Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Prévia do material em texto

AULA 3 
BIOESTATÍSTICA 
Prof. Nelson Castanheira 
 
 
2 
TEMA 1 – DESVIO MÉDIO (DM) 
 As medidas de tendência central (média aritmética, mediana e moda), 
sozinhas, não são suficientes para uma correta tomada de decisão. 
 Por exemplo, imagine que quatro pessoas fizeram, no mesmo dia e no 
mesmo horário, a mesma prova. Duas dessas pessoas estavam em uma sala A e 
cada uma tirou a nota 6. As outras duas pessoas estavam em uma sala B, sendo 
que uma tirou nota 2 e a outra tirou nota 10. 
 Na sala A, as duas pessoas tiveram média 6. Na sala B, as duas pessoas 
também tiveram média 6. Isso significa que as 4 pessoas tiveram o mesmo 
aprendizado? Com certeza não, pois uma tirou nota 2, duas tiraram nota 6 e outra 
tirou nota 10. 
 Precisamos, então, estudar um segundo grupo de medidas: as medidas de 
dispersão, também conhecidas como medidas de afastamento. São medidas que 
verificam o quanto cada valor obtido em uma pesquisa está afastado ou da média 
ou da mediana. 
 As medidas de dispersão ou de afastamento são medidas que servem para 
verificar com que confiança as medidas de tendência central resumem as 
informações fornecidas pelos dados obtidos em uma pesquisa. 
 No exemplo anterior, as duas pessoas que tiraram nota 6 estão exatamente 
sobre a média. A pessoa que tirou nota 2 está 4 pontos afastada da média e a 
pessoas que tirou nota 10 está também 4 pontos afastada da média. Há, 
entretanto, afastamentos negativos e afastamentos positivos. 
O cálculo do desvio médio nos permite comparar dois ou mais grupos 
pesquisados, para sabermos qual está mais próximo ou mais afastado da média. 
Ou seja, qual grupo é mais homogêneo ou mais heterogêneo. Devemos levar em 
consideração todos os valores obtidos na pesquisa, sem exceção. 
 Para o cálculo do desvio médio, utilizamos a fórmula: 
 Dm =  (Xi – X . fi) com i variando de 1 até n 
 n 
onde: 
 Xi – X é o módulo de cada desvio em relação à média, com i variando de 
1 até n. 
Resumidamente, o desvio médio é a média dos desvios em relação à 
média aritmética, considerados em valores absolutos (em módulo). 
 
 
3 
Lembrar que, para dados agrupados em intervalos (ou classes), utilizamos 
o ponto médio de cada intervalo e a fórmula do desvio médio será: 
 Dm =  (Pmi – X . fi) com i variando de 1 até n 
 n 
Vamos analisar um exemplo. 
Medimos os valores de glicemia plasmática de 60 pessoas do sexo 
masculino, em jejum, em mg/dL, lembrando que o normal é obtermos valores 
menores que 115 mg/dL. 
Obtivemos os seguintes resultados, já colocados em ordem (na forma de 
um rol): 
84 – 84 – 85 – 86 – 88 – 89 – 89 – 89 – 90 – 90 – 91 – 92 – 92 – 93 – 93 – 93 – 
94 – 94 – 95 – 95 – 96 – 96 – 96 – 96 – 97 – 97 – 98 – 98 – 99 – 99 – 99 – 100 – 
101 – 101 – 102 – 102 – 102 – 102 – 103 – 103 – 103 – 104 – 104 – 105 – 106 – 
106 – 107 – 108 – 108 – 109 – 109 – 110 – 111 – 111 – 112 – 113 – 114 – 115 – 
115 – 118 
 Vamos agora agrupar esses valores na Tabela 1, com intervalos com 
amplitude igual a 5 mg/dL. 
Tabela 1 – Valores de glicemia plasmática de 60 pessoas 
Valores de glicemia plasmática (mg/dL) Quantidade de pessoas 
80 85 2 
85 90 6 
90 95 10 
 95 100 13 
100 105 12 
105 110 8 
110 115 6 
115 120 3 
 60 
Fonte: Elaborado pelo autor. 
 Para a determinação do desvio médio, o primeiro passo é a determinação 
da média aritmética dos resultados. 
 
