Porque o interesse nos dados numéricos de conjuntos

de unidades em Medicina?

Duas razões principais:

1.- Obter dados necessários para a
administracção em Saúde . (Saber o qué
está acontecendo?)
2.- Avaliar os dados para dar resposta a um
problema científico determinado.

Investigação
 Dois tipos principais de métodos
estatísticos para duas finalidades:

Descrever uma situação

Métodos descritivos
determinada.

Fazer inferencias a uma

População conhecendo o Métodos inferencial
erro que se pode cometer.
 Estatística

Descritiva Inferêncial

Generaliza da amostra para

Resumo das população
propiedades de um
conjunto de dados
Tirar conclusões acerca de uma População,
baseando-se numa amostra(representativa),
dando-nos ainda uma medida do erro
cometido.
4
 Métodos Descritivos

Objetivo principal:

RESUMIR

O resumo depende do tipo ou dos tipos de

variáveis em jogo(em causa)
Uma variavel é uma propiedade ou
característica que se “mede” numa
investigação e que pode tomar diferentes
valores ou categorias que podem variar
de um individuo a outro ou de um
momento a outro.
 Nominais
Sexo, tipo histológico
Qualitativas

Tipos de Ordinal
variáveis Grau de hipertensão

Continuas
Idade, nível de Hb
Quantitativas
Discretas
Número de crises
 Medidas de Resumo
Dados Qualitativos: percentagens, razões.

Caracterização do derrame pleural. Dispneia

Frec. Porcentaje
Si 76 71,70
No 30 28,30
Total 106 100,00
Razão: com dispneia/sem dispneia = 76/30 = 2.5
 Medidas de Resumo
Dados Quantitativos:

Centro: Média, Mediana

Dispersão: Desvio Padrão ou Standard

Caracterização do derrame pleural. Temperatura

Frecuencia Porcentaje
37 3 2,83
38 18 16,98
39 16 15,09
40 4 3,77
Total 41 38,68
 Dois tipos principais de métodos
estatísticos para duas finalidades:

Descrever uma situação

Métodos descritivos
determinada.

Fazer inferencias a uma

Populaçao conhecendo o Métodos inferencial
erro que se pode cometer.
 Estimação
Método inferencial.

Provas de Hipótese.

basea-se na Teória de probabilidades

Conceito de probabilidade
Em uma experimentação em que se repete numerosas
vezes e que saem varios resultados, a probabilidade
de um resultado específico ser o número de vezes que
ocorre este mesmo resultado entre o número total de
repetições da experiencia.
 Medidas de Estatístico Parámetro
Estatística amostral ou populacional
Descritiva Estadígrafo

Média μ
X

Variancia S² σ²

Desviação Estándar S σ
(Desvio Padrão)

Proporção p P
Diferem no erro amostragem
 Medidas Estatísticas:
 População: N  Amostra n
 Média µ  Média X͞
 Variância δ2  Variância s2
 Desvio padrão δ  Desvio padrão s
 Proporção P  Proporção p

Parâmetros Estatísticos ou estadigrafos

Nivel de significação Certeza ou Coeficiente de Confiança
α Confiança (K) Estimaçao
(100 - α ) (Z) Prova de Hipóteses

5% 95 % 1.96
1% 99% 2.58

Expressão em probabilidades
0.05 0.95 1.96
0.01 0.99 2.58
 ESTIMAÇÃO

Permite tirar conclusões válidas para a

população, sobre os valores de um evento que
tenha sido encontrado numa amostra
representativa da referida população .
 Estimação

Pontual:
Um número que se aproxima ao real.
A média e a percentagem são os estimadores pontuais
melhores dos seus homólogos populacionais.

Por intervalos:
Assinalam ou marca um intervalo dentro da qual deve
encontrar-se o Parámetro com uma “confiança”
definida.

As duas estimações se usam de forma combinadas.

 Provas de Hipóteses

Utiliza-se sobre tudo para comparações e

basea-se no seguinte Rassocínio:

Se observa uma amostra de uma situação de interesse e

estima-se a probabilidade de que os resultados obtidos
ocorram, dado que se cumpre a hipótese.
Se a probabilidade é pouco provável, é preferivel pensar
que a hipótese não se cumpre.
 Passos numa prova de hipóteses

1.- Colocar ou apresentar a hipótese nula (hipóteses que deve ser

negada ou não).
2.- Colocar ou apresentar a hipótese alternativa (A que aceita-se no
caso de negar-se a nula)

3.- Eleger ou definir o nível de significação. Habitualmente 0.05,

0.01, 0.10

4.- Obter as amostras e calcular o valor do estadígrafo.

