Prévia do material em texto

Luciane Souza - 272
ESTATÍSTICA 
É uma parte da matemática que estuda os métodos para coletar, organizar e analisar dados de 
diferentes áreas visando a tomada de decisões 
 
Descritiva: descreve, resume, apresenta dados 
Analítica: compara grupos, ajuda a concluir resultados de amostras, utilização de testes 
estatísticos 
 
Papel da Estatística: 
• Estudar padrões de variação → Estatística Descritiva 
Responde a perguntas do tipo: 
➢ Qual a prevalência de diabetes na população? 
➢ Que proporção das pessoas fuma? 
➢ Qual é o valor normal da glicose plasmática? 
Isto é, descrever comportamento das características: agravos, fatores de risco, fatores 
protetores 
• Definir faixas de variação: normal/anormal 
• Permite compor testes diagnósticos 
 
 
Testar formalmente diferenças e associações → Estatística Analítica 
Responde a perguntas do tipo 
➢ Fumar está associado com diabetes? 
➢ Penicilina cura pneumonia? 
➢ Vacina previne sarampo? 
Isto é, avalia associações entre fatores de risco e doenças 
• Avalia eficácia/efetividade de medidas preventivas 
 
 
TERMOS IMPORTANTES 
Observações: indivíduos avaliados no estudo 
 
Dados: informações obtidas a partir das observações, podem ser numéricas ou não 
Podem ser de fonte primária (dados coletados para o objetivo daquele estudo) ou secundária 
(utilização de dados já obtidos previamente, não obtidos para o objetivo do estudo) 
 
Amostra: parte de um conjunto de dados (população) 
 
Variáveis: características estudadas 
 
Métodos de Amostragem 
Casual Simples: sorteio aleatório dos elementos da população 
Sistemática: utilizada quando os elementos da população a ser estudada já se encontram 
ordenados e, em seguida, são sorteados de acordo com uma certa periodicidade 
Proporcional Estratificada: divide a população em subgrupos (estratos) de acordo com outras 
características da população que devem ser levadas em conta 
 
 
Por que não estudar toda a população? 
• Complicado logisticamente 
• Caro e pouco eficiente 
 
EQUIPROBABILIDADE 
Todos os indivíduos da população em estudo têm a mesma probabilidade de aparecer na 
amostra → Seleção sem agrupamentos e sem reposição 
➢ É só colocar todos os nomes num saquinho e pegar (de olho fechado!) 
A variabilidade das médias amostrais diminui com o tamanho da amostra 
 
A amostra da direita tem maior intervalo de confiança, uma maior amostra gera menor erro 
padrão observado 
 
Intervalo de Confiança 
Dá ideia da precisão do resultado 
Dá ideia de onde pode variar a medida sendo estimada 
• Pode ser uma média 
• Pode ser uma prevalência 
• Pode ser um risco relativo 
 
TESTE DE HIPÓTESES 
➢ Primeiramente ele usou o exemplo do chá britânico e da senhora que afirmava saber 
diferenciar se primeiro haviam colocado a água ou o leite 
 
Comparar 2 populações: 
➢ Será que um medicamento novo tem efeito maior do que o antigo? 
➢ Será que a dieta sem sal faz a pressão arterial reduzir? 
 
Em função da variabilidade amostral, os resultados vão ser sempre “diferentes” 
➢ Como decidir se há uma “diferença real”? 
➢ Que régua utilizar? 
 
