Baixe o app para aproveitar ainda mais
Prévia do material em texto
Bioestatística Material Teórico Responsável pelo Conteúdo: Prof.ª Me. Priscila Bernardo Martins Revisão Textual: Prof. Me. Claudio Brites Testes de Hipótese • Introdução; • Formulando as Hipóteses e o Estudo dos Erros; • Alguns Testes de Hipótese Utilizados Rotineiramente na Pesquisa Biomédica. • Aprender como propor as hipóteses de um dado experimento; • Conhecer alguns testes de hipótese utilizados rotineiramente na pesquisa biomédica. OBJETIVOS DE APRENDIZADO Testes de Hipótese Orientações de estudo Para que o conteúdo desta Disciplina seja bem aproveitado e haja maior aplicabilidade na sua formação acadêmica e atuação profissional, siga algumas recomendações básicas: Assim: Organize seus estudos de maneira que passem a fazer parte da sua rotina. Por exemplo, você poderá determinar um dia e horário fixos como seu “momento do estudo”; Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma alimentação saudável pode proporcionar melhor aproveitamento do estudo; No material de cada Unidade, há leituras indicadas e, entre elas, artigos científicos, livros, vídeos e sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você tam- bém encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua interpretação e auxiliarão no pleno entendimento dos temas abordados; Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discus- são, pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e de aprendizagem. Organize seus estudos de maneira que passem a fazer parte Mantenha o foco! Evite se distrair com as redes sociais. Mantenha o foco! Evite se distrair com as redes sociais. Determine um horário fixo para estudar. Aproveite as indicações de Material Complementar. Procure se alimentar e se hidratar quando for estudar; lembre-se de que uma Não se esqueça de se alimentar e de se manter hidratado. Aproveite as Conserve seu material e local de estudos sempre organizados. Procure manter contato com seus colegas e tutores para trocar ideias! Isso amplia a aprendizagem. Seja original! Nunca plagie trabalhos. UNIDADE Testes de Hipótese Introdução Na pesquisa biomédica, necessitamos tomar conclusões com base em amos- tragens, já que, por vezes, é impossível analisar populações inteiras para que pos- samos saber o real efeito daquilo que desejamos estudar. Vários tipos de experi- mentos são feitos com o intuito de tentar entender o que aconteceria de fato na população estudada. Como já foi explicado, um estudo estatístico normalmente está baseado em amostragens. Isso se dá pela dificuldade operacional ou financeira de ter acesso a toda uma população. Como exemplo, vamos analisar a situação a seguir. Uma empresa farmacêutica resolve testar a toxicidade de um determinado fár- maco. Cães serão utilizados como animais de laboratório para os testes antes do lançamento. Como fazer para obter uma resposta confiável sobre a toxicidade, para que o responsável técnico tenha confiança em lançar essa droga no mercado? Algumas sugestões: • Testar a droga em todos os cães do planeta; • Testar a droga em um grupo de cães (amostra). A primeira sugestão parece absurda, tanto pela impossibilidade de operá-la quanto pelo altíssimo custo. Portanto, opta-se pela segunda sugestão, o que gera uma quantidade enorme de outras questões: • Todos os cães vão reagir da mesma forma? » SIM: testo em um ou dois animais → fim do experimento; » NÃO: a) Quantos animais devem ser testados? b) Os dois sexos respondem da mesma maneira? c) As diversas raças respondem da mesma maneira? d) As condições ambientais influenciam? Resolvida tais questões e desenhado um grupo experimental representativo, sur- gem outras questões sobre os possíveis resultados: • O fármaco não é tóxico para os cães; • O fármaco é tóxico para TODOS os cães; • O fármaco é tóxico para alguns cães. Nesse momento, o pesquisador fica em outra situação complicada. Os itens a) e b) são conclusivos e encerram o experimento, mas e o item c)? Ele abre para mais questões: • Posso colocar à venda o fármaco se ele for tóxico para alguns indivíduos? 8 9 » Não: Encerra-se o experimento; » SIM: mais dúvidas: a) Qual a proporção de indivíduos intoxicados para que ainda se possa considerar seguro para a venda? Para responder a todas essas questões, são necessários conhecimentos de: • Técnicas de amostragem; • Medidas de tendência central; • Medidas de dispersão; • Probabilidade; • Distribuição Normal; • Distribuição Binomial. O teste de hipótese é uma regra de decisão, na qual se leva em conta uma série de interferências, com uma chance calculada de errar. Veja o esquema a seguir: Hipótese cientí�ca Hipótese estatística em termos operacionais Inferência dedutiva Estimador populacional Delineamento experimental Coleta de dados Regras de decisão Veracidade ou Falsidade cientí�ca Veri�cação da hipótese Inferência indutiva Figura 1 Vamos definir alguns termos: • Inferência estatística: qualquer procedimento utilizado para generalizar afirmações sobre determinada população, baseadas em dados retirados de uma amostra; 9 UNIDADE Testes de Hipótese • Parâmetro: a medida usada para descrever uma característica de uma população; • Estimação: processo por meio do qual estima-se o valor de um parâmetro de uma população com base no valor obtido em uma amostra; • Hipótese: uma forma de especulação relativa a um fenômeno estudado (qual- quer que seja). É qualquer afirmação sobre a distribuição de probabilidade de uma variável aleatória (afirmação sobre um parâmetro); • Hipótese estatística: é uma especulação feita em relação a uma proposição, porém relativa a uma população definida. Formulando as Hipóteses e o Estudo dos Erros Vamos ver como devemos propor as hipóteses de um experimento, com a fina- lidade de testá-las. Partiremos de um exemplo prático. Situação hipotética: Comparar a eficácia de uma Nova droga (Dn) com uma droga padrão (Da). Devemos, antes de iniciar esse experimento, fixar os seguintes parâmetros: • Qual é a Hipótese nula (H0): Diz que a hipótese formulada pelo pesquisador é invalida; • Qual é a Hipótese alternativa (H1): É qualquer resultado que não se encaixe na hipótese nula; • Qual a Probabilidade de ocorrência de um erro durante a tomada de decisão (a). Fixando as hipóteses H Dn Da H Dn Da 0 1 : : = > ( )Teste Monocaudal Na situação colocada acima, a droga nova é mais eficaz do que a droga antiga, chamamos a esse tipo de teste de monocaudal. Se a pergunta do pesquisador é a de que a droga nova é diferente da antiga, ou seja, pode ser mais ou menos eficaz, representaremos como está a seguir. Esse tipo de teste é chamado de bicaudal: H Dn Da H Dn Da 0 1 : : = ≠ ( )Teste Bicaudal 10 11 Se a eficácia da droga antiga for de 50% (0,50), temos para um teste monocau- dal as seguintes hipótese: H Dn H Dn 0 1 0 50 0 50 : , : , = > A eficácia (E) pode ser medida pelo número de curas. Suponhamos que a nova droga será utilizada em 10 pacientes (n=10) e que a eficácia conhecida da droga antiga (DA) é de p=0,5. A probabilidade de ocorrer curas entre 0 e 10 para uma variável como a apresentada anteriormente está apresentada na Tabela 1. Tabela 1 – Distribuição das probabilidades de uma variável X com n=10 e p=50% X número de curas Probabilidade de X 0 0,001 1 0,010 2 0,044 3 0,117 4 