Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva 1 80706050403020100 USLLSL PPM Total PPM > USL PPM < LSL PPM Total PPM > USL PPM < LSL PPM Total PPM > USL PPM < LSL Ppk PPL PPU Pp Cpm Cpk CPL CPU Cp StDev (Overall ) StDev (Within) Sample N Mean LSL Target USL 181157,90 69737,25 111420,64 198522,59 77800,77 120721,82 125000,00 125000,00 0,00 0,41 0,41 0,49 0,45 * 0,39 0,39 0,47 0,43 13,7202 14,2780 40 34,725 18,000 * 55,000 Exp. "Overal l" PerformanceExp. "Within" PerformanceObserved PerformanceOveral l Capabi li ty Potential (Within) Capabi li ty Process Data Within Overall Prof. Cleber Ricardo Paiva UNIP - UNIVERSIDADE PAULISTACampus Ribeirão Preto BIOESTATÍSTICA Prof. Cleber Ricardo Paiva BIBLIOGRAFIA BÁSICA CRESPO, A. A. Estatística fácil. 19. ed. São Paulo: Saraiva, 2009. LARSON, R; FARBER, B. Estatística aplicada. 4 ed. São Paulo: Pearson, 2010. VIEIRA, S. Introdução à Bioestatística. 4. ed. São Paulo: Elsevier, 2008. BIBLIOGRAFIA COMPLEMENTAR BUSSAB, W. O.; MORETTIN, P. A. Estatística básica. 7. ed. São Paulo: Saraiva, 2011. MILONE, G. Estatística geral e aplicada. São Paulo: Thompson Pioneira, 2003. MORETTIN, L.G. Estatística básica: probabilidade e inferência. São Paulo: Pearson, 2010. MOORE, D.S. Introdução e prática da estatística. Rio de Janeiro: LTC, 2002. PAGANO, M.; GAUVREAU, K. Princípios de bioestatística. São Paulo: Thomson Pioneira, 2003. BIBLIOGRAFIA 2 2 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva CONCEITO DE ESTATÍSTICA “Estatística é o ramo da matemática que estuda os modos de obtenção, coleta e organização de dados, bem como, o processamento e análise de informações relevantes de maneira que se possa concluir, deduzir ou predizer propriedades, eventos ou estados futuros”. BIOESTATÍSTICA – Estatística aplicada na área da saúde e ciências biológicas. 1. CONCEITOS INTRODUTÓRIOS 3 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva Dados Informação Conhecimento Registros ou fatos em sua forma primária.Facilmente estruturados, transferidos e armazenadosem computadores. Dados dotados de relevância e propósito.Dados coletados, organizados, orientados, aos quais são atribuídos significados e contexto. Compreensão das relações Entendimento de padrões e princípios Combinação de informação, valores, experiência e insight. Dificilmente estruturado, capturado e transferido. DADOS, INFORMAÇÕES E CONHECIMENTO 1. CONCEITOS INTRODUTÓRIOS 4 3 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MÉTODO ESTATÍSTICO MÉTODO – caminho para se alcançar a meta. Métodos científicos: - Método experimental: consiste em manter constante todas as causas, menos uma, que sofre variação para se observar seus efeitos, caso existam. - Método estatístico: diante da impossibilidade de manter as causas constantes, admitem todas essas causas presentes variando-as, registrando essas variações e procurando determinar, no resultado final, que influências cabem a cada uma delas. 1. CONCEITOS INTRODUTÓRIOS 5 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva ESTATÍSTICA DESCRITIVA x ESTATÍSTICA INDUTIVA Descritiva - é aquela que parte de um conjunto de dados e obtém conclusões sobre os mesmos, não passando do conjunto de conhecimentos fornecidos por estes dados. Indutiva (ou inferencial)- é aquela que ultrapassa os limites do conjunto de conhecimentos fornecidos pelos dados observados, isto é, a partir de uma amostra estuda as características da população amostrada (estimativa dos parâmetros). 