 
4 
X = 82,5 . 2+87,5 . 6+92,5 . 10+97,5 . 13+102,5 . 12+107,5 . 8+112,5 . 6+117,5 . 
3 
 60 
X = 165 + 525 + 925 + 1267,5 + 1230 + 860 + 675 + 352,5 
 60 
X = 6000 
 60 
X = 100 mg/dL 
 Vamos, então, montar a Tabela 2. 
Tabela 2 – Cálculo do desvio médio e do desvio padrão dos dados coletados em 
uma pesquisa com 60 pessoas 
Valores de glicemia 
plasmática (mg/dL) 
Quantidade 
de pessoas 
 
Pm – X 
 
(Pm – X) . f 
80 85 2 17,5 35 
85 90 6 12,5 75 
90 95 10 7,5 75 
 95 100 13 2,5 32,5 
100 105 12 2,5 30 
105 110 8 7,5 60 
110 115 6 12,5 75 
115 120 3 17,5 52,5 
 60 435 
Fonte: Elaborado pelo autor. 
 Dm =  (Pmi – X . fi) 
 n 
Dm = 435 
 60 
Dm = 7,25 
 
 Por que deveremos trabalhar com o módulo dos desvios? Porque a 
somatória de todos os desvios de um conjunto de valores, em relação à média 
aritmética, é sempre igual a zero. 
 
 
5 
 Com base na obtenção do desvio médio, poderemos avançar em busca da 
principal medida de dispersão utilizada na estatística e na bioestatística: o desvio 
padrão. Mas, para tal, precisaremos antes calcular a variância, uma vez que o 
desvio padrão é igual à raiz quadrada da variância. 
TEMA 2 – VARIÂNCIA 
 A variância é uma medida de dispersão ou de afastamento que mostra o 
quão distante cada valor do conjunto de valores obtidos em uma pesquisa está do 
valor central, ou seja, do valor médio. Quanto mais próximos da média forem os 
valores coletados, menor será a variância. Representaremos a variância por S2. 
 Para uma amostra, a fórmula da variância é: 
 S2 =  (Xi – X)2 . fi com i variando de 1 até n 
 n – 1 
 Para o cálculo da variância de toda uma população, o denominador dessa 
fórmula será igual a n. 
TEMA 3 – DESVIO PADRÃO 
 O desvio padrão é uma medida de dispersão que expressa o grau de 
dispersão de um conjunto de dados obtidos em uma pesquisa. Quanto mais 
próximo de zero for o desvio padrão, mais homogêneo será o grupo pesquisado, 
ou seja, mais próximo da média estarão os valores obtidos. Representaremos o 
desvio padrão por S. 
 Para uma amostra, a fórmula do desvio padrão é: 
 S =  (Xi – X)2 . fi com i variando de 1 até n 
 n – 1 
 Para o cálculo do desvio padrão de toda uma população, o denominador 
dessa fórmula será igual a n. 
 Você observou que todo o processo se iniciou com o cálculo da média 
aritmética dos dados coletados numa pesquisa, sejam eles de uma população ou 
de uma amostra. Depois, verificamos o quanto cada um desses valores está 
afastado da média, ou seja, calculamos o desvio médio. A seguir, elevamos o 
desvio médio ao quadrado para a obtenção da variância. Finalmente, extraímos a 
raiz quadrada da variância e obtivemos o desvio padrão. 
 
 
6 
 Observe, então, que o desvio padrão e a média aritmética deverão ser 
analisados em conjunto. Para essa análise, lançamos mão da conhecida curva de 
Gauss, também conhecida como curva normal. 
 A curva de Gauss ou curva normal é uma curva simétrica e mesocúrtica, 
obtida pela fórmula: 
 f(X) = 1 . e  [(X  )2 / 2 . S2] 
 2 .  . S 
 
 Veja a figura 1. 
Figura 1 – Curva de Gauss ou curva Normal 
 f(X) 
 
 
 X 
X – S X + S 
 X – 2S X + 2S 
 X – 3S X + 3S 
Fonte: Elaborado pelo autor. 
Observe que o ponto mais alto da curva corresponde ao valor da variável 
X que tem a maior frequência. Logo, é a moda dos dados. Como a curva de Gauss 
é perfeitamente simétrica, esse valor, além de ser a moda, é também a mediana 
e a média aritmética dos dados. Se, a partir desse ponto, somarmos uma vez o 
desvio padrão e subtrairmos uma vez o desvio padrão, teremos uma faixa de 
valores considerada como faixa normal. 
 Para você entender esses conceitos, suponhamos um exemplo relativo a 
salários. Suponha que na localidade onde você reside o salário médio dos 
trabalhadores de determinada categoria é de R$ 4.120,00 com um desvio padrão 
de R$ 120,00. Temos então um intervalo de valores que vai de R$ 4.000,00 até 
R$ 4.240,00 (ou seja, de X – S até X + S) que é considerado o intervalo normal 
para contratar um trabalhador nessa localidade e que executará uma função 
 