0,205 5 0,246 6 0,205 7 0,117 8 0,044 9 0,010 10 0,001 Precisamos agora de um critério para testar H0 e, ao final, decidir ou não por rejeitá-lo. Temos então duas possibilidades: rejeita-se H0 ou se aceita H0. A tomada dessa decisão pode gerar possíveis erros, já que estaremos decidindo com base em uma amostra e não em uma população.Observe no Quadro 1 as possíveis decisões que podemos tomar nesse caso e a consequência dessas decisões. Quadro 1 – Os erros em testes de hipóteses VERDADE Decisão H0 H1 H0 Não cometeu Erro Erro tipo II H1 Erro tipo I Não cometeu Erro Quando aceitamos H0 e essa é a hipótese verdadeira, não cometemos nenhum tipo de erro; da mesma forma quando rejeitamos H0 e essa é a decisão verdadeira. Porém, quando rejeitamos H0 e a hipótese verdadeira é H0, cometemos um erro que é classificado como do Tipo I; e quando aceitamos H0 e a decisão correta seria rejeitá-lo, cometemos um erro classificado como do Tipo II. As probabilidades de cometermos esses erros são as explicitadas abaixo: • a = Probabilidade (erro tipo I) = Probabilidade (Rejeitar H0 e H0 é verdade) 11 UNIDADE Testes de Hipótese • b = Probabilidade (erro tipo II) = Probabilidade (Aceitar H0 e H0 é falsa) A probabilidade de cometer o erro do tipo I (a) é determinada pelo pesquisador no início do experimento e esse é o critério de rejeição de H0. O valor de a é es- tipulado de maneira arbitrária pelo pesquisador e devemos saber de antemão que: quanto maior o valor atribuído, maior a chance de tomarmos uma decisão incor- reta; e se optarmos por um valor excessivamente pequeno, corremos o risco de nunca rejeitarmos o H0, mesmo que isso signifique uma decisão correta. De modo geral, podemos trabalhar com o seguinte critério: • a = 5% (0,05) para a maioria das situações • b = 1% (0,01) para situações onde o erro do tipo I leva a consequências muito graves, como aceitar que uma droga não possui efeitos colaterais, sendo que na verdade ela é letal. A partir da definição de a, podemos estabelecer uma região de aceitação e re- jeição de H0. No exemplo anterior, para a=5% (0,05), definiremos como região de rejeição de H0 a região onde a probabilidade de acontecer o evento seja inferior a 5%. Observe a Tabela 2. Tabela 2 – Distribuição das probabilidades de evento com n = 10 e P (probabilidade) = 0,50, com a delimitação das áreas de aceitação e rejeição de H0 para um alfa de 5% } Região de Aceitação de H 0 } Re giã o d e R eje içã o d e H 0 X número de curas Probabilidade de X 0 0,001 1 0,010 2 0,044 3 0,117 4 0,205 5 0,246 6 0,205 7 0,117 8 0,044 9 0,010 10 0,001 Repare que rejeitamos H0 para o conjunto de valores cuja probabilidade de ocor- rer seja menor do que 0,05 (5%). Na Tabela 2, a soma de 0,010 e 0,001 é 0,011 ou 1,1%; se acrescentarmos a probabilidade de 8 casos (0,044), teremos 0,055 ou 5,5%, que excedem a nossa regra de decisão de aceitar somente os valores com probabilidade abaixo de 5%. A nossa questão exemplo era: a droga nova é mais eficaz que a droga antiga? 12 13 Para um nível de significância de 5%, se testarmos essa droga em 10 indivídu- os, diremos que essa afirmação é verdadeira se ela for eficaz para 9 ou 10 indivídu- os. Veja que chamamos de nível de significância o valor de a que fixamos a priori. São passos necessários para a realização de um teste de hipóteses: • Formular as hipóteses; • Fixar a; • Determinar a região de aceitação/rejeição de H0; • Realizar o estudo, observar os resultados, calcular a estatística do teste; • Confrontar o valor observado da estatística do teste com a região de rejeição/ aceitação do teste; • Tomar a decisão; • Apresentar a conclusão. Alguns Testes de Hipótese Utilizados Rotineiramente na Pesquisa Biomédica Testes Paramétricos Mostraremos a seguir alguns testes paramétricos, ou seja, aqueles que exigem que determinados parâmetros estejam presentes para que o seu resultado tenha valor. Você deve se preocupar mais com a indicação do teste e a interpretação dos resultados do que propriamente com a maneira de proceder com os cálculos. Teste de T O teste de T é utilizado quando desejamos comparar as médias de duas amos- tras, que podem ser o mesmo conjunto de indivíduos onde os valores foram toma- dos antes e depois do tratamento; ou entre dois grupos, sendo um tratado e outro o grupo controle. Para aplicarmos o teste de T como um teste de hipótese em nossa pesquisa, as condições a seguir devem estar satisfeitas: • A variável deve ser quantitativa; • A variável deve ter distribuição normal; • A amostra deve ter uma distribuição próxima a normal. 13 UNIDADE Testes de Hipótese Estudaremos o 1º Caso, onde temos observações independentes. São obser- vações independentes quando estamos diante de dois grupos formados por indiví- duos distintos. Para utilizar esse teste, devemos seguir os seguintes passos: • Estabelecer o nível de significância (a); • Formular as hipóteses; • Calcular a média do grupo 1 e do grupo 2; • Calcular a variância de cada grupo; • Calcular a variância ponderada entre os dois grupos; • Calcular o valor de t utilizando a fórmula; • Comparar o t calculado com um valor da tabela de T utilizando como parâme- tro o valor de alfa e o número de graus de liberdade. A regra de decisão é: Se tcalculado>ttabela, a diferença entre as médias é considerada significativa para um nível de significância (α) previamente estabelecido. Cálculos: n: número de elementos de cada grupo s2: variância Variância ponderada (s2): n s n s n n 1 1 2 2 2 2 1 2 1 1 2 −( ) + −( ) + − Cálculo de t: x x s n n 2 1 2 1 2 1 1 − + Valor na Tabela de T: • Valores de a; • Graus de liberdade dado pela seguinte fórmula: GL = (n1 + n2 – 2). 14 15 Figura 2 – Tabela para o teste de T Estudaremos o 2º Caso, onde temos observações pareadas. São observações pareadas quando estamos diante de um grupo onde foram feitas duas observações. Para utilizar esse teste, devemos seguir os seguintes passos: • Deve-se encontrar a diferença de x (d); • Encontrar a média das diferenças d; 15 UNIDADE Testes de Hipótese • Encontrar a variância das diferenças; • Encontrar o valor de t. A regra de decisão é: Se tcalculado>ttabela, a diferença entre as médias é considerada significativa para um nível de significância (α) previamente estabelecido. Cálculos: X2: valores do grupo 2; X1: valores do grupo 1; S2: Variância; d barra: Média da diferença entre os valores de X1 e X2. Cálculo das diferenças e média das diferenças: d x x d d n = − =∑ 2 1 Variância das diferenças: S d d n n 2 2 1 = − ( ) − ∑∑ Valor de t para teste pareado: t d s n = 2 O valor da tabela de T deve ser procurado para n-1 graus de liberdade. Vamos ver dois exemplos: Exemplo 1 Duas dietas estão sendo comparadas e os resultados em perda de massa em Kg estão na Tabela 3. Decida se é possível dizer se a dieta 2 é mais eficiente do que a 1 para um nível de significância de 5%. 