H0: hipótese da igualdade → Não existe diferença 
µ1 (efeito da droga nova) = µ2 (efeito da droga velha) 
• Equivale a “senhora não distingue tipo de chá” 
 
H1: hipótese alternativa → Existe diferença 
µ1 ≠ µ2 
Agora tenho que rejeitar ou não rejeitar H0 
 
Supondo que H0 é verdade, posso calcular a probabilidade relacionada com o resultado obtido! 
• Se esta probabilidade é baixa → Rejeito H0 
• Caso contrário → Não rejeito H0 
 
Se a probabilidade de se observar o resultado obtido (ou algo mais extremo) for < 5% → rejeito 
H0. Esta probabilidade é o valor p 
CASO CONTRÁRIO → NÃO REJEITO H0 
 
 
VARIÁVEIS 
Relação entre variáveis 
• Exposição 
Fator que pode influenciar a frequência de ocorrência de um evento 
Variável explanatória, independente 
- Fator de risco 
• Desfecho 
Variável principal de interesse no estudo 
Variável resposta, dependente 
Exemplo: estudo sobre tabagismo na gestação e baixo peso ao nascer 
 
 
 
 
 
TIPOS DE VARIÁVEIS 
Variáveis Qualitativas (Categóricas): atributos ou características do sujeito 
Variáveis Quantitativas (Numéricas): medidas a serem tomadas dos sujeitos, medidas em escala 
numérica 
 
Qualitativas (Nominais ou Ordinais): 
Nominais: atributos que não apresentam uma ordem entre suas possíveis classes 
• Gênero, presença de doença, concordância em fazer a pesquisa ou não, cor dos olhos, 
onde mora 
 
Ordinais: dados ordinais, apresentam ordem entre suas possíveis classes 
• Classe social, escolaridade, estágio da doença, mês de observação 
 
 
Quantitativas (Discretas ou Contínuas): 
Discretas: contagens, pode-se mensurar de uma forma que não irá variar naquele momento, 
geralmente representadas por números inteiros 
• Número de filhos, cirurgias anteriores, número de fatores de risco 
 
Contínuas: pode assumir qualquer valor real em questão de minutos ou horas, representam 
resultados de medidas 
• Glicemia, pressão arterial 
 
VARIÁVEIS DERIVADAS 
• Idade 
Anos completos (variável discreta) 
20-29, 30-39, 40-49, 50-59, 60 ou + (categoria politômica ordinal) 
Idoso ou não idoso (categoria dicotômica) 
 
• Renda Familiar 
Em reais (numérica contínua) 
Em salários mínimos (numérica discreta ou dicotômica) 
• IMC 
IMC em kg/m₂ (numérica contínua) 
 
 
ORGANIZAÇÃO DE DADOS 
➢ Tabelas e figuras 
➢ Tipo de variável X forma de apresentação 
➢ Números absolutos e relativos 
 
Frequência Absoluta: contagem de ocorrências 
Frequência Relativa: proporção de ocorrências em relação ao todo 
 
 
TABELAS 
• Apresentação das informações de forma clara e concisa 
• Resultados mais importantes 
• Autoexplicativa (idealmente não precisa recorrer ao texto) 
• Não possuem linhas horizontais 
• Um título adequado deve informar os resultados: o que? em quem? onde? quando? 
número de indivíduos avaliados? 
 
 
VALOR P E INTERVALO DE CONFIANÇA 
Valor P: probabilidade de encontrar o resultado observado, dado que não exista diferença entre 
os grupos 
 
Valor P < 0,5: existe diferença estatisticamente significativa entre os grupos 
Probabilidade de o resultado encontrado ter sido ao acaso é menor de 5% 
 
Intervalo de Confiança: probabilidade de encontrar o valor “verdadeiro” se amostras fossem 
repetidas N vezes 
 
IC 95%: se a amostra for repetida N vezes, em 95% das vezes o IC irá incluir o valor “verdadeiro” 
da estimativa 
ANÁLISE ESTATÍSTICA 
Descritiva: usa-se para fazer resumo de dados → informações 
 
Inferencial: generalização dos achados → conclusões 
 
Análise de Dados Epidemiológicos 
Probabilidade: fenômeno cuja ocorrência não pode ser estabelecida equivocadamente 
Lida com fenômenos incertos (probabilidade de chover, probabilidade de ter uma doença) 
Apesar de não ter certeza, pode-se ter uma ideia de se é plausível ou não 
➢ Desfecho: possível resultado de um experimento aleatório 
➢ Espaço Amostral: conjunto de todos os desfechos do experimento aleatório 
➢ Evento: subconjunto do espaço amostral 
 
