CONCEITOS

➔ Tipos de grupos possíveis numa pesquisa

o Pareados ou dependentes
▪ As mesmas unidades amostrais, avaliadas mais de uma vez
▪ Guardam relação de dependência entre si – se houver algum tipo de perda
durante o andamento da pesquisa o n total diminui
o Não pareados ou independentes
▪ Não são as mesmas unidades amostrais que serão avaliadas
▪ Grupos distintos, não guardam relação de dependência entre si
▪ Ex: podemos comparar grupos de tamanhos diferentes
➔ Verificação da distribuição de variáveis
o Distribuição normal: testes paramétricos
o Distribuição assimétrica: testes não paramétricos
➔ Verificação da homogeneidade
o Teste de homogeneidade de variâncias de Levene
o Hipótese nula: não há diferença entre as variâncias
o Hipótese alternativa: há diferença entre as variâncias

TESTES A SEREM UTILIZADOS

 DISTRIBUIÇÃO NORMAL: TESTES PARAMÉTRICOS

TESTES PARA 2 GRUPOS

➔ Teste T de Student
o A distribuição deve ser normal e os grupos devem ter uma variabilidade homogênea,
ou seja, curvas iguais de variabilidade ou variabilidades iguais de desvio padrão
o Tipos de TESTE T
▪ Para uma amostra: utilizado para relacionar um conjunto de dados com um
valor populacional de referência (controle de qualidade)
• Ex: verificar a média de peso de jovens no ano 2019 (referência)
▪ Para amostra independente ou não pareada: utilizado para comparar dois
grupos independentes por meio de uma variável dependente quantitativa
• Ex: verificar a média de peso entre homens e mulheres jovens no ano
de 2019
▪ Para amostra pareada ou paramétrica: utilizado para comparar duas medidas
de uma mesma unidade de análise, por meio de uma variável de resposta
quantitativa
• Ex: verificar a média de peso entre jovens medidas nos anos de 2019
e 2021

TESTES PARA 3 OU MAIS GRUPOS

➔ ANÁLISE DA VARIÂNCIA (ANOVA)

o Medida de dispersão, mostra o quanto os dados encontrados se distanciam do
resultado esperado (da média)
o Mede e compara a variação dentro de cada grupo e entre cada grupo
o Se as médias iguais: s²(entre grupos) <<< s²(dentro grupos)
o PAREADA OU DEPENDENTE
▪ Normalidade dos dados; esfericidade (variância homogênea entre as
medidas)
▪ Teste de Mauchly com p < 0,05 indica a ausência de esfericidade
▪ Teste de Greenhouse-Geisser corrige a variância e torna esférico
o NÃO PAREADA OU INDEPENDENTE
▪ Teste de Levene para verificar a homogeneidade e Teste de Welch para corrigi-
la

DISTRIBUIÇÃO NÃO NORMAL OU ASSIMETRICA: TESTES NÃO PARAMÉTRICOS

TESTES PARA 2 GRUPOS

➔ Teste de Wilcoxon
o Utilizado para comparar 2 grupos dependentes avaliados por meio de uma variável
quantitativa sem distribuição normal ou qualitativa ordinal
 ➔ Teste de Mann-Whitney
o Utilizado para comparar 2 grupos independentes avaliados por meio de uma variável
quantitativa sem distribuição normal ou qualitativa ordinal

TESTES PARA 3 OU MAIS GRUPOS

➔ PAREADA OU DEPENDENTE
o Teste de Friedman
➔ NÃO PAREADA OU INDEPENDENTE
o Teste de Kruskal-Wallis

POST HOC

➔ Faz comparações entre os grupos para saber quais são os valores deles
➔ GRUPOS INDEPENDENTES ou NÃO PAREADOS
o Dados Paramétricos ou normais: Tukey, Schefe e Bonferroni
o Dados Não-Paramétricos ou assimétricos: Dunn
➔ GRUPOS DEPENDENTES OU PAREADOS
o Dados Paramétricos ou normais: Tukey e Bonferroni
o Dados Não-Paramétricos ou assimétricos: Conover

CORRELAÇÕES

➔ Formulação de hipótese
o HO= Não existe correlação entre as variáveis
o H1= Existe correlação entre as variáveis
 ➔ COEFICIENTE DE CORRELAÇÃO DE PEARSON
o Variáveis paramétricas e relações lineares; variável 1 e 2 são intervalares e de razão
➔ COEFICIENTE DE CORRELAÇÃO DE SPEARMAN
o Variáveis não paramétricas e relações não lineares; variáveis 1 e 2 são intervalares, de
razão ou ordinais;

