Aula 9 Testes estatísticos

Prévia do material em texto

Testes Estatísticos
FACULDADE MAURÍCIO DE NASSAU
DISCIPLINA: BIOESTATÍSTICA
Profa. Dra Cynthia Faro
Distribuição Normal
• Distribuição normal – Distribuição de Gauss
- A média, a mediana e a moda coincidem e 
estão no centro da distribuição;
- O gráfico de distribuição normal tem aspecto 
típico: é uma curva em formato de sino, 
simétrico em torno da média.
Perímetro torácico Frequência Frequência Relativa Porcentagem
33 3 0,00052 0%
34 19 0,00331 0%
35 81 0,01413 1%
36 189 0,03297 3%
37 409 0,07135 7%
38 753 0,13137 13%
39 1062 0,18528 19%
40 1082 0,18876 19%
41 935 0,16312 16%
42 646 0,11270 11%
43 313 0,05461 5%
44 168 0,02931 3%
45 50 0,00872 1%
46 18 0,00314 0%
47 3 0,00052 0%
48 1 0,00017 0%
Total 5732 1,00000 100%
Um pesquisador pôs na cabeça que queria descrever o “homem médio” e, por conta 
disso, mediu muitas e muitas variáveis. A tabela a seguir mostra a medida em 
polegadas do perímetro torácico.
Distribuição Normal
Distribuição Normal
Ex : Qual a probabilidade de acordo 
com o gráfico de um indivíduo ter 550 
a 600?
• Média = 500
• Desvio Padrão = 50
Resposta: 13,5 %
• Quando você realiza um teste de hipóteses, dois tipos 
de erros são possíveis: tipo I e tipo II. Os riscos desses 
dois erros estão inversamente relacionados e são 
determinados pelo nível de significância e a potência 
do teste. Portanto, você deve determinar qual erro tem 
consequências mais severas para sua situação antes de 
você definir seus riscos.
• Nenhum teste de hipótese é 100% certo. Como o teste 
é baseado em probabilidades, há sempre uma chance 
de chegar a uma conclusão incorreta.
Erro tipo I
• Quando a hipótese nula é verdadeira e você a 
rejeita, comete um erro do tipo I. A probabilidade 
de cometer um erro do tipo I é α, que é o nível de 
significância que você definiu para seu teste de 
hipóteses. Um α de 0,05 indica que você quer 
aceitar uma chance de 5% de que está errado ao 
rejeitar a hipótese nula. Para reduzir este risco, 
você deve usar um valor inferior para α. 
Entretanto, usar um valor inferior para alfa 
significa que você terá menos probabilidade de 
detectar uma diferença verdadeira, se existir uma 
realmente.
Erro tipo II
• Quando a hipótese nula é falsa e você não a 
rejeita, comete um erro de tipo II. A 
probabilidade de cometer um erro de tipo II é 
β, que depende do poder do teste. Você pode 
diminuir o risco de cometer um erro do tipo II, 
assegurando que o seu teste tenha potência 
suficiente. Você pode fazer isso garantindo 
que o tamanho amostral seja grande o 
suficiente para detectar uma diferença prática, 
quando realmente existir uma.
Testes paramétricos e não paramétricos
Diante de um problema real de pesquisa você precisa se 
decidir por um teste paramétrico ou não paramétrico.
Teste paramétrico: São testes que exigem que 
a variável em análise seja numérica e as 
hipóteses sejam feitas sobre parâmetros, como 
médias e variâncias.
Teste não paramétrico: Essas testes não exigem 
que a variável em análise seja numérica.
Aplique um teste paramétrico se as seguintes 
afirmativas são verdadeiras:
1 – Os dados obtidos são quantitativos.
2 – As pressuposições exigidas para aplicação do testes 
estão de acordo com o teste escolhido e a amostra é 
grande.
Teste paramétrico
Para estudar a altura de meninos e meninas da 
mesma idade, o pesquisador pode optar por testes 
paramétricos, como:
Teste t Student: Comparar médias
Teste f de Snedecor: Comparar variâncias.
Teste de Tukey (comparar médias duas a duas)
Teste F 
Aplique um teste não paramétrico se as 
seguintes afirmativas são verdadeiras:
1 – Os dados obtidos são qualitativos.
2 – As pressuposições exigidas para aplicação do testes 
estão de acordo com o teste escolhido e a amostra é 
pequena.
Teste não paramétrico:
Imagine que um pesquisador que verificar se a
dipirona é mais eficaz do que o paracetamol no
controle da dor após determinada intervenção
odontológica. A intensidade. A intensidade da dor
pode ser registrada por meio de notas, atribuindo
valor zero para nenhuma dor e 5 para dor intensa.
Mas como intensidade de dor é variável ordinal,
não tem sentido calcular médias e, portanto,
também não tem sentido aplicar um teste
paramétrico. O pesquisador deve buscar um teste
não paramétrico.
Nas muitas profissões da área da saúde, a 
finalidade tanto da pesquisa como da prática é a 
de modificar a história natural das doenças para 
evitar, ou adiar, a morte ou algum tipo de 
deficiência e melhorar a saúde do paciente e da 
população.
TesteQui quadrado de Pearson.
Serve para testar a hipótese de que duas variáveis 
categorizadas são independentes
Exigências para aplicar o teste
• Independência das características
• Tamanho da amostra deve ser maior que 20
Prof. Msc Higor César Menezes Calasans
Teste de Kruskal Wallis
É um teste não paramétrico utilizado para
comparar três ou mais populações. Ele é usado
para testar a hipótese nula de que todas as
populações possuem funções de distribuição
iguais contra a hipótese alternativa de que ao
menos duas das populações possuem funções de
distribuição diferentes.
Prof. Msc Higor César Menezes Calasans
Teste de T-student
Teste t pode ser conduzido para 
–Comparar uma amostra com uma população 
–Comparar duas amostras pareadas 
•Mesmos sujeitos em dois momentos 
distintos 
–Comparar duas amostras independentes