Bioestatística

Prof. Maurício de Souza Leão

UFF
Bioestatística
Programa - Análise de Dados
 Formulação das Hipóteses da Pesquisa
 Teste de Hipóteses
 Tipos de Testes
 Teste t de Student
 Teste Qui quadrado
 Testes Não Paramétricos
 Exercícios
 Análise de Dados
 Relembrando ....
◼ Análise estatística serve para:
 Comparar tratamentos ou procedimentos;
 Fazer a comparação de uma característica
dentro de um grupo;
 Fazer a comparação entre grupos de indivíduos.
 Análise de Dados
 Escolha do Teste Estatístico:
◼ Depende:

◼ Normalidade dos Dados;

◼ A quantidade de grupos dentro da pesquisa;

◼ Tipo de pesquisa: experimental ou

observacional.
 Análise de Dados
 Hipóteses em um Teste Estatístico:
◼ * É uma forma de especulação relativa a um
fenômeno estudado.
* Todo estudo possui, pelo menos, duas hipóteses.
◼ Hipótese nula (H0): o efeito é nulo, zero,
inexistente.

◼ Hipótese alternativa (Ha ou H1): o efeito é

contrário ao da H0.
 * Podem ocorrer várias hipóteses alternativas,
dependendo do tipo de pesquisa e resolução que se
deseja.
 Análise de Dados
 Hipótesesem um Teste Estatístico – Exemplo:
* Um novo medicamento (N) é criado e
aparece no mercado. Deseja-se comparar esse
medicamento com o medicamento padrão(P).
Formulando as hipóteses:
◼ Hipótese nula (H0): o efeito de N é igual ao
de P.
◼ Hipótese alternativa (Ha): o efeito é de N é
diferente de P.
 * Podem ocorrer várias hipóteses alternativas,
dependendo do tipo de pesquisa e resolução que se
deseja.
 Análise de Dados
 Hipóteses em um Teste Estatístico – Exemplo:
* Um novo medicamento (N) é criado e aparece no
mercado. Deseja-se comparar esse medicamento com o
medicamento padrão(P). Todo estudo possui, pelo menos,
duas hipóteses.
◼ Hipótese nula (H0): o efeito de N é igual ao de P.

◼ * Caso se queira outras alternativas, poderia ser:

◼ Hipótese alternativa (H1): o efeito é de N é maior

(melhor)que o de P.
◼ Hipótese alternativa (H2): o efeito é de N é menor
(pior)que o de P.
Tipos de Gráficos em Testes de Hipóteses

 Hipóteses em um Teste Estatístico
 Sempre é pressuposto que a hipótese nula é
verdadeira. Caso isso não se confirme, deverá ser
“aceito” ou “não rejeitada” a hipótese alternativa;
 As hipóteses servem para direcionar o resultado da
pesquisa;
 É necessário um critério para a decisão de qual das
duas hipóteses deve ser a verdadeira;
 Esse critério é o teste estatístico, cuja significância
(p) ou p significativo, deve ser estabelecido pelo
pesquisador.
 * Geralmente na área da saúde utiliza-se p= 0,01 (significância
de 1%) ou p=0,05 ( significância de 5%).
 Hipóteses em um Teste Estatístico – Exemplo 2
 Um grupo de 15 estudantes, obesos e sedentários,
iniciou um treinamento de natação com duração de 4
meses, para a verificação da condição física individual. O
estudo estabelece como variável o índice de massa
corporal (IMC), que deverá ser medido antes e após os 4
meses.
Solução: Hipótese nula (H0): o treinamento não altera o
IMC dos estudantes.
 Hipótese alternativa (Ha): o treinamento altera o
IMC dos estudantes.
◼ * Caso se queira outras alternativas, poderia ser:
◼ Hipótese alternativa (H1): o treinamento aumenta o
IMC dos estudantes.
◼ Hipótese alternativa (H2): o treinamento diminui o IMC
dos estudantes.
Tipos de Erros em Testes de Hipóteses
 Erro tipo 1: Rejeitar a Hipótese Nula quando
ela é verdadeira.
 Erro tipo 2: Não rejeitar a Hipótese Nula
quando ela é falsa.

* Outro modo de definir significância é: a

probabilidade do pesquisador vir a cometer o Erro Tipo
1, ou seja, quanto menor o “p” menor essa
probabilidade, ainda, rejeitar a hipótese nula quando ela
é verdadeira.
Tipos de Gráficos em Testes de Hipóteses

 Tipos de Testes Estatísticos

Roteiro
 Intervalo de Confiança
◼ Dado a limitação da estimação pontual, que reside no
desconhecimento da magnitude do erro que se está
cometendo. Surge à ideia da construção de um intervalo
que contenha, com um nível de confiança conhecido, o
valor verdadeiro do parâmetro, baseado na distribuição
amostral do estimador pontual.


 Intervalo de Confiança - Exemplo
◼
 Intervalo de Confiança - Exemplo


 Intervalo de Confiança
◼
Tabela – Distribuição Normal Padrão
 Tipos de Testes de Hipóteses para a Média:
◼ Teste Bicaudal
◼ H0: μ = μ0
◼ Ha: μ ≠ μ0
 Tipos de Testes de Hipóteses para a Média:
◼ Teste Monocaudal ou Unicaudal à Direita
◼ H0: μ = μ0
◼ Ha: μ > μ0
 Tipos de Testes de Hipóteses para a Média:
◼ Teste monocaudal ou Unicaudal à Esquerda
◼ H0: μ = μ0
◼ Ha: μ < μ0
 Distribuição Normal Padrão – Testes bilaterais
◼ Exemplo 1: Para um intervalo de confiança de 95%, a área de aceitação será
de 95% (0,95), temos α = 5%, teremos α/2 = 2,5% = 0,025 (para cada lado),
Temos a área de aceitação de 0,475 à esquerda e 0,475 à direita. Verificamos,
na Tabela Normal, que uma área de 0,475 corresponde à abscissa 1,96. Logo,
no teste bilateral, quando α = 5% então ZTAB=1,96. Temos então o gráfico da
curva normal:
 Distribuição Normal Padrão – Testes bilaterais
◼ Exemplo 2: Para um intervalo de confiança de 99%, a área de aceitação
será de 99% (0,99), temos α = 1%, teremos α/2 = 0,5% = 0,005 (para cada
lado), Temos a área de aceitação de 0,495 à esquerda e 0,495 à direita.
Verificamos, na Tabela Normal, que para uma área de 0,495 temos 0,4949
para uma abscissa de 2,57 e 0,4951 para uma abscissa de 2,58. Assim a
média seria de 2,575, arredondando, 2,58. Logo, no teste bilateral, quando α
= 1% então ZTAB=2,58. Temos então o gráfico da curva normal:
 Distribuição Normal Padrão – Testes unilaterais
◼ Exemplo 3: Para um intervalo de confiança de 99% em um teste unilateral, a
área de aceitação será de 99% (0,99), porém, até a metade da curva temos
50% (0,5) de área. Queremos um valor (restante), correspondente a 0,49.
◼ Pela Tabela Normal, o valor mais próximo é de 0,4901, correspondente à
uma z de 2,33. Assim, no teste unilateral à direita, quando α = 1%, teremos
ZTAB = 2,33. e no teste unilateral à esquerda para o mesmo α, -ZTAB = -2,33.
Temos então o gráfico da curva normal:
 Intervalo de Confiança
◼
 Distribuição t de Student
◼ A distribuição t é uma família de curvas, cada uma determinada por
um parâmetro chamado de grau de liberdade (g.l.), que são o
número de escolhas livres deixadas depois que uma amostra
estatística tal como é calculada. Quando usamos a distribuição t
para estimar a média da população, os graus de liberdade são iguais
ao tamanho da amostra menos um: g.l. = n – 1.
◼ A distribuição t tem a forma de sino e é simétrica em relação à
média.
◼ A área total sob a curva é 1 ou 100%.
◼ A média, moda e mediana da distribuição t são iguais a zero.
◼ Conforme os graus de liberdade aumentam, a distribuição t se
aproxima da distribuição Normal. Para mais de 30 graus de
liberdade, a distribuição t está tão próxima da Normal, que podemos
trabalhar diretamente com a tabela da Normal Padrão.
Distribuição t de Student
Tabela da Distribuição t de Student - Bilateral
 Distribuição t de Student – Testes bilaterais
◼ Exemplo 4: Em um teste bilateral, supondo uma amostra de 25 elementos (n
= 25). Então, ϕ = 25 – 1 ⇒ ϕ = 24. (graus de liberdade)
◼ Para um α = 5%, temos na tabela que a célula interseção de α = 0,05 e ϕ =
24 nos fornece 2,0639. Portanto: tTAB = 2,0639 para α = 5% e n = 25. Temos
então o gráfico abaixo:
 Distribuição t de Student – Testes unilaterais
◼ Exemplo 5: Em um teste unilateral, supondo uma amostra de 25 elementos
(n = 25). Então, ϕ = 25 – 1 ⇒ ϕ = 24. (graus de liberdade) e o mesmo α, não
poderemos pegar diretamente a interseção de α=0,05 com ϕ = 24, pois o
valor fornecido é para um teste bilateral. Teremos que pegar a interseção de
ϕ = 24 com α = 0,10, pois nesta tabela (bilateral), α = 0,05 corresponde a
0,025 de cada lado. Teremos que pegar α = 0,10, que corresponderá a 0,05
de cada lado. Assim a célula interseção de α = 0,10 com ϕ = 24 fornecerá
tTAB = 1,7109. Temos assim o gráfico abaixo:
 Qual o tipo de distribuição utilizar ?
 (média)

TAMANHO DA VARIÂNCIA DA UTILIZAR

AMOSTRA POPULAÇÃO (σ2) DISTRIBUIÇÃO
GRANDE (n ≥ 30) Conhecida Normal

Desconhecida Normal
PEQUENA (n < 30) Conhecida Normal

Desconhecida t Student
Como calcular o valor da estatística de teste: z e t ?
 Passos para a resolução de um teste de hipóteses,
baseado na média amostral

1) Pelo enunciado do problema, estabelecer a Hipótese Nula

(H0) e a Hipótese Alternativa (Ha);
2) Também pelos dados do enunciado, definir a distribuição a
ser utilizada (Normal ou t-Student);
3) Utilizando a Tabela Normal Padrão ou a Tabela t-Student,
encontrar o valor de ZTAB ou tTAB;
4) Fazer o desenho da curva, plotando no eixo das abscissas o
valor tabelado, que será a fronteira entre a área de aceitação e
a(s) área(s) de rejeição;
5) Calcular a estatística de teste (ZCALC ou tCALC) utilizando as
fórmulas dadas;
6) Comparar o valor calculado com o valor tabelado e concluir
pela “aceitação” ou rejeição da Hipótese Nula.
 Exemplo de testes monocaudais da média da população
(grande amostra – n ≥30)
◼
 Exemplo 2

◼
 Exemplo 2
◼
 Exemplo 3

◼
 Exemplo 3
◼
Exercícios
 Roteiro para a elaboração do seminário de pesquisa científica
◼ 1. Qual é a sua pergunta?
◼ 2. O que você espera observar? Crie uma hipótese.
◼ 3. Como exatamente você vai medir o fenômeno?
◼ 4. Como essas minhas ideias se encaixam umas nas
outras?
◼ 5. Que tipos de variáveis estão envolvidas?
◼ 6. Qual é a relação entre as variáveis?(causa x efeito)
◼ 7. Qual teste se adequa melhor ao exemplo?
◼ 8. Como aplico esse teste?
◼ 9. Qual caminho devo seguir?
◼ 10. Qual o resultado obtido?
◼ * Meu trabalho pode se tornar um produto? (mestrado profissional)
◼ Baseado em Marco Mello – Blog Sobrevivendo na Ciência
Biblioteca Central UFRGS
“ Uma pessoa que nunca cometeu um erro nunca tentou
nada de novo” Albert Einstein

◼ FIM

◼ Obrigado