Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução à bioestatística
...aplicando:
Transforma a suspeita de que evento clínico está ligado
a uma determinada patologia em evidência científica.
Introdução à bioestatística
O que será visto: Conceitos e fundamentos
1. Fluxogramas e questões científicas
2. Paradigmas
3. Tipos de estudo: 1. Isto é real? 2. Qual é a magnitude do efeito? 3. O que acontecerá se as
condições mudarem?
4. Escalas
5. Universo de interesse
6. Coleta de dados
7. Amostragem
8. Hipótese nula
9. Tipos de variáveis (quantitativas – discretas, continuas – qualitativas – nominais, ordinais)
10. Estatística descritiva, gráficos
11. Distribuição normal = curva normal
12. Tipos de testes: paramétricos e não paramétricos
13. Diagramas de dispersão, correlação
14. Significância, intervalo de confiança
Rápida avaliação
Introdução à bioestatística
Paradigmas
• Comece por decidir o que você está estudando. Isto precisa ser
alguma coisa mensurável.
Este fluxograma é,
obviamente, uma
simplificação muito grande.
Mas vamos usá-lo para
discutir os mecanismos de
construção de um
diagrama.
Introdução à bioestatística
Má alimentação
Genética?
Histórico familiar Obesidade
Sedentarismo
OBESIDADE...
...SOBRECARGA NASARTICULAÇÕES...
...DOENÇAS REUMATOLÓGICAS?
Introdução à bioestatística
Uma seta com pontas nas duas extremidades indica que cada uma
das variáveis influencia a outra.
A B
C D
Introdução à bioestatística
1. Isto é real?
2. Qual é a forma e magnitude do efeito?
3. O que acontecerá se as condições mudarem?
Introdução à bioestatística
1. Isto é real?
Eventos independentes
Coleta de dados
Há várias maneiras de coletar os dados:
• Censo: Um censo é a contagem de toda uma população. Fornece
informações completas, mas é difícil de ser realizado.
Amostragem
Geralmente é impossível estudar todo um conjunto de dados de
interesse.
Amostragem
É uma técnica especial para recolher amostras onde se possa garantir,
tanto quanto possível, o ACASO na escolha. Quando se faz a
amostragem, cada elemento da população passa a ter a mesma chance
de ser selecionado, pois é muito importante garantir que a amostra seja
representativa, pois as nossas conclusões relativas à população vão
estar baseadas nos resultados obtidos nas amostras dessa população. A
seguir mostraremos as três principais técnicas de amostragem
utilizadas, que são:
1. Amostragem casual ou aleatória simples;
2. Amostragem proporcional estratificada;
3. Amostragem sistemática.
Introdução à bioestatística
Para a seleção dos elementos que farão parte da amostra, elabora-se um sistema:
Ex.: Numa rua existem 900 prédios, dos quais vamos coletar uma amostra de 50 prédios:
1. A população é de 900 prédios que já estão numerados (ordenados);
2. A amostra é de 50 elementos.
3. Cria-se um sistema para a retirada da amostra dividindo os 900 prédios pelos 50
elementos, determinando o intervalo entre os elementos escolhidos: 900/50 = 18 (entre
cada prédio escolhido devem haver 18 prédios entre eles).
4. Deve-se, então, escolher o primeiro prédio da amostra para poder utilizar a sistemática
criada. Este primeiro elemento deve estar entre o 1º e o 18º para que a sistemática
funcione e os dados dos demais elementos sejam retirados de 18 em 18.
Se o 4º prédio for o primeiro elemento da amostra, o segundo elemento será o prédio da
posição 22ª, o terceiro da posição 40º, etc, até termos a amostra completa (50 elementos).
0 2 4
4 2 0
Introdução à bioestatística
CATEGORIAS
Lavradores
expostos x
câncer pele
Introdução à bioestatística
Este processo parece ser trivial, mas é uma das maneiras mais
poderosas de se planejar a pesquisa. Connolly et al. (2001) chamam
este processo de experimento de pensamento (thought experiment).
Há muitas fórmulas matemáticas “elegantes” para decidir quantas
observações são necessárias para se detectar um efeito de uma dada
magnitude (p. ex., Krebs, 1989), entretanto todas requerem
amostras preliminares.
Introdução à bioestatística
Quando improvável significa bem possível
Probabilidade... Karl Popper: O fundamento da teoria Popperiana é que não se pode
provar nada, apenas “desprovar”.
Popper ensina que só aprendemos quando erramos. Considere uma criança recém-
nascida: Ela está programada para esperar alguma coisa do mundo. Se ela não tivesse
nenhum programa em seu cérebro, seria como um computador sem um sistema
operacional – totalmente morto. Vamos imaginar que a criança é programada para
acreditar que o mundo é macio. Os pais da criança fazem o possível para que tudo o que
toque a criança seja macio em seus primeiros dias de vida e, portanto, ela não tem razões
para rejeitar sua preconcepção de que o mundo todo é macio. Entretanto, não importa
quantos objetos macios ela tenha tocado, isto nunca provará que o mundo é macio. Basta
tocar um único objeto rígido, talvez um brinquedo de cor azul, para rejeitar toda
sua conjectura sobre um mundo macio. A criança descobre que estava errada e
aprende. Ela criará uma nova conjectura, talvez que apenas objetos azuis sejam rígidos, e
somente irá adiante quando houver alguma razão para refutar esta nova conjectura.