1. CONCEITOS INTRODUTÓRIOS 6 4 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva FASES DO TRABALHO ESTATÍSTICO PLANEJAMENTO COLETA CRÍTICA APRESENTAÇÃO APURAÇÃO ANÁLISE DOSRESULTADOS Detalhamento de todo o processo de pesquisa, de acordo com o objetivo do trabalho. Levantamento de dados sobre o fato a ser analisado.Direta: quando os dados são obtidos na fonte originária.Indireta: quando os dados são compilados de outras fontes. Utilizada para avaliar a qualidade dos dados obtidos, rejeitando respostas falsas e realizando possíveis correções para homogeneização dos dados. É o processamento dos dados obtidos. Estudo e conclusões sobre a população investigada. Através de tabelas ou gráficos, tornando mais fácil seu exame e aplicação de um cálculo estatístico. 1. CONCEITOS INTRODUTÓRIOS 7 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva POPULAÇÃO E AMOSTRA População: conjunto de todos os elementos relativos a um determinado fenômenoque possuem pelo menos uma característica em comum. A população é o conjunto Universo, podendo ser finita ou infinita. Finita - apresenta um número limitado de observações, que é passível de contagem.Infinita - apresenta um número ilimitado de observações que é impossível de contar e geralmente esta associada a processos. Amostra: parte da população selecionada para análise. É um subconjunto da população. A amostra é escolhida através de processos adequados que garantam o acaso na escolha. 1. CONCEITOS INTRODUTÓRIOS 8 5 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva POPULAÇÃO E AMOSTRA1. CONCEITOS INTRODUTÓRIOS 9 Costuma-se adotar a seguinte convenção de nomenclatura: sempre que fizermos algum cálculo estatístico tendo por base os dados de uma amostra, teremos as chamadas ESTATÍSTICAS; sempre que essas relações se referirem à população, teremos os chamados PARÂMETROS. BIOESTATÍSTICA Prof. Cleber Ricardo Paiva AMOSTRAGEM É o processo de colher amostras. Nesse processo, cada elemento da população passa a ter a mesma chance de ser escolhido. Dentre os processos de amostragem pode-se destacar três: * amostragem casual ou aleatória simples;* amostragem proporcional estratificada e * amostragem sistemática. 1. CONCEITOS INTRODUTÓRIOS 10 6 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva AMOSTRAGEM x CENSO Censo / recenseamento: É a coleta exaustiva de informações das "N" unidadespopulacionais. Amostragem: É o processo de retirada de informações dos "n" elementos amostrais, no qual deve seguirum método criterioso e adequado (tipos deamostragem). 1. CONCEITOS INTRODUTÓRIOS 11 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva VARIÁVEIS ... o conjunto de resultados possíveis de um fenômeno. ... alguma medida que caracteriza o objeto de estudo. Dado x Variável · Dados estatísticos: é qualquer característica que possa ser observada ou medida de alguma maneira. As matérias-primas da estatística são os dados observáveis.· Variável: É aquilo que se deseja observar para se tirar algum tipo de conclusão. 1. CONCEITOS INTRODUTÓRIOS 12 7 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva TIPOS DE VARIÁVEIS • Variáveis qualitativas (características que não podem ser medidas):– nominais: não existe ordenação entre as categorias.masculino/feminino; fumante/não fumante, ...– ordinais: existe ordenação entre as categorias.estágio da doença: inicial, intermediário e final, ...• Variáveis quantitativas (características podem ser medidas):– discretas:que podem assumir apenas um número finito ou infinito contável de valores e, assim, somente fazem sentido valores inteiros. Geralmente são o resultado de contagens. Exemplos: número de filhos, número de bactérias por litro de leite, número de cigarros fumados por dia, ... – contínuas: assumem valores em uma escala contínua (na reta real), para as quais valores fracionais fazem sentido. Usualmente devem ser medidas através de algum instrumento. Exemplos: peso (balança), altura (régua), tempo (relógio), pressão arterial, idade, ... 