bioestatística - tipos de variáveis, gráficos, histograma e amostra

Prévia do material em texto

Bioestatística - P1 ​ ​24/09/2019  
Introdução à bioestatística  
tipos de variáveis, gráficos, histograma e amostra  
 
 
Bioestatística: 
- “Ciência que fornece os princípios e os métodos para 
coleta, organização, resumo, análise e interpretação de 
dados nas ciências da vida.”. Ela avalia e interpreta com 
seguridade e confiabilidade os dados médicos e biológicos 
coletados em uma pesquisa, pois permite uma análise 
correta desses dados. 
- A bioestatística é utilizada nas áreas da:​ epidemiologia, 
ecologia, psicologia social e na medicina (e toda área da 
saúde médica). ​Possui importância na prática clínica/ 
médica baseada em evidência. 
1- tipos de variáveis  
Em bioestatística, há 6 variáveis: variável qualitativa 
(ordinal ou nominal), quantitativa (discreta ou contínua), 
preditora e desfecho 
Variável:​ é a informação de uma condição ou característica 
da amostra que pode ​variar 
V. Qualitativa: ​Quando os dados são distribuídos em 
categorias mutuamente exclusivas. Descrevem 
características dos elementos da população. Além disso, é 
representada por palavras (valores não numéricos). 
A variável ​qualitativa​ é dividida em qualitativa​ nominal e 
ordinal​. A​ nominal​ é quando os dados são distribuídos em  
 
categorias mutuamente exclusivas, ou seja, sem ordem, 
como por exemplo: cor dos cabelos, tipo de sangue ou 
gênero. Já a qualitativa​ ordinal​, é quando os dados são 
distribuídos em categorias mutuamente exclusivas com 
ordenação natural, como por exemplo: escolaridade (1º 
grau, 2º grau), classe social, gravidade de uma doença (leve, 
moderada, severa). 
V. Quantitativa:​ Quando é expressa por números. 
A variável quantitativa é dividida em quantitativa ​discreta 
e quantitativa​ contínua.​ A​ discreta​ é caracterizada por 
assumir valores em um dado intervalo, como por ex: 
número de filhos, quantidade de moedas, números de 
pessoas em uma sala (ou seja, normalmente utiliza números 
inteiros). Já a variável quantitativa ​contínua​ assume 
qualquer valor num dado intervalo, sendo de números 
inteiros ou não, como: peso, tempo de espera,etc. 
Variáveis preditora e desfecho: 
Preditora: ​afeta a resposta, podendo ser definida ou 
medida pelo experimentador 
Desfecho:​ medidas ou observadas durante um estudo para 
documentar o impacto que uma dada intervenção ou 
exposição tem na saúde de uma dada população. 
 
 
 
 
Verde: ​quantitativa contínua 
Rosa: ​quantitativa discreta 
Amarelo: ​qualitativa ordinal 
Azul: ​qualitativa nominal 
2- Análise descritiva dos dados  
a) Medida de tendência central:​ ​valor central ou 
valor típico para uma distribuição de probabilidade. É 
chamada ocasionalmente como média ou apenas centro da 
distribuição. As medidas de tendência central mais comuns 
são a média aritmética, a mediana e moda.  
Média: ​soma de todos os elementos dividido pelo número 
total de elementos 
Mediana: ​é o elemento que ocupa a posição central de uma 
série de dados. Para encontrá-la os dados devem estar 
dispostos em ordem crescente ou decrescente. Em uma 
série em que seja número ímpar de dados, o valor ocupando 
o meio da série será a mediana, caso contrário, (haja 
número par de dados), deve-se extrair a média aritmética 
dos dois valores centrais, assim, o valor encontrado será 
correspondente a mediana.  
Moda: ​é o valor que ocorre com maior frequência em uma 
série de dados. Quando a série possuir dois valores com a 
mesma frequência máxima, cada um deles é uma moda, o 
conjunto diz-se bimodal.Se mais de dois valores ocorrerem 
com a mesma frequência máxima, o conjunto é multimodal, 
e quando nenhum valor é repetido,o conjunto não tem 
moda.  
 
 
 
 
 
 
 
 
 
 
B) medida de dispersão e tipo de gráfico 
Desvio- padrão:​ determina a variabilidade ou dispersão dos 
dados relativamente à medida de localização do centro da 
amostra (medida de tendência central) 
*Em uma distribuição normal, 95,44% dos dados estão 
distribuídos no intervalo de ± 2 desvios-padrão. 
 ​Gráfico de coluna com barra de erro: 
 
 
Quartil: 
O intervalo interquartil é calculado com base no cálculo de 
quartis. Primeiro quartil (Q1- 25%), Quartil intermediário 
(mediana– Q2 – 50%), terceiro quartil (Q3 –75% .)  
A diferença entre o primeiro quartil e o terceiro quartil 
determina o ​intervalo interquartílico (medida de 
dispersão que demonstra a variabilidade em relação à 
mediana)​. O segundo quartil (Q2) representa a mediana, 
uma vez que esse significa 50% do total. 
 
Boxplot: ​Gráfico gerado a partir da mediana e intervalo 
interquartílico → ele é representado quando não tem 
distribuição normal!! (é assimétrico) 
“Um conjunto de dados que tem uma distribuição simétrica, 
terá a linha da mediana no centro do retângulo. Quando a 
linha da mediana está próxima ao primeiro quartil, os dados 
são assimétricos positivos e quando a posição da linha da 
mediana é próxima ao terceiro quartil, os dados são 
assimétricos negativos. Vale ressaltar que a mediana é a 
medida de tendência central mais indicada quando os dados 
possuem distribuição assimétrica, uma vez que a média 
aritmética é influenciada pelos valores extremos.” 
Tipo de Distribuição X Descrição de dados  
 
 
 
 
 
 
 
 
   
GRÁFICO DE COLUNAS BOXPLOT 
 E BARRA DE ERRO  
 
 
 
 
 
 
 
 
*Curva de Gauss:​ quando a maioria dos dados se 
encontram na região média da curva: 
 
Histograma: 
É um Gráfico de distribuição de frequências utilizado para 
avaliar a normalidade dos dados. 
*Se essa distribuição de frequência é simétrica (gerando 
uma curva), posso afirmar que esses dados estão em uma 
distribuição normal (2º gráfico), diferente de uma curva 
gerada assimetricamente (1º e 3º gráfico). 
quando é simétrico, ou seja, é uma distribuição normal, as 
medidas que melhor representam esse gráfico é a ​média e o 
desvio-padrão. 
Testes estatísticos para normalidade 
Antes de realizar um teste estatístico é necessário o 
reconhecimento sobre as hipóteses estatísticas: 
 
* Hipótese nula (H0): os dados têm distribuição normal. 
A hipótese nula afirma que um parâmetro da população 
(como a média, o desvio padrão, e assim por diante) é 
igual a um valor hipotético. A hipótese nula é, muitas 
vezes, uma alegação inicial baseado em análises 
anteriores ou conhecimentos especializados. 
→ teste de kolmogorov-smirnov → p:0,15  
* Hipótese Alternativa (H1): dados não têm dist. normal. 
A hipótese alternativa afirma que um parâmetro da 
população é menor, maior ou diferente do valor 
hipotético na hipótese nula. A hipótese alternativa é 
aquela que você acredita que pode ser verdadeira ou 
espera provar ser verdadeira. 
Tipos de distribuição de dados: 
 Simétrico ​- normal - paramétrico - p>0,5 - média → 
desvio-padrão → utilização de gráfico de colunas e barra de 
erro. 
 ​Assimétrico​ - anormal - não paramétrico- p<0,5 -mediana 
→ intervalo interquartílico → BOXPLOT  
 
 
3- amostra (Definição e tipos - 
critérios de inclusão e exclusão) 
População: grupo de habitantes que convivem em um 
determinado contexto. 
Amostra: parcela da população que irá representá-la. 
Tipos de amostra: 
 
Amostra casual simples:​ também chamada de ​aleatória 
simples, é caracterizada pela obtenção de números 
escolhidos a partir de um gerador de números aleatório 
(manual ou computacional) ou programas estatísticos 
específicos. Esse tipo de amostra tira o poder do 
investigador definir quem fará parte da amostra, o que evita 
a seleção. 
Amostra de conveniência:​ também chamada de ​não 
probabilística​, é constituída por um número de elementos 
(pessoas) reunidas em uma amostra simplesmente porque o 
pesquisador tem fácil acesso à elas, por exemplo: pacientes 
internados em um hospital, alunos de um curso, pacientes 
hipertensos de uma unidade básica de saúde. Com esse tipo 
de amostra, não é possível determinaros reais critérios da 
seleção das pessoas, o que torna suspeita a presença de viés. 
Além disso, há critérios de seleção da amostra: 
critérios de inclusão e critérios de exclusão → isso faz com 
que a amostra se torne homogênea e com redução de viés. 
Os critérios de inclusão​ são as regras sobre as 
características específicas que uma pessoa deve ter para 
ser incluída no estudo. Estes critérios podem incluir 
características pessoais, tais como idade e sexo, 
características da doença, como uma mutação específica 
ou sintomas específicos, ou características do tratamento 
anterior ao qual esta pessoa foi submetida.  
Os critérios de exclusão ​são as regras que impedem as 
pessoas de participar de um estudo, mesmo que preencham 
todos os critérios de inclusão. Os critérios de exclusão 
identificam características específicas, tais como outras 
condições clínicas ou características pessoais, que podem 
afetar a condição da pessoa de uma forma que torna a 
participação mais perigosa, ou que diminua a chance do 
indivíduo completar o estudo com sucesso.  
Tamanho amostral: 
O cálculo amostral é fundamental, prediz a validade do 
estudo, e é necessário ser realizado com programas 
estatísticos.  
CURVA: 
SIMÉTRICA 
CURVA: 
ASSIMÉTRICA 
DISTRIBUIÇÃO: 
 NORMAL 
DISTRIBUIÇÃO: 
ANORMAL 
DADO: 
PARAMÉTRICA 
DADO: 
NÃO PARAMÉTRICA 
PORCENTAGEM DE ERRO: 
P > 0,05 
PORCENTAGEM DE 
ERRO: 
P < 0,05 
 MEDIDA:   
MÉDIA → DESVIO PADRÃO 
 MEDIDA:  
MEDIANA → INTERVALO 
INTERQUARTÍLICO 
GRÁFICO DE COLUNAS E 
BARRA DE ERRO 
 
BOXPLOT