16 17 Tabela 3 Dieta 1 Dieta 2 12 15 8 19 15 15 13 12 10 13 12 16 14 15 11 12 13 Temos então dois grupos independentes: a=5% As hipóteses são: H D D H D D 0 2 1 2 1 1 : : = > perda de massa da dieta 2 maior do qque da dieta 1( ) =n1 10 n2=7 A Média da dieta 1 é de 12Kg e da dieta 2, é 15Kg. A Variância para a dieta 1 é de 4Kg2 e da dieta 2, é de 5 Kg2. Calculando a Variância ponderada, temos: S2 = 5 Kg2. Calculando o valor de t, temos: 2,72. Graus de liberdade = n1+n2–2 = 10+7-2 = 15. Procurando na tabela, a = 5% e GL = 15, encontramos o valor de: 2,13. A nossa regra de decisão diz: se o valor calculado de t (2,72) for maior do que o valor encontrado na tabela de t (2,13), então a diferença observada entre as mé- dias dos grupos 1 e 2 (12 e 15Kg) é estatisticamente significativa para um nível de significância de 5%. Então, para esse nível de significância, a dieta 2 fez os indivíduos perderem mais massa do que a dieta 1. Exemplo 2 Uma dieta está sendo analisada em um grupo de indivíduos. Os resultados de massa em Kg antes e após a dieta estão na Tabela 4. Decida se é possível dizer se a dieta 2 é mais eficiente do que a 1 para um nível de significância de 5%. 17 UNIDADE Testes de Hipótese Tabela 4 Antes da Dieta Depois da Dieta 77 80 62 58 61 61 80 76 90 79 73 6986 90 59 51 88 81 Temos então amostras pareadas: a=5% As hipóteses são: H D D H D D depois antes depois antes 0 1 : : = < massa depois menorr do que antes observe que temos um único grupo ( ) =n 9( ) Calculamos a diferença de massa para cada indivíduo e a média obtida é: Tabela 5 Antes Depois Diferença 77 80 3 62 58 -4 61 61 0 80 76 -4 90 79 -11 73 69 -4 86 90 4 59 51 -8 88 81 -7 A Média da diferença é de −3,44Kg, os indivíduos perderam em média essa quantidade de massa após a dieta – para os cálculos, utilizaremos esse valor sem o sinal: 3,44 Kg. A Variância da diferença é de 25,03Kg2. Calculando o valor de t, temos: 2,06. Graus de liberdade = n−1 = 9−1 = 8. Procurando na tabela a = 5% e GL= 8, encontramos o valor de: 2,31. 18 19 A nossa regra de decisão diz: se o valor calculado de t (2,0,6) for maior do que o valor encontrado na tabela de t (2,31), então a diferença antes e depois (3,44Kg) é estatisticamente significativa para um nível de significância de 5%. Porém, como o valor de t é menor do que o da tabela, concluímos que para um nível de signifi- cância de 5%, a diferença observada não é estatisticamente significativa, ou seja, não podemos afirmar que essa dieta realmente faria indivíduos perderem massa. Testes Não Paramétricos Mostraremos a seguir alguns testes não paramétricos, ou seja, aqueles nos quais determinados parâmetros, como a normalidade, não estão presentes para que o seu resultado tenha valor. O aluno deve se preocupar mais com a indicação do teste e a interpretação dos resultados do que propriamente com a maneira de proceder com os cálculos. O teste de χ2 é utilizado quando desejamos comparar o resultado de amostras com variáveis qualitativas com um padrão pré-estabelecido, o que denominamos de resultado esperado. • A variável deve ser qualitativa; • Resultados apresentados em uma tabela de contingência com as proporções observadas; ou • Em uma lista de variáveis e proporção observada. No 1º Caso, temos o chamado teste χ2 para aderência. São observações de variáveis qualitativas que devem ser comparadas com um padrão esperado. No 2º Caso, para utilizar esse teste, devemos seguir os seguintes passos: • A partir de uma observação, calcular a frequência observada; • A partir dos totais, calcular a frequência esperada; • Calcular o valor do χ2; • Comparar o valor obtido com a tabela de distribuição de χ2. A regra de decisão é: Se χ2calculado> χ2tabela, a diferença entre o observado e o esperado é considerada signi- fi cativa para um nível de signifi cância (α) previamente estabelecido. Cálculos: c2= −( )Σ O E E 19 UNIDADE Testes de Hipótese O: proporção dos valores observados; E: proporção dos valores esperados; Graus de liberdade: r−1. Exemplo 1 A teoria de Mendel diz que a segregação dos genes em ervilhas ocorre na