Independência: uma variável que é independente da outra se a probabilidade de ocorrência de 
uma não influenciar a ocorrência da outra 
Ex: água parada e mosquito da dengue são variáveis dependentes 
 
Tendência Central: refere-se a estatística que busca identificar o centro de distribuição dos dados 
 
Dispersão: complementam a tendência central → representam o grau de variabilidade dos 
dados obtidos 
 
CURVA COM ASSIMETRIA A DIREITA: tendência central mais para negativo 
CURVA COM ASSIMETRIA A ESQUERDA: tendência central mais para positivo 
CUVA COM DISTRIBUIÇÃO NORMAL: dados distribuídos de forma homogênea, respeitando o 
ponto central dos dados 
• Curva com distribuição Platicúrtica 
• Curva com distribuição Leptocúrtica 
• Curva com distribuição Mesocúrtica 
O que muda entre elas é a forma com que ocorreu a distribuição dos dadosHomogeneidade da Variância: está relacionado com a variabilidade similar entre duas ou mais 
amostrar comparadas 
 
HIPÓTESE ESTATÍSTICA 
H0: Hipótese Nula (resultado não é estatisticamente significativo) 
H1: Hipótese Alternativa (testa-se um resultado e comprova) 
 
 
TESTE ESTATÍSTICO → Nível descritivo do teste 
Erro tipo I: ocorre quando rejeitamos uma hipótese nula verdadeira, consequentemente a 
hipótese alternativa é falsa 
Erro tipo II: ocorre quando aceitamos a hipótese nula como falsa, consequentemente a hipótese 
alternativa é a verdadeira 
 
 
Poder Estatístico: 
Valor P < 0,05 (5%) 
• Para ter poder estatístico precisa ser menor que 5% 
• Trabalha-se com um nível de significância de 95% 
 
DADOS QUALITATIVOS 
Valor Absoluto (N) 
Valor Relativo (%) 
 
• Média 
• Mediana 
• Variância 
• Desvio Padrão 
• Primeiro Quartil (25%) 
• Terceiro Quartil (75%) 
• Valor Máximo 
• Valor Mínimo 
 
 
Teste de Shapiro-Wilks / Lilliefors 
H0: a variável segue uma distribuição normal 
H1: a variável NÃO segue uma distribuição normal 
 
Teste de Levene / Bartlett 
H0: os grupos apresentam variâncias iguais (de uma variável especificada) 
H1: os grupos apresentam variâncias DESIGUAIS (de uma variável especificada) 
 
Teste de Qui-quadrado de Perason 
H0: as variáveis são INDEPENDENTES 
H1: as variáveis são dependentes 
 
Teste de Qui-quadrado para adequação de ajustamento 
H0: as proporções são similares a um padrão 
H1: as proporções são DIFERENTES de um padrão 
 
Teste de Mann-Whitney / Wilconxon (soma das ordens ou dos postos assinalados) 
H0: os grupos apresentam postos médios iguais (de uma variável especificada) 
H1: os grupos apresentam postos médios DIFERENTES (de uma variável especificada) 
 
Teste t para uma média 
H0: a variável apresenta média igual a um valor específico determinado a priori 
H1: a variável apresenta média DIFERENTE de um valor específico determinado a priori 
 
Teste t para amostrar diferentes ou paralelas 
H0: os grupos são similares em relação à média (de uma variável especificada) 
H1: os grupos são DIFERENTES em relação à média (de uma variável especificada) 
 
Teste t para coeficiente de correlação (Pearson/Speraman) ou para os coeficientes de 
regressão 
H0: coeficiente é igual a zero 
H1: coeficiente é DIFERENTE de zero