Analise de Correlações e Teste de Hipotese

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

ANÁLISE DE CORRELAÇÕES E TESTE DE HIPÓTESES
Decisão na presença de incerteza
- Ocorre quando tomamos uma decisão sobre toda uma população com base em resultados observados numa amostra 
(mesmo se todos os erros sistemáticos forem removidos essa amostra ainda tem um grau de imperfeição).
Tamanho da amostra
- Grande: n > 100
- Média: n > 30
- Pequena: n < 30
- Muito pequena: n < 12
- Maus dados = más conclusões
Viés: Diferença ente os valores das estatísticas das amostras e aquela do mesmo parâmetro da população. Variabilidade 
das unidades amostrais. Peculiaridades da população.
Teste de Hipótese
- A montagem das hipóteses deve depender das conclusões que se pretende obter e de uma evidência amostral 
disponível.
- Procedimento de escolha entre as hipóteses nula e alternativa.
- Não se dispões de toda a população para testarmos, mas sim de uma amostra da mesma.
- A finalidade é avaliar afirmações sobre os parâmetros populacionais.
1. Formular uma hipótese a ser testada
2. Identificar a distribuição de probabilidade
3. Realizar o estudo e observar resultado
4. Calcular o valor p
5. Apresentar conclusões.
- Hipótese: Forma de especulação relativa a um fenômeno estudado.
- Hipótese estatística: Afirmação sobre os parâmetros de uma ou mais populações.
- Hipótese nula: Afirmação sobre um parâmetro populacional que será considerado verdadeiro até que seja obtido 
alguma forma contrário (H0). Nela, os dois grupos são iguais.
- Hipótese alternativa: Afirmação que será considerada verdadeira se a hipótese nula for julgada falsa (H1).
* A hipótese nula é sempre considerada como verdade até que se prove o contrário (isto iplica que qualquer variável 
não está associada ao desfecho que se quer estudar). Cabe ao pesquisador o ônus da prova de que uma variável é 
fator de risco de infecção.
Validade do desenho (causa)
1. Ensaio clínico
2. Estudo coorte
3. Estudo caso-controle
4. Corte transversal
1
5. Série de casos
Erros tipo I e tipo II
- Erro tipo I: Rejeitar o H0 verdadeiro.
- Erro tipo II: Não rejeitar H0 falso.
No universo, H0 é verdade No universo, H1 é verdade
Pela amostra conclui-se que H0 é falsa Erro tipo I (a) Acerto
Pela amostra conclui-se que H0 é verdadeira Acerto Erro tipo II (B)
a = nível de significância
1 - B: poder do teste
* Quando menor o valor de a, menor será a chance de que seu achado esteja incorreto (condenando um inocente).
- A rejeição ou não rejeição de H0 necessita de uma regra baseada num modelo estatístico específico para cada situação 
estudada.
Valor P
- Probabilidade dos resultados observados no estudo serem devidos simpelsmente ao acaso.
- Reflete o nível de significância de um estudo.
- O valor p está relacionado com a rejeição ou aceitação da hipótese nula, ou seja, pode afirmar que o fator estudado 
está realmente associado com a variável resposta investigada.
- Se a média amostral ou variável tiverem valores acima do valor crítico ou abaixo, a hipótese nula será rejeitada, pois 
os valores estão em uma das regiões de rejeição.
- Dentro do campo biomédico o nível de significância (valor p) mais aceito é o de 0,05, que quer dizer que há 5% de 
chance de erro.
- Rejeitamos a hipótese nula se o valor p é menor que a (alfa - nível de significância).
- Estabelecimento das hipóteses —> avaliação da probabilidade de obter os dados se a hipótese nula for verdadeira —> 
valor p.
- P < 0,05: Resultado estatísticamente significativo. Rejeitar hipótese nula
- P > 0,05: Aceitar hipótese nula.
- P = 0,05: Não podemos concluir nada.
* Um resultado estatísticamente signifcativo deve ser interpretado como a rejeição da hipótese nula.
A escolha do teste mais adequado
- Os testes estatísticos podem ser divididos em dois grande grupos: paramétricos e não paramétricos.
- Paramétricos: A distribuição de frequências dos erros amostrais é normal, as variâncias são homogêneas e os erros 
independentes. Distribuição simétrica.
- Não paramétricos: Supõe-se que a distribuição de seus dados experimentais não seja normal, ou que ele não 
elementos suficientes para firmar que seja.
2
- Amostra pareado (vinculado/dependente): A mesma amostra em tempos diferentes (início e fim de um estado, 
antes do tratamento x depois do tratamento).
- Amostra não pareado (independente): Amostras diferentes em um dado momento (pacientes que tomam placebo x 
pacientes que tomam uma droga).
Teste T Student
- Pode ser conduzido para comparar uma amostra com uma populaçãõ
- Comparar duas amostras pareadas (mesmos sujeitos em momentos distintos)
- Comparar duas amostras independentes.
- Só serve se o dado é paramétrico.
- Grau de liberade (df) = n - 1
Exemplo 
- n = 25
- Pessoas treinadas: x = 128 s = 34
- População geral: u = 135 ox = ?
- Passo 2: Nível de significância, a = 0,05. Teste bilateral.
- Passo 3: tcacl = (x - u) / (sx/√n)
- Passo 4: Encontrar t crítico na tabela
- Passo 5: Se t calculado for menor que t crítico não se rejeita a hipótese nula
Probabilidade: Medida que exprima a incerteza presenta em afirmações como: “É possível que chova amanhã”. Seu 
conceito é fundamental para o estudo de situações em que os resultados são variáveis, mesmo quando mantidas 
inalteradas as condições de sua realização.
3