Você está na página 1de 7

Bioestatística

A Estatística: coleção ou reunião de dados para fornecer informações sobre as características


de grupos de pessoas ou coisas.

Se divide em duas partes:

Estatística Indutiva ou Inferencial: Estabelecer conclusões para toda uma população quando se
observou apenas parte dessa população.

Estatística Descritiva: Consiste em planejar, coletar, apurar e apresentar um conjunto de dados


em forma de tabelas e gráficos.

O Método Científico é o conjunto de estratégias que possibilitam alcançar um objetivo, que é


responder a uma pergunta. E para ele é necessário utilizar-se da estatística

Os passos são:

a) Fazer observações: observar fatos, acontecimentos, comportamentos e atividades e


perceber que muitas coisas já são conhecidas e outras ainda estão para serem
descobertas.
b) Definir uma questão: o pesquisador define sua pergunta de estudo. Essa pergunta
deve ser bastante objetiva, estabelecendo quem serão os sujeitos da pesquisa e se
haverá comparações entre grupos.
c) Formular uma hipótese: estabelecer a estatística que deve ser utilizada para responder
a questão definida previamente.
d) Coletar dados: definida a população em estudo, utilizar técnicas estatísticas de
amostragens para selecionar de forma adequada um conjunto de sujeitos que
representarão essa população (amostra).
e) Analisar os dados: o pesquisador confronta seus dados, que representa a população,
com as hipóteses previamente formuladas.
f) Conclusões: a partir dos resultados da análise dos dados, responder à pergunta
formulada e traçar analogias com estudos prévios.

Bioestatística é a utilização da estatística nas áreas das Ciências Biológicas e da Saúde, não é
necessariamente uma área da estatística, e sim uma “adaptação” de suas ferramentas aos
desafios encontrados nessas áreas. O objetivo principal é auxiliar a tomada de decisões nas
situações de incerteza baseados em um conjunto de dados quantitativos.

População é um grupo de pessoas, sujeitos, organismos ou objetos que tem pelo menos uma
característica em comum entre seus elementos, já a amostra é um subconjunto dessa
população. Pode ser:

Finita: pode ser enumerável.

Infinita: impossível (difícil) de enumerar

Um estudo que utiliza dados de toda a população é chamado de censo, e as medidas


numéricas oriundas desse censo são chamadas de parâmetros.
Quando se utiliza uma amostra para uma pesquisa, realiza-se uma amostragem, e as medidas
numéricas oriundas dessa amostragem são chamadas de estatísticas ou estimadores

As técnicas de amostragem podem ser classificadas em aleatória e não aleatória.

Amostragem Aleatória: A probabilidade de um elemento da população ser escolhido é


conhecida. Normalmente, todos os elementos da população possuem a mesma probabilidade
de serem selecionados.

Amostragem Sistemática: Conveniente quando a população está ordenada segundo algum


critério. Consiste em selecionar um elemento a cada k unidades da população.

Amostragem Estratificada Consiste em dividir a população heterogênea, em grupos (estratos),


razoavelmente homogêneos.

Amostragem por Conglomerados (ou por área): dividimos a população em grupos. Porém,
esses grupos serão formados normalmente por regiões geográficas.

Amostragem Não Aleatória: Não conhece a probabilidade de um elemento da população ser


escolhido para participar da amostra.

Amostragem Acidental: formação de amostras por aqueles elementos que vão aparecendo.

Amostragem Intencional: De acordo com determinado critério, é escolhido intencionalmente


um grupo de elementos que comporão a amostra.

ESTATÍSTICA DESCRITIVA:

A estatística descritiva abrange ferramentas destinadas a resumir a informação contida nos


dados, destacando os aspectos mais marcantes

Variáveis: São características de interesse que pode assumir diferentes valores ou


classificações para diferentes sujeitos, organismos ou objetos selecionados para nosso estudo.

Quantitativas: São decorrentes de dados expressos de forma numérica.

Quantitativas discretas: Em geral, expressa números inteiros, resultantes de um processo de


contagem.

Quantitativas contínuas: expressam valores reais

Qualitativas: Descrevem classificações, atributos ou qualidades dos elementos da população.

Qualitativas ordinais: Assumem classificações, atributos ou qualidades que podem ser


descritas em uma ordem natural.

Qualitativas nominais: Não há uma ordem natural para as classificações, atributos ou


qualidades que essas variáveis assumem. Às vezes uma variável quantitativa pode ser tratada
como qualitativa. Exemplo: a idade (em anos) é uma variável quantitativa, mas se
classificarmos as idades em faixas etárias (0 a 5 anos, 6 a 10 anos, 11 a 15 anos etc.), teremos
uma variável qualitativa ordinal.
Apresentação dos Dados em Tabelas: Tabela é um quadro que resume um conjunto de dados,
fornecendo o máximo de informação em um mínimo de espaço. Os elementos de uma tabela
são:

Corpo: conjunto de linhas e colunas onde são colocadas as informações.

Título: todas as tabelas devem ser encabeçadas pelo título precedido da palavra ”Tabela” e de
seu número em algarismos arábicos

Cabeçalho: parte superior da tabela (primeira linha) que específica o conteúdo das colunas.

Coluna indicadora: é a primeira coluna que específica o conteúdo das linhas.

Célula: cruzamento de uma linha e uma coluna.

As tabelas ainda podem conter:

Fonte: indica quem é o responsável pelos dados (pessoa física ou jurídica).

Alguns itens a considerar: As tabelas devem ser delimitadas por traços horizontais mais
grossos do que aqueles feitos no interior da tabela e não devem ser delimitadas, à direita e à
esquerda, por traços verticais; o cabeçalho deve ser delimitado por traços horizontais. As
tabelas devem ter numeração independente e consecutiva; se a tabela não couber em uma
folha, continuará na folha seguinte, e, nesse caso, não é delimitada por traço horizontal na
parte inferior, com o título e o cabeçalho repetidos na folha seguinte;

Apresentação de Dados Qualitativos

Tabelas de Distribuição de Frequências: Quando se observa dados qualitativos, classifica-se


cada observação em determinada categoria. Deve-se construir a tabela com o número de
vezes que cada resposta ocorreu, ou seja, a frequência absoluta de cada uma delas, gerando a
Tabela de Distribuição de Frequências.

Tabelas de Contingência: os elementos da amostra ou da população são classificados de


acordo com duas variáveis qualitativas. Uma variável é representada nas linhas e a outras nas
colunas da tabela.

Apresentação de Dados Quantitativos

Apresentação dos Dados Coletados: Os dados quantitativos são apresentados na ordem em


que foram coletados.

Tabela de Distribuição de Frequências para Dados Discretos: Dados quantitativos podem ser
apresentados em tabelas de distribuição de frequências

Tabela de Distribuição de Frequências para Dados Contínuos: Tabelas com grande números de
dados contínuos são apresentados em tabela de distribuição de frequência. Para construir uma
essa tabela:

1. Encontre o valor máximo e o valor mínimo do conjunto de dados.

2. Calcule a amplitude, que é a diferença entre o valor máximo e o valor mínimo.

3. Divida a amplitude dos dados pelo número de intervalos que pretende organizar. Essas
faixas recebem o nome de classes.
4. Arredonde o intervalo de classes para o valor mais próximo mais alto.

5. Organize os intervalos de maneira que o primeiro contenha o menor valor observado. É


mais fácil trabalhar com intervalos de tamanho iguais.

Apresentação dos Dados em Gráficos: ajudam a entender rapidamente a distribuição das


variáveis. São mais atraentes do que as tabelas e bem compreendidos por todos. Suas regras
de construção são: − Título e fonte: são as mesmas regras da tabela; − Notas: as mesmas da
tabela, só quando são essenciais; − Legendas: todas iguais, colocadas abaixo ou ao lado do
gráfico; − Escalas: horizontal cresce para direita, e a vertical, para cima.

2.4.1. Apresentação de Dados Qualitativos 2.4.1.1. Gráfico de Barras Para a Tabela 3.10, são
apresentados os gráficos para as frequências absolutas (Figura 3.2) e para as frequências
relativas (Figura 3.3).

2.4.1.2. Gráfico de Colunas A Figura 3.4 apresenta os dados da Tabela 3.10 em um gráfico de
colunas em 3D colorido.

2.4.1.3. Gráfico em Setores A Figura 3.5 apresenta os dados da Tabela 3.10 em um gráfico de
setores, enquanto a Figura 3.6 apresentas os mesmos dados em um gráfico de setores
explodido em 3D.

2.4.2. Apresentação de Dados Quantitativos 2.4.2.1. Gráfico de Colunas A distribuição de


frequências do número de filhos, por casal, de uma amostra retirada do bairro XYZ é
apresentada na Tabela 3.11.

2.4.2.2. Histograma O histograma é um gráfico destinado a descrever a distribuição de uma


variável de natureza quantitativa contínua. A Figura 3.9 mostra o histograma dos dados
apresentados na Tabela 3.12.

2.4.3. Outras Apresentações de Dados 2.4.3.1. Gráfico de Linhas O gráfico de linhas é útil para
descrever como as mensurações de interesse modificam-se ao longo do tempo (série
histórica). Na Tabela 3.13 é apresentada uma série histórica dos procedimentos hospitalares
do SUS, internações no estado de São Paulo no período de julho de 2013 a junho de 2015.

