicional, substância
activa/placebo). A existência deste tipo de variáveis independentes é necessária mas não
suficiente para tirar conclusões de causa-efeito, ou seja, fazer inferência. Os Estudos
Experimentais (randomizados ou não) exigem a existência deste tipo de variáveis.
Atributo – a variável independente é medida, não pode ser manipulada, embora seja um foco
importante do estudo (os valores da variável independente são atributos “pré-existentes”, que
não se alteram sistematicamente com o desenrolar do estudo. Ex: género feminino/masculino,
escalão etário). Estudos que apenas têm variáveis independentes do tipo atributo são não
experimentais.
3.1.2 Variável Dependente – mede ou avalia o efeito da variável independente; é assumida

como o resultado.
9
3.1.3 Variável Estranha – não são de interesse em determinado estudo, mas podem
influenciar a variável dependente. Factores ambientais e características do experimentador são
variáveis estranhas que devem ser controladas
.
3.2 Amostras independentes versus amostras emparelhadas
Independentes – se não existe nenhum tipo de relação ou factor unificador entre os
elementos das amostras: a probabilidade de um sujeito pertencer a ambas é nula (ex: uma
variável é avaliada para cada um dos géneros sexuais)
Emparelhadas – as amostras são constituídas usando os mesmos sujeitos experimentais,

ou homólogos (ex: a mesma variável é medida antes e depois de um determinado
tratamento). A excepção é quando se utilizam Gémeos ou animais da mesma ninhada
A distinção entre amostras independentes e emparelhadas é particularmente importante para a

inferência estatística: a relação, ou ausência de relação, existente entre os elementos de uma
ou mais amostras.
10
BioEstatística
3.3 Questões, Hipóteses e Objectivos de Investigação

A única diferença entre as questões e as hipóteses de investigação está no formato de
apresentação das ideias a investigar (pergunta/frase). A partir do momento em que estão
definidas as questões ou as hipóteses de investigação, estas podem ser objectivadas num
capítulo: objectivos de investigação ou do estudo.
Exemplos:
Questões Hipóteses Objectivos
Será que este novo tratamento é Pretende-se investigar a hipótese do Comparar a eficácia do novo
eficaz em comparação com o novo tratamento ser mais eficaz tratamento versus a eficácia do
placebo? que o placebo. placebo.
Será que este novo tratamento é tão Pretende-se investigar a hipótese Comparar a segurança do novo
seguro como o tratamento que o novo tratamento é tão seguro tratamento versus a segurança do
standard? como o tratamento standard. tratamento standard.
Pretende-se investigar a hipótese
Será que os expostos a
que os expostos a determinados Comparar as incidências da doença
determinados factores de risco têm
factores de risco têm efectivamente entre os expostos a factores de risco
efectivamente mais risco de doença
mais risco de doença que os não e os não expostos.
que os não expostos?
expostos.
Pretende-se investigar a hipótese Comparar as taxas de recidiva entre
Será que quem fez a terapia A tem
que quem fez a terapia A tem 10 um grupo que faz a terapia A e um
10 vezes menos risco de recidiva
vezes menos risco de recidiva que grupo que não faz qualquer
que quem não fez?
quem não fez. tratamento.
Será que os casos de doença Pretende-se investigar a hipótese Comparar casos com controlos
estiveram mais expostos a deter- que os casos de doença estiveram relativamente à exposição prévia a
minados factores de risco que os mais expostos a determinados factores de risco.
controlos? factores de risco que os controlos.
Será que esta doença apresenta um
desta doença apresentar uma
prevalência ao nível nacional que
prevalência ao nível nacional que Determinar a taxa de prevalência
justifique que a mesma seja
não justifica que a mesma seja da doença a nível nacional.
considerada um problema de saúde
considerada um problema de saúde
pública?
pública.
Será que os acidentes de viação dos acidentes de viação
Determinar a taxa de incidência
apresentam um incidência anual apresentarem uma incidência anual
anual média dos acidentes de
que justifique ser considerado um que realmente justifica ser
viação nos próximos 5 anos.
problema de saúde pública? considerado um problema de saúde
pública.
11
3.3.1 Relação entre variáveis e Questões/hipóteses e objectivos da Investigação

As variáveis têm de ser observadas para se poderem analisar os objectivos da investigação. De
acordo com os exemplos anteriores, poder-se-ia ter:
3.4 Níveis de mensuração das variáveis

Existem variáveis Qualitativas e Quantitativas.
As primeiras, embora categorias, podem ser ordenáveis ou não, ainda que, por vezes, se
considere que as variáveis dicotómicas são sempre ordenáveis. As variáveis quantitativas
podem ser discretas (se tomam valores num conjunto finito ou infinito numerável) ou
contínuas (se tomam valores no conjunto nos reais).
Dado que as variáveis medem qualidades ou quantidades, podem ser classificadas quanto ao
seu nível de mensuração, sendo que a escolha do tratamento estatístico adequado exige a
identificação da escala e níveis de medida das variáveis.
Níveis de Mensuração
Nominal =, ≠
Ex: sexo, raça, religião, estado civil, nº na camisola do jogador de futebol
Os valores são atributos ou categorias; os úmeros apenas servem para identificar
categorias
Variáveis qualitativas – classificação dos indivíduos de acordo com as suas categorias
Nominal Dicotómica tem alguns privilégios
12
BioEstatística
Ordinal =, ≠, <, >

Ex: nível sócio-económico, ordem de preferências, faixas etárias, grau de escolaridade
Podem ser distinguidos diferentes graus de um atributo ou categoria, existindo entre eles
uma relação de ordem; categorias que podem ser ordenadas de forma
ascendente/descendente; os códigos numéricos atribuídos a estas categorias devem
obedecer a essa ordem
Intervalar =, ≠, <, >, valor das diferenças

Ex: temperatura, escala QI, medidas de atitudes e personalidade
Variáveis quantitativas – quanto valem as diferenças entre os valores: “Entre 10ºC e 30ºC
existe uma diferença idêntica à encontrada ente 70ºC e 90ºC.”… mas 90ºC não é 3 vezes
mais quente do que 30ºC! O zero é arbitrário e não ausência da característica!
Racional Todas as operações aritméticas

Ex: peso, altura, idade, velocidade, níveis de glicémia
O valor mínimo é o zero absoluto, que representa ausência da característica medida.
É possível passar de um nível de mensuração para outro inferior ⇒ Perda de informação
3.5. Plano de Operacionalização das variáveis

Desde o momento que estão definidas diferentes variáveis para um estudo, é de todo o
interesse definir um plano de operacionalização (ou informatização) de variáveis. Neste
plano deve constar qual a notação computacional da variável, assim como os seus possíveis
valores ou códigos, o tipo de variável e a sua importância na investigação. Por exemplo:
13
3.6 Codificação das variáveis

3.6.1 Regras
- Todos os dados devem ser numéricos;
- Cada indivíduo ou participante corresponde a uma linha da base de dados;
- Cada variável de cada caso corresponde a uma coluna, na mesma linha, da base de dados;
- Os códigos de uma variável devem ser mutuamente exclusivos;
- Cada variável deve ser codificada de forma a que se obtenha o máximo de informação;
- Cada indivíduo deve estar codificado com um identificador único
- Os códigos devem ser consistentemente aplicados a todos os casos da base de dados
3.6.2 Controlo da Base de dados

É conveniente que se criem regras (escritas) para lidar com alguns problemas como: respostas
duplas, incompletas, em branco, não muito claras, etc.
Não respostas DEVEM ser células em branco, e não ZERO! Eventualmente, atribui-se um
valor superior ao máximo possível para aquela variável como, por exemplo, 99, 999, ...
14
BioEstatística
As não respostas podem

Resultar de erros de introdução ou de recolha de dados ⇒ devem ser eliminadas
Fazer parte da natureza intrínseca do fenómeno⇒ devem ser retidas
Caso estas atinjam ou ultrapassem 20% dos dados, devem ser analisadas com atenção pois, se
não tiverem um comportamento aleatório, irão enviezar os resultados do estudo, podendo
caracterizar o segmento da população que se negou a responder.
15
4. REPRESENTAÇÃO DAS VARIÁVEIS

4.1 Indicadores numéricos
As estatísticas apropriadas dependem do nível de mensuração da variável.
Nível de mensuração
Medidas de Nominal Ordinal Intervalar/Ratio
Média aritmética
Moda
Tendência central Moda Moda
Mediana
Mediana
Quantis: Quantis:
Localização -
Quartis/decis/percentis... Quartis/decis/percentis...
Dispersão - Amplitude inter-quartis Erro/Desvio-padrão
Indicadores da Coeficiente de
- -
distribuição Assimetria/Achatamento
Distribuição
Simétrica
- coef. assimetria = 0
- média=mediana=moda
Assimetria não confirmada
coef .assimetria
- ≤ 1.96
erro − padrão
- moda ≈ mediana ≈ média

assimétrica
coef .assimetria
- > 1.96
erro − padrão
- assimétrica positiva ou à direita: Mo < Md < x

- assimétrica negativa ou à esquerda: x < Md < Mo
4.2 Representação gráfica

Gráfico de barras, Gráficos Circulares, Histograma de frequências ou de frequências
acumuladas, Polígono de frequências e ogiva de Galton são gráficos já conhecidos do aluno.
Diagrama de extremos e quartis ou caixa de bigodes - Outliers

A representação gráfica permite visualizar o comportamento da variável e identificar as
observações aberrantes ou outliers, que tendem a distorcer a média (aumentando-a ou
16
BioEstatística
diminuindo-a) e o desvio-padrão (aumentando-o). Nestes casos, Assim, estes devem ser

expressamente referidos e analisados aquando da interpretação dos resultados, analisando
ainda o efeito daqueles na distribuição através da comparação das estatísticas resultantes da
análise com e sem observações aberrantes.
Quando os outliers afectam significativamente os resultados, não se deve utilizar o desvio-
padrão como medida de dispersão, mas sim aplicar estatísticas mais robustas, como por
exemplo a amplitude inter-quartil ou a MAD (mediana dos desvios absolutos em relação à
mediana); alternativamente, podem transformar-se os dados de forma a obter a simetria.
Gráficos de Caule e Folhas – reúnem a informação dos

histogramas, mantendo o valor em cada observação.
Actualmente não são muito utilizados.
Diagrama de barras de erro: desvio-padrão, erro-padrão e 4.00

VEMS (S) 200ML
intervalo de confiança – muito úteis quando se pretende 3.00
comparar uma variável dependente intervalar/ratio em pelo ]
menos dois grupos independentes. Ilustram não só o valor da 2.00

]
média, mas também a dispersão observada ou o valor esperado Testemunha Controlo Estudo
Grupo
na população, para cada grupo.
Diagramas de Dispersão – Ilustram a relação, casuística ou de

mera associação, entre 2 variáveis; particularmente úteis para
verificar se a relação entre variáveis é do tipo linear.
17
4.3 Representação Tabular

Tabela de distribuição de frequências – 1 variável
Tabela de contingência - Representação simultânea de 2 variáveis
18
BioEstatística
Exemplo: Pretende-se avaliar uma possível relação entre a existência de cáries dentárias e o
sexo e o índice de massa corporal dos jovens portugueses. Pensa-se aidna que o IMC poderá
estar relacionado com a região de residência dos indivíduos.
1. Como planearia este estudo? Descreva sucintamente.
2. Suponha agora que já tinha colhido os dados referentes ao Sexo, Altura e existência de
cáries dentárias. Abra um livro do Microsoft Excel.
2.1. Na folha 1, crie um Plano de Operacionalização de Variáveis para os seguintes dados:
Id Sexo Altura Cáries Id Sexo Altura Cáries Id Sexo Altura Cáries
1 M 1.717 Sim 15 F 1.552 Sim 29 F 1.557 Sim
2 M 1.574 Sim 16 M 1.627 Não 30 F 1.535 Não
3 M 1.618 Sim 17 M 1.516 Sim 31 F 1.535 Não
4 F 1.402 Não 18 M 1.718 Sim 32 M 1.520 Não
5 F 1.427 Não 19 F 1.475 Não 33 1.577 Não
6 M 1.558 Não 20 F 1.505 Não 34 M 1.554 Sim
7 F 1.462 Sim 21 F 1.408 Sim 35 M 1.533 Sim
8 1.504 Sim 22 M 2.522 Sim 36 M 1.562 Sim
9 M 1.754 Não 23 M 1.527 Não 37 F 1.458 Sim
10 M 1.626 Não 24 M 1.622 Não 38 M 1.649 Sim
11 F 1.529 Não 25 F 1.481 Sim 39 M 1.629 Sim
12 F 1.521 Não 26 M 1.704 Não 40 M 1.533
13 M 1.711 Sim 27 F 1.449 Não 41 F 1.592 Não
14 M 1.623 Sim 28 F 1.595 42 F 1.494 Não
2.2. Na folha 2, introduza os dados

3. Abra o SPSS
3.1. Importe os dados do Microsoft Excel
3.2. Altere as propriedades das variáveis: Label, Values, Measure
4. Determine a média, desvio-padrão e amplitude de variação das variáveis altura, peso, e
IMC.
4.1. Detecta algum erro de introdução? Em caso afirmativo, corrija esse valor para 1.522,
e determine novamente os valores pedidos em 4.
4.2. Determine os quartis e amplitude inter-quartil destas variáveis, segundo o sexo.
4.2.1. Existem outliers? Justifique.
5. Qual a percentagem de indivíduos, na amostra, que:
5.1. são do sexo masculino?
5.2. têm dentes cariados?
5.3. são do sexo feminino e têm dentes cariados.
5.4. são do sexo feminino, sabendo que têm dentes cariados.
5.5. têm dentes cariados, sabendo que são do sexo masculino.
19
6. Por lapso, não tinham sido registados os valores de peso, para cada indivíduo, nem a
região de residência. Acrescente estas variáveis ao plano de operacionalização das
variáveis, e na base de dados em SPSS introduza a variável peso logo após a variável
altura, e a variável regiao no final, alterando as suas propriedades adequadamente.
Id Peso Regiao Id Peso Regiao Id Peso Regiao
1 92.2 N 15 47.2 S 29 65.7 N
2 75.5 S 16 84.3 S 30 49.4 S
3 73.0 N 17 48.0 N 31 47.7 N
4 41.1 N 18 68.1 N 32 65.8 S
5 53.9 S 19 46.2 S 33 68.4 N
6 67.7 N 20 47.9 S 34 79.3 N
7 42.3 S 21 40.6 N 35 63.8 S
8 52.4 S 22 78.4 S 36 67.6 S
9 102.1 S 23 63.2 N 37 52.3 S
10 65.0 N 24 71.1 N 38 58.5 S
11 46.4 N 25 51.3 S 39 69.8 N
12 53.0 S 26 98.2 S 40 67.2 S
13 76.6 S 27 57.6 S 41 47.8 N
14 60.9 N 28 51.4 N 42 41.2 S
7. Crie a variável Índice de Massa Corporal (IMC), que será automáticamente calculada
como peso altura 2 .
7.1. Descreva sucintamente esta variável, em termos estatísticos.
8. Crie a variável IMC_cl, que representa o IMC em classes, de acordo com a seguinte
classificação:
1 IMC < 18 Magreza
2 18 < IMC < 25 Normal
3 25 < IMC < 30 Excesso de Peso
4 30 < IMC < 35 Obesidade I
5 35 < IMC < 40 Obesidade II
6 40 < IMC < 45 Obesidade III
9. Recodifique esta variável (IMC_cl) em 4 clases, aglutinando as classes 4, 5 e 6 numa só.
(não se esqueça de acrescentar estas variáveis ao Plano de Operacionalização de Variáveis).
9.1. Descreva esta variável, em termos estatísticos
9.2. Qual a taxa de indivíduos com excesso de peso e obesidade?
9.3. Qual a taxa de indivíduos obesos, com cárie dentária.
9.4. Qual a taxa de indivíduo normais, com cárie dentária.
9.5. Qual a taxa de indivíduos com e sem cáries dentárias, entre os indivíduos:
9.5.1. obesos.
20
BioEstatística
9.5.2. normais
9.5.3. Parece-lhe ser viável o objectivo definido?
9.6. Parece-lhe que a ocorrência de cáries é mais frequente no sexo masculino?
9.7. Para cada região, determine
9.7.1. Em que região é mais frequente haver cáries dentárias?
9.7.2. O IMC médio em cada região.
9.7.3. Fará sentido estudar o objectivo do estudo, em cada região?
21
5. DISTRIBUIÇÕES DE PROBABILIDADES
Função densidade de probabilidade – função que determina a probabilidade do valor de cada
observação da amostra na população: f(x)
A partir do conhecimento desta função, e dum número infinito de amostras com a mesma
dimensão da amostra em estudo pode estimar-se a distribuição amostral, ou seja, na prática, é
possível testar se as observações da amostra em estudo se ajustam a uma distribuição teórica.
Função de distribuição – Função real de variável real: F(x)= P(X < x)

1. 0 < F(x) < 1
2. F é não decrescente
3. Para qualquer função de distribuição F tem-se que
a. lim F ( x) = 0 ; lim F ( x) = 1
x → −∞ x → +∞
b. ∀a, b ∈ ℜ : a < b, P ( a < X ≤ b) = F (b) − F ( a )

c. F é contínua à direita
5.1 Algumas distribuições de variáveis aleatórias contínuas

Distribuição Uniforme U ( a, b )
Esta é a mais simples das distribuições contínuas, mas uma das mais importantes. É utilizada
para representar quantidades que variam aleatoriamente no intervalo [a,b], e cuja
probabilidade de tomar valores num qualquer subintervalo de [a,b] é proporcional ao seu
comprimento, logo constante nesse subintervalo.
Distribuição normal ou de Gauss 2 N (µ ,σ 2 )

Fenómenos físicos, medidas biológicas, erros de medição, etc.
Polígonos de frequências regulares com grau de simetria e achatamento próximos dos de uma
distribuição normal
Quando se passa da distribuição de frequências para a distribuição de probabilidades obtém-se
2
Descrita pela primeira vez por De Moivre em 1733; Gauss, séc. XVIII-XIX teve um papel decisivo no seu
desenvolvimento.
22
BioEstatística
Características:
A variável aleatória X pode tomar um qualquer valor dentro do intervalo de variação
A curva representativa da distribuição tem a forma de sino e é simétrica relativamente à
média
Os valores da média, mediana e moda são iguais
Devido à simetria, P ( X < µ ) = P ( X > µ ) = 0.5
As curvas em forma de sino diferem apenas pelos valores de µ , centro da distribuição, e de

σ , variabilidade dos valores de X relativamente à média.
Geometricamente, a probabilidade da variável aleatória X, de média 0 e variância 1, assumir

valores no intervalo ]-1,96; 1,96[ é dada pela região a
sombreado na figura:
Para esta variável, existe uma tabela que fornece os valores
de probabilidade em intervalos sucessivos e de amplitude
suficientemente pequena de modo a que a aproximação a
efectuar no encontro da área apropriada é bastante boa.
MAS…há uma infinidade de curvas, consoante µ e σ . Nos restantes casos utiliza-se
 x−µ 
2
1
P ( a < X < b) = ∫
b 1 −  
e  σ 
2
a
2π σ
23
X −µ
Necessidade de padronizar: Z = : Z é N(0,1)
σ
A média amostral é uma das estatísticas mais importantes quer para a teoria da estimação quer
da decisão. Outra característica importante da distribuição de probabilidades é que, à medida
que a dimensão das amostras utilizadas para calcular a distribuição amostral da média
aumenta, a distribuição da média amostral tende para a distribuição normal,
independentemente do tipo de distribuição da variável em estudo – teorema do limite central.
Ex.: Distribuição da média das classificações a uma cadeira de estatística em 100 amostras
aleatórias de dimensão n
Inicialmente, a distribuição era claramente assimétrica à direita, mas à medida que a dimensão
das amostras aumenta, o histograma das frequências de X vai assumindo a “forma de sino”
típica da distribuição normal.
24
BioEstatística
Distribuição do Chi-quadrado χ2(n)

n
Uma variável aleatória X ( X = ∑ Z i ) obtida pela soma dos quadrados de n variáveis
2
i =1
aleatórias Z i ~ N (0,1) diz-se ter uma distribuição do tipo
χ2 com n graus de liberdade

A representação gráfica da função densidade de
probabilidade é a seguinte, para 2, 4, 8 e 22 graus de
liberdade. Note-se que, à medida que o número de graus
de liberdade aumenta, a curva vai-se tornando mais
parecida com a curva normal.
Distribuição t-Sudent t(n)

Dadas Z ~ N (0,1) e Y~χ2(n) tais que Z e Y são
Z
independentes, a variável X = diz-se ter uma
Y
n
distribuição t-Student com n graus de liberdade.
A representação gráfica da função densidade de
probabilidade é dada de seguida, para 3 e 6 graus de
liberdade.
Distribuição F-Snedecor F(n1,n2)

Sejam Y1, χ2(n1) e Y2, χ2(n2) duas variáveis aleatórias e
Y1
n1
X = . X diz-se ter uma distribuição F-Snedecor com
Y2
n2
n1 e n2 graus de liberdade. Na imagem seguinte
encontram-se representadas duas variáveis com (5,5)
graus de liberdade e (15,15) graus de liberdade.
25
Distribuição Exponencial E( 1 )
λ
Esta distribuição está associada a um processo de Poisson3, ou seja, a ocorrência de eventos
independentes a uma taxa constante, num intervalo de tempo ou numa região dos espaço, e
tem uma larga aplicação no estudo das filas de espera e da fiabilidade de sistemas complexos,
usando-se para representar o intervalo de tempo entre dois eventos. Tem-se:
5.2 Algumas distribuições de variáveis aleatórias discretas

Distribuição Discreta Uniforme DU (i, j )
É a mais simples de todas as distribuições discretas. Caracteriza-se por:
todos os valores possíveis são equiprováveis:
Aplicam-se, assim, à ocorrência de fenómenos aleatórios igualmente prováveis, ou como

primeiro modelo para quantidades que variam entre i e j, mas acerca da qual pouco é sabido.
Distribuição Binomial Β ( n, p )
Sequência de experiências com as seguintes características:
cada prova tem como resultado um de dois acontecimentos mutuamente exclusivos
(sucesso/insucesso)
a probabilidade de sucesso p permanece constante nas várias provas e a probabilidade de
insucesso é q = 1-p
as provas são independentes, ou seja, o resultado de cada uma não afecta o resultado das
restantes
3
Ver distribuição de Poisson (discreta)
26
BioEstatística
À semelhança da distribuição χ2(n) e da t-Student, o teorema do limite central assegura

também que a distribuição binomial se aproxima da distribuição normal para valores elevados
de n e valores de p que produzam uma distribuição simétrica.
0.1 < p < 0.9

Na prática, consideramos uma aproximação correcta para np > 5
nq > 5

A padronização da variável X, B(n,p), para a variável Z, N(0,1) obtém-se através da seguinte
transformação, aplicando a correcção de continuidade:
( X ± 0.5) − np µ = np
Z= , dado que  2
npq σ = npq
Distribuição de Poisson P (λ )
Associada a processos de contagens de um determinado número de eventos independentes, ao
longo do tempo ou numa região do espaço:
o número de eventos que ocorrem em dois intervalos disjuntos são independentes
a probabilidade de ocorrer exactamente um evento em qualquer intervalo de amplitude ∆t
arbitrariamente pequena é aproximadamente λ∆t
a probabilidade de ocorrerem dois ou mais eventos em qualquer intervalo de amplitude ∆t
arbitrariamente pequena é aproximadamente igual a zero.
Também a distribuição de Poisson
pode ser aproximada a uma
distribuição normal, uma vez
que µ = σ 2 = λ , considerando que a
aproximação é correcta
 p < 0.1 ∨ p > 0.9
quando 
λ ≥ 5
A padronização da variável X, P (λ ) ,
para a variável Z, N(0,1) obtém-se
através da seguinte transformação:
( X ± 0.5) − λ
Z=
λ
27
5.3 Relação entre as Distribuições Contínuas
5.4 Relação entre as Distribuições Discretas
28
BioEstatística
6. INTERVALOS DE CONFIANÇA E TESTES ESTATÍSTICOS EM POPULAÇÕES NORMAIS
6.1 Teoria da Estimação

A teoria da estimação tem como objectivo estimar parâmetros de uma população teórica a
partir de estatísticas obtidas numa amostra representativa dessa população.
Assim, se se extraírem n amostras de uma população cuja função densidade depende de um
parâmetro (por exemplo, a média) do qual se desconhece o verdadeiro valor, é necessário
estimá-lo, com um determinado grau de
Precisão - estimação por pontos
Confiança - estimação por intervalos
Fixada a dimensão da amostra, quanto mais precisa for a resposta, menor será a confiança
nela depositada.
Estimação por pontos:

x é o melhor estimador de µ
^ n
s= × s é o melhor estimador de σ
n −1
Estimativa ≠ Estimador
Estimador ( θ ) é uma variável aleatória, função da amostra casual
^
Estimativa ( θ ) é o valor concreto do estimador para uma amostra em particular
Uma estimativa pontual de um parâmetro da população está fortemente dependente da
estimativa amostral. Se se extraírem n amostras da mesma população, é altamente improvável
obter amostras que tenham a mesma média amostral, ou seja, teria n estimativas diferentes da
média populacional. Dado que o valor da média populacional é único, uma estimativa pontual
pode ou não ser coincidente com o parâmetro populacional. Assim, este tipo de estimativa não
possui nenhum grau de certeza (ou incerteza) associado à estimativa obtida. A alternativa é
utilizar a estimação por intervalos.
Estimação por intervalos:

Há situações em que é preferível a estimação por intervalos. Esta pode obter-se associando
um determinado grau de confiança ao estimador pontual, uma vez conhecida a distribuição
amostral. Assim, em vez de propor uma estimativa isolada para um determinado parâmetro,
29
faz-se acompanhar esta de um determinado intervalo (a, b) para significar que o verdadeiro
valor do parâmetro está, muito provavelmente, entre a e b. Ao associar um intervalo à
estimativa proposta, atribui-se ao mesmo intervalo um grau de confiança. Este intervalo pode
ser considerado uma medida da precisão ou do erro inerente à estimativa.
Normalmente, o que se pretende estimar é µ (média da população), σ 2 (variância da
população) ou π (proporção da população).
Tendo uma amostra particular, a partir da qual se determina a estimativa para um parâmetro
(ex: a média), o intervalo de confiança a (1-α)100% para µ , dado por (a, b), traduz o grau
de confiança que se tem em que uma particular amostra dê origem a um intervalo (a,b).
Incorrecto dizer que (1-α) é a probabilidade de θ ∈ (a, b) dado que os extremos do intervalo, a
e b, não são aleatórios.
6.2 Teoria da Decisão

A teoria da decisão, através dos testes de hipóteses, é uma outra forma de inferir sobre o
parâmetro da população, associando a este processo um determinado nível de significância
(α). Contrariamente aos intervalos de confiança, o teste de hipóteses tem como objectivo
refutar (ou não) uma determinada hipótese acerca de um ou mais parâmetros da população, a
partir de uma ou mais estimativas obtidas nas amostras.
Ex: Testar se, por hipótese, a média populacional é igual a um determinado valor, ou se a
média de uma população é superior à de outra, se a variância de 5 populações são iguais, etc.
30
BioEstatística
Considere-se uma população com uma determinada função de distribuição (F). Uma hipótese
estatística é qualquer conjectura sobre aspectos desconhecidos de F. Quando a forma da
função de distribuição ou da função densidade (função probabilidade) é conhecida, e a
conjectura diz respeito apenas ao parâmetro, tem-se uma hipótese paramétrica.
Ex: A conjectura “X é uma variável aleatória com distribuição normal” é uma hipótese
estatística não paramétrica. Caso se saiba que X segue uma distribuição normal, a conjectura
“ µ = 3, σ 2 = 1 ” corresponde a uma hipótese paramétrica.
Estas questões são formuladas sob a forma de hipóteses referentes ao(s) valor(es) do(s)
parâmetro(s) e referentes a alternativa caso se rejeite aquela hipótese. Assim, a hipótese
inicial, mais restritiva, designa-se por hipótese nula e representa-se por H0, representando-se
a hipótese alternativa por H1 ou Ha. A hipótese nula só deve ser rejeitada caso exista
evidência suficiente, a um nível significativo, que de facto H0 não é válida, ou seja, deve ser
defendida até a evidência mostrar o contrário, enquanto que a hipótese alternativa apenas é
adoptada se a hipótese nula for rejeitada.
Ex: A média dos efeitos de um determinado medicamento é nula

H 0 : µ = 0
Teste bilateral 
H 1 : µ ≠ 0
H 0 : µ = 0
Teste unilateral à esquerda 
H 1 : µ < 0
H 0 : µ = 0
Teste unilateral à direita 
H 1 : µ > 0
Assim, considerando-se uma amostra casual da população, (X1,X2,…,Xn), com determinada

função densidade (probabilidade), o espaço-amostra é o conjunto de todas as amostras
particulares (x1,x2,…,xn). Um teste de hipóteses deve basear-se no comportamento
probabilístico de (X1,X2,…,Xn), no espaço-amostra, e estabelecer um critério para determinar
quais as amostras concretas (x1,x2,…,xn) que levam à rejeição da hipótese nula (e,
consequentemente, à aceitação da alternativa). Assim, um teste de hipóteses é uma regra que
permite especificar um subconjunto R do espaço-amostra tal que
31
se (x1 , x 2 ,..., x n ) ∈ R ⇒ Re jeita − se H 0
(x1 , x 2 ,..., xn ) ∉ R ⇒ Aceita − se H0

A este conjunto R chama-se região crítica ou região de rejeição de H0.
A definição desta região depende do tipo de teste escolhido. No caso de um teste bilateral,
tem-se
Por outro lado, se o teste é unilateral à esquerda, a região crítica é definida à esquerda da
média, enquanto que num teste unilateral à direita define-se a região de rejeição à direita da
média:
Ao proceder ao teste de H0 contra H1 podem ser cometidos dois tipos de erros:

O erro de 1ª espécie ou erro tipo I que consiste em rejeitar H0 quando esta é verdadeira
O erro de 2ª espécie ou erro tipo II que consiste em aceitar H0 quando esta é falsa
Decisão tomada H0 verdadeira H0 falsa
Erro tipo I Potência do teste
Rejeitar H0
α = P (rejeitarH 0 / H 0 verdadeira) 1 − β = P(rejeitarH 0 / H 0 falsa )
Nível de confiança Erro tipo II

Aceitar H0
1- α β = P(aceitarH 0 / H 0 falsa )
32
BioEstatística
Por exemplo, seja H0: Inocente; H1: Culpado

Então α=P(enviar um inocente para a cadeia) e β=P(não prender um culpado)
α e β estão inversamente relacionados. Só aumentando n se reduz simultaneamente
ambos.
Quando se emprega o teste de nível de significância α, associado à região crítica R, e se

observa a amostra concreta (x1,x2,…,xn), pode ocorrer uma das duas situações seguintes:
(x1 , x2 ,..., xn ) ∉ R e não há motivo para rejeitar H0 ao nível de α100%
(x1 , x2 ,..., xn ) ∈ R e deve rejeitar-se H0 ao nível de α100%
Passos de um teste estatístico

Identificação do tipo de distribuição amostral
Formulação das hipóteses a testar
Definição do nível de significância
Definição da região crítica ou região de rejeição de H0
Calculo da estatística do teste (VC), sob H0
Decisão estatística
Ao menor valor de α a partir do qual se rejeita H0 chama-se probabilidade de significância

ou, mais simplesmente, valor-p. O teste de hipóteses permite obter a probabilidade de, em
qualquer experiência, ser encontrado o valor observado nesta amostra ou outro valor mais
extremo, sendo a hipótese nula verdadeira. Designando esta probabilidade por p:
p = prob(|valor| ≥ valor observado | H0)
Este valor representa uma medida complementar do grau de certeza a partir do qual
assumimos como real o resultado da estatística amostral dado que é a probabilidade de obter
este ou outro valor mais desfavorável para a hipótese nula, admitindo que esta hipótese é
verdadeira. Assim, o valor-p é uma medida da evidência que os dados fornecem a favor de H0.
Normalmente, situa-se o valor-p relativamente aos níveis de significância mais habituais
(0.05, 0.01), fixados previamente ao estudo, donde deve rejeitar-se a hipótese nula sempre que
se tem p<α. Por exemplo, se 0.01 < p < 0.05 ⇒ a evidência contra H0 não é significativa ao
nível de 0.01 (1%) mas já o é ao nível de 0.05 (5%), ou deve rejeitar-se H0 ao nível de 5%
33
mas não de 1%, ou seja, quanto menor for p menor é a consistência dos dados com a hipótese
a testar (H0). Abaixo de determinados valores ou limiares de significância (0,05 ou 0,01)
dizemos que existe forte evidência contra esta hipótese (H0) que por isso deve ser rejeitada.
Passos de um teste estatístico com recurso a uma aplicação estatística (ex: SPSS)
Identificação do tipo de distribuição amostral
Formulação das hipóteses a testar
Definição do nível de significância
Cálculo do valor-p, sob H0
Decisão estatística
O problema que agora se coloca é saber a que nível de significância deve ser rejeitada H0.
Suponha que com determinada amostra é encontrado o valor p=0,03. Deve ou não rejeitar H0?
Estando este valor p compreendido entre os limiares de significância (ou níveis de
significância habitualmente considerados) 0,01 e 0,05 há autores que diriam ser de rejeitar ao
nível de significância de 5% mas não ao de 1%.
Outros autores consideram apenas a comparação do valor p observado com o nível de
significância estabelecido antes do estudo, dependente do critério do investigador. Se, por
exemplo, o nível fixado foi de 5%, dir-se-ia apenas que sendo p<0,05 rejeita-se H0 ao nível de
significância de 5%. Se o nível fixado foi de 1%, dir-se-ia que sendo p>0,01 não pode
rejeitar-se H0 ao nível de significância de 1%.
6.3 Intervalos de Confiança versus Testes de Hipóteses

Ambos são métodos de inferência estatística que têm associado uma determinada
probabilidade de erro;
Pode utilizar-se um intervalo de confiança a (1-α)100% para concluir acerca da rejeição
ou não de H0 num teste de hipóteses bilateral para um nível de significância α.
Qual dos métodos usar?

Depende dos objectivos do estudo… em ensaios clínicos, pretende-se geralmente demonstrar
a eficácia (ou não) de um determinado tratamento ou medicamento. Se o tratamento tiver um
34
BioEstatística
efeito significativo, então a média das variações da variável sob estudo será
significativamente diferente de 0, isto é, pretendemos rejeitar H 0 : µ = 0 em favor de
H 1 : µ ≠ 0 , independentemente da magnitude de µ , sendo este tipo de inferência requerido

para publicação do estudo em revista científica.
Contudo, para o gestor do produto (medicamento), o intervalo de confiança para a média das
variações tem mais interesse, pois o gestor poderá concluir acerca da dimensão e credibilidade
do efeito do medicamento, o que será de maior peso em decisões administrativas do que o
facto do efeito médio ser (ou não) diferente de zero.
Pense no seguinte exemplo:

Uma companhia produtora de baterias para pacemakers garante que a vida média de cada
bateria é de, pelo menos, 3 anos. Se a data de operação cirúrgica, para substituição da bateria,
se basear na garantia do fabricante:
Como explicaria ao gestor da companhia as consequências do erro tipo I e erro tipo II?
Preferia utilizar um teste estatístico para averiguar se a vida média de cada bateria é, de
facto, 3 anos, ou utilizaria um Intervalo de Confiança? Porquê?
35
7. POPULAÇÕES NORMAIS
7.1 Intervalo de Confiança e teste t de Student
H 0 : µ = 0
Normalmente, quando se está a fazer um teste à média ( teste bilateral :  ) ou a
H 1 : µ ≠ 0
determinar um intervalo de confiança para a média populacional ( µ ), não se conhece a
^2 n
variância da população ( σ 2 ). Assim, utiliza-se s = × s 2 como estimador de σ 2 , donde
n −1
X −µ
a variável aleatória Z ( Z = ~ N (0,1) ) deixa de poder ser utilizada uma vez que, para
σ n
além µ , se desconhece σ (parâmetro perturbador).
A variável que passa a ter condições para ser utilizada na determinação do intervalo de
X −µ
confiança para µ ou na realização do teste estatístico é T = ^
~ t (n − 1) .
s n
O intervalo de confiança é dado por

^ ^
s s α
( x − tα 2 ; x + tα 2 ) , com tα 2 a verificar P(T> tα 2 ) =
n n 2
Dado que esta variável aleatória (T) tem, também, uma distribuição simétrica relativamente à
origem, tem-se que a amplitude do intervalo varia de amostra para amostra, já que depende de
^
s e da dimensão da amostra.
Pense nos seguintes casos:

O que acontece ao intervalo de confiança quando aumenta o nível de confiança?
Se a variância da amostra aumentar para o dobro, o que acontece à amplitude do intervalo
de confiança?
Se a amostra passar a ter mais 100 casos, com valores iguais à média amostra, o que
acontece ao intervalo de confiança?
O que pode fazer se quiser reduzir para metade a amplitude de um intervalo de confiança?
36
BioEstatística
7.1.1 Duas Amostras emparelhadas

Neste caso, o intervalo de confiança pode ser determinado, baseando-nos na média das
diferenças de cada uma das variáveis. Constrói-se a variável Diferença, e determina-se o
Intervalo de Confiança para a nova variável. Para a realização do teste estatístico, procede-se
da mesma forma. Contudo, as aplicações estatísticas fazem-no automaticamente.
 H 0 : µ Dif = 0  H 0 : µ Antes − µ Depois = 0  H 0 : µ Antes = µ Depois
teste bilateral :  ⇔ ⇔
 H 1 : µ Dif ≠ 0  H 1 : µ Antes − µ Depois ≠ 0  H 1 : µ Antes ≠ µ Depois
Exemplo 1: Deseja-se saber se um programa de reabilitação após enfarte de miocárdio

diminui a frequência cardíaca de esforço. Para tal, 10 doentes com enfarte do miocárdio foram
submetidos a uma prova de esforço antes e depois do programa. Os resultados, expressos em
batimentos por minuto, estão no quadro seguinte. Indique se o programa de reabilitação foi
eficaz.
Doente 1 2 3 4 5 6 7 8 9 10 x s s n
Antes 147 122 127 141 150 132 157 147 157 155 143.5 12.63 4.00
Depois 132 117 142 125 116 130 122 118 135 117 125.4 8.99 2.84
Dif. 15 5 -15 16 34 2 35 29 18 38 18.1 17.03 5.38
160 40,00
150
30,00
140
95% CI fc
95% CI
20,00
130
10,00
120
110 0,00
Antes Depois Média das diferenças: frequência cardíaca
Exemplo 2: Foi estudado o grau de satisfação (medido por questionário) de vários utentes de
uma clínica dentária antes e depois de lhes ser aplicada uma nova prótese total removível. Os
resultados, expressos em score de satisfação, foram os apresentados de seguida. Supondo que
os scores seguem uma distribuição normal, indique se aplicação da nova prótese influenciou o
grau de satisfação dos utentes.
Doente 1 2 3 4 5 6 7 8 s
x s n
Antes 4 10 8 13 7 3 15 7 8.38 4.14 1.46
Depois 4 16 11 17 17 4 18 11 12.25 5.75 2.03
Dif. 0 -6 -3 -4 -10 -1 -3 -4 -3,88 3,09 1.09
37
0,00
17,5
15,0
-2,00
12,5
95% CI p
95% CI
-4,00
10,0
7,5 -6,00
5,0
-8,00
Antes Depois Média das diferenças: Satisfação Prótese
7.1.2 Duas Amostras independentes