5.- Calcular a probabilidade destes resultados, dado que se cumpre

a hipótese nula.
6.- Decidir: se p< niv.sig, Negar a hipótese nula
se p> niv.sig., não se Nega a hipótese Nula
 Erros possives nas Provas de hipóteses
H0 certa

Sim Não

Sim Tipo I certo

Nega-se a H0
Não certo Tipo II

Probabilidade de cometer Error Tipo I = 

Probabilidade de cometer Error Tipo II = 

Prova de hipóteses para comparar proporções:
Hipótesis Nula
Proporção de melhorados com A = Proporção de
melhrados com B
PA = PB

H0 = PA = PB p A  pB
z
H1 = PA > PB Estadígrafo: p (1  p ) (1 / n A ) (1 / nB )

pA e pB são amostras, estimadores pontuais

 calcula-se então p: probabilidade de um valor igual ou
maior que z quando H0 é certa.

Se p < que o nivel de significação (); se nega a H0

E aceita-se H1. (Hipotese Alternativa)
A probabilidade de negar-se a H0 estando certa, cometer o erro
de Tipo I é menor ou igual a .

Se não se nega a H0, pode-se cometer o erro de Tipo II (aceitar

H0 sendo falsa).
O erro de tipo II não é o único porque a falsidade de H0 muito
menos é a única. Depende de qual é a falsidade de H0, ou seja,
qual é realmente (PA - PB) e do tamanho da amostra.
A potencia da prova é a probabilidade de negar H0 sendo falsa,
ou seja, detectar a diferença. Depende do tamanho da amostra
e da diferença que se quer detectar.
Potencia da Prova: 1 - . Capacidade para detectar a diferença.
 Outra maneira de ver o problema:

A: tratamento novo que estar ser provado.

B: tratamento convencional que já existe
TRATAMENTO

A B

Sim 60 30
Curados
Não 40 70

100 100

Razão de porcentagens de cura: 60/30 = 2

A cura duas vezes mais pacientes que B “Risco relativo”
Se podem calcular intervalos de confiança para esse Risco
Relativo ou para a diferença entre as proporções.

O intervalo de confiança nos diz também a importancia

do resultado para a clínica.
 Variaveis de resposta Quantitativa.

Comparar Médias H0: μA = μB

H1: μA μB

XA - XB
t de Student t
Sp (1 / n A )  ( 1 / n b )

Se calculam a probabilidade (p) de um valor igual ou maior que t

quando se cumpre H0

Se p < que  (nivel de significação): Nega-se H0

 Tamanho da amostra

1.- Fixar as probabilidades e aceitar cometer o Erro do tipo I

e o Erro do tipo II.

2.- Estabelecer a mínima diferença que interessa detectar.

3.- Ter uma ideia aproximada da variabilidade da população em

estudo. DS no caso de variaveis quantitativas.
Proporção de respostas em ambos grupos, se a variável for do tipo
Qualitativa.
 Tamanho da mostra necessario:

Para comparar proporções:

2
 z 2 P (1 - P) - z  PA (1 - PA )  PB (1 - PB ) 
n 
  

P: proporporção de “curados”, se H0 é certa, PA = PB

PA: proporporção de “curados”, com A

PB: proporporção de “curados”, com B

 Para comparar promedios ou médias:

2
 ( z - z  )  
n2 
  

 = desviação standard na população .

 = diferença mínima que se quer detectar.

 Estimação

Pontual:
Um número que se aproxima ao real.
A média e a percentagem são os estimadores pontuais
melhores para os seus homólogos na população.

Por intervalos:
Assinalam ou marca um intervalo dentro do qual deve
encontrar-se o Parámetro com uma “confiança” definida.

As duas estimações se usam de forma combinadas.

 Intervalo de Confiança de 95% para diferenças

( X 1  X 2 )  1,96  D.S .( X 1  X 2 )

( Pˆ1  Pˆ2 )  1,96  D.S .( Pˆ1  Pˆ2 )

• incidencia Ie=408/906 = 0,45
– Controlo (Ic)
– Estudo (Ie) Ic=170/895 = 0,19

RR= 0,45/0,19 = 2,37

• risco relativo (RR)

Intervalo de Confiança de 95% para RR: (2,23 - 2,53)

IC do 95% para RR (2,23- 2,53)

IMPACT vs
no IMPACT
Se tem uma confiança
de 95% de que o
verdadeiro valor do RR
se encontra dentro
intervalo

1 2,37 3
 Grupo estudo Grupo control

Hb antes – Média= 1,32 Média= 0,94

Hb depois D.S. = 2 D.S. = 1,9

Diferença de médias (amostra) = 1,32 – 0,94 = 0,38

Ho: Diferença de médias = 0
P < 0,001 implica diferenças significativas
OBRIGADO