Baixe o app para aproveitar ainda mais
Prévia do material em texto
Testes estatísticos Compara o desvio padrão no teste de hipóteses Quando tem uma hipótese, não está relacionada à amostra, mas sim à população Amostra independente: quando os elementos das amostras provêm de indivíduos diferentes. . Vantagens: tempo: os dados são obtidos mais rápido Amostras dependentes: quando os elementos das amostras provêm de indivíduos distintos ou de indivíduos pareados. Ex: efeito da propaganda eleitoral (antes e depois) para um candidato A . Vantagens: controlar por possíveis valores de confusão/ menos pacientes/ teste mais preciso com menos suposição Devemos parear sempre que possível: avalia o efeito na mesma pessoa Comparar média e proporção (frequência relativa) Como escolher testes estatísticos? - Depende da distribuição dos dados - Depende da natureza da variável - Depende da pergunta (comparação ou associação) - Número de grupos Paramétrico: distribuição normal: simétrica em torno da média: a maioria dos valores está em torno da medida de tendência central Não-paramétrica: distribuição anormal: dados concentrados em valores mais altos ou mais baixos. Amostras pequenas: cada um tem um resultado diferente Um estudo pode ter os 2 tipos de amostra Quando analisa se as hipóteses são diferentes, é bicaudal: a diferença pode estar na extremidade positiva ou negativa Quando quer olhar se é maior ou menor, é unicaudal . Valor de p: a probabilidade de aquilo que está observando ser ao acaso/ do erro tipo 1. De o valor de p é alto, a probabilidade de ser ao acaso é alta 2 grupos: teste t independente, teste t dependente, teste de Mann Whitney ou teste de Wilcoxon 3 grupos ou mais: ANOVA de uma via, teste de Kruskal-Walls, ANOVA de medidas repet, Friedman Teste de normalidade: - Shapiro Wilk: amostras menores (n<50). É um teste específico para a normalidade - Kolmogorov Smirnov: amostras médias. É mais geral, com menos poder - Distribuição normal se o valor de p>0,05 - OBS: quando P é maior que 5%, não é que não existe diferença, mas que ela pode ser ao acaso Testes paramétricos: - Baseados em parâmetros da amostra (média e desvio padrão) - Funcionam melhor em distribuição normal - T-student pareado: . Compara o mesmo grupo em 2 momentos com uma distribuição normal . Ex: investigar se existe diferença na distância caminhada por indivíduos adultos com ou sem bengala - T-student independente: . Compara dois grupos independentes com distribuição normal . Ex: investigar se existe diferença entre homens e mulheres na distância caminhada no teste da caminhada de 6 minutos Teste não paramétrico: - Baseia na posição dos dados - Pouco influenciado por valores extremos - Não depende da distribuição de dados - Não assumem suposição de que os dados sejam gerados por alguma família paramétrica de distribuições de probabilidade - Comparação de medianas - Os dois testes são menos eficientes do que os testes t para duas amostras independentes e pareadas - O primeiro passo de ambos os testes é ordenar todas as observações como se elas fossem de uma única amostra - Wilcoxon pareado: . Compara o mesmo grupo em 2 momentos com uma distribuição anormal - Mann Whitney: . Compara dois grupos independentes com distribuição não normal OBS: amostra muito pequena- deve usar teste não paramétrico: pode ser influenciada por valores extremos Variável categórica: cor do olho, cor do cabelo, escolaridade . Ter muita diferença ou não depende do que está avaliando distribuição normal, não tem diferença: maior que 0,05 Comparação entre 3 ou mais medidas: - Paramétrico: ANOVA medidas repetidas, ANOVA one way - Não paramétrico: Friedma, Kruskal- Wallis - O teste t foi proposto para comparar uma média de A e uma média de B, por isso não é usado - ANOVA: . Passo 1: compara todas as médias em um único teste. Objetivo inicial: identificar ao menos uma diferença entre os grupos . Passo 2: comparações múltiplas. Identifica quais médias são diferentes - ANOVA medidas repetidas: . Compara o mesmo grupo em 3 ou mais momentos em distribuição paramétrica . Avaliação pré- avaliação pós e avaliação follow up . Tem diferença em pelo menos 1 dele - Anova one-way: . ANOVA de um fator . H0: não existe diferença entre os grupos . H1: pelo menos duas médias diferem . Ex: objetivo- investigar o álcool na habilidade de dirigir (placebo, pouco álcool e muito álcool). P>0,001: rejeita H0: a probabilidade de ser ao acaso é muito pequena. Teste Qui Quadrado de independência: - Combina duas características - Avalia proporção - Estatística teste: diferença entre proporções (Pd= p1-p2) - Compara valores observados e esperados - É um teste não paramétrico - Usa regra de 3 para uma tabela de frequências esperadas - H0: não existe associação entre as variáveis (independentes) - H1: existe associação: são dependentes - Verificar a associação entre duas variáveis qualitativas Teste exato de Fisher: - É qui quadrado - Usado quando tem menos de 5 observações, quando tem mais é qui-quadrado Coeficientes de correlação: - Descrevem quantitativamente a magnitude e a direção da relação linear entre duas variáveis quantitativas - Positiva: toda vez que aumenta o X aumenta o Y - Negativa: toda vez que diminui em Y aumenta em X - Oferece o r: coeficiente de corregulação - Índice que reflete uma medida quantitativa da relação linear entre duas variáveis - O p fortalece o r - Valor de p baixo e r alto: alta correlação - Quanto maior o r maior a correlação - Correlação boa: a partir de 0,68 - Correlação normal: valor de p<0,05: correlação de Spearman - Correlação não normal: valor de p>0,05: correlação de Pearson
Compartilhar