Testes estatísticos

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