Neste caso, não é possível construir o intervalo de confiança fazendo a média das diferenças,
uma vez que cada indivíduo não tem um par de observações (tem-se a diferença de médias). O
mesmo se passa com o teste estatístico. Eventualmente, poderão existir grupos de dimensões
diferentes…
H 0 : µ A − µ B = 0 H 0 : µ A = µ B
teste bilateral :  ⇔
H 1 : µ A − µ B ≠ 0 H 1 : µ A ≠ µ B
Por outro lado, o que acontece se a variabilidade de cada grupo é diferente? Serão as médias
de dois grupos com variabilidade diferente comparáveis?
O teste de Levene (1960) é um dos testes mais potentes para testar a homogeneidade das
variâncias e é automaticamente efectuado pelo SPSS quando se efectua um teste t para
amostras independentes, sendo o intervalo de confiança determinado com base no resultado
daquele. As hipóteses estatísticas são as seguintes:
 H 0 : σ A 2 = σ B 2

 H 1 : σ A 2 ≠ σ B 2
No caso de se desconhecer a variância populacional, a variável T tem condições para se

definir como variável fulcral, ficando o Intervalo de Confiança definido por
α
(( x A − x B ) − tα 2 s * ; ( x A − x B ) + tα 2 s * ) , e P(T> tα 2 ) =
2
com s * dado computacionalmente por uma qualquer aplicação estatística (SPSS).
38
BioEstatística
Exemplo 1: Foi efectuado um estudo sobre o índice de massa corporal consoante o escalão
etário, em 16 estudantes do ensino superior, tendo-se obtido os seguintes dados:
Idade IMC x s
17-19 20,8 19,6 39 30,3 29,1 15,4 30,7 27 26.49 7.55
20-22 21,1 15,1 8,7 17,7 13,3 18,2 20,6 15,7 16.30 4.06
Observe agora os resultados obtidos no SPSS. O que conclui?

Levene's Test t-test for Equality of Means
95% Confidence Interval

Sig. Mean Std. Error of the Difference
F Sig. T df
(2-tailed) Difference Difference
Lower Upper
Equal variances
IMC 2,82 ,115 3,36 14 ,005 10,18750 3,03053 3,68767 16,68733
assumed
Equal variances
3,36 10,7 ,007 10,18750 3,03053 3,49811 16,87689
not assumed
Pelo teste de Levene pode-se assumir a 30,00
igualdade de variâncias.
A leitura do teste t de Student para amostras 25,00
95% CI IMC
independentes e do Intervalo de confiança

20,00
para a diferença de médias é feita, assim, na 1ª

linha da tabela de resultados, ou pelo gráfico 15,00
seguinte:
17-19 20-22
Escalão etário
Exemplo 2: Verificou-se ter havido um erro na introdução dos dados (IMC=8,7), pelo que
esse indivíduo será eliminado da amostra.
Suponha ainda que os critérios de inclusão/exclusão do estudo exigiam que os sujeitos
tivessem IMC entre 15 e 30, pelo que se excluíam 3 sujeitos no escalão dos 17-19 anos, e 2 do
outro grupo. Os resultados seriam os seguintes:
Levene's Test t-test for Equality of Means

Sig. Mean Std. Error of the Difference
F Sig. T df
(2-tailed) Difference Difference
Lower Upper
Equal variances
IMC 5,49 ,044 1,71 9 ,121 4,31333 2,51796 -1,38269 10,00936
assumed
Equal variances
1,59 5,28 ,168 4,31333 2,69781 -2,51350 11,14016
not assumed
39
Neste caso, não há homogeneidade de variância pelo que os resultados do teste t de Student
para amostras independentes têm de ser lidos na segunda linha, ou visualizados no gráfico que
se segue:
30,00
28,00
26,00
95% CI IMC 15-30

24,00
22,00
20,00
18,00
16,00
17-19 20-22
Escalão etário
7.2 K Populações Normais e Independentes (k>2): ANOVA

Uma das aplicações da Análise de Variância (ANOVA) é a comparação entre médias de m
populações normais, ou seja, testar a hipótese
 H 0 : µ1 = µ 2 = ... = µ m

 H 1 : ∃i, j ∈ {1,2,..., m}, i ≠ j : µ i ≠ µ j
A primeira hipótese que provavelmente colocaria seria comparar as médias duas a duas
através de um teste t-Student… Este procedimento, ainda que possível, não é válido, dado que
a estatística e o valor crítico deste teste só são válidos para comparar médias de 2, e apenas 2
populações, a partir das quais se extraíram duas amostras aleatórias.
De facto, enquanto que no teste a duas populações o erro tipo I não será superior a α × 100% ,
utilizando esse mesmo teste para comparar mais m populações, duas a duas, ter-se-ia um erro
tipo I aproximadamente de 1 − (1 − α ) m × 100% . Por exemplo, em 3 populações, para
α = 0.05 , a probabilidade de um erro tipo I, ou seja, de concluir erradamente que existe
diferença entre as 3 populações é de 14.3%.
Assim, é necessário avaliar a forma como as m populações são definidas, com base num ou
mais critérios (ou factores) e a variabilidade patenteada pelas amostras de cada uma das
populações.
40
BioEstatística
Por exemplo, suponha que queria testar a igualdade da média em 3 populações (A, B e C), e
considerem-se as duas situações apresentadas na imagem seguinte, onde se podem observar 5
observações amostrais de cada uma das 3 populações:
Note-se que as médias amostrais relativas às várias populações são iguais nas duas situações.
Contudo, intuitivamente os gráficos sugerem conclusões diferentes; enquanto que no primeiro
caso se tende a rejeitar quase de imediato a hipótese de igualdade de médias, no segundo caso
a tendência é para aceitar, com alguma facilidade, a hipótese de igualdade de médias.
Assim, a variabilidade dos dados relativos a cada população é um aspecto fundamental a ter
em conta no teste de hipóteses de igualdade de médias.
Se a variabilidade em torno de cada uma das médias amostrais é grande,
comparativamente com a variabilidade entre as médias amostrais (2º caso), tende-se a
não rejeitar a hipótese nula;
Assim, parece aceitável fundamentar o teste de hipóteses na comparação entre estas
variabilidades ⇒ Análise de Variância (ANalysis Of VAriance).
41
A ANOVA é relativamente robusta a desvios à normalidade desde que o número de

elementos em cada grupo seja relativamente grande, sendo que a não normalidade tem
consequência mínimas na interpretação dos resultados quando a distribuição não é muito
enviezada.
A distribuição F, na qual se baseia a ANOVA, é também robusta a violações da
homocedasticidade (homogeneidade de variâncias entre os grupos) desde que o número de
observações em cada grupo seja aproximadamente igual, considerando-se que os grupos são
de dimensão semelhante quando o quociente entre a dimensão do maior grupo e do menor for
inferior a 1,5.
7.2.1 ANOVA a 1 factor

A definição das m populações é feita com base num critério ou factor (por exemplo, definem-
se 3 populações segundo os escalões etários [20, 30[, [30, 40[, [40, 50[).
Caso se rejeite a hipótese H0 de igualdade de médias, conclui-se, para um determinado nível
de significância α, que as m populações não apresentam comportamento idêntico perante o
critério ou factor que serviu para efectuar a classificação. Contudo, só é legítimo considerar
este factor a causa das diferenças entre as médias das populações se se puder garantir a
homogeneidade das populações relativamente a todos os outros factores que podiam ser
relevantes para a explicação do fenómeno.
Sejam X i1 , X i 2 ,..., X ini , i = 1,2,..., m m amostras causais independentes com distribuição
normal de média desconhecida e variância comum desconhecida, isto é,

X ij ~ N ( µ i , σ 2 ), j = 1,2,..., ni , i = 1,2,..., m
Assim, X ij = µ + α i + ε ij , ε ij ~ N (0, σ 2 ) , o que implica que µ i = µ + α i
Valor Observado = Média Geral + Efeito do nível i do factor + Variável Residual
Baseado no modelo teórico da ANOVA para a população, é possível escrever o modelo a

partir das observações amostrais:
( )
xij = x + x i − x + ( xij − x i )
Observação ij
Efeito do nível i do factor Resíduos

Média amostral (estimativa de µ)
42
BioEstatística
O cálculo da estatística teste para a ANOVA requer o conhecimento das estimativas da

variabilidade dentro dos grupos (isto é, a variação residual ou dos erros de medida), estimada
a partir de ( xij − x i ) e da variabilidade entre as amostras (variação factorial, devida ao factor)
( )
que pode ser estimada a partir de x i − x . Em ambos os casos, determinam-se as somas dos
quadrados:
( ) =∑ (n
m ni m ^2
SQD = ∑∑ X ij − X i − 1) s i
2
i
i =1 j =1 i =1
( )
m
SQE = ∑ ni X i − X
2
i =1
Sendo assim, é possível obter uma estimativa da variabilidade total, dada por
Soma Quadrados Total = Soma Quadrados Dentro Amostras + Soma Quadrados Entre Amostras
A estatística teste da ANOVA é dada pela razão entre a variância do factor (ou entre as
SQE
amostras, estimada a partir de ), e a variância dos erros (ou dentro das amostras,
m −1
SQE
SQD (m − 1)
estimada a partir de ), ou seja, a partir da variável F = ~ F (m − 1, n − m) .
n−m SQD
( n − m)
Soma dos Graus de
Fonte de Variação Médias Quadráticas F
Quadrados Liberdade
Entre Amostras SQE m-1 MQE = SQE (m − 1)
Dentro das F = MQE MQD
SQD n-m MQD = SQD (n − m)
amostras
Total SQT n-1
Este procedimento permite testar a existência de diferenças estatisticamente significativas

entre as médias das m populações.
Quando se conclui que tais diferenças existem é interessante qualificá-las, através:
43
Do cálculo do intervalo de confiança para a média de cada população, usando a

 MQD MQD 
distribuição t-Student com n-m graus de liberdade:  x i 0 − tα / 2 , x i 0 + tα / 2
 ni ni 

No SPSS, efectuam-se comparações múltiplas das médias usando as comparações Post-
Hoc através dos testes de Tuckey, Fisher-LSD, Scheffé ou Bonferroni, entre outros.
O teste de Tuckey é um dos mais robustos a desvios à normalidade e homogeneidade de
variâncias para amostras grandes, enquanto que em amostras pequenas, o teste de
Bonferroni é um dos mais potentes.
Quando se compara um número reduzido de grupos, muitas vezes opta-se por testes mais
simples, como os de Fisher-LSD ou de Scheffé.
É possível, ainda que pouco provável, que a ANOVA e os testes de comparações
múltiplas cheguem a conclusões diferentes, isto é, pode rejeitar-se H0 na ANOVA, sem
que um teste para comparações múltiplas detecte a diferença entre pares de médias… Tal
deve-se ao facto de a ANOVA ser um teste mais potente (ou seja, onde a probabilidade de
rejeitar H0 correctamente é mais elevada), enquanto que os testes para comparações
múltiplas têm associado maiores probabilidades de erro tipo II) ⇒ repetição do estudo
com amostras de maior dimensão de modo a reduzir a probabilidade de erro tipo II.
Outra hipótese é realizar comparações à priori, ou seja, comparações planeadas,
usando contrastes. Estas comparações são mais potentes do que testes post-hoc, uma vez
que, de facto, serão testes t de Student que serão efectuados, mas exigem que a decisão
acerca das condições de interesse a testar sejam tomada à priori, daí serem menos
utilizados.
Os coeficientes do contraste são números positivos ou negativos (eventualmente nulos)
que definem as hipóteses a serem testadas, testando relações específicas entre grupos
através de uma combinação linear das médias cuja soma dos coeficientes se anula.
Por exemplo, se houver 5 grupos e pretender comparar os grupos 1 e 3 com o grupo 4,
basta definir os coeficientes do contraste como, por exemplo, 1, 0, 1, -2, 0; se quiser
comparar os grupos 1, 2 e 3 com o grupo 4 e 5 utiliza-se, por exemplo, 1, 1, 1, -1.5, -1.5.
44
BioEstatística
Exemplo 1: ANOVA a 1 factor ordinal.

Baixa Média Alta
Neste caso (factor ordinal), é possível fazer uma análise de 14 12 17
15 11 16
tendência. Suponha que as notas de Bioestatística da
9 14 16
Licenciatura de Medinina Dentária da UC, no ano lectivo de 15 13 18
15 16 16
2006/2007, foram as apresentadas no quadro seguinte, 10 15 17
consoante as condições motivacionais dos alunos. 11 13 14
11 14 15
10 13 16
Será a motivação um factor de diferenciação das notas nesta 14 12 12
16 13 18
disciplina? 11 14 13
15 13 18
Em caso afirmativo, quais os grupos com diferença
12 15 14
significativa? 12 16 16
14 14 17
Apresente um gráfico que lhe permita avaliar alguma
13 13 15
tendência. 10 13 17
Exemplo 2: ANOVA a 1 factor nominal

No quadro seguinte apresentam-se o número de acidentes segundo o tipo de bebida alcoólica
consumido pelo condutor, nas duas horas anteriores ao acidente.
Bebida Acidentes Bebida Acidentes Bebida Acidentes Bebida Acidentes
1 5 2 6 3 2 4 2
1 4 2 5 3 2 4 1
1 4 2 3 3 3 4 2
1 5 2 5 3 3 4 1
1 5 2 4 3 1 4 2
1 6 2 4 3 2 4 2
1 6 2 4 3 2 4 3
1 4 2 4 3 4 4 2
1 4 2 4 3 3 4 3
1 5 2 2 3 2 4 4
Bebidas: 1 = Aguardente; 2 = Vinho; 3 = Cerveja; 4 = Não bebe
Verifique se existe diferença estatisticamente significativa no número de acidentes, consoante

o tipo de bebida ingerida. Em caso afirmativo, identifique as diferenças através do teste de
Tuckey.
Indique ainda o que significam os contrastes seguintes, efectue-os e conclua:
a) 1/3 aguardente + 1/3 vinho + 1/3 cerveja – 1 Não bebem
b) 0,5 aguardente + 0,5 vinho – 0,5 cerveja – 0,5 não bebem
45
7.2.2 Exemplos de outras Análises de Variância

ANOVA a mais do que 1 factor - 2 factores fixos
Amostra aleatória de 30 mães, tendo-se seleccionado aleatoriamente 5 por cada categoria de
parto e por continente de origem. Avaliar o efeito da origem (asiática, europeia, africana) e do
tipo de parto (eutócico, distócico) no peso dos recém-nascidos.
Asiática Europeia Africana
2.9 3.5 2.1
Eutócico
3.3 3.4 2.2
2.7 3.3 2.3
2.8 3.4 2.4
3.2 3.3 2.3
2.9 3.9 2
Distócico
3.3 4.1 2.3

3.1 4 2.2
3 4 2.1
3.2 3.9 2
ANOVA a mais do que 1 factor - modelo aleatório: factores aleatórios – não tinha escolhido o
continente onde seriam seleccionadas as mães, nem tipo de parto, mas tinha seleccionado
aleatoriamente
ANOVA a mais do que 1 factor - efeitos mistos: inclui factores fixos, aleatórios, e variáveis
concomitantes
ANCOVA – ANalysis OF COVAriance

Avaliar a relação entre o tipo de acompanhamento que as crianças tiveram até aos 5 anos de
idade (infância) e as notas de matemática.
É lógico que crianças com maior QI tendam a originar melhores notas a matemática
- factor infância tem 3 níveis: 1 = jardim-infância; 2 = casa; 3 = ama
– QI é variável concomitante
Infância QI Notas Infância QI Notas Infância QI Notas
1 105.7 15.526 2 100.3 14.78 3 94 9
1 100.3 14.826 2 86.5 9.18 3 112 14
1 94.3 13.44 2 96.1 12.966 3 112 14
1 108.7 15.645 2 101.2 12.82 3 100 9
1 93.1 11.586 2 97.6 8.734 3 103 14
1 96.7 11.53 2 96.4 10.08 3 112 14
1 106.9 16.66 2 109.6 16.868 3 112 14
46
BioEstatística
MANOVA (Multiple ANalysis OF Variance) e MANCOVA (Multiple ANalysis OF COVariance)

A análise de variância multivariada (MANOVA) é um teste mais potente do que a realização
de várias análises de variância, quando se têm várias variáveis dependentes relacionadas. A
realização de várias ANOVS’s assenta no pressuposto que as várias variáveis dependentes
eram ortogonais, ou seja, independentes. De facto, em muitos casos, a MANOVA detecta
diferenças que não seriam detectadas por múltiplas ANOVAs, assim como a ANOVA pode
detectar diferenças não detectáveis pelos testes post-hoc.
Para ilustrar este facto, pode observar-se a figura seguinte, onde é visível a diferença existente
entre os dois grupos de pontos (escuros e claros), mas quando as funções densidade são
projectadas em cada um dos eixos, ou seja, em cada uma das variáveis, as diferenças já não
são aparentes:
Na MANOVA, as variáveis dependentes são consideradas em simultâneo, organizadas de

forma composta e com os efeitos associados a cada variável ponderados pela correlação
existente entre ambas, de forma a que o erro tipo I permaneça igual a α, uma vez que o erro
tipo I através de ANOVAs sucessivas em k amostras é igual a kα.
47
7.3 Correlação linear

Quando se pretende estudar a relação ou associação entre 2 variáveis quantitativas aleatórias
X e Y, e sendo ambas provenientes de populações normais, determina-se o coeficiente de
correlação r de Pearson, coeficiente este que varia entre -1...0...1 e é dado por
r=
cov xy
=
∑ [(x − x )× (y − y )]
i i
sx × s y
∑ (x − x ) × ∑ (y − y )
2 2
i i
O coeficiente de correlação r mede a força da associação entre as variáveis e o teste que lhe
r
está associado ( t o = n − 2 ~ t (n − 2) ) tem como hipóteses:
1− r 2
 H 0 : Não existe relação linear entre X e Y (r = 0)


 H 1 : X e Y estão linearmente relacionadas (r ≠ 0)
Sempre que existe uma correlação estatisticamente significativa, é interessante avaliar o sinal
de r, dado que este indica o sentido da relação (Note-se que a significância estatística de r=0.7
ou r=-0.7 é a mesma, o que muda é o sentido da relação). Graficamente, através de um
diagrama de dispersão, pode observar-se uma tendência crescente ou decrescente consoante o
valor do coeficiente de correlação é positivo ou negativo.
1.00
0.80
Fracção de Sobrevivência
0.60
0.40
0.20
0.00
0.00 200.00 400.00
Dose
r>0 r<0
Normalmente há vantagem em ser efectuada uma análise de regressão em vez da correlação

simples, sendo necessário ter uma variável dependente e outra independente. Em termos
laboratoriais podemos dizer que uma das variáveis é manipulada pelo investigador enquanto
na outra são medidos os valores obtidos.
48
BioEstatística
7.4 Análise de Regressão Linear Simples

A regressão linear simples é um método para estudar a relação entre 2 variáveis quantitativas,
normalmente distribuídas, com o objectivo de estimar uma variável Y em função da outra X,
ou seja, de estudar como modificações numa variável independente produzem modificações
noutra variável dependente.
À equação que traduz a função y de x dá-se o nome de curva de regressão de y sobre x. Se
for uma regressão linear, tem-se uma recta: y* = a + bx
O coeficiente a é designado por intersecção ou ordenada na origem, e o coeficiente b por
inclinação ou declive da recta de regressão de y sobre x.
Contudo, nem todos os pontos do diagrama de dispersão4 ficam sobre a recta5, ou seja, nem
sempre y coincide com y*. Isto significa que nem toda a variabilidade de y é explicada pela
regressão; parte da variabilidade de y não é explicada pela regressão - é a variabilidade
residual devida a outros factores ou ao erro ou resíduo: ε=y*-y.
Se esta variabilidade residual for devida a erros casuais não tem uma magnitude significativa
relativamente à variabilidade devida à regressão (tem-se, normalmente, ε = 0 ).

O objectivo é encontrar os valores de a e b que melhor traduzem a recta de regressão, ou seja,
que minimizam os erros cometidos entre o valor y* previsto pela recta e o seu valor
( )
observado y, e de tal forma que x, y seja um ponto dessa recta.
7.4.1 Determinação dos coeficientes da recta de regressão

Baseando-nos nos valores amostrais, determina-se o declive da recta (b), através de
b=
cov xy
=
cov xy ∑ (x − x )× (y − y ) ou de b = r × s
i i y
sx × sx
∑ (x − x )
2 2
s x s x
i
Conhecido o valor de b, o coeficiente a fica determinado se conhecermos um ponto da recta.

( )
Ora, é suposto que x, y pertença à recta de regressão, donde a = y − b x
7.4.2 Hipóteses estatísticas para o declive da recta de regressão

 H 0 : Não existe relação linear entre X e Y (b = 0)
 , para um nível de significância α
 H 1 : X e Y estão linearmente relacionadas (b ≠ 0)
4
Pontos do diagrama de dispersão: (x,y); y é o valor observado na amostra
5
Pontos da recta de regressão: (x,y*); y* é a estimativa de y, determinada pela recta de regressão
49
Sempre que a recta de regressão está bem ajustada, é necessário calcular a força ou magnitude
da associação para determinar se esta é relevante, através do coeficiente de determinação r2:
SQexp licada
r2 = ∈ [0,1]
SQtotal
r2 = 0 recta de regressão coincidente com a recta y (ausência de associação)

r2 reduzido: grande dispersão de valores em torno da recta de regressão (associação fraca)
2
r elevado: pequena dispersão de valores em torno da recta de regressão (associação forte)
r2 = 1 dispersão nula em torno da recta y (associação máxima)
7.4.3 Estimativa de valores de y pela recta de regressão:

A predição de valores da variável dependente pela equação de regressão só é legítima dentro
dos limites de variação dos valores observados na variável independente.
Trata-se de uma estimativa pontual... haveria necessidade de determinar o seu intervalo de
confiança a 1-α% usando
 * 
y −t α × EPy* ; y * + t α × EPy* 
 1− , n − 2 1− , n − 2
 2 2 
Exemplo 1: Na seguinte janela do SPSS pode visualizar-se a

fracção de sobrevivência f de um vírus sujeito a uma dose de
radiação d.
Usando um diagrama de dispersão, parece existir uma relação
linear entre a dose de radiação e a fracção de sobrevivência do
vírus:
1.00
0.80
De facto, parece que a fracção de

Fracção de Sobrevivência
0.60
sobreviência do vírus diminui com o

0.40 aumento da dose de radiação. Assim, a
existir correlação estatisticamente
0.20
significativa, esta será negativa. Supondo

0.00
que a distribuição dos valores da dose de
0.00 200.00 400.00
Dose
radiação e racio de sobrevivência seguem
50
BioEstatística
distribuição normal, tem-se:
Correlação de Pearson Racio de Sobrevivência

r -.980
Dose p .000
n 9
Assim, o que parecia óbvio no diagrama de dispersão confirma-se: existe uma correlação
estatisticamente significativa entre a dose de radiação administrada e o racio de sobrevivência
do vírus (p < 0.001), no sentido em que doses de radiação mais elevadas estão associadas a
racios de sobrevivência menores (r = -0.98 < 0).
Neste caso, para além da relação existente entre as duas variáveis, parece ser interessante
avaliar em que sentido é que a fracção de sobrevivência do vírus poderá depender da dose de
radiação administrada, ou seja, se existe uma relação de causa (dose) – efeito (sobrevivência),
o que se poderá obter por regressão linear simples.
O quadro sumário do modelo de regressão linear mostra que o r2 é de 0.96, ou seja, 96% da
variabilidade encontrada no racio de sobrevivência é devida à variabilidade da dose
administrada, ou seja, a variabilidade conjunta é de 96%. Note-se que r, neste quadro, é de
0.98! O valor real da correlação deve ser avaliado através da matriz de correlação e não do
sumário do modelo de regressão.
Model Summary
R R Square Adjusted R Square Std. Error of the Estimate
.980 .960 .954 .07932
O valor de r2 pode ser obtido fazendo 0.9802= 0.96 ou usando SQ do modelo da ANOVA:
0.96=1.044/0.044.
No quadro da ANOVA pode ainda observar-se que esta recta se ajusta bem aos dados (p <
0.001), sendo que a variabilidade devida à regressão é cerca de 166 vezes superior à
variabilidade residual.
ANOVA(b)
Sum of Squares df Mean Square F Sig.
Regression 1.044 1 1.044 165.989 .000(a)
Residual .044 7 .006
Total 1.088 8
51
No quadro seguinte podemos observar os valores determinados para a e b, coeficientes da

recta de regressão, assim como a confirmação de que existe uma relação linear entre a dose
adminsitrada e o racio de sobrevibvência do vírus (p < 0.001).
Coefficients(a)
Unstandardized Standardized
Coefficients Coefficients t Sig.
b Std. Error Beta
(Constant) 1.001 .049 20.522 .000
Dose -.003 .000 -.980 -12.884 .000
Tem-se assim que Sobrevivência*=1.001 – 0.003xDose:

Dose Racio sobrevivênia
(x) Observada (y) Prevista (y*) Erro (ε=y*-y)
.00 1.00 1.00051 .00
50.00 .96 .86858 -.09
100.00 .78 .73664 -.04
150.00 .57 .60471 .03
200.00 .38 .47278 .09
250.00 .25 .34084 .09
300.00 .16 .20891 .05
350.00 .10 .07698 -.02
400.00 .06 -.05496 -.11
N Min Max Mean SD
erro 9 -.11 .09 .0000 .0742
Mais uma vez se pode confirmar a qualidade do ajustamento da recta de regressão ( ε = 0 ).
Podem assim prever-se valores para o racio de sobrevivência, a partir da recta de regressão
obtida. Por exemplo, para uma dose de 210, obtém-se uma previsão para o rácio
sobrevivência = 1.001-0.003*210 = 0.371.
7.5 Modelo de Regressão Linear Múltipla

O modelo de regressão linear múltipla é uma técnica estatística descritiva e inferencial que
permite analisar a relação entre uma variável dependente (Y) e um conjunto de variáveis
independentes (X’s).
Este modelo requer que as variáveis sejam intervalares ou rácio, e que as relações entre as
variáveis sejam lineares e aditivas, embora estas restrições não sejam absolutas.
Variáveis nominais podem ser introduzidas no modelo com recurso a variáveis dummy
(artificiais), e a transformação de equações pode conduzir a relações lineares. Muitas funções
52
BioEstatística
não lineares são linearizáveis. Por exemplo, o seguinte modelo com duas variáveis
independentes não é linear e aditivo: Y = c 0 * c1 X 1 1 * c 2 X 2

K k2
ln(Y ) = ln(a 0 * a1 X 1 1 * a 2 X 2 2 )
K k
Mas o modelo que se obtém fazendo conduz a
ln(Y ) = ln(c 0 ) + (ln(c1 ) + k1 ln( X 1 )) + (ln(c 2 ) + k 2 ln( X 2 )) , que é transformável e equivalente a
Y * = t 0 + t1 X 1 + t 2 X 2 .
* *
Por outro lado, não deve existir multicolinearidade, ou seja, as variáveis independentes
devem ser independentes. Caso este pressuposto não se verifique, então a lista de variáveis
independentes deve ser analisada, pois existem, com certeza, variáveis redundantes. Pode
recorrer-se à correlação bivariada para observar quais as variáveis com maior correlação entre
si, ou observar a Tolerância ou a VIF de cada variável, obtidas computacionalmente em
qualquer aplicação estatística. A tolerância mede o grau em que uma variável X é explicada
por todas as outras variáveis independentes, ou seja, a proporção da sua variância que não é
explicada por todas as outras variáveis independentes. Esta varia entre 0 e 1, e quanto mais
próxima estiver de 0 maior será a multicolinearidade, considerando-se como limite inferior
para que não exista multicolinearidade o valor de 0.10. Todas as variáveis com valores de
tolerância < 0.1 devem ser excluídas do modelo.
Define-se VIF (variance inflaction factor) como o inverso da tolerância (1/Tol), pelo que não
existirá multicolinearidade quando VIF < 10.
Métodos de procura do “melhor modelo”

Um dos objectivos principais da regressão linear múltipla é a previsão da variável dependente
a partir de um conjunto de variáveis independentes.
Num problema de regressão linear múltipla, o investigador pode conhecer à partida quais as
variáveis independentes a incluir no modelo. Contudo, nas fases exploratórias da análise de
regressão, o investigador desconhece quais as variáveis que conduzem ao “melhor modelo”.
Existem vários métodos de procura do melhor modelo, e nenhum deles conduz ao modelo
óptimo. A análise do coeficiente de determinação é geralmente o nivelados da qualidade do
modelo.
No método forward o modelo inicial apenas inclui a constante, sendo as variáveis
independentes acrescentadas ao modelo de forma a que, em cada passo, é incluída a que maior
correlação apresenta com a variável dependente. Assim, em cada passo, entra a variável que
53
maior alteração provoca no valor do F da ANOVA, ou, de modo semelhante, a variável que
produza um maior aumento no valor de r2, enquanto esta alteração for significativa.
No método backwards o modelo inicial a constante e todas as variáveis seleccionadas pelo
investigador, sendo as variáveis independentes retiradas do modelo, em cada passo, de acordo
com o menor valor de F associado a cada variável (de forma inversa à anterior).
O método stepwise é um híbrido dos anteriores, e é o que é, normalmente, utilizado.
Exemplo 1: Suponha que está a efectuar a previsão da

sua nota de Bioestatística (Y), a partir das variáveis
número médio de horas de estudo semanal (HORAS),
número de refeições diárias do aluno (REFEIÇÃO) e
do curso que o aluno frequenta (medicina ou dentária).
Esta última variável terá de ser recodificada em duas
variáveis artificiais: o aluno frequenta o curso de
Medicina (MED, sim/não) ou de Medicina dentária
(DENT, sim/não).
Model Summary
Std. Error Change Statistics
Adjusted
Model R R2 of the R Square F Sig. F
R2 df1 df2
Estimate Change Change Change
1 ,823(a) ,677 ,670 1,3670 ,677 90,139 1 43 ,000
2 ,915(b) ,837 ,829 ,9828 ,160 41,186 1 42 ,000
3 ,941(c) ,885 ,876 ,8359 ,048 17,059 1 41 ,000
4 ,951(d) ,904 ,894 ,7736 ,019 7,871 1 40 ,008
a Predictors: (Constant), horas
b Predictors: (Constant), horas, refeição
c Predictors: (Constant), horas, refeição, med
d Predictors: (Constant), horas, refeição, med, dent
ANOVA(e)
Model SS df MS F Sig.
Regression 168,445 1 168,445 90,139 ,000(a)
1 Residual 80,355 43 1,869
Total 248,800 44
… … … … … … …
Regression 224,860 4 56,215 93,928 ,000(d)
4 Residual 23,940 40 ,598
Total 248,800 44
a Predictors: (Constant), horas
b Predictors: (Constant), horas, refeição
c Predictors: (Constant), horas, refeição, med
d Predictors: (Constant), horas, refeição, med, dent
e Dependent Variable: notas
54
BioEstatística
Coefficients(a)
Unstandardized Standardized
T Sig. Collinearity Statistics
Model Coefficients Coefficients
B Std. Error Beta Tolerance VIF
(Constant) 10,294 ,447 23,050 ,000
1
horas 3,329 ,351 ,823 9,494 ,000 1,000 1,000
… … … … … … … … …
(Constant) 11,376 ,600 18,949 ,000
horas 1,464 ,348 ,362 4,203 ,000 ,325 3,080
4 refeição ,425 ,102 ,256 4,154 ,000 ,634 1,578
med -1,787 ,376 -,358 -4,755 ,000 ,423 2,361
dent 1,055 ,376 ,211 2,806 ,008 ,423 2,361
a Dependent Variable: notas
Nestes casos, pode-se comparar a variância explicada por cada variável, no modelo (r2), e é
interessante observar os valores de β e não de b, no quadro dos coeficientes de regressão. Os
coeficientes b reflectem a escala em que a variável foi medida, enquanto que β são os
coeficientes b padronizados. Assim, as variáveis com peso na predição do modelo podem ser
comparadas e avaliadas. No quadro anterior pode observar-se que o peso relativo de cada
variável na nota final, comparando os valores absolutos de β.
7.6 Outros Modelos de Regressão

Em bioestatística é comum usar outros tipos de regressão, para além dos modelos de regressão
linear múltipla. Entre eles destacam-se a estimativa de curvas e o modelo de regressão
logística, utilizado frequentemente para identificar preditores de risco de determinadas
situações.
Curve Estimation
The Curve Estimation procedure produces curve estimation regression statistics and related
plots for 11 different curve estimation regression models. A separate model is produced for
each dependent variable. You can also save predicted values, residuals, and prediction
intervals as new variables.
Example: An Internet service provider tracks the percentage of virus-infected e-mail traffic on
its networks over time. A scatterplot reveals that the relationship is nonlinear. You might fit a
quadratic or cubic model to the data and check the validity of assumptions and the goodness
of fit of the model.
55
Logistic Regression
Logistic regression is useful for situations in which you want to be able to predict the
presence or absence of a characteristic or outcome based on values of a set of predictor
variables. It is similar to a linear regression model but is suited to models where the
dependent variable is dichotomous. Logistic regression coefficients can be used to estimate
odds ratios for each of the independent variables in the model. Logistic regression is
applicable to a broader range of research situations than discriminant analysis.
Example: What lifestyle characteristics are risk factors for coronary heart disease (CHD)?
Given a sample of patients measured on smoking status, diet, exercise, alcohol use, and CHD
status, you could build a model using the four lifestyle variables to predict the presence or
absence of CHD in a sample of patients. The model can then be used to derive estimates of
the odds ratios for each factor to tell you, for example, how much more likely smokers are to
develop CHD than nonsmokers.
56
BioEstatística
8. TESTES NÃO PARAMÉTRICOS
A comparação de parâmetros populacionais a partir de amostras aleatórias é uma das

necessidades fulcrais em estatística inferencial, principalmente quando se pretende testar a
significância de tratamentos ou factores que são capazes de influenciar a resposta da variável
medida e, em que se pretende testar se o tratamento teve ou não um efeito significativo.
Assim, existem basicamente duas metodologias para efectuar estes tipos de testes: os testes
paramétricos que exigem que a forma da distribuição amostral seja conhecida (sendo a
distribuição Normal a mais utilizada…); os testes não paramétricos não exigem que seja
conhecida a distribuição amostral (embora possuam outras condições de aplicação), e devem
ser aplicados em alternativa aos testes não paramétricos.
Porque não utilizar, então, sempre testes não paramétricos? Porque a potência dos testes
paramétricos, ou seja, a probabilidade de rejeitar correctamente H0 é superior num teste
paramétrico6, devendo os testes não paramétricos ser, assim, utilizados, apenas quando não
existe alternativa, ou quando o nível de mensuração da variável dependente é ordinal ou
nominal (situação em que apenas se podem utilizar testes não paramétricos).
8.1 Condições Gerais de aplicação dos testes paramétricos

A variável dependente é quantitativa e segue uma distribuição normal
As variâncias populacionais são homogéneas, caso estejamos a comparar 2 ou mais
populações
8.1.1 Testes estatísticos mais utilizados para testar a

Normalidade da distribuição: Teste de Kolmogorov-Smirnov
H 0 : X ~ N ( µ ,σ )

 H 1 : X não segue distribuição normal
Em alternativa ao teste de Kolmogorov-Smirnov, o SPSS efectua também o teste de

Shapiro-Wilk quando n < 50 para testar se a variável em estudo na amostra aleatória
possui ou não distribuição normal, sendo este teste particularmente apropriado e preferível
ao teste de Kolmogorov-Smirnov sempre que n<30.
6
Embora, em amostras de pequena dimensão seja, muitas vezes, preferível utilizar testes não paramétricos
57
Homogeneidade de variâncias: Teste de Levene

 H 0 : σ 12 = σ 22 = ... = σ k2

 H 1 : ∃i, j ∈ {1,2,..., k }, i ≠ j : σ i ≠ σ j
2 2
8.1.2 Quadro de Decisão para variáveis Intevalares/Racio

Variáveis Intervalar/Rácio (Scale) Variáveis Ordinais
Avaliar distribuição:
Teste de Kolmogorov-Smirnov
Aceitar H0 Rejeitar H0
H0: Distribuição = Normal H1: Distribuição ≠ Normal
Avaliar homogeneidade de variâncias

se nº grupos > 3: Teste de Levene
Aceitar H0 Rejeitar H0
H0: Variâncias homogéneas H1: Distribuição ≠ Normal
TESTES PARAMÉTRICOS TESTES NÃO PARAMÉTRICOS

Será o IMC da população de estudantes do ensino superior português = 20.5 kg/m2?
t 1 média Wilcoxon / Sinal (variável constante)
H0: µ = 20.5 H0: md = 20.5
H1: µ ≠ 20.5 H1: md ≠ 20.5
Há alteração significativa nos valores de TAS antes e depois de um tratamento?
t amostras emparelhadas Wilcoxon / Sinal
DIFERENÇA
H0: µA= µD H0: mdA = medD

H1: µA≠ µD H1: mdA ≠ medD
O tratamento é eficaz na redução dos valores de TAS (relativamente ao placebo)?
t amostras independentes Mann-Whitney
H0: µSA= µP H0: mdSA = md P
H1: µSA≠ µ P H1: mdSA ≠ md P
Há diferença nos valores de glicémia relativamente aos escalões de IMC?
ANOVA (1-factor) Kruskal-Wallis
H0: µ1= µ2= ... = µ6 H0: md1 = md2 = ... = md6
H1: ∃µi ≠ µ j, i ≠ j H1: ∃mdi ≠ mdj, i ≠ j
Haverá relação entre os valores de TAS antes e depois de um tratamento?
RELAÇÃO
Estarão os valores de TAD relacionados com o IMC? E com o IMC em escalões?

