Introdução à

Estatística Inferencial

Ano letivo 2023/2024

Sara Simões Dias

sara.dias@ipleiria.pt

Maria João Batalha

maria.s.batalha@ipleria.pt

1
 Estatística Inferencial
População Amostra Regra geral não é
possível estudar a
população inteira!
µ x
 Md
s2
σ2 Estimação
s  Pontual
σ  Intervalar
…
…

Ano letivo 2023/2024 Estatística Aplicada à Saúde 2

 Estatística Inferencial
Objetivo:
 Estimar as características de uma população com
base numa amostra;
 Testar se determinada hipótese, sobre as
características conhecidas, é ou não plausível.

Métodos:
 Estatísticas como a média (x) e o desvio padrão
(s) calculados com os dados da amostra, a partir
dos quais se infere com um determinado grau de
probabilidade, os parâmetros da população,
valor médio (μ) e desvio padrão (σ).

Ano letivo 2023/2024 Estatística Aplicada à Saúde 3

 Estatística Inferencial
Estimação pontual:

 O objetivo da estimação pontual consiste em

obter uma função da amostra (estatística) que
“melhor” aproxime o valor do parâmetro
desconhecido.

 A estimação pontual utiliza estimadores para

fornecer um valor (estimativa) para um
parâmetro desconhecido. Não é avaliada a
precisão da estimativa.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 4

 Estatística Inferencial
Estimação intervalar:
Procura estimar um grupo de intervalos de valores
que, com um determinado nível de confiança,
possuam o verdadeiro valor do parâmetro
populacional.

o Intervalos de confiança:
Em vez de se indicar um valor concreto para o parâmetro
desconhecido, constrói-se um intervalo que, com determinada
“probabilidade” previamente definida, contém o verdadeiro
valor do parâmetro.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 5

 Estatística Inferencial
Intervalo de confiança (IC)
 Aplicação Prática: Se o IC de 95% para a
idade média afetada pelas ondas de calor for
calculado como (30, 40), isso indica que
podemos ter 95% de confiança de que a
verdadeira idade média das pessoas afetadas
pelas ondas de calor na população se situa
entre 30 e 40.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 6

 Estatística Inferencial
Intervalos de confiança:

 Um intervalo de confiança a 95 por cento

significa que, quando se concretiza os
intervalos para um grande número de
amostras, os intervalos resultantes irão conter
o verdadeiro valor em 95 por cento das vezes.

 Se aplicar este método infinitas vezes, em 95

por cento dos intervalos de confiança obtidos,
terá o verdadeiro valor do parâmetro contido.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 7

 Estatística Inferencial
Propriedades dos intervalos de confiança:

 Quanto maior for o nível de confiança maior

será a amplitude do intervalo;

 Quanto maior for a dimensão da amostra

menor será a amplitude do intervalo;

 Quanto maior for a variância da população

maior será a amplitude do intervalo.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 8

 Estatística Inferencial
 Um objetivo da Estatística é o de contribuir para a tomada
de decisões em diversas áreas, nomeadamente na área da
saúde.
 A Estatística pode servir para fundamentar a tomada de
decisões, baseando-se no que se conhece sobre cada
situação, mais precisamente na amostra de dados.
 Muitas das vezes, o problema sobre o qual se quer decidir
pode-se colocar na forma de afirmações (hipóteses)
relativas a parâmetros da distribuição de uma população.
 A tomada de decisão (rejeição ou aceitação das hipóteses)
será então baseada na análise de uma amostra dessa
população.

Testes de hipóteses
Ano letivo 2023/2024 Estatística Aplicada à Saúde 9
 Teste de Hipóteses

Definição: O teste de hipóteses é uma metodologia

estruturada usada para determinar se há evidências
suficientes numa amostra de dados para inferir que uma
determinada condição é verdadeira para toda a população.

 Os Testes de Hipóteses a estudar, baseiam-se em:

1. Formular as Hipóteses Estatísticas;

2. Utilizar um método estatístico para decidir entre as
hipóteses.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 10

 Hipóteses Estatísticas

Uma Hipótese Estatística é uma conjetura acerca do valor de

um parâmetro desconhecido de uma população ou acerca da
distribuição de uma população.

Existem dois tipos de hipóteses:

o Hipótese nula (H0): É a hipótese que se pretende testar,
deve conter sempre a igualdade.
 Hipótese alternativa (H1): Hipótese que corresponde ao
conjunto das alternativas a H0 (é a hipótese aceite se H0 for
rejeitada).

