Bioestatstica

Testes para Dados Categorizados

Aula 8

Prof. Tiago A. E. Ferreira

1

Categorizao
Dados Categorizados:
Contagem de frequncia de uma varivel classificada ou subdividida em categorias. Tipicamente procedimento aplicado variveis qualitativas.
Ex.: Varivel Sexo Masculino e Feminino

Entretanto tambm possvel se aplicar variveis quantitativas.

Ex.: Varivel Durao da Reao -. At 2 horas; Mais de 2 horas.
2

Tabelas de Contingncia
Tipicamente, dados categorizados so apresentados em tabelas de contingncia:
Fator Discriminado B B1 A1 Fator Discriminante A A2
M

B2 O12 O22
M

... ... ... ... ... ...

Bs O1s O2s
M

Totais A TA1 TA2

M

O11 O21
M

Ar Totais B

Or1 TB1

Or2 TB2

Ors TBs

TAr T
3

Tabelas de Contingncia
A varivel A foi denominada de fator discriminante
A partir das mudanas nas categorias de A deseja-se verificar o comportamento da varivel B, chamada fator discriminado. Assim,
Varivel A a varivel independente. Varivel B a varivel dependente.

Testes Categorizados
O objetivo dos testes para dados categorizados determinar se o fator discriminante exerce alguma influncia sobre o fator discriminado.
A hiptese nula:
H0 pA1 = pA2 = pAr
As categorias de A exercem a mesma influncia sobre B

Contra H1:
Pelo menos uma categoria apresenta diferenaem relao a B.
5

Teste de Qui-Quadrado Clssico

A soma dos quadrados de variveis normais tem uma distribuio chamada Qui-Quadrada.
Desta forma, o teste de Qui-Quadrado ir verificar se uma varivel adere ou no a uma distribuio Qui-Quadrada.

Teste de Qui-Quadrado Clssico

Primeiro Passo:
Construir a matriz rs de valores esperados, E, dada por:

O O
il

kj

Eij =

l =1 s r

k =1 lk

O
l =1 k =1

TAi TB j T

Teste de Qui-Quadrado Clssico

Segundo Passo:
Calcula-se a estatstica: =
2 c

i =1 j =1

(O

ij

Eij ) Eij

Esta a expresso do teste Qui-Quadrado Clssico.

Esta expresso s pode ser utilizada se o nmero total de dados for maior que 40. Caso o nmero de dados estiver entre 20 e 40, e o valor esperado das clulas for maior que 5, deve-se ser aplicada a correo de Yates: 2

=
2 c i =1 j =1

(O

ij

Eij 0,5 Eij

Caso n menor que 20, aplica-se o teste exato de Fisher

Teste de Qui-Quadrado Clssico

O Valor calculado c2 comparado com o valor tabelado t2 da distribuio QuiQuadrado.
Este valor est associado a um nvel de significncia e a uma quantidade de graus de liberdade gl=(s-1)(r-1). Aplica-se a Regra de Deciso:

Se c2 t2 H 0 deve ser aceita Se c2 > t2 H 0 deve ser rejeitada

9

Exemplo
Um grupo de 154 pacientes que apresentaram dor abdominal foram divididos em dois grupos:
Grupo de Tratamento (T) Grupo de Controle (C)
Permanncia da Dor Abdominal Grupo T C Total Sim 6 30 36 No 57 61 118 Total 63 91 154
10

Exemplo
Hipteses:
Hiptese Nula:
H0 pC=pT
Ou seja, os resultados do grupo de controle so iguais ao grupo de tratamento.

Hiptese Alternativa:
H1 pC pT

11

Exemplo
Construo da Matriz E
E11 = (63 . 36) / 154 14,73 E12 = (63 . 118) / 154 48,27 E21 = (91 . 36) / 154 21,27 E22 = (91.118) / 154 69,73

12

Exemplo
Quantificao das diferenas entre as matrizes O e E:
c2 =
i =1 j =1 s r

(O

ij Eij )

Eij

(6 14,73)2 + (57 48,27 )2 + L + (61 69,73)2 =

14,73 48,27 69,73

c2 = 11,4290

13

Exemplo
O nmero de graus de liberbuiade ser (21)(2-1) = 1.
Assim para este grau de liberdade, os valores da distribuio Qui-Quadrado ser:
10% 5% 1% 0,0724% t2 2,7056 3,8416 6,6354 11,4290

Assim, aos nveis de 10%, 5% e 1% de significncia H0 deve ser rejeitada!

