Prévia do material em texto
Radiografia (2010) 16, e1 e e7 disponível em www. sc i encedi rec t. com homepage da journa l: www. el sev i er. com / locate / radi ARTIGO DE REVISÃO Uma introdução à estatística descritiva: uma revisão e um guia prático Gill Marshall * Leon Jonker Faculdade de Saúde, Ciências Médicas e Assistência Social, Universidade de Cumbria, Bowerham Road, Lancaster LA1 3JD, Reino Unido Recebido em 28 de maio de 2009; revisado em 27 de novembro de 2009; aceito em 3 de janeiro de 2010 Disponível online em 6 de fevereiro de 2010 PALAVRAS-CHAVE Estatísticas descritivas; Níveis de medição; Medidas de central tendência; Dispersão; Distribuição normal; Desvio padrão * Autor correspondente. Tel .: º 44 1524 384384x224 1524 384385. Endereço de email: gill.marshall@cumbria.ac.uk ( 1078-8174 / $ - ver matéria inicial ª 2010 The College o Resumo Este artigo, o primeiro de dois, demonstra por que é necessário que os radiologistas entendam os conceitos estatísticos básicos tanto para assimilar o trabalho de outros quanto em seu próprio trabalho de pesquisa. À medida que aumenta a ênfase na prática baseada em evidências, se tornará mais urgente para os radiologistas serem capazes de dissecar as pesquisas de outras pessoas e contribuir para as próprias pesquisas. Os diferentes tipos de dados que podem ser encontrados são abordados aqui, bem como as diferentes maneiras de descrever os dados. Além disso, são explicados a terminologia estatística e os métodos utilizados que compõem a estatística descritiva, incluindo níveis de medição, medidas de tendência central (média) e dispersão (spread) e o conceito de distribuição normal. Este documento revisa a literatura relevante, fornece uma lista de verificação de pontos a serem considerados antes de avançar com a aplicação de métodos estatísticos apropriados a um conjunto de dados e fornece um glossário de termos relevantes para referência. ª 2010 The College of Radiographers. Publicado pela Elsevier Ltd. Todos os direitos reservados. Introdução A dificuldade em compreender as estatísticas é uma das barreiras relatadas com mais frequência que impede os enfermeiros de aplicar os resultados da pesquisa à sua prática, limitando assim a oportunidade de realizar práticas baseadas em evidências de pesquisa. 1 e 3 É provável que isso também se aplique a outras profissões da área de saúde, como a radiografia. Na verdade, os autores deste 6; fax: º 44 G. Marshall). f Radiographers. Publicado pela Elsevier Ltd. To a revisão começou sem um diploma formal de especialista em estatística. A intenção aqui é demonstrar que uma apreciação das estatísticas pode ser obtida por meio do autodidatismo e do acesso à literatura destinada a pesquisadores novatos ou corpo clínico e profissionais de saúde aliados que talvez nunca tenham sido expostos a aulas estatísticas aprofundadas durante seu período formal. educação, para assim compreender melhor as estatísticas. Para ajudar ainda mais o leitor em seu caminho, os autores apresentarão a terminologia estatística relevante e os elementos básicos da aplicação da estatística. Os autores desejam enfatizar que, com tarefas estatísticas mais complexas, deve-se sempre considerar entrar em contato com um estatístico qualificado para suporte e feedback, de preferência antes dos os direitos reservados. doi: 10.1016 / j.radi.2010.01.001 mailto:gill.marshall@cumbria.ac.uk http://www.elsevier.com/locate/radi e2 G. Marshall, L. Jonker lacu i fi iniciar a coleta de dados para garantir que os dados a serem coletados sejam apropriados. Estatísticas em radiografia A medição de parâmetros na assistência médica é um dos primeiros pontos para facilitar a melhoria da qualidade. 4 Embora certamente não seja necessário que os radiologistas sejam estatísticos totalmente qualificados, é desejável um conhecimento prático de estatística para poder avaliar e compreender as implicações da pesquisa para que os radiologistas evoluam sua prática. Além disso, se um radiologista está realizando um projeto de pesquisa, ele / ela deve ser estatisticamente alfabetizado para interagir com outros pesquisadores e estatísticos e, a fim de garantir que um projeto tenha o melhor desenho metodológico, que pode incluir a seleção de metodologia estatística apropriada que testará uma hipótese predeterminada ; além disso, este teste deve ser realizado de forma adequada. 