Prévia do material em texto
AULA 5 BIOESTATÍSTICA Prof. Nelson Castanheira 2 TEMA 1 – INTERVALO DE CONFIANÇA Anteriormente definimos inferência estatística assim: “O fato de os dados coletados de uma amostra representarem adequadamente uma população e os cálculos efetuados com esses dados serem representativos de tal população, chamamos de inferência estatística”. Devemos nos lembrar de que, na maioria das vezes, as pesquisas são feitas em amostras de uma população e não na população toda, qualquer que seja o objeto da pesquisa. Já estudamos também as distribuições de probabilidades Binomial, de Poisson e normal. Na Binomial, podemos calcular a probabilidade de um evento acontecer se conhecermos a probabilidade p de sucesso e o valor de N tentativas. Na de Poisson, precisamos conhecer uma média histórica ( ) ou calculá-la pela fórmula = N . p. Na distribuição normal, podemos calcular qualquer probabilidade quando conhecemos a média ( ) e o desvio padrão ( S ). Nossos problemas, então para estimativas, se reduzem a conhecermos e S. Vamos imaginar algo muito frequente no nosso cotidiano: eleições. Imaginemos que temos 2.400 eleitores como uma amostra da população de eleitores de todo o país. Perguntamos a eles se votariam ou não em um candidato A. Obtivemos a resposta SIM em 1.440 eleitores. Os demais disseram não ou não responderam. Temos então que 1.440 eleitores dos 2.40 pesquisados disseram sim. Logo, a estimativa de voto no candidato A é de 1440/2400, ou seja, 0,60 ou 60%. Essa grandeza chamaremos de estimador. A inferência estatística se preocupa em conhecer as propriedades dos estimadores. O valor atribuído a um estimador é uma estimativa. No caso, a estimativa é de 60%. Uma estimativa pode ser por ponto ou por intervalo. A estimativa por ponto é um valor obtido a partir de cálculos efetuados com os dados de uma amostra pesquisada, por exemplo, a média aritmética. Ou seja, a média aritmética é um estimador pontual e o seu valor é uma estimativa. Uma estimativa por intervalo, para determinado parâmetro, é uma faixa de valores possíveis e aceitos como verdadeiros, dentro da qual se estima que se encontre tal parâmetro. Essa faixa de valores é denominada de intervalo de confiança (IC). 3 É possível que o valor do parâmetro em análise não se encontre dentro do intervalo de confiança. Ou seja, ao se determinar o tamanho de um intervalo de confiança, deveremos associar a ele um percentual que exprima qual é a confiança de que o valor do parâmetro está no seu interior. A esse percentual damos o nome de nível de confiança e costuma ser um número próximo a 10%. Por exemplo, 95% ou 96% ou algo próximo a esses valores. Como determinar um intervalo de confiança? O primeiro passo é definirmos que um intervalo de confiança qualquer tem o comprimento igual a 2.c. O próximo passo é determinarmos o valor de c. No centro desse intervalo, cujo comprimento é igual a 2.c, temos a média dos valores da pesquisa que está sendo analisada. Então, o intervalo de confiança vai de X – c até X + c. Veja a Figura 1. Figura 1 – Intervalo de confiança Intervalo X c c Fonte: Elaborado pelo autor. Logicamente se o intervalo de confiança for muito grande, teremos certeza de que o parâmetro em análise estará dentro dele. Mas isso não tem significado estatístico. Como calculamos o valor de c? Utilizamos a fórmula: c = z . n onde: = desvio padrão da população da qual a amostra faz parte; se não conhecermos , podemos utilizar S z = calculado na tabela 4 da aula 4 (valores de z para áreas de uma distribuição normal padrão); z é determinado em função do nível de confiança determinado para cada caso c = erro de amostragem ou erro de estimativa; é o máximo valor que o pesquisador admite entre X e 4 = média da população da qual a amostra faz parte n = tamanho da amostra em análise Vamos analisar um exemplo. Analisando o perímetro cefálico em uma amostra de 81 crianças, de um total de 800 crianças recém-nascidas em determinada maternidade nos últimos meses, verificamos que, em média, eles têm 34,5 cm com desvio padrão de 2,0 cm. Determinar o intervalo de confiança, com nível de confiança de 95%, dentro do qual se encontra a média do perímetro cefálico de todas as 800 crianças. Como a tabela de z só mostra 50% da área da curva, deveremos dividir o nível de confiança por 2. No caso, 97,5% : 2 = 48,75%. 48,75% = 0,4875 Procuramos na tabela qual o valor de z para esse valor de área da curva e encontramos que z = 2,24. Então: c = z . n c = 2,24 . 2 81 c = 2,24 . 2 9 c = 0,50 O intervalo de confiança será: IC: (34,5 – 0,5 < < 34,5 + 0,5) = 97,5% IC: (34,0 < < 35,0) = 97,5% O que isso significa? Significa que há 97,5% de probabilidade de a média de toda a população ter o perímetro encefálico entre 34,0 cm e 35,0 cm. Aproveitando o mesmo enunciado, qual é o intervalo de confiança se diminuirmos o nível de confiança para 90%? Nesse caso, dividimos 90% por 2 e encontramos 45%. 45% = 0,4500 Para esse valor de área da curva, temos z = 1,65 (valor aproximado). Então: 5 c = z . n c = 1,65 . 2 81 c = 1,65 . 2 9 c = 0,37 O intervalo de confiança será: IC: (34,5 – 0,37 < < 34,5 + 0,37) = 90,0% IC: (34,13 < < 34,87) = 90,0% O que isso significa? Significa que há 90% de probabilidade de a média de toda a população ter o perímetro encefálico entre 34,13 cm e 34,87 cm. Ou seja, se diminuirmos o nível de confiança, diminuiremos também o comprimento do intervalo de confiança. TEMA 2 – TESTE DE HIPÓTESES Estamos estudando inferência estatística. O teste de hipóteses é uma técnica para se fazer tal inferência. Ou seja, a partir de um teste que faremos com os dados de uma amostra, poderemos inferir sobre toda a população da qual essa amostra faz parte. Verificamos que, quando desejamos avaliar um parâmetro populacional cujo valor desconhecemos, fazemos uma estimativa pela determinação de um intervalo de confiança. Mas imaginemos, agora, que conhecemos o valor desse parâmetro populacional. Como saber se ele é verdadeiro? A resposta é: fazendo um teste: o teste de hipóteses. O exemplo mais simples para se entender como tal teste acontece é com a utilização de uma moeda. Sabemos que, ao jogarmos uma moeda, temos 50% de chance de dar cara e temos 50% de chance de dar coroa, supondo que seja moeda não viciada. E como ter certeza de que ela não é viciada? Deveremos repetir muitas vezes o experimento jogando a moeda e anotando o resultado ocorrido. Por exemplo, se a jogarmos mil vezes, esperamos que os resultados sejam de, aproximadamente, 500 caras e 500 coroas. Vamos aprender a fazer o teste de hipóteses. Para tal, precisamos primeiramente definir: 6 H0 é a hipótese nula; é a informação que será testada; H1 é a hipótese alternativa; é a hipótese que afirma que H0 é falsa. Há três possíveis testes a fazer: a) H0: = x H1: > x b) H0: = x H1: < x c) H0: = x H1: x Observe que a hipótese nula é uma igualdade enquanto a hipótese alternativa é uma desigualdade. Continuemos a análise da moeda. Imaginemos que queremos testar que a moeda não é viciada, ou seja, a probabilidade de dar, por exemplo, o resultado cara é 50%. Ou seja: p = 0,50. Assim, temos que H0: = 0,50 e que H1: 0,50. Mas, ao jogarmos a moeda n vezes, certamente não ocorrerá exatamente n/2 resultados iguais a cara. Então, precisamos definir um intervalo dentro do qual aceitaremos a moeda como sendo não viciada. Ou, em outras palavras, aceitaremos H0 como verdadeira. Para a realização do teste, escolhemos um número c e aceitaremos H0 como verdadeira se a quantidadede resultados iguais a cara estiver dentro do intervalo n/2 – c e n/2 + c. Essa região, que vai de n/2 – c até n/2 + c denominamos de região de aceitação. Fora desse intervalo, estaremos na região de rejeição e admitiremos H0 como falsa. A Figura 2 ilustra esse cenário explicado. 