 
7 
semelhante àquela executada pelos trabalhadores pesquisados. Nesse intervalo, 
temos68,26% da área abaixo da curva e acima do eixo horizontal. 
 Observe, pela figura, que o normal é que todos os dados da variável X 
coletados numa pesquisa estejam no intervalo que vai de X – 3.S até X + 3.S. 
 Vamos analisar um exemplo completo para melhor fixação desses 
conceitos. 
 O uso de agrotóxicos no Brasil, entre herbicidas, inseticidas ou fungicidas, 
é um dos maiores do mundo. Por exemplo, no período de 2002 a 2011, tal 
consumo em milhões de litros foi o representado na Figura 2. 
Figura 2 – Consumo de agrotóxicos nas lavouras do Brasil no período de 2002 a 
2011 
AN
O 
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 
l . 
106 
599,
5 
643,
5 
693,
0 
706,
2 
687,
5 
686,
4 
673,
9 
725,
0 
827,
8 
852,
8 
Fonte: SINDAG, 2019. 
 Ainda no mesmo período, a produção agrícola brasileira, em milhões de 
hectares, foi a representada na Figura 3. 
Figura 3 – Produção agrícola brasileira no período de 2001 a 2011 
ANO 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 
Ha . 
106 
54,5 58,5 63,0 64,3 62,6 62,3 65,3 68,4 69,0 71,2 
Fontes: IBGE/SIDRA, 2019. 
 
 Verificando o consumo de agrotóxicos nas lavouras do Estado do Mato 
Grosso, no período de 2002 a 2011, encontramos os dados representados na 
Figura 4. 
 
 
 
8 
Figura 4 – Consumo de agrotóxicos nas lavouras do Mato Grosso no período de 
2002 a 2011 
ANO 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 
l . 
106 
42,3 43,0 49,4 55,8 75,5 86,7 92,7 102,5 113,3 127,0 
Fonte: IBGE, 2019. 
 Verificando o consumo aproximado de agrotóxicos nas lavouras do Estado 
do Paraná, no período de 2002 a 2011, encontramos os dados representados na 
figura 5. 
Figura 5 – Consumo aproximado de agrotóxicos nas lavouras do Paraná no 
período de 2002 a 2011 
ANO 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 
l . 106 27,4 28,3 32,9 39,0 49,8 54,6 62,1 67,6 74,8 88,9 
Fonte: Elaborado pelo autor. 
Com base nos dados das figuras 2 a 5, vamos calcular a média e o desvio 
padrão dos dados apresentados. Ver as Figuras 6, 7 e 8. 
Figura 6 – Consumo de agrotóxicos nas lavouras do Brasil de 2002 a 2011 
Ano Agrotóxicos em l . 106 
(X) 
X – X X – X (X – X)2 
2002 599,5 – 110,06 110,06 12.113,2036 
2003 643,5 – 66,06 66,06 4.363,9236 
2004 693,0 – 16,56 16,56 274,2336 
2005 706,2 – 3,36 3,36 11,2896 
2006 687,5 – 22,06 22,06 486,6436 
2007 686,4 – 23,16 23,16 536,3856 
2008 673,9 – 35,66 35,66 1.271,6356 
2009 725,0 15,44 15,44 238,3936 
2010 827,8 118,24 118,24 13.980,6976 
2011 852,8 143,24 143,24 20.517,6976 
 7.095,6 0 553,84 53.794,1040 
Fonte: Elaborado pelo autor. 
 