se- guinte proporção: 9 16 3 16 3 16 1 16 : : Um pesquisador repetiu o experimento e os resultados observados: Tabela 6 Sementes Frequência Amarelo Lisa 315 Amarelo Rugosa 101 Verde Lisa 108 Verde Rugosa 32 Total 556 As hipóteses ficam: H O E0 = ( ) Os dados observados são iguais aos dados esperados HH O E1 ≠ ( ) Os dados observados são diferentes aos esperados Para um total de 556 sementes, seguindo a segregação mendeliana, os resulta- dos esperados seriam: Tabela 7 Sementes Frequência Proporção Amarelo Lisa 312,75 9/16 Amarelo Rugosa 104,25 3/16 Verde Lisa 104,25 3/16 Verde Rugosa 34,75 1/16 Total 556 Repare que houve uma diferença entre os resultados observados e os esperados: 20 21 Tabela 8 Observado Esperado Diferença 315 – 312 = 2,25 101 – 104,25 = -3,75 108 – 104,25 = 3,75 32 – 34,75 = -2,75 Para verificar se o Observado está concordando com o Esperado, deve ser feito um teste de ADERÊNCIA. Para fazer essa verificação, os passos a serem seguidos são: • Estabelecer o nível de significância (a); • Calcular o valor de qui-quadrado; • Procurar o valor na tabela de acordo com o a e os graus de liberdade; • Se χ2 for > que o da tabela, rejeita-se a hipótese de que Observado é igual ao Esperado. Aplicando a fórmula: c2= −( )∑ O E E Graus de liberdade = r−1 ∴ Graus de liberdade = 4−1 = 3 Utilizaremos a Tabela 9 para calcular o valor do χ2: Tabela 9 O E (O–E)2/E 315 312,75 0,016187 101 104,25 0,101319 108 104,25 0,134892 32 34,75 0,217626 Σ 0,470024 χ2 = 0,47 Na Tabela 9, o valor de χ2 é igual para 3 graus de liberdade e para a = 5%, é de 7,82 (essa é a regra de decisão). Então, se o valor calculado (no exemplo 0,47) for maior do que o valor da tabela (7,82), rejeitamos H0; caso contrário, aceitamos H0 e, nesse caso, 0,47 é < 7,82 – aceitando H0, determinamos que não existe diferença estatisticamente significativa entre os valores observados e esperados, o que sugere que no experimento apresentado houve uma segregação mendeliana dos genes. 21 UNIDADE Testes de Hipótese Figura 3 – Tabela da Distribuição de χ2. 22 23 Exemplo 2 Um pesquisador, por meio de uma análise retrospectiva de dados de uma cida- de, decide analisar se a proporção de natimortos difere quanto ao sexo. As hipóteses dessa pesquisa são as seguintes: H O E H 0 1 : : A proporção de natimortos não varia existe dife −( ) rrença O E≠( ) Foi determinado um a=5% Fazendo o levantamento dos dados, observou-se o seguinte resultado: Tabela 10 Sexo Vivo Morto Masculino 1513 37 Feminino 1451 27 Para esse tipo de tabela, os graus de liberdade serão sempre o seguinte: r−1 x s−1 = 2−1 x 2−1 = 1 Se não houvesse diferença entre os sexos, o esperado seria que a distribuição entre vivos e mortos seria igualmente distribuída entre os sexos. Para calcular a tabela de resultados esperados, distribuiremos os valores de cada sexo igualmente entre a condição vivo ou morto da seguinte maneira: Tabela 11 Sexo Vivo Morto Total Masculino a b 1550 Feminino c d 1478 Total 2964 64 3028 a b c d 2964 1550 3038 64 1550 3038 2964 1478 3038 64 1478 3038 = = = = 23 UNIDADE Testes de Hipótese a=1550*2964/3028 = 1517,24 b=1550*64/3028= 32,76 c=1478*2964/3028=1446,76 d=1478*64/3028=31,24 A tabela dos valores esperados fica desta maneira: Tabela 12 Sexo Vivo Morto Total Masculino 1517,24 32,76 1550 Feminino 1446,76 31,24 1478 Total 2964 64 3028 Calculando o χ2 c2= −( )∑ O E E Montando uma tabela auxiliar para os cálculos, temos: Tabela 13 O E (O-E)2/E 1513 1517,24 0,011848883 + 37 32,76 0,548766789 + 1451 1446,76 0,012426111 + 27 31,24 0,57546735 = χ2 = 1,148509133 Na Tabela 13, o valor para χ2 com a=5% e 1 grau de liberdade é: 3,84. A nos- sa regra