Coeficiente de correlação
Pearson (r) Spearman (ρ) / Kendall (τ)
H0: r=0 H0: ρ=0 / τ=0
H1: r≠0 H1: ρ≠0 / τ≠0
58
BioEstatística
Exemplos:
1. Suponha que se pretende avaliar se as condições de temperatura e humidade influenciam o
tempo demorado a adormecer dos recém-nascidos, assim como a duração da sesta. Assim,
observaram-se 3 amostras independentes de recém-nascidos, em 3 maternidades com
diferentes condições de temperatura e humidade nos quartos, sendo cada amostra
constituída por 10 elementos.
Qual o teste estatístico que utilizaria neste caso, para cada uma das variáveis dependentes
estudadas, após observar o seguinte quadro?
Tests of Kolmogorov-Smirnov(a) Shapiro-Wilk
Maternidade
Normality Statistic df Sig. Statistic df Sig.
MDM .214 10 .200(*) .938 10 .531
Tempo a
MBB .228 10 .152 .907 10 .262
adormecer
CSS .216 10 .200(*) .845 10 .051
MDM .196 10 .200(*) .872 10 .107
Duração da sesta MBB .244 10 .092 .774 10 .007
CSS .247 10 .083 .928 10 .424
* This is a lower bound of the true significance.
a Lilliefors Significance Correction
Levene
Test of Homogeneity of Variance df1 df2 Sig.
Statistic
Based on Mean .188 2 27 .830
Tempo a Based on Median .171 2 27 .844
adormecer Based on Median and with adjusted df .171 2 24.650 .844
Based on trimmed mean .186 2 27 .831
Based on Mean 1.569 2 27 .227
Duração da Based on Median .698 2 27 .506
sesta Based on Median and with adjusted df .698 2 18.685 .510
Based on trimmed mean 1.287 2 27 .292
Observe agora os resultados obtidos e comente-os:

Tempo a adormecer
Std. Std. 95% Confidence Interval for Mean
N Mean Minimum Maximum
Deviation Error Lower Bound Upper Bound
MDM 10 5.4000 1.83787 .58119 4.0853 6.7147 2.00 9.00
MBB 10 5.7000 1.56702 .49554 4.5790 6.8210 3.00 9.00
CSS 10 7.4000 1.77639 .56174 6.1292 8.6708 4.00 9.00
Total 30 6.1667 1.89525 .34602 5.4590 6.8744 2.00 9.00
Duração da sesta
Std. Std. 95% Confidence Interval for Mean
N Mean Minimum Maximum
Deviation Error Lower Bound Upper Bound
MDM 10 224.000 18.25133 5.7716 210.9438 237.0562 198.00 245.00
MBB 10 227.800 41.46431 13.112 198.1382 257.4618 123.00 265.00
CSS 10 222.100 34.07981 10.777 197.7208 246.4792 159.00 268.00
Total 30 224.63 31.6734 5.783 212.8063 236.4604 123.00 268.00
59
7.50 228.00
227.00
7.00
Mean of Tempo a adormecer
Mean of Duração da sesta

226.00
6.50
225.00
6.00
224.00
5.50
223.00
5.00 222.00
MDM MBB CSS MDM MBB CSS
Maternidade Maternidade
Tempo a Adormecer
ANOVA: Tempo a adormecer
Sum of Mean
df F Sig.
Squares Square
Between Groups 23.267 2 11.633 3.883 .033
Within Groups 80.900 27 2.996
Total 104.167 29
Multiple Comparisons: Dependent Variable: Tempo a adormecer; Tukey HSD
(I) (J) Mean Difference 95% Confidence Interval

Std. Error Sig.
Maternidade Maternidade (I-J)
Lower Bound Upper Bound
MBB -.30000 .77412 .921 -2.2194 1.6194
MDM
CSS -2.00000(*) .77412 .040 -3.9194 -.0806
MBB MDM .30000 .77412 .921 -1.6194 2.2194
CSS -1.70000 .77412 .090 -3.6194 .2194
MDM 2.00000(*) .77412 .040 .0806 3.9194
CSS
MBB 1.70000 .77412 .090 -.2194 3.6194
* The mean difference is significant at the .05 level.
Duração da Sesta
Ranks
Maternidade N Mean Rank
MDM 10 13.85
MBB 10 17.70
Duração da sesta
CSS 10 14.95
Total 30
Test Statistics(a,b)
Duração da
sesta
Chi-Square 1.017
df 2
Asymp. Sig. .602
a Kruskal Wallis Test
b Grouping Variable: Maternidade
60
BioEstatística
2. Suponha agora que se seleccionava a maternidade que demonstrava ter melhores

condições de temperatura e humidade nos quartos das parturientes, e que, nesta, se
estudava o tempo médio demorado a adormecer e a duração da sesta de 30 recém-
nascidos. Estará o tempo médio da sesta relacionado com o tempo demorado a
adormecer?
260.00
240.00
220.00
Duração da sesta
200.00
180.00
160.00
140.00
120.00
2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
Tempo a adormecer
Observando os coeficientes de correlação de Pearson e de Spearman, para um nível de

significância de 0.05, concluímos que ... !!!
Tempo a Adormecer vs
r (Pearson) rho (Spearman)
Duração da Sesta
Correlation coefficient -.303 -.372
Sig. (2-tailed) .103 .043
N 30 30
Qual dos coeficientes de correlação devemos utilizar? As conclusões a que se chega são
opostas, ainda que o coeficiente de correlação seja fraco. Com o coeficiente de correlação de
Pearson, conclui-se que não existe relação significativa entre a duração da sesta e o tempo
demorado a adormecer dos recém-nascidos (p = 0.103), enquanto que quando se utiliza um
coeficiente de correlação não paramétrico conclui-se que existe relação entre ambas (p =
0.043), no sentido em que sestas mais prolongadas estão relacionadas com menor tempo
demorado a adormecer (rho < 0).
Qual dos dois coeficientes deve ser utilizado?
Tests of Normality
Kolmogorov-Smirnov(a) Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
Tempo a adormecer .164 30 .038 .924 30 .034
Duração da sesta .167 30 .032 .885 30 .004
b Calculated from data
61
3. Numa das outras maternidades, seleccionaram-se 30 recém-nascidos ao acaso, e foram

aleatoriamente divididos em dois grupos iguais: num grupo colocou-se no berço uma peça
da roupa da mãe, enquanto que no outro colocou-se uma peça de roupa de outro familiar.
Quais os testes estatísticos que poderia utilizar para avaliar a influência do cheiro da mãe
no sono dos recém-nascidos?
Tests of Normality
Peça de roupa Kolmogorov-Smirnov(a) Shapiro-Wilk
da mãe Statistic df Sig. Statistic df Sig.
Tempo a Sim .171 15 .200(*) .962 15 .725
adormecer Não .210 15 .073 .839 15 .012
Duração da Sim .128 15 .200(*) .961 15 .704
sesta Não .189 15 .153 .921 15 .199
* This is a lower bound of the true significance.
Observe e comente os resultados:

Descriptive Statistics
Peça de roupa da mãe N Minimum Maximum Mean Std. Deviation
Tempo a adormecer 15 2.00 9.00 5.2667 1.70992
Sim
Duração da sesta 15 223.00 268.00 243.8000 12.36470
Tempo a adormecer 15 5.00 9.00 7.0667 1.66762
Não
Duração da sesta 15 123.00 255.00 205.4667 33.73397
Tempo a Adormecer
Peça de Roupa Mean Sum of
Ranks N
da mãe Rank Ranks
Tempo a Sim 15 11.50 172.50
adormecer Não 15 19.50 292.50
Tempo a
Test Statistics(b)
adormecer
Mann-Whitney U 52.500
Exact Sig. [2*(1-tailed Sig.)] .011(a)
a Not corrected for ties.
b Grouping Variable: Peça de roupa da mãe
Duração da Sesta
Independent Samples Test
Levene's Test
for Equality of t-test for Equality of Means
Variances
95% Confidence
Sig. Mean Std. Error Interval of the
F Sig. t df Difference
(2-tailed) Differenc Differenc
Lower Upper
Equal variances
4.132 28 .000 38.333 9.277 19.331 57.336
Duração assumed
6.213 .019
da sesta Equal variances
4.132 17.695 .001 38.333 9.277 18.819 57.847
not assumed
62
BioEstatística
9. VARIÁVEIS QUALITATIVAS
9.1 Testes Qui-quadrado (Tabelas de Contingência)

Cáries
Não Sim Total
Classes Normal 10 10 20
de IMC Excesso Peso 7 6 13
Obesidade 3 4 7
Total 20 20 40
Teste Qui-Quadrado: testes de homogeneidade (diferença de proporções); Testes de

independência:
H0: As proporções são iguais ou
Não existe associação entre as variáveis/As variáveis são independentes
H1: As proporções são diferentes/
Existe associação entre as variáveis/As variáveis não são independentes
O teste Chi2 não pode ser utilizado em qualquer tabela de contingência. É necessário que
cumpra as Regras de Cochran para aplicação do teste Chi2
Tabelas de 2x2:
1. Se n ≥ 40 pode usar o teste do qui-quadrado, de preferência corrigido; Os valores
esperados têm de ser ≥ 5;
2. Se 20 ≤ n ≤ 40 deve usar o teste do qui-quadrado corrigido; Os valores esperados têm de
ser ≥ 5; caso contrário terá de usar o teste exacto de Fisher;
3. Se n < 20 não deve usar o teste do qui-quadrado mas o teste exacto de Fisher.
Tabelas LxC, com L>2 ou C>2:

1. Pelo menos 80% dos valores esperados têm de ser ≥ 5 e nenhum deve ser < 1
Se as condições impostas anteriormente não existirem, deve combinar-se linhas ou colunas
para aumentar os valores esperados; isto terá como resultado a diminuição dos graus de
liberdade.
Exemplo 1: Considere a seguinte tabela de contingência relativa a 145 sujeitos classificados
63
em dois grupos segundo os valores de tensão arterial (N: normal; HTA: hipertensão arterial) e
a existência de patologia cardio-vascular (N: normal; DCV: doença cardiovascular).
Doença Cardiovascular * Hipertensão Crosstabulation

TA
Total
HTA Normal
Count 43 33
DCV 76
Doença Expected Count 30,9 45,1
Cardiovascular Count 16 53
Normal 69
Expected Count 28,1 40,9
Total Count 59 86 145
Se avaliarmos o resíduo, ou seja, a diferença entre os valores observados e esperados, em cada

célula, observamos o seguinte:
TA
N HTA
Doença N 12.1 -12.1
CV DCV -12.1 12.1
Assim, aparentemente, encontramos mais casos normais para as duas patologias do que
esperávamos encontrar se as proporções fossem todas iguais, assim como mais casos com
ambas as patologias do que esperávamos encontrar, o que nos poderá indicar que é mais
frequente um sujeito normal para uma das patologias também o ser para a outra, e que quando
têm uma das doenças, muito provavelmente também terá a outra. Assim, este parece ser um
indicador da existência de relação entre a hipertensão arterial e a doença cardiovascular.
Aplicando o teste Chi2, dado que se cumprem as regras de Cochran para tabelas 2x2...
Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df
(2-sided) (2-sided) (1-sided)
Pearson Chi-Square 16,708 1 ,000
Continuity Correction(a) 15,353 1 ,000
Likelihood Ratio 17,184 1 ,000
Fisher's Exact Test ,000 ,000
Linear-by-Linear Association 16,593 1 ,000
N of Valid Cases 145
a Computed only for a 2x2 table
b 0 cells (,0%) have expected count less than 5. The minimum expected count is 28,08.
Verifica-se que parece existir uma associação significativa entre a ocorrência de doença
cardio-vascular e a existência de hipertensão (Chi2(1)=16.708; p<0.001).
9.2 Teste de McNemar – 2 variáveis qualitativas emparelhadas, tabelas 2x2
64
BioEstatística
Este teste, também denominado de teste da mudança de opinião, baseia-se na comparação das
proporções das respostas dicotomizadas de duas variáveis (A e B), ou seja, classificando as
respostas em positivas ou sucessos, e em negativas ou insucessos.
A aplicação de A e B a n indivíduos dá origem a n pares de respostas agrupadas nas 4
combinações seguintes:
B
- +
- a b
A
+ c d
As hipóteses7 a testar são, assim,

 H 0 : p A (+ ) = p B (+), ie, a proporção de sucessos em A é igual à proporção de sucessos em B

 H 1 : p A (+ ) ≠ p B (+)
Muitas vezes, a variável A significa Antes e a B Depois de um determinado acontecimento8.

