Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo Bioestatística
nome: Gizele Alves Santos
Dicionário da Bioestatística:
Inferir: significa fazer conclusões ou deduções com base nos dados disponíveis (amostra)
Sumariar: significa resumir ou condensar informações de modo a destacar os pontos mais
importantes de um conjunto de dados.
Variável: É um elemento da população e pode assumir valores diferentes, numéricos ou
não numéricos.
Dados: são os valores coletados da variável em estudo.
Introdução
Elementos e dados.
Variáveis Qualitativas: Representam conjuntos não numéricos e que não podem ser medidos
numericamente. Existem dois tipos: Nominais e Ordinais.
● Nominais: Essas não possuem uma ordem intrínseca ou significado numérico.( Cada
categoria é única)
Exemplos: Cor dos olhos; Estado civil; Gênero; Tipo sanguíneo; País de origem…
● Ordinais: Essas representam características que têm ordem! Mas a diferença entre as
categorias não são uniformes ou mensuráveis.
Exemplos: Classificação socioeconômica (pequeno < médio < grande); Nível de
educação( ensino fundamental < ensino Médio < ensino superior);
Variáveis Quantitativas: Representa quantidade numérica e pode ser medida. Existem dois
tipos: Discreta e Contínua.
● Contínua: São variáveis que podem assumir um número infinito de valores dentro de um
intervalo contínuo. Exemplos incluem altura, peso, temperatura, tempo de resposta,
etc. A medição pode ser feita com alta precisão, e pode haver uma infinidade de
valores possíveis entre quaisquer dois pontos.
3
● Exemplos: Unidades de medida (metro,litro,grama) ,ou seja: Peso (kg), IMC (kg/m2),
glicemia (mg/dl), PAS (mmHg).
Regra de decisão:
P: É uma porcentagem que você acredita que seja a verdadeira proporção na população que
possui uma característica específica antes de coletar os dados reais, é uma estimativa inicial.
Por exemplo, se você está pesquisando a preferência por um produto e acha que 30% da
população gosta dele, então ( P ) seria 0,3. Ou seja, P é estimativa inicial que você usa como
ponto de partida para calcular o tamanho da amostra e em seguida refinar com base nos dados
da amostra inicial.
Q: É o complemento da proporção (P), representa a proporção dos elementos que não possuem
a característica específica ou intencional. Para saber o valor de (Q) basta subtrair ( 1 - P)
Exemplo: P = 0,3 (30%) , então : (1 - 0,3) = 0,7 (70%).
E: Representa o erro máximo que você está disposto a aceitar ( margem de erro). Se você
quer que seu resultado seja preciso com uma margem de erro de 5%, então ( E ) seria 0,05.
Exemplo Prático:
Vamos usar um exemplo prático para entender melhor como funciona a estimativa inicial (P) na
fórmula.
5
🤔Cenário:
Imagine que você está conduzindo uma pesquisa sobre o uso de um novo aplicativo de música
em uma universidade. Sua pergunta é: "Qual é a proporção de estudantes na universidade que
usa regularmente o novo aplicativo de música?" ( você pode estimar com base em pesquisas já
feitas , por exemplo.)
Agora, plugamos esses valores na fórmula para calcular o tamanho da amostra necessário \(n\).
Essencialmente, a estimativa inicial (P) é uma suposição que você faz antes de coletar dados
reais. À medida que você coleta dados da amostra inicial, você pode ajustar essa estimativa com
base nas observações reais, definindo assim sua compreensão da proporção na população.
Resposta:
● População (N): 35.835 pessoas
● Prevalência (P): 60% Note que a prevalência sempre é em
porcentagem
● Erro Relativo (ER): 10% (0,10)
● Valor Crítico/confiança (Z): 2 (para um intervalo de confiança de
95%).
6
Aplicando a fórmula 1:
1. Amostra Estratificada:
A população é dividida em grupos (estratos) com características semelhantes, e depois
uma amostra é escolhida de cada grupo.
ni= n * N1 / N
3. Amostra Sistemática:
Você escolhe cada k-ésimo indivíduo da população depois de escolher um número inicial
aleatório (k). Por exemplo, se você quiser entrevistar a cada 5º aluno em uma lista,
começaria por escolher aleatoriamente um número de 1 a 5 e, em seguida, entrevistaria
cada aluno a cada 5 posições.
Exemplo prático:
Aqui estão algumas situações práticas para você pensar sobre qual tipo de amostra seria
mais apropriado:
1.Você está conduzindo uma pesquisa para entender o desempenho acadêmico dos
alunos de uma escola. Como você escolheria sua amostra?
Opções:
1. Entrevistar aleatoriamente alguns alunos da escola.
2. Dividir os alunos por séries e entrevistar alguns de cada série.
3. Escolher algumas salas de aula aleatoriamente e entrevistar todos os alunos nessas salas.
- Resposta:
- A resposta é a opção 2, amostra estratificada. Ao dividir os alunos por séries, você garante que
está capturando a diversidade acadêmica em cada nível de ensino.
2. Você está investigando os hábitos de compra em um shopping. Como você selecionaria sua
amostra?
- Opções:
1. Escolher aleatoriamente algumas pessoas no estacionamento.
2. Dividir os shoppers em grupos de acordo com a idade e escolher alguns de cada grupo.
3. Aleatoriamente escolher alguns corredores no shopping e entrevistar todas as pessoas nesses
corredores.
Resposta:
- A resposta é a opção 3, amostra por conglomerado. Ao escolher alguns corredores
aleatoriamente, você está agrupando as pessoas de forma eficiente e entrevistando todos dentro
desses grupos.
3. Você está interessado nas preferências alimentares em uma cidade grande. Como você faria
sua amostragem?
8
Opções:
1. Escolher aleatoriamente algumas pessoas de um diretório telefônico.
2. Dividir a cidade em bairros e escolher aleatoriamente alguns bairros para entrevistar todos os
moradores.
3. Aleatoriamente escolher alguns restaurantes e entrevistar todos os clientes nesses
restaurantes.
Resposta:
- A resposta é a opção 2, amostra por conglomerado. Ao escolher aleatoriamente alguns bairros,
você está agrupando as pessoas por localização, o que pode refletir diferentes preferências
alimentares.
EStatística descritiva: