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.