de decisão diz que se o valor calculado for menor do que o valor da tabela, então aceita-se o H0. Como o valor obtido = 1,15 Portanto, não rejeita H0: O=E Resposta da questão: Não existe diferença estatisticamente significativa entre os natimortos em relação ao sexo para um nível de significância de 5%. São restrições ao uso do teste do χ2: Aplicar em amostras > 20 24 25 O que devemos fazer então com amostras menores do que 20? Devemos utili- zar o teste exato de Fisher. Aqui neste texto não vamos explicar o cálculo, porém, diversos softwares de estatística possibilitam esse cálculo. Outros testes de Hipótese Veremos rapidamente outros testes de hipótese, não vamos nos ater aos cálcu- los e sim à indicação. Análise de variância Chamamos de Análises de Variância (ANOVA) quando comparamos variáveis quantitativas de dois ou mais tratamentos, ou seja, vários grupos experimentais. Exemplo: Um pesquisador deseja saber se o uso de determinado aditivo altera a função renal. Montou então experimento com 4 grupos de ratos, onde: o grupo A não recebeu o aditivo; o grupo B recebeu 10 mg por dia; o grupo C, 15 mg por dia; e o grupo D, 20 mg por dia. A pergunta é: Existe diferença na função renal desses grupos? Como todo teste, devemos fixar o nível de significância (a) e formular as hipóteses. Existe uma questão importante a sedecidir: a amostra se aproxima a uma distribuição normal? • SIM: Utilizamos uma ANOVA com base na distribuição de F; • NÃO: Utilizamos uma ANOVA não paramétrico, chamada teste de Kruskal-Wallis. Teste para média Já estudamos o teste de t quando testamos a média de duas amostras com aproximação normal. Se tivermos a mesma situação, porém, os grupos não pos- suem aproximação normal, então devemos utilizar o teste não paramétrico de teste Mann Whitney. Podemos também, a partir de uma amostra, comparar a média com um parâmetro populacional. Exemplo: Sabemos que a população tem valor médio de colesterol igual a 180, um pesquisador testa uma droga para redução de colesterol e, em um grupo testa- do, observou-se média de 160. O teste adequado para essa situação é o teste de Z. Teste de proporção Similar ao teste de Z, quando temos parâmetros populacionais para variáveis qualitativas e desejamos comparar com amostras em estudo, podemos utilizar o teste para uma proporção populacional. Um exemplo de situação é a seguinte: 25 UNIDADE Testes de Hipótese Sabemos que dos pacientes com uma determinada doença, 10% foram a óbi- to. Um pesquisador deseja testar uma droga que promete diminuir a mortalidade. Em 100 pacientes testados, 5 vieram a óbito. O teste de uma proporção determina se essa diferença é significativa, fizemos esse teste no início do estudo, onde usa- mos como exemplo a eficácia de uma nova droga. Para esse tipo de teste, utiliza- -se uma tabela de distribuição binomial que mostra as probabilidades para vários valores de n e de probabilidade. Softwares de estatística Existem vários softwares livres e pagos que fazem os testes de hipótese. Para utilizá-los, é necessário um forte embasamento teórico para que o resultado seja fidedigno. Algumas sugestões: • InStat GraphPad; • PAST; • EPINFO. 26 27 Material Complementar Indicações para saber mais sobre os assuntos abordados nesta Unidade: Vídeos Formulação de Hipóteses https://youtu.be/WLuj5hWTQxs Testes Paramétricos https://youtu.be/D6u6HE274jw Leitura Testes de Hipóteses Estatísticas https://goo.gl/9RmjcY Hipóteses Científicas https://goo.gl/rWCyoH 27 UNIDADE Testes de Hipótese Referências BEIGUELMAN, B. Curso de Bioestatística Básica. 4ed. Ribeirão Preto: Socieda- de Brasileira de Genética, 1966. 28
Compartilhar