VARIÁVEIS CATEGÓRICAS OU QUALITATIVAS

➔ A partir da frequência absoluta (n) ou da relativa (%)

o DEPENDENTES OU PAREADOS
▪ McNemar: Comparar 2 grupos
o INDEPENDENTES OU NÃO PAREADOS
▪ Exato de Fisher: Comparar 2 grupos
▪ Qui-Quadrado de Pearson: Comparar 3 ou mais grupos

REGRESSÕES ESTATÍSTICAS

➔ Análise multivariada: Uma ferramenta estatística para determinar a contribuição única de

vários fatores a um único desfecho
➔ Causa suficiente
➔ Causa componente
➔ Causa necessária
➔ “Assumimos que existem componentes mais importantes do que os outros para a ocorrência
de uma doença, mas não excluímos a participação de vários outros fatores para isso.”
➔ A análise multivariada permite saber o quanto cada causa impacta no desfecho; “o ato de
fumar aumenta em 32% dos casos a chance de infarto”
➔ As análises multivariadas são:
o Regressões Lineares
o Regressões Logísticas

REGRESSÕES LINEARES

➔ Qual efeito/associação de um grupo de variáveis em um desfecho numérico

o VARIÁVEL DEPENDENTE= Desfecho
o VARIÁVEL INDEPENDENTE= Variáveis
➔ Quando a variação das variáveis independentes explica o desfecho
➔ Quanto mais se for aumentado o fator de risco, eu aumento o desfecho
➔ Pressupostos:
o A variável dependente é paramétrica
o Os resíduos são independentes
o Os resíduos são paramétricos
o Existe uma linearidade do diagrama de dispersão
 o Variáveis estão relacionadas
o Evitar multicolinearidade de preditores
➔ Interpretações:
o R²
▪ correlação de duas variáveis elevado ao quadrado
▪ qual o percentual da variação do desfecho em relação a variável independente
o b (Coeficiente de Regressão):
▪ se aumentar 1 unidade, quando que aumenta da variável do desfecho
▪ inclinação da reta.
o Beta padronizado: aumento ou redução da variável dependente em unidades de
desvio-padrão
➔ Reta de ajuste
o Se os pontos estiverem muito distante → regressão erra muito

➔ EXEMPLO REGRESSÃO LINEAR

o Qual a influência de vários fatores no nível de estresse?

▪ Dados: gênero, sócio econômico, trabalho ou não, exercício, sono → únicas
variáveis que ficaram sobrando no estresse;
▪ R² → 0,19
• Esse grupo de variáveis representa 19% dos fatores que influenciaram
no estresse
• 19% do estresse pode ser explicado por essas variáveis
▪ Beta
• 0 masculino
 • 1 feminino
▪ Explicação dos dados
• Nível socioeconômico → -0,15
o Conforme aumentava, diminuía em 15% o estresse
• Redução de exercício → 0,85
o Conforme aumenta, 85% amis estresse

REGRESSÕES LOGÍSTICAS

➔ Estima a chance de associação à ocorrência de determinado evento

➔ A variável independente é organizada em duas ou mais categorias (fumar e obesidade)
➔ A variável dependente apresenta somente duas categorias (sim ou não);
➔ Razão de chances/odds ratio → pessoas com determinada exposição, qual a chance de terem
determinado desfecho → fumo, qual a chance de eu ter câncer de pulmão?
o <1
▪ Exposição protetora do desfecho
▪ Menor chance de ter determinado desfecho
▪ Ser inativo, tem menor chance de estar com sobrepeso
o >1
▪ Exposição é prejudicial
▪ Maior chance de ter determinado desfecho
▪ Ser inativo tem maior chance de estar com sobrepeso
o =1
▪ Sem associação
➔ EX: MVPA: Atividade fisica de moderada a alta intensidade → 3 categorias: variáveis; Desfecho:
consumo de frutas menor que 3 vezes/dia
o Overall MVPA
▪ Low é a referência
• comparado com a baixa atividade física, aqueles que tem atividade
moderada e alta se tem maiores chances de não consumirem frutas 3
vezes ao dia
▪ INTERPRETAÇÃO:
• Moderada → OR menor do que 1 → 0,58 → exposição é protetora →
quem faz atividade física moderada tem menor chance de também
ter baixo consumo de fruta do que quem faz atividade baixa.
• O,34 - 0,99 → intervalo de confiança (qual intervalo conteria na
população) → não tem o 1 → posso assumir que o 0,58 da amostra é
diferente do 1 como referência, logo a razão de chances é significativa.
o Weekend MVPA
▪ Moderada MVPA → 1.10 → quem faz atividade moderada tem maior chance
de ter menor consumo de fruta do que com o baixo (razão de chance positiva
→ exposição é prejudicial) → intervalo de confiança contém o 1, então esse
dado não é relevante