Ano letivo 2023/2024 Estatística Aplicada à Saúde 11

 Hipóteses Estatísticas
Exemplo 1: No processo de controlo da quantidade de
ibuprofen num lote de comprimidos, pode conjeturar-se:

1. Será que a quantidade de ibuprofen é diferente de

200 mg?
H0 : µ = 200 vs H1 : µ ≠200

2. Será a quantidade de ibuprofen é menor ou

igual a 200 mg?
H0 : µ ≤ 200 vs H1 : µ > 200

3. Será que a quantidade de ibuprofen é inferior a 200

mg?
H0 : µ ≥ 200 vs H1 : µ < 200

Ano letivo 2023/2024 Estatística Aplicada à Saúde 12

 Hipóteses Estatísticas
Exemplo 2: O número de internamentos hospitalares
aumentam significativamente durante as ondas de calor.

• H0: Não há alteração nos internamentos

hospitalares durante as ondas de calor.

μnormal=μcalor

• H1: Há um aumento significativo nos internamentos

durante as ondas de calor.

μnormal >μcalor

Ano letivo 2023/2024 Estatística Aplicada à Saúde 13

 Testes Bilaterais e Unilaterais

Teste Bilateral
H0 : µ = k0 vs H1 : µ ≠ k0

Teste Unilateral Direito

H0 : µ ≤ k0 vs H1 : µ > k0

Teste Unilateral Esquerdo

H0 : µ ≥ k0 vs H1 : µ < k0

Ano letivo 2023/2024 Estatística Aplicada à Saúde 14

 Hipóteses Estatísticas
Após definição das hipóteses em estudo, e tendo
como base a informação disponível, recolhida na
amostra, segue-se a realização do teste
estatístico apropriado.

Estatística de teste

Os testes estatísticos podem ser realizados:

 Em papel (iremos ver na próxima aula);
 Em softwares adequados (como o SPSS).

Ano letivo 2023/2024 Estatística Aplicada à Saúde 15

 Decisão utilizando o SPSS
Quando recorremos ao SPSS para a realização do teste estatístico
mais adequado, utilizamos o valor do p-value para concluir acerca
das hipóteses definidas!

O valor p representa a probabilidade de a diferença detetada

entre os grupos analisados ter ocorrido ao acaso.
 Um pequeno valor de p (p ≤ 0,05, ou seja, probabilidade menor ou
igual a 5%): indica que há uma pequena probabilidade de que a
diferença observada entre os grupos seja ao acaso, então, há
diferença significativa entre os grupos  Rejeitamos H0

 Um grande valor de p (p > 0,05, ou seja, probabilidade maior que

5%): indica que há uma grande probabilidade de que a diferença
observada entre os grupos seja ao acaso, então, não há diferença
significativa entre os grupos.

Para um dado nível de significância α, rejeita-se H0 se valor de p ≤ α.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 16

 Nível de significâcia
Nível de significância do teste () – é um limite
utilizado para determinar se o valor p é significativo.

• Representa a probabilidade de se ter rejeitado H0

quando se deveria ter aceite.

• Normalmente, é utilizado um nível de significância de

0,05, no entanto, os investigadores podem escolher um
nível diferente com base nos requisitos do estudo e nos
padrões da área.

Se considerarmos o nível de significância 0,05 quer dizer que a probabilidade

de se ter rejeitado uma hipótese que se deveria ter aceite é de 5 em 100, o
erro é de 5%. Há uma confiança de 95% de se tomar uma decisão correta.
A probabilidade do resultado ter ocorrido por acaso é 95%.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 17

 Erros do tipo I e II
Não é possível decidir sem risco!!!

 Quando realizamos um teste de hipótese podemos

cometer dois tipos de erro:
 Erro tipo I: Rejeitar H0 quando é verdade
H0: O medicamento não é eficaz  Ao rejeitar H0 concluo que o
medicamento é eficaz quando não é  Falso positivo

 Erro tipo II: Aceito H0 quando não é verdade

H0: O medicamento não é eficaz  Ao aceitar H0 concluo que o
medicamento não é eficaz quando é  Falso negativo

Ano letivo 2023/2024 Estatística Aplicada à Saúde 18

 Erros do tipo I e II
  - probabilidade de rejeitar H0 quando se deveria ter
aceite – probabilidade de ocorrer um erro do tipo I.
  - probabilidade de aceitar H0 quando se deveria ter
rejeitado – probabilidade de ocorrer um erro do tipo
II.
H0 Verdadeira H0 Falsa

Decisão correcta Decisão incorrecta

Não Rejeito H0
1- Erro tipo II = 

Decisão incorrecta Decisão correcta

Rejeito H0
Erro tipo I =  1-

Interessa reduzir os erros do tipo I e II ao mínimo aceitável.

Considera-se mais grave a ocorrência de um erro do tipo I.

Ano letivo 2023/2024 Estatística Aplicada à Saúde 19

20