Neste caso, a rejeição de H0 pode ser uma indicação do efeito desse acontecimento.
Exemplo 1: Relação entre os valores de TAS iniciais e após tratamento

Suponha agora que os todos os sujeitos hipertensos (positivos: 59) se submetiam a tratamento
para a tensão arterial e que, 6 meses após a avaliação inicial, os 145 casos eram, de novo,
avaliados relativamente à sua tensão arterial. Será que houve alteração significativa na
proporção de casos inicialmente hipertensos, ou, terá o tratamento surtido efeito?
Esta análise pode ser efectuada através de um teste de McNemar, desde que a principal fonte
de discórdia seja a passagem de hipertensos a normais, e não o contrário.
Hipertensão * HTA após tratamento Crosstabulation

TA após tratamento
Total
Normal HTA
Normal Count 80 6 86
TA
HTA Count 31 28 59
Total Count 111 34 145
9.3 Teste Binomial
7
As células b e c são aquelas onde se opera a mudança de opinião de sucesso para insucesso ou vice-versa. Se
b+c>20, a estatística deste teste é um chi2; se b+c<20, a estatística dos teste é uma binomial.
8
No SPSS, a variáveis devem ser codificadas da mesma forma, atribuindo-se o valor 0 ao insucesso e 1 ao
sucesso
65
BINOMIAL tests whether the observed distribution of a dichotomous variable is the same as
what is expected from a specified binomial distribution. By default, each named variable is
assumed to have only two values, and the distribution of each named variable is compared to
a binomial distribution with p (the proportion of cases expected in the first category) equal to
0.5. The default output includes the number of valid cases in each group, the test proportion,
and the two-tailed probability of the observed proportion.
Exemplo 1: A proporção de indivíduos que tem cáries, na amostra, é idêntica à que não tem
cáries?
Observed Asymp. Sig.

Binomial Test Category N Prop. Test Prop. (2-tailed)
Cáries Group 1 Sim 20 .50 .50 1.000(a)
Group 2 Não 20 .50
Total 40 1.00
a Based on Z Approximation.
Exemplo 2: pode-se afirmar que existem 15% de obsesos na população?
Observed Asymp. Sig.

Binomial Test Category N Prop. Test Prop. (1-tailed)
Classes de IMC Group 1 <= 3 35 .83 .85 .445(a,b)
Group 2 >3 7 .17
Total 42 1.00
a Alternative hypothesis states that the proportion of cases in the first group < .85.
b Based on Z Approximation.
9.4 Teste de Cochran

COCHRAN calculates Cochran’s Q, which tests whether the distribution of values is the same
for k related dichotomous variables. The output shows the frequency distribution for each
variable in the Cochran Frequencies table and the number of cases, Cochran’s Q, degrees of
freedom, and probability in the Test Statistics table.
Exemplos:
66
BioEstatística
1. Num estudo sobre a importância do “efeito placebo” entraram 200 doentes. Foram
divididos em dois grupos: ao grupo P foi administrado placebo e ao grupo S uma substância
activa suporífera. Os doentes foram inquiridos sobre o efeito do “medicamento” ao fim de 15
dias: 30 dos 150 doentes do grupo P sentiram efeito benéfico e bem como 40 do grupo S.
Verifique as condições de aplicabilidade do teste Chi2 e, em caso afirmativo, indique se a
substância administrada está ou não relacionada com o efeito sentido pelos sujeitos.
Efeito
Substância * Efeito Crosstabulation Total
Efeito
Sem efeito
Benéfico
Count 40 10 50
Subs. Activa Expected Count 17.5 32.5 50.0
Residual 22.5 -22.5
Substância
Count 30 120 150
Placebo Expected Count 52.5 97.5 150.0
Residual -22.5 22.5
Count 70 130 200
Total
Expected Count 70.0 130.0 200.0
Dado não existirem frequências esperadas inferiores a 5, e n= 200 > 40, permite aplicar o teste
Chi2. O facto de os resíduos serem iguais na diagonal principal (simétricos na diagonal
secundária) poderá indicar a existência de uma associação entre as duas variáveis.
Asymp. Sig. Exact Sig. Exact Sig.
Chi-Square Tests Value df
(2-sided) (2-sided) (1-sided)
Pearson Chi-Square 59.341(b) 1 .000
Continuity Correction(a) 56.733 1 .000
Likelihood Ratio 58.818 1 .000
Fisher's Exact Test .000 .000
Linear-by-Linear Association 59.044 1 .000
a Computed only for a 2x2 table
b 0 cells (.0%) have expected count less than 5. The minimum expected count is 17.50.
De facto, existe uma associação significativa (Chi2(1)=59.241; p < 0.001 rejeita-se H0)
entre a substância administrada e o efeito sentido.
Analisando as estimativas de risco, verifica-se que é cerca de 16 vezes mais provável que o
efeito sentido seja benéfico quando se administra substância activa do que quando se
administra placebo, sendo este valor significativamente diferente9 de 1 (para α = 0.05), e
superior, dado que o intervalo de confiança a 95% para o odds ratio é (7.2; 36.6).
9
Um odds ratio de 1 indica ausência de risco/associação
67

Risk Estimate Value
Lower Upper
Odds Ratio for Substância (Subs. Activa / Placebo) 16.000 7.188 35.614
For cohort Efeito = Efeito Benéfico 4.000 2.822 5.669
For cohort Efeito = Sem efeito .250 .143 .438
Poderá, neste caso, ser interessante analisar as “% within substância”, “% within efeito” e “%
of total”. Analise-as e estabeleça relações com o risco relativo apresentado no quadro anterior.
Efeito
Substância * Efeito Crosstabulation Total
Efeito
Sem efeito
Benéfico
% within Substância 80.0% 20.0% 100.0%
Subs.
% within Efeito 57.1% 7.7% 25.0%
Activa
% of Total 20.0% 5.0% 25.0%
Substância
Placebo % within Efeito 42.9% 92.3% 75.0%
% of Total 15.0% 60.0% 75.0%
Total % within Efeito 100.0% 100.0% 100.0%
% of Total 35.0% 65.0% 100.0%
68
BioEstatística
Exemplo 2: Os dados que se seguem foram obtidos de um ensaio clínico de estreptomicina

para tratamento de tuberculose pulmonar em 107 sujeitos. Avalie as condições de
aplicabilidade do teste chi2 a este conjunto de dados:
Substância
Efeito * Substância Crosstabulation Total
Estreptomicina Placebo
Count 28 4 32
Muito melhor
Count 10 13 23
Melhor
Count 2 3 5
Sem alteração
Efeito
Count 5 12 17
Ligeiramente pior
Count 6 6 12
Pior
Count 4 14 18
Morte
Count 55 52 107
Total
Temos uma tabela de contingência 6 × 2 logo, com 12 células. Entre estas, tem-se Eij < 5 em
2 células (16.7%), pelo que se pode aplicar o teste Chi2 a este conjunto de dados.
Caso houvesse 3 células com Eij < 5 , não teríamos pelo menos 80% das células com
Eij ≥ 5 pelo que seria necessário proceder à junção de linhas ou colunas. Neste caso, talvez
fizesse sentido juntar as categorias “muito melhor” com “melhor”, ou “ligeiramente pior” com
“pior”; contudo, as Eij < 5 aparecem na categoria “sem alteração”. No meu entender dever-
se-ìa juntar “sem alteração” com “ligeiramente pior”, dado que “sem alteração” indica que
não houve efeito benéfico da estreptomicina.
Analise se o facto de a administração de estreptomicina está associada a uma melhoria da

situação clínica de tuberculosae pulmonar - interprete os resultados obtidos:
Chi-Square Tests Value df Asymp. Sig. (2-sided)
Pearson Chi-Square 26.966(a) 5 .000

Likelihood Ratio 29.612 5 .000
Linear-by-Linear Association 17.761 1 .000
a 2 cells (16.7%) have expected count less than 5. The minimum expected count is 2.43.
69
Substância
Efeito * Substância Crosstabulation Total
Estreptomicina Placebo
% within Efeito 87.5% 12.5% 100.0%
Muito melhor % within Substância 50.9% 7.7% 29.9%
% of Total 26.2% 3.7% 29.9%
% within Efeito 43.5% 56.5% 100.0%
Melhor % within Substância 18.2% 25.0% 21.5%
% of Total 9.3% 12.1% 21.5%
% within Efeito 40.0% 60.0% 100.0%
Sem alteração % within Substância 3.6% 5.8% 4.7%
% of Total 1.9% 2.8% 4.7%
Efeito
% within Efeito 29.4% 70.6% 100.0%
Ligeiramente pior % within Substância 9.1% 23.1% 15.9%
% of Total 4.7% 11.2% 15.9%
% within Efeito 50.0% 50.0% 100.0%
Pior % within Substância 10.9% 11.5% 11.2%
% of Total 5.6% 5.6% 11.2%
% within Efeito 22.2% 77.8% 100.0%
Morte % within Substância 7.3% 26.9% 16.8%
% of Total 3.7% 13.1% 16.8%
% within Efeito 51.4% 48.6% 100.0%
Total % within Substância 100.0% 100.0% 100.0%
% of Total 51.4% 48.6% 100.0%
70

Sebenta Bioestatística Prof. Bárbara Oliveiros PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Sebenta Bioestatística Prof. Bárbara Oliveiros PDF

Enviado por

Direitos autorais:

Formatos disponíveis

APONTAMENTOS DE

Bárbara Oliveiros, 2008

A base da estatística e sua definição

A probabilidade de um evento é frequentemente definida como um número entre zero e um.

Bioestatística – é a estatística aplicada ao estudo das características biológicas das

Sumariar dados Estatística descritiva

Fenómeno aleatório – influenciado pelo acaso

Experiência aleatória – há possibilidade de ser repetida em condições idênticas

Experiência determinística – o resultado é conhecido antes da sua realização (ex: temperatura

2. RECOLHA DE DADOS E AMOSTRAGEM

Censo – informação relativa a todos os elementos da população

Amostra representativa da população

Amostras de conveniência são, muitas vezes, as únicas possíveis de obter, principalmente

Perigo de tendenciosidade, logo inadequadas para produzir inferência

Amostragem aleatória, casual ou probabilística é a que garante melhor representatividade

Extremamente difícil obter-se tal amostragem ⇒ possível obter uma aproximação

Estratificada – quando se conhece a estrutura da população. Conduz a amostras

Sistemática ou quase aleatória – Apenas o 1º elemento da amostra é escolhido

3. VARIÁVEIS, PROBLEMAS DE INVESTIGAÇÃO E QUESTÕES

Independente ´Dependente Estranha

3.1.1 Variável Independente

3.1.2 Variável Dependente – mede ou avalia o efeito da variável independente; é assumida

Emparelhadas – as amostras são constituídas usando os mesmos sujeitos experimentais,

A distinção entre amostras independentes e emparelhadas é particularmente importante para a

3.3 Questões, Hipóteses e Objectivos de Investigação

3.3.1 Relação entre variáveis e Questões/hipóteses e objectivos da Investigação

3.4 Níveis de mensuração das variáveis

Ordinal =, ≠, <, >

Intervalar =, ≠, <, >, valor das diferenças

Racional Todas as operações aritméticas

É possível passar de um nível de mensuração para outro inferior ⇒ Perda de informação

3.5. Plano de Operacionalização das variáveis

3.6 Codificação das variáveis

3.6.2 Controlo da Base de dados

As não respostas podem

4. REPRESENTAÇÃO DAS VARIÁVEIS

- moda ≈ mediana ≈ média

- assimétrica positiva ou à direita: Mo < Md < x

4.2 Representação gráfica

Diagrama de extremos e quartis ou caixa de bigodes - Outliers

diminuindo-a) e o desvio-padrão (aumentando-o). Nestes casos, Assim, estes devem ser

Gráficos de Caule e Folhas – reúnem a informação dos

Diagrama de barras de erro: desvio-padrão, erro-padrão e 4.00

intervalo de confiança – muito úteis quando se pretende 3.00

comparar uma variável dependente intervalar/ratio em pelo ]

menos dois grupos independentes. Ilustram não só o valor da 2.00

Diagramas de Dispersão – Ilustram a relação, casuística ou de

4.3 Representação Tabular

Tabela de contingência - Representação simultânea de 2 variáveis

2.2. Na folha 2, introduza os dados

Função de distribuição – Função real de variável real: F(x)= P(X < x)

b. ∀a, b ∈ ℜ : a < b, P ( a < X ≤ b) = F (b) − F ( a )

5.1 Algumas distribuições de variáveis aleatórias contínuas

Distribuição normal ou de Gauss 2 N (µ ,σ 2 )

As curvas em forma de sino diferem apenas pelos valores de µ , centro da distribuição, e de

Geometricamente, a probabilidade da variável aleatória X, de média 0 e variância 1, assumir

MAS…há uma infinidade de curvas, consoante µ e σ . Nos restantes casos utiliza-se

Distribuição do Chi-quadrado χ2(n)

aleatórias Z i ~ N (0,1) diz-se ter uma distribuição do tipo

χ2 com n graus de liberdade

Distribuição t-Sudent t(n)

Distribuição F-Snedecor F(n1,n2)

5.2 Algumas distribuições de variáveis aleatórias discretas