 
9 
X = 599,5 + 643,5 + 693,0 + 706,2 + 687,5 + 686,4 + 673,7 + 725,0 + 827,8 + 
852,8 
 10 
X = 7095,6 
 10 
X = 709,56 milhões de litros 
 
Observe que f é sempre igual a 1. Observe também que consideraremos 
que estamos trabalhando com uma população. 
Então, o desvio médio será: 
 Dm =  (Xi – X) 
 n 
 Dm = 553,84 
 10 
 Dm = 55,384 
 O desvio padrão será: 
 S =  (Xi – X)2 
 n 
 S = 53.794,1040 
 10 
 S = 73,3 
Figura 7 – Consumo de agrotóxicos nas lavouras do Mato Grosso de 2002 a 
2011 
Ano Agrotóxicos em l . 106 
(X) 
X – X X – X (X – X)2 
2002 42,3 – 36,52 36,52 1.333,7104 
2003 43,0 – 35,82 35,82 1.283,0724 
2004 49,4 – 29,42 29,42 865,5364 
2005 55,8 – 23,02 23,02 529,9204 
2006 75,5 – 3,32 3,32 11,0224 
2007 86,7 7,88 7,88 62,0944 
2008 92,7 13,88 13,88 192,6544 
2009 102,5 23,68 23,68 560,7424 
 
 
10 
2010 113,3 34,48 34,48 1.188,8704 
2011 127,0 48,18 48,18 2.321,3124 
 788,20 0 256,20 8.348,9360 
Fonte: Elaborado pelo autor. 
X = 42,3 + 43,0 + 49,4 + 55,8 + 75,5 + 86,7 + 92,7 + 102,5 + 113,3 + 127,0 
 10 
X = 788,20 
 10 
X = 78,82 milhões de litros 
 Observe que f é sempre igual a 1. Observe também que consideraremos 
que estamos trabalhando com uma população. 
Então, o desvio médio será: 
 Dm =  (Xi – X) 
 n 
 Dm = 256,20 
 10 
 Dm = 25,62 
 O desvio padrão será: 
 S =  (Xi – X)2 
 n 
 S = 8.348,9360 
 10 
 S = 28,89 
 Os Estados do Mato Grosso e do Paraná têm área plantada 
aproximadamente igual. Por essa razão, faremos uma comparação entre o uso 
de agrotóxicos nesses dois Estados da Federação. 
Figura 8 – Consumo de agrotóxicos nas lavouras do Paraná de 2002 a 2011 
Ano Agrotóxicos em l . 106 
(X) 
X – X X – X (X – X)2 
2002 27,4 – 25,14 25,14 632,0196 
2003 28,3 – 24,24 24,24 587,5776 
2004 32,9 – 19,64 19,64 385,7296 
2005 39,0 – 13,54 13,54 183,3316 
 
 
11 
2006 49,8 – 2,74 2,74 7,5076 
2007 54,6 2,06 2,06 4,2436 
2008 62,1 9,56 9,56 91,3936 
2009 67,6 15,06 15,06 226,8036 
2010 74,8 22,26 22,26 495,5076 
2011 88,9 36,36 36,36 1.322,0496 
 525,4 0 170,60 3.936,1640 
Fonte: Elaborado pelo autor. 
X = 27,4 + 28,3 + 32,9 + 39,0 + 49,8 + 54,6 + 62,1 + 67,6 + 74,8 + 88,9 
 10 
X = 525,4 
 10 
X = 52,54 milhões de litros 
 Observe que f é sempre igual a 1. Observe também que consideraremos 
que estamos trabalhando com uma população. 
Então, o desvio médio será: 
 Dm =  (Xi – X) 
 n 
 Dm = 170,6 
 10 
 Dm = 17,06 
 O desvio padrão será: 
 S =  (Xi – X)2 
 n 
 S = 3.936,1640 
 10 
 S = 19,84 
 
 Resultados encontrados: 
a. Mato Grosso 
X = 78,82 milhões de litros 
Dm = 25,62 
S = 28,89 
b. Paraná 
 
 
12 
X = 52,54 milhões de litros 
Dm = 17,06 
S = 19,84 
 Já vimos que quanto menor for o desvio padrão, mais próximos à média 
estão os dados coletados numa pesquisa. No nosso exemplo, os dados do Estado 
de Mato Grosso estão mais afastados da média do que os dados do Estado do 
Paraná. 
 O Estado do Paraná usa menos agrotóxicos nas suas lavouras se 
comparado ao Estado do Mato Grosso, comparando-se as médias e considerando 
que partimos da premissa que as áreas plantadas nos dois Estados são valores 
muito próximos. 
 Logo, o efeito nocivo dos agrotóxicos sobre os alimentos e, 
consequentemente, sobre a saúde do corpo humano, é maior no Mato Grosso 
quando comparado com o Paraná. 
TEMA 4 – MEDIDAS DE ASSIMETRIA 
 Um terceiro grupo de medidas que podemos fazer com os dados coletados 
em uma pesquisa, referentes à uma variável X, são as chamadas medidas de 
assimetria. 
 Quando os resultados de uma pesquisa são organizados em um rol e 
dispostos em uma tabela, poderão, a seguir, ser transformados em um gráfico que 
representará essa pesquisa. 
 Quanto mais esse gráfico se assemelhar a uma curva de Gauss, melhor 
terá sido a pesquisa. Ou seja, espera-se que os dados apresentem uma simetria, 
quando tabulados 
 Mas como saber se a curva é simétrica ou não sem a necessidade de 
desenhá-la? Isso é possível por meio da determinação do coeficiente de 
assimetria de Pearson (As). Temos, no caso, dois coeficientes cujas fórmulas são: 
1º coeficiente de assimetria de Pearson (As) 
 As = X – Mo 
 S 
2º coeficiente de assimetria de Pearson (As) 
 As = 3.( X – Md) 
 S 
 Analisando o resultado de um desses coeficientes, que conclusão tiramos? 
 
 
13 
 Quando As é igual a zero, a curva representa uma distribuição 
perfeitamente simétrica. Quando As é menor que zero, a curva representa uma 
distribuição assimétrica negativa. Quando As é maior que zero, a curva representa 
uma distribuição assimétrica positiva. Ver a figura 9. 
Figura 9 – Curvas simétrica e assimétrica 
 
 
 
 
 
 
 Distribuição simétrica Distribuição assimétrica Distribuição assimétrica 
 negativa positiva 
 
Fonte: Elaborado pelo autor. 
TEMA 5 COEFICIENTE DE CURTOSE 
 Um quarto grupo de medidas que podemos fazer com os dados coletados 
em uma pesquisa, referentes A uma variável X, são as chamadas medidas de 
curtose. A curtose indica o grau de achatamentoou de afilamento de uma curva. 
Podemos determinar se uma curva é mais achatada ou mais afilada sem precisar 
desenhá-la. Para tal, precisamos calcular o coeficiente de curtose (K), cuja 
fórmula é: 
 K = Q3 – Q1 
 2.(C90 – C10) 
onde: Q1 = quartil 1 
 Q3 = quartil 3 
 C10 = centil 10 
 C90 = centil 90 
 
 Analisando o resultado de um desses coeficientes, que conclusão tiramos? 
 Quando K = 0,26367..., a curva é mesocúrtica. Quando K é menor que 
0,26367..., a curva é platicúrtica, ou seja, a curtose é menor que a distribuição 
 
 
14 
normal. Quanto K é maior que 0,26367..., a curva é leptocúrtica, ou seja, curtose 
maior que a distribuição normal. Ver a figura 10. 
Figura 10 – Curvas mesocúrtica, platicúrtica e leptocúrtica 
Curva mesocúrtica 
 
 
Curva platicúrtica 
 
 
Curva leptocúrtica 
 
Fonte: Elaborado pelo autor. 
 Analisando as três curvas observamos que a primeira tem os dados 
coletados normalmente distribuídos em torno da média, a segunda tem os dados 
bem espalhados em relação à média e a terceira tem os dados concentrados em 
torno da média. 
 Podemos ainda determinar a curtose de uma curva pela fórmula: 
 K = 1/n .  Xi – X 4 – 3 
 S 
 
 
15 
 Nesse caso, quando K é igual a zero, a curva é mesocúrtica. Quanto K é 
maior que zero, a curva é leptocúrtica. Quanto K é menor que zero, a curva é 
platicúrtica. 
 
 
 
16 
REFERÊNCIAS 
IBGE. Disponível em: <https://www.ibge.gov.br/>. Acesso em: 20 jan. 2019. 
IBGE – Instituto Brasileiro de Geografia e Estatística; SIDRA – Banco de tabelas 
estatísticas. Disponível em: <https://sidra.ibge.gov.br/home/pms/brasil>. Acesso 
em; 20 jan. 2019. 
SINDAG – Sindicato Nacional de Empresas de Aviação Agrícola. Disponível em: 
<http://sindag.org.br/>. Acesso em: 20 jan. 2019.

Mais conteúdos dessa disciplina