1 A qualidade da educação estatística fornecida aos alunos enquanto eles estão em um curso ou tirando um diploma é relatada na literatura como inadequada. Além disso, os alunos logo esquecem o que lhes foi ensinado, principalmente se não for aplicado. 5,6 Esses dois cenários constituem uma barreira para a compreensão dos artigos de pesquisa. Informar alguém sobre como ler e dissecar estatísticas é considerado mais eficaz quando os conceitos estatísticos são ensinados primeiro, antes de começar o ensino de "como realizar" as estatísticas. 7 À medida que a radiografia se esforça para se tornar uma profissão autônoma, ela deve "conquistar uma base de conhecimento que seja dinâmica e com visão de futuro" 8 e isso claramente precisa do conhecimento das estatísticas lidas por radiologistas em artigos ou aplicadas a seus próprios estudos. Alega-se que “a medicina de hoje é tão boa quanto a pesquisa de quinze anos atrás”, mostrando o tempo considerável gasto entre os resultados da pesquisa sendo relatada e sua filtragem na prática clínica. 6 Embora o objetivo da prática baseada em evidências seja estreitar a teoria e prática por meio de evidências de pesquisa informando a prática, parece que a pesquisa às vezes não é apresentada de uma forma que seja amigável e compreensível para os profissionais, que, consequentemente, não irão ou não podem aplicá-la em sua prática diária. 9 Cabe, portanto, aos pesquisadores pensar sobre seu público, ao publicar, para que seus resultados sejam clinicamente relevantes e significativos. Em um estudo de Welch e Gabbe em 1996, 32% dos artigos eram desprovidos de estatísticas ou afirmavam ter significância nos resultados sem o uso de estatísticas. 9 Um leitor com apenas um conhecimento de estatística descritiva compreenderá normalmente apenas 44,5% dos dados em artigos, enquanto aqueles com conhecimento de testes estatísticos comuns irão aumentar a taxa de acesso de compreensão de dados produzidos em artigos para 80,5%. 9 Tipos de dados As estatísticas são usadas para demonstrar o significado dos dados e são baseadas em números, por exemplo, a freqüência cardíaca do paciente ou números atribuídos a atributos qualitativos, como a cor dos olhos. As estatísticas podem ser usadas descritivamente para ilustrar as características de um grupo de observações, ou seja, os dados brutos; isso é chamado de estatística descritiva. 10 Em termos estatísticos, existem diferentes níveis de medição para variáveis de pontuação. Existem duas categorias principais: - Dados categóricos - Dados contínuos na Os dados categóricos podem ser divididos em quatro subcategorias: - Dados binários Em tais casos, apenas dois resultados ou medições são possíveis. Por exemplo, se a sobrevivência dos pacientes for registrada, pode haver apenas dois resultados e sobrevivência ou morte. Outro exemplo é se o laudo radiológico foi preenchido corretamente. Esses dados geralmente são resumidos em proporções ou probabilidades. - Dados nominais Embora este seja o tipo de dados menos robusto para categorizar dados em categorias mutuamente exclusivas, sem classificação hierárquica, este é, no entanto, um tipo de dados muito usado e valioso. Um exemplo poderia ser grupos sanguíneos, ou seja, O, A, B, AB ou grupos distintos de profissões, por exemplo, radiologistas, radiologistas e enfermeiras. Ambos os dados binários e nominais podem ser representados ou armazenados pela atribuição de números às categorias (radiologistas Z 1, radiologistas Z 2 e enfermeiras Z 3, onde os númerosnão têm sign cância numérica). 11 Com esses dados, a medida de tendência central é a categoria com mais casos, conhecida como moda. - dados ordinais Aqui, os dados têm uma ordem ou hierarquia clara, mas não em uma escala calibrada, por exemplo, concordo totalmente, concordo etc., de uma escala chamada Likert com uma afirmação fornecida. 12 A exemplo é o nível de dor causado pela mamografia, por exemplo, sem dor, leve desconforto, dor moderada, dor intensa. As categorias são mutuamente exclusivas e, como acima, os valores numéricos atribuídos às categorias não são medidas absolutas, mas ordenam os dados. Em dados ordinais, a medida de tendência central é chamada de mediana e a categoria que está no meio da descrição ordenada por classificação é, portanto, chamada de mediana. Escalas binárias, nominais e ordinais são consideradas variáveis discretas porque os dados são classificados em variáveis discretas não sobrepostas. 13 - Dados de intervalo / proporção Este é o tipo mais forte de dados, com os dados de proporção sendo dados mais fortes do que os dados de intervalo, já que os dados de proporção têm um valor zero verdadeiro, enquanto os dados de intervalo não. 14 Esses dados são obtidos pelo uso de uma escala calibrada para fornecer medições quantitativas, por exemplo, leituras de densidade de um densitômetro, peso em quilogramas ou pressão arterial. Esses dados podem ser plotados em um histograma. Os dados de proporção ou intervalo podem ser resumidos pela média ou mediana (como uma medida de tendência central) dependendo da distribuição. Para Uma introdução à estatística descritiva e3 figura 1 Exemplo de dados com distribuição normal. igura igura Para ilustrar o ponto, um exemplo de dados de intervalo seria uma pontuação de teste de QI. Razões dessas medidas não podem ser aplicadas e um QI de 140 no sujeito 1 versus 70 no sujeito 2 não significa que o sujeito 1 é duas vezes mais inteligente do que o sujeito 2. Por outro lado, exemplos de dados de razão mostram que todos eles têm uma escala constante que inclui um zero, por exemplo, duzentos metros tem o dobro do comprimento de cem metros. Esses dados podem ser plotados em um histograma e o ponto médio da curva será novamente a medida da tendência central. Se uma variável é normalmente distribuída (ou seja, ela produz uma curva em sino simétrica), a média, a mediana e o valor da moda serão aproximadamente iguais. Se o pesquisador vai realizar estatísticas inferenciais, isto é, testes que permitem ao pesquisador tirar inferências dos dados (cobertos em um artigo subsequente), deve-se decidir se os dados são normalmente distribuídos. Se for, então a média e o desvio padrão serão suficientes como estatísticas de resumo. Se os dados não forem distribuídos normalmente, as estatísticas de cinco ordens são usadas, ou seja, mínimo, primeiro quartil, mediana, terceiro quartil e máximo. O intervalo e o intervalo interquartil podem ser facilmente derivados disso, mas geralmente não são usados explicitamente como estatísticas de resumo. O resultado do teste determinará se o pesquisador pode usar estatísticas paramétricas ou estatísticas não paramétricas. Para dados de intervalo / razão de uma escala contínua, o intervalo, intervalo interquartil e desvio padrão são usados para relatar a propagação ou largura dos dados. Os dados das escalas de intervalo ou razão são descritos como O intervalo e o intervalo interquartil podem ser facilmente derivados disso, mas geralmente não são usados explicitamente como estatísticas de resumo. O resultado do teste determinará se o pesquisador pode usar estatísticas paramétricas ou estatísticas não paramétricas. Para dados de intervalo / razão de uma escala contínua, o intervalo, intervalo interquartil e desvio padrão são usados para relatar a propagação ou largura dos dados. Os dados das escalas de intervalo ou razão são descritos como O intervalo e o intervalo interquartil podem ser facilmente derivados disso, mas geralmente não são usados explicitamente como estatísticas de resumo. O resultado do teste determinará se o pesquisador pode usar estatísticas paramétricas ou estatísticas não paramétricas. Para dados de intervalo / razão de uma escala contínua, o intervalo, intervalo interquartil e desvio padrão são usados para relatar a propagação ou largura dos dados. Os dados das escalas de intervalo ou razão são descritos como dados contínuos e assim fornece variáveis contínuas porque os dados representam um continuum subjacente onde há potencialmente um número infinito de valores. ra Distribuição de dados Este artigo enfoca a metodologia estatística que pode ser aplicada para definir descritivamente os dados. Esses métodos são procedimentos numéricos ou técnicas gráficas, por exemplo, gráficos de barras, histogramas, polígonos de frequência e gráficos de pizza, usados para organizar, apresentar e descrever as características de uma amostra, por exemplo, fornecem um resumo das medidas das características. A estatística descritiva busca descrever o ponto médio de uma dispersão de pontuações, chamada de medida de tendência central, e a dispersão de pontuações que é chamada de dispersão, da qual a variância é um exemplo. 14 Pa entender isso, é necessário considerar os níveis de medição, porque certos testes (subsequentes) só funcionam com níveis de medição adequados. Se as medições forem feitas a partir de uma grande amostra aleatória, por exemplo, do peso de pacientes adultos com TC com contraste e um polígono de frequência é traçado dos resultados, é provável que uma curva em forma de sino seja produzida, o que mostra que as variáveis de uma amostra são normalmente distribuídas . Esta forma de sino é chamada de distribuição normal ou Gaussiana (Ver figura 1 ) A palavra 'normal' aqui significa que os dados estão em conformidade com um padrão de distribuição que permite matematicamente a aplicação de testes estatísticos paramétricos. Medida hipotética de uma artéria de 100 pacientes, apresentada por meio de um histograma, com a curva em sino gaussiana destacando o padrão de distribuição normal. Na radiografia, a distribuição normal das medidas pode ser vista ao traçar os tamanhos e volumes de certos estruturas anatômicas, como o globo ocular, nervo óptico ou conforme mostrado em f 1 , estruturas vasculares. De modo geral, as medidas para tais estruturas não diferem muito entre as pessoas. No entanto, muitas vezes uma distribuição normal não é alcançada; valores discrepantes podem ser comuns, o que dará à curva do sino uma 'cauda' no lado esquerdo ou direito. Os exemplos aqui seriam um histograma do peso dos pacientes, onde a curva de distribuição seria inclinada para um peso maior (a curva seria descrita como inclinada positivamente) e Veja também F 2 . Os mesmos dados representados nos histogramas de figura 1 é resumido. Se os dados não apresentam uma distribuição normal, por exemplo, quando existem alguns outliers, a apresentação dos dados pode ser alterada para atingir uma distribuição normal. Um procedimento matemático comum para realizar é transformar dados logaritmicamente; não altera os dados reais, mas sim a maneira como são distribuídos em um gráfico e, portanto, facilita a análise dos dados como se fossem normalmente distribuídos. Se a normalização não for possível, testes não paramétricos apropriados devem ser aplicados aos dados. Os testes não paramétricos levam em consideração o fato de que os dados são distorcidos ou têm vários outliers e, portanto, são mais conservadores. Os estatísticos Altman e Bland ilustram esses pontos muito claramente em uma série de artigos curtos que publicaram ao longo dos anos no British Medical Journal. 15 e 18 O desvio padrão é uma medida de quão espalhados os dados estão, a variância deles. Quanto mais estreito for o desvio padrão, mais próximo do ponto médio dos dados estarão todosos resultados. 17 Sem citar a fórmula matemática por trás dele, o desvio padrão permite expressar a variância usando as mesmas unidades usadas para as observações ou medições. De um modo geral, aproximadamente 2/3 de todas as observações ou medições estão dentro de um desvio padrão da média (o topo do gráfico de distribuição em figura 1 ), e 95% estão dentro de dois desvios padrão da média. O intervalo interquartil está se tornando mais comum em relatórios de estatísticas descritivas de dados contínuos. Essa estatística representa os 50% intermediários da amostra, mostrando sua dispersão, e não é influenciada por outliers. 18 tabela 1 contém exemplos do desvio padrão para os dois conjuntos de dados de exemplo, bem como e4 G. Marshall, L. Jonker UMA B Figura 2 em relação ao volume do globo ocular com distribuição normal (A) e peso corporal com distribuição enviesada negativamente (B), respectivamente. Exemplos de dados com distribuição normal e enviesada. Estas são distribuições de dados hipotéticos para 60 pacientes UMA B o intervalo interquartil. Particularmente do desvio padrão, pode-se concluir que, para os dados de peso corporal, mais pontos de medição estão mais distantes da média. Recolha e apresentação de dados É essencial esclarecer o tipo apropriado de dados necessários para responder à pergunta de pesquisa no estágio de concepção de um projeto de pesquisa, para que possam ser coletados. O nível de medição precisa ser identificado, permitindo a identificação do procedimento estatístico a ser utilizado e a tomada de decisão sobre o tamanho da amostra. As estatísticas descritivas são as mais fáceis de realizar e interpretar e são uma forma útil de resumir dados e fornecer uma descrição da amostra. Figura 3 fornece outro exemplo de como resumir dados; neste caso, a razão hipotética entre duas medições do diâmetro das artérias brônquica e pulmonar para 100 pacientes. Os gráficos de caixa permitem uma visão geral clara das características de um conjunto de dados, conforme mostrado em Figura 3 . A caixa representa o 25 º e 75 º valores percentuais, enquanto a barra dentro da caixa representa os 50 º percentil (mediana). Os 'bigodes' anexados à caixa representam os valores mais baixos e mais altos (o intervalo) dos dados, bar outliers extremos ou valores extremos. Em última análise, a estatística descritiva não pode ser usada para demonstrar a análise causal que requer o uso de estatísticas inferenciais, que nos permitem generalizar de uma amostra para uma população maior. A análise de dados pode ser levada um passo adiante, inferindo a partir do grupo de amostra tabela 1 dados. Estatísticas descritivas de dois conjuntos de exemplos de Volume (cm 3) 5,50 5,50 0,27 (5%) Peso (kg) 76,75 73,00 13,34 (17%) Significar Mediana Desvio padrão (% da média) Intervalo interquartil (25% e 75%) Figura 3 diâmetros da artéria pulmonar em formato de histograma (A) e gráfico de caixa (B). Apresentação da relação entre brônquica e 5,38 e 5,60 67,25 e 83,00 Uma introdução à estatística descritiva e5 1: 05; 50 an 996; na generalizações que podem ser aplicadas a uma população mais ampla, que são chamadas de estatísticas inferenciais e estes são considerados em nosso segundo artigo. A compreensão da estatística não é importante apenas para o pesquisador, mas os leitores da produção de pesquisa (manuscritos, relatórios, teses) precisam estar cientes do nível em que as variáveis são medidas, dos testes estatísticos usados e devem estar cientes de que o erro de procedimento estatístico por pesquisadores não é incomum. 9 Normalmente, esse erro não está no cálculo do resultado do teste, que hoje em dia raramente é realizado manualmente, mas usando pacotes estatísticos como Excel, Minitab, Supastat e o abrangente e comumente usado SPSS (Statistical Package for Social Science), mas no seleção de teste. Alguns dos pacotes estatísticos mencionados acima podem ser baixados gratuitamente, embora em alguns casos apenas por um período limitado. Lista de verificação para compreender e aplicar estatísticas descritivas: Em relação aos seus dados, deseja apenas descrevê-los e resumi-los? o Nesse caso, apenas estatísticas descritivas serão suficientes. Qual medida de tendência central é apropriada para os dados? Suas variáveis são discretas ou contínuas? Seus dados são nominais, ordinais ou dados de razão / intervalo? o Depois de concluir as estatísticas descritivas, mais informações podem ser extraídas dos dados? o Em caso afirmativo, considere o uso de estatísticas inferenciais que permitem tirar conclusões a partir dos dados. Conclusão As estatísticas fornecem uma maneira de descrever os dados numéricos coletados que podem ser assimilados pelos leitores, permitindo que o resultado da pesquisa seja usado para a prática baseada em evidências e, assim, estreitando a teoria e lacu prática. As estatísticas descritivas (que em certos casos podem ser chamadas de 'estatísticas exploratórias') são perfeitamente adequadas para comparar e resumir dados quantitativos. Ele permite que o radiologista obtenha uma visão, por exemplo, das tendências potenciais nos dados demográficos de certos grupos de pacientes ou detecte certas tendências nos resultados do tratamento por meio de estudos observacionais. Essas observações podem então ser usadas como um ponto de partida para investigar mais a fundo as razões por trás dessas características e tendências. A próxima etapa será aplicar estatísticas inferenciais para permitir tirar conclusões aplicáveis a um grupo maior do que a amostra usada para gerar os dados. As estatísticas podem ser difíceis de aplicar e entender, especialmente para quem não tem experiência. É essencial que o tipo de dados coletados e sua análise ou representação sejam adequados, para que