2.4.3.2. Tabela de Contingência Na Tabela 3.14 são apresentados os casos de AIDS


identificados no Brasil, segundo a região geográfica e no período de 2011 a 2014. O gráfico
desses dados são apresentados na Figura 3.11.

Bimestre 2

A amostra é feita com uma certa quantidade de população e para que essa seja válida para
toda a população é necessário que seja feita uma inferência estatística, pois dessa forma
utilizará os dados amostrais para tirar conclusões sobre toda a população, calculando
também precisão e probabilidade de se confiar nas conclusões obtidas

Parâmetros -

Medidas calculadas diretamente da população, para caracterizá-la, sendo esses valores


normalmente desconhecidos (Θ)
Estimadores-

Valores calculados na amostra para obter os parâmetros e informações sobre a população,


todos são estatísticas

Intervalos de confiança-

Usado quando o objetivo do estudo é voltado à estimação de um parâmetro.

Testes de hipótese-

O objetivo do estudo envolve hipóteses sobre um parâmetro de interesse. Permite ao


pesquisador fazer inferências a respeito de uma população a partir de uma ou mais amostras e
tomar decisões em relação a população, para testá-la é necessário um par de hipóteses, uma
que represente a afirmação e outra seu complemento e quando uma delas for falsa a outra
será verdadeira (hipótese nula e hipótese alternativa)

Decisões estatísticas-

Tomada de decisão usando a amostra como base, formando hipóteses

Hipóteses estatísticas-

Afirmações sobre os parâmetros populacionais ou sobre as distribuições de probabilidade das


populações.

Hipótese nula (H0)-

É uma hipótese estatística que contém uma afirmação de que o parâmetro populacional é
significativamente tal como especificado

Hipótese alternativa (H1)-

O parâmetro é significativamente diferente do valor alegado

RNR: Região de Não Rejeição, aceita-se H0

RC: Região Crítica, rejeita H0 em favor de H1

Teste bilateral ou bicaudal-

Utiliza as duas pontas da distribuição

Teste unilateral à direita-

Utiliza a ponta direita da distribuição

Teste unilateral à esquerda-

Utiliza a ponta esquerda da distribuição


Tipos de erro-

Ao chegar em uma decisão, estamos sujeitos a 2 tipos de erros

● Erro tipo I - rejeitar H0 sendo ele verdadeiro


● Erro tipo II - aceitar H0 sendo ele falso

Nível de significância (α)-

É definido como a probabilidade máxima de cometer um erro do tipo I

Etapas para construir um teste-

Escrever a H0 (≥, = ou ≤) e a H1 (<, ≠ ou >)

Calcular a estatística de teste utilizando a fórmula correspondente ao caso que está


analisando.

Fazer um gráfico de distribuição amostral, marcando a RC.

Obter o Valor Crítico do teste, utilizando a tabela de distribuição correspondente. Marque esse

valor no gráfico.

Marque o valor da Estatística de Teste no gráfico.

Regra de Decisão:

Se o valor da Estatística de Teste pertencer a Região Não Rejeição (RNR) - aceita H0

Se o valor da Estatística de Teste pertencer a Região Crítica (RC), então rejeita H0

● Teste Unilateral à Direita - H1 possui o símbolo >


● Teste Unilateral à Esquerda H1 possui o símbolo <
● Teste Bilateral H1 possui o símbolo ≠

P-valor ou valor p
Outro método para decidirmos sobre qual hipótese devemos aceitar, ele mede a
probabilidade de nossa estatística ter valores mais extremos do que encontramos.

Quanto menor o P-valor do teste, mais evidência há para se rejeitar a hipótese nula.

Para usar o P-valor na decisão de um teste de hipóteses, basta compararmos o P-valor com o
nível de significância:

● o Se P-valor ≤ α , então rejeita-se H0


● o Se P-valor > α, então aceita-se H0

Teste T de student

A aplicação do teste t é indicada quando o tamanho amostral for menor que 30

O uso do teste T pressupõe que a característica em análise é normalmente distribuída com


variância populacional desconhecida.

O teste T tem três aplicações principais:

● teste para uma média populacional;


● teste para duas médias populacionais (amostras independentes e amostras
dependentes)
● teste para mais de duas médias populacionais.

É usado para verificar se a média de uma característica de uma população assume um valor k
especificado.

Hipóteses -

Para saber se é unilateral ou bilateral vale a mesma regra de cima:

● Teste Unilateral à Direita - H1 possui o símbolo >


● Teste Unilateral à Esquerda H1 possui o símbolo <
● Teste Bilateral H1 possui o símbolo ≠

Você também pode gostar