1. CONCEITOS INTRODUTÓRIOS 13 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva REGRAS DE ARREDONDAMENTO Condições Procedimentos Exemplos < 5 O último algarismo a permanecer fica inalterado. 53,24 passa a 53,2 > 5 Aumenta-se de uma unidade o algarismo a permanecer. 42,87 passaa 42,925,08 passa a 25,153,99 passa a 54,0 = 5 (i) Se ao 5 seguir em qualquer casa um algarismo diferente de zero, aumenta-se uma unidade no algarismo a permanecer. 2,352 passa a 2,425,6501 passa a 25,776,250002 passa a 76,3 (ii) Se o 5 for o último algarismo ou se ao 5 só seguirem zeros, o último algarismo a ser conservado só será aumentado de uma unidade se for ímpar. 24,75 passa a 24,824,65 passa a 24,624,7500 passa a 24,824,6500 passa a 24,6 Fonte: IBGE 1. CONCEITOS INTRODUTÓRIOS 14 8 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva FREQUÊNCIA – CONCEITOS BÁSICOS OBJETIVO: ORGANIZAÇÃO DOS DADOS Freqüência – repetição, contagem Distribuição de freqüências: VARIÁVEL ... ... Tipos:- freqüência absoluta- freqüência relativa- freqüência acumulada 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 15 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva DISTRIBUIÇÃO DE FREQUÊNCIAS Freqüência absoluta (fa): ni = freqüência do valor i fa = ni Freqüência relativa (fr): ni = freqüência do valor i n = freqüência total fa = ni / n Freqüência relativa (fac): obtida pela soma das freqüências de todos os valores da variável, menores ou iguais ao valor considerado. válido para quando existir ordenação. 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 16 9 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva DISTRIBUIÇÃO DE FREQUÊNCIAS Variáveisqualitativas Variáveisquantitativas OrdinaisNominais Discretas Contínuas fa fafa fr fr fr fac fac fa fr fac Considerar faixade valores 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 17 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva TABELAS 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 18 10 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Gráfico de Colunas 0 0 0 27 9 4 0 00 5 10 15 20 25 30 Magr eza g rau II I Magr eza g rau II Magr eza g rau I Eutro fia Pré-o besid ade Obes idade grau I Obes idade grau I I Obes idade grau III Classificação Qua ntid ade de pes soa s 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 19 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Gráfico de Barras 0 0 0 27 9 4 0 0 0 5 10 15 20 25 30 Magreza grau III Magreza grau II Magreza grau I Eutrofia Pré-obesidade Obesidade grau I Obesidade grau II Obesidade grau III Cla ssif icaç ão Quantidade de pessoas 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 20 11 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Gráfico de setores, diagrama circular ou pizza 67,50% 22,50% 10,00% A B C 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 21 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Gráfico de linha 0 0 0 27 9 4 0 00 5 10 15 20 25 30 Magreza grauIII Magreza grauII Magreza grauI Eutrofia Pré-obesidade Obesidadegrau I Obesidadegrau II Obesidadegrau III Classificação Núm ero de pes soa s 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 22 12 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Gráfico com 3 eixos, combinando colunas e linha 0 0 0 27 9 4 0 00 0 0 0,675 0,9 1 1 1 0 4 8 12 16 20 24 28 32 36 40 Magr eza g rau II I Magr eza g rau II Magr eza g rau I Eutro fia Pré-o besid ade Obes idade grau I Obes idade grau II Obes idade grau III Classificação Qua ntid ade de Pes soa s 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 Frequência absoluta Frequência acumulada 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 23 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS Diagrama de Pareto 768 652 325 105 50 30 00 100 200 300 400 500 600 700 800 900 E B A D C G F Decrescente 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 24 13 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS HISTOGRAMAS Distribuição de freqüências dos ursos machos segundo peso. Peso (kg) Freqüência Freqüência Freq. Abs. Freq. Rel. Absoluta Relativa (%) Acumulada Acumulada (%) 0 |- 25 3 4,8 3 4,8 25 |- 50 11 17,7 14 22,6 50 |- 75 15 24,2 29 46,8 75 |- 100 11 17,7 40 64,5 100 |- 125 3 4,8 43 69,4 125 |- 150 4 6,5 47 75,8 150 |- 175 8 12,9 55 88,7 175 |- 200 5 8,1 60 96,8 200 |- 225 1 1,6 61 98,4 225 |- 250 1 1,6 62 100,0 Total 62 100,0 - - 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 25 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS HISTOGRAMAS 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 26 14 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva GRÁFICOS DIAGRAMA DE DISPERSÃO Altura (m) Pes o (k g) 2. FREQUÊNCIAS, TABELAS E GRÁFICOS 27 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DESCRITIVAS Tem por objetivo descrever um conjunto de dados de forma organizada e compacta que possibilita a visualização do conjunto estudado por meio de suas estatísticas, o que não significa que estes cálculos e conclusões possam ser levados para a população. MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO 28 3. MEDIDAS DESCRITIVAS 15 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE POSIÇÃO MÉDIA ARITMÉTICA ni inxx 1_x – média aritméticaxi – série de valores de n elementosn – número de elementos da série A MÉDIA ARITMÉTICA é bastante afetada por valores extremos ou discrepantes. 3. MEDIDAS DESCRITIVAS 29 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE POSIÇÃO MÉDIA ARITMÉTICA n i i i n i i f fxx 1 1 . _x – média aritméticaxi – série de valores de n elementosn – número de elementos da sériefi - frequência Se os dados estiverem organizados numa tabela comfreqüência (absoluta ou relativa): 3. MEDIDAS DESCRITIVAS 30 16 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE POSIÇÃO MÉDIA ARITMÉTICA PONDERADA n i i i n i i p pxx 1 1 . _x – média aritméticaxi – série de valores de n elementosn – número de elementos da sériepi – peso 3. MEDIDAS DESCRITIVAS 31 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE POSIÇÃO MODA É o valor que ocorre com maior freqüência em uma série de valores. Podem existir mais de uma moda em uma série. Há séries nas quais não exista valor modal, isto é, nas quaisnenhum valor apareça mais vezes que outros (série amodal). Ex.1: Série = {1, 3, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 8, 9, 9, 9, 9, 10} MoEx.2: Série = {1, 3, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 8, 9, 9, 9, 10} Ex.3: Série = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} Mo1 Mo2 Mo3 Amodal 3. MEDIDAS DESCRITIVAS 32 17 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE POSIÇÃO MEDIANA Valor que ocupa a posição central dos dados ordenados; é o valor que deixa metade dos dados abaixo e metade acima dele. Se o número de observações for par, a mediana será a médiaaritmética dos dois valores centrais. Ex.1: Número de observações impar:{1, 3, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 8, 9, 9, 9, 10} Mediana 8 elementos8 elementosEx.2: Número de observações par:{1, 3, 3, 4, 4, 4, 5, 6, 7, 7, 8, 8, 9, 9, 9, 10} Mediana = (6 + 7) / 2 = 6,5 3. MEDIDAS DESCRITIVAS 33 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva34 SEPARATRIZES 3. MEDIDAS DESCRITIVAS Não são medidas de posição ou tendência central, mas estãoligadas à mediana relativamente à sua característica deseparar a série em duas partes que apresentam o mesmonúmero de valores. Essas medidas - os quartis, os decis e os percentis - são,juntamente com a mediana, conhecidas pelo nome genérico deseparatrizes Denominamos quartis os valores de uma série que a dividemem quatro partes iguais. Precisamos portanto de 3 quartis(Q1, Q2 e Q3 ) para dividir a série em quatro partes iguais. –Obs: O quartil 2 ( Q2 ) sempre será igual a mediana da série.O método mais prático é utilizar o princípio do cálculo damediana para os 3 quartis. Narealidade serão calculadas " 3medianas " em uma mesma série. 34 18 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva35 SEPARATRIZES 3. MEDIDAS DESCRITIVAS Ex. 1: Calcule os quartis da série: { 5, 2, 6, 9, 10, 13, 15 } – O primeiro passo a ser dado é o da ordenação (crescente oudecrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 } – O valor que divide a série acima em duas partes iguais éigual a 9, logo a Md = 9 que será = Q2. – Temos agora {2, 5, 6 } e {10, 13, 15 } como sendo os doisgrupos de valores iguais proporcionados pela mediana ( quartil2). Para o cálculo do quartil 1 e 3 basta calcular as medianasdas partes iguais provenientes da verdadeira Mediana da série(quartil 2). Q1 = 5 e Q3 = 13 35 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva36 SEPARATRIZES 3. MEDIDAS DESCRITIVAS Ex. 2: Calcule os quartis da série: { 1, 1, 2, 3, 5, 5, 6, 7, 9, 9,10, 13 } Quartil 2 = Md = (5+6)/2 = 5,5 – O quartil 1 será a mediana da série à esquerda de Md : { 1,1, 2, 3, 5, 5 } Q1 = (2+3)/2 = 2,5 – O quartil 3 será a mediana da série à direita de Md : {6, 7,9, 9, 10, 13 } Q3 = (9+9)/2 = 9 36 19 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva37 SEPARATRIZES 3. MEDIDAS DESCRITIVAS DECIS A definição dos decis obedece ao mesmo princípio dos quartis.Indicamos os decis : D1, D2, ... , D9. Deste modo precisamosde 9 decis para dividirmos uma série em 10 partes iguais. PERCENTIL ou CENTIL Denominamos percentis ou centis como sendo os noventa enove valores que separam uma série em 100 partes iguais.Indicamos: P1, P2, ... , P99. É evidente que P50 = Md ; P25 =Q1 e P75 = Q3. 37 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE DISPERSÃO AMPLITUDE É a diferença entre o maior e o menor valor deum conjunto de dados. Ex.1: {1, 2, 5, 7, 7, 4, 5, 7, 9 e 3} Menorvalor Maiorvalor Amplitude = Maior valor – Menor Valor Amplitude = 9 – 1 = 8 3. MEDIDAS DESCRITIVAS 38 20 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE DISPERSÃO VARIÂNCIA (s2) É a medida de dispersão dos valores de uma variável em torno de sua média 1 )( 1 2 2 n xxs n i i 1 ).)(( 1 2 2 n fixxs n i i Dados isolados Dados agrupados 3. MEDIDAS DESCRITIVAS 39 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE DISPERSÃO VARIÂNCIA (s2) Ex.1: {2, 4, 7, 9, 11, 15}_x = (2+4+7+9+11+15) / 6 = 48 / 6 = 8s2 = ((2-8)2+(4-8)2+(7-8)2+(9-8)2+(11-8)2+(15-8)2)/(6-1)s2 = 22,4 Ex.2: xi fi56 6 57 2 58 9 59 5 60 3 61 1 62 4 Total 30 _x = ((56.6)+(57.2)+(58.9)+(59.5)+(60.3)+(61.1)+(62.4)) / 30= 58,53 s2 = (((56-58,53)2.6)+(57-58,53)2.2)+(58-58,53)2.9)+(59-58,53)2.5)++ ((60-58,53)2.3)+(61-58,53)2.1)+((62-58,53)2.4))) / (30 – 1)= 3,71 3. MEDIDAS DESCRITIVAS 40 21 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE DISPERSÃO DESVIO PADRÃO (s) Raiz quadrada positiva da variância 1 )( 1 2 n xxs n i i 1 ).)(( 1 2 n fixxs n i i Dados isolados Dados agrupados 3. MEDIDAS DESCRITIVAS 41 BIOESTATÍSTICA Prof. Cleber Ricardo Paiva MEDIDAS DE DISPERSÃO COEFICIENTE DE VARIAÇÃO (cv) Quociente entre o desvio-padrão e a média x scv 3. MEDIDAS DESCRITIVAS 42
Compartilhar