14

Distribuio F
A razo entre duas duas distribuies QuiQuadradas tem uma distribuio F.
2 (n ) n F ( n, m ) = 2 (m ) m Se cada uma das ditribuies qui-quadradas tm graus de liberdade n e m, ento a distribuio F ter dois valores de graus de liberdade. 15 Ditribuio F F(n,m)

Teste F
Dado duas somas quadradas, SSi e SSj, com grau de liberdade vi e vj.
Assim, a hiptese de que SSi menor ou igual a SSj rejeitada com significncia se a razo SSi
vi SSj

maior que 1 Ou seja, SSi maior que SSj caso F computado seja maior que o F tabelado!
16

Vj F[1;vi,vj]

Teste Exato de Fisher

Este teste utilizado para comparar dados categricos em tabelas 22 quando o nmero total de casos menor que 20.
Passo 1
A partir da tabela de contingncia so construdas duas outras tabelas, X1 e X2:
X1 e X2 so elaboradas tomando-se o total dos elementos de uma das linhas, considerando que estes elementos esto primeiro na condio B1 (ou B2) e depois na condio B2 (ou B1).
17

Teste Exato de Fisher

Passo 2:
A partir da matriz original e as matrizes x1 e x2, calcula-se a estatstica:

Passo 3:

TA1!TA 2 !TB1!TB 2 ! F= s r Oij ! T ! i =1 j =1

O Nvel de significncia calculado somando os valores obtidos no Passo 2:

p = FO + FX 1 + FX 2

18

Teste Exato de Fisher

Passo 4:
Com o valor de p calculado toma-se a deciso estatstica conveniente, aceitando-se ou rejeitando-se H0.

19

Exemplo
Suponha um grupo de 16 ratos, divididos em dois grupos, Experimental e Normal.
O grupo Experimental formado por 9 ratos geneticamente modificados. Aps um ano e meio o n de ratos vivos do grupo Experimental e do Normal seja:
Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 5 1 6 Mortos 2 8 10 Total 7 9 16
20

Exemplo
O Teste de Fisher consiste em elaborar, com base nos totais marginais do fator discriminante, duas tabelas, X1 e X2 (Matrizes Extremas)
X1 a matriz em que todos os animais mortos pertencem ao grupo normal
Observe: so 10 mortos, mas o grupo normal s tem 7 ratos!

Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 0 6 6 Mortos 7 3 10 Total 7 9 16
21

Exemplo
X2 corresponde a uma matriz com os mesmos totais marginais, mas com todos os animais vivos no grupo normal
Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 6 0 6 Mortos 1 9 10 Total 7 9 16

22

Exemplo
Observe que:
Foi escolhida a condio Normal (A1) como referncia
Para esta, foi considerados primeiramente todos os animais mortos (B2), gerando a matriz X1, e depois a condio vivos (B1) para a elaborao da matriz X2

Caso a condio Experimental (A2) tivesse sido escolhida como referncia e o fator B1 tivesse sido usado para obter X1 e B2 para X2 os resultados seriam idnticos!
23

Exemplo
Calculando-se a estatstica F:
7!9!10!6! = 0,02360 Matriz Original: F0 = 2!5!8!1!16! 7!9!10!6! = 0,01050 FX 1 = Matriz X1: 0!7!6!3!16! 7!9!10!6! Matriz X2: F0 = = 0,0009 6!1!0!9!16!
24

Exemplo
Finalmente, o valor de p:
p = F0 + FX1 + FX2 =0,0236+0,0105+0,0009 = 0,0350 ou 3,5% Assim, possvel afirmar que a sobrevivncia dos ratos alterados menor que a dos ratos normais envolve uma probabilidade de 3,5% de erro
Logo, ao nvel de 3,5% de significncia, rejeita-se H0.
25

Referncias
Livro Texto: Bioestatstica. Teoriaia e Computacional (Hctor G. Arango). Guanaba
Captulo 9

Leituras Complementares:
Livro: Bioestatstica. Princpios e Aplicaes (Sidia M. Callegari-Jaqcques)
Captulo 15.

Livro: Estatstica Bsica (Wilton de O. Bussab e Pedro A. Morettin). Saraiva

Captulo: 7
26