Introdução à bioestatística
Para fazer isto, se começa estabelecendo uma hipótese nula. Uma hipótese
nula é uma assertiva de como o mundo deveria ser, se nossa suposição
estivesse errada.
Variáveis
Quantitativas (expressas por número): idade, altura, peso, renda familiar
Estatística Descritiva
Exemplo: 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 3, 3, 3, 8, 8, 10, 10
Estatística Descritiva
É o estudo descritivo dos dados de uma amostra (ou
população), em que se resume a informação contida no
conjunto de dados construindo tabelas, gráficos e
calculando algumas de suas características.
Introdução à bioestatística
Uma vez os dados recolhidos, faz-se a redução e representação desses
dados, utilizando as tabelas e gráficos, com o objetivo de facilitar a
compreensão do fenômeno estatístico por meio do efeito visual
imediato.
Gráfico de setores: é usado para apresentar variáveis qualitativas ou
variáveis ordinais.
Frequência
1. Distribuição normal
Os testes paramétricos são válidos quando aplicados a dados que obedecem a uma
distribuição normal - uma distribuição normal é aquela que é perfeitamente
simétrica à volta da média; tem a forma
de um sino, como mostra a figura.
Distribuição normal
Por que a distribuição normal é importante?
A forma exata da distribuição normal (a característica "curva do sino") é definida por
uma função que tem apenas dois parâmetros: média e desvio padrão. Uma propriedade
característica da distribuição normal é que 68% de todas as suas observações caem
dentro de um intervalo de 1 desvio padrão da média, um intervalo de 2 desvios padrões
inclui 95% dos valores, e 99% das observações caem dentro de um intervalo de 3
desvios padrões da média. Em outras palavras, em uma distribuição normal as
observações que tem um valor padronizado de menos do que -2 ou mais do que +2 tem
uma frequência relativa de 5% ou menos (valor padronizado significa que um valor é
expresso em termos de sua diferença em relação à média, dividida pelo desvio padrão).
http://slideplayer.com.br/slide/3274748/
Introdução à bioestatística
2.Variância homogénea
Os resultados são mais fáceis de comprar parametricamente quando a
variância ou a variabilidade dos dados, nos dois grupos, for igual ou
homogénea. Se os dois grupos submetidos ao mesmo teste de realização
apresentarem médias iguais, mas distribuições diferentes (como
mostram respectivamente as curvas A e B da Figura abaixo) seria difícil
interpretar um teste paramétrico, devido às diferenças na dispersão ou
variância dos resultados, nos dois grupos.
Testes Paramétricos
Análise de Variância (ANOVA: Analysis of Variance)
• Usado para comparar médias de mais de duas populações
• A análise de variância é um teste estatístico que visa
fundamentalmente verificar se existe uma diferença significativa entre
as médias e se os fatores exercem influência em alguma variável
dependente.
• Os fatores propostos podem ser de origem qualitativa ou quantitativa,
mas a variável dependente necessariamente deverá ser contínua.
Teste do χ2 (qui-quadrado)
Correlação e Regressão
No estudo de Correlação e Regressão Estatísticas deve-se levar em
conta 2 variáveis e 1 população. Exemplo: Peso e Comprimento (2
variáveis) das baleias (1 população). Dentre esse estudo teremos a
correlação e a regressão estatística, cujo principal objetivo é
estudar a relação entres essas variáveis. Esse estudo pode ser
investigando presença e/ou ausência dessa relação, que pode ser:
Diagrama de dispersão
O diagrama de dispersão é uma apresentação gráfica onde pontos no
espaço cartesiano XY são usados para representar simultaneamente os
valores de duas variáveis quantitativas medidas em cada elemento do
conjunto de dados.
Coeficiente de correlação
Coeficiente de correlação indica a força e a direção do relacionamento
linear entre as duas variáveis, sendo denotada por r. Vários coeficientes
são utilizados para situações diferentes, tais como o coeficiente de
correlação de Pearson e o coeficiente Linear.
Correlação amostral
• Serve para estudar o comportamento conjunto de duas
variáveis quantitativas distintas. Ou, em outras palavras,
mede o grau de associação de duas variáveis aleatórias X
e Y.
Regressão linear
Significância estatística
Quanto mais alto o nível-p, menos se pode acreditar que a relação observada
entre as variáveis na amostra é um indicador confiável da relação entre as
respectivas variáveis na população.
Introdução à bioestatística
Intervalos de confiança
Bibliografia consultada
CONNOLLY, J.; WAYNE, P.; Bazzaz, F. A. Interspecific competition in plants: how well do current methods
answer fundamental questions. American Naturalist, n. 157, p. 107-125, 2001
MAGNUSSON, W. E.; MOURÃO, G. Estatística sem matemática: A ligação entre as questões e a análise. [S.l.]:
Editora Planta, 2003. 26p.
MAGNUSSON, W. E. Teaching experimental design, or how to do statistics without a bikini. Bulletin of the
Ecological Society ofAmerica, n. 78, p. 205-209, 1997.
TUKEY, J. W. We need both exploratory and confirmatory. American Statistician, n. 34, p. 23-25, 1980.
WOODS, W. J. et al. Ten years experience with Jorge Lobo's disease in the state of Acre, Amazon region, Brazil.
Rev. Inst. Med. Trop., v. 52, v. 5, 2010.
ZAR, J. H. Biostistical analysis. 4 ed. Rio de Janeiro: Prentice Hall, 1999. 661 p.
FIM DA APRESENTAÇÃO