7 Figura 2 – Regiões de aceitação e de rejeição em um teste de hipóteses Fonte: Elaborado pelo autor. É importante salientar que, ao fazermos um teste de hipóteses, poderemos cometer um erro. Há dois tipos de erro possíveis, a que denominaremos de erro do tipo 1 e erro do tipo 2. O erro do tipo 1 acontece quando rejeitamos a H0 apesar de ela ser verdadeira. O erro do tipo 2 acontece quando aceitamos H0 como verdadeira quando ela é falsa. O erro do tipo 1 é o mais prejudicial, socialmente falando e, por isso, deverá ser evitado. O limite superior de erro que admitimos cometer no tipo 1 é um percentual a que denominamos nível de significância e que representamos pela letra grega . Por exemplo, = 5%. Vejamos então como fazer o teste. Vamos iniciar pelo caso a) H0: = x H1: > x Suponhamos que, em uma amostra aleatória de 144 elementos, fizemos uma pesquisa cuja média dos dados obtidos foi igual a 70 e suponhamos que essa amostra pertence a uma população cujo desvio padrão é = 5. Consideremos um nível de significância de 5% e façamos o teste de hipóteses supondo que H0: = 69 e H1: > 69. O primeiro passo é a determinação da região de rejeição, a partir de = 5%. Como a tabela de z só nos mostra metade da área da curva, fazemos 50% - 5% = 45%. 45% = 0,4500 e para esse valor da área temos z = 1,65. Veja a figura 3. 8 Figura 3 – Regiões de aceitação e de rejeição para H1 > x Fonte: Elaborado pelo autor. O segundo passo é calcular o valor de zr e verificar se ele se encontra ou na região de aceitação ou na região de rejeição. Para tal, utilizamos a fórmula: zr = X – n zr = 70 – 69 5 144 zr = 1 = 12 = 2,40 5 5 12 Como zr é maior que 1,65, ele está na zona de rejeição. Veja a figura anterior. Logo, deveremos rejeitar H0. Aceitaremos, portanto, H1 como verdadeira, ou seja, > 69. Vamos agora fazer um exemplo com o caso b) H0: = x H1: < x Sabemos que o descarte incorreto de medicamentos poderá contaminar o meio ambiente, tanto nos recursos hídricos quanto no solo. Em pesquisa realizada pela Associação Brasileira de Química, verificou-se que, em média, 62% dos medicamentos descartados incorretamente são 9 responsáveis pela contaminação do solo e da água. Teste a hipótese que H0: = 63 e H1: < 63. Suponhamos que a pesquisa foi realizada em uma amostra aleatória de 100 medicamentos e que essa amostra pertence a uma população cujo desvio padrão é = 8. Considere um nível de significância de 6%. Para = 6%, temos 50% – 6% = 44% (do lado esquerdo da curva pois estamos fazendo o teste de H1 < x). 44% = 0,4400. Para essa área da curva, temos que z = –1,55 (valor aproximado). zr = X – n zr = 62 – 63 8 100 zr = –1 8 10 zr = –10 = –1,25 8 Vamos então analisar a Figura 4 a seguir. Figura 4 – Regiões de aceitação e de rejeição para H1 < x Fonte: Elaborado pelo autor. 10 Como zr é menor que –1,55, ele está na zona de aceitação. Veja a figura anterior. Logo, deveremos aceitar H0. Portanto, H1 não é verdadeira. Para o caso c) o teste é semelhante, mas devemos dividir a zona de rejeição em duas partes iguais. Por exemplo, se = 10%, teremos 5% de rejeição do lado esquerdo e 5% de rejeição do lado direito da curva. Veja a Figura 5. Figura 5 – Regiões de aceitação e de rejeição para H1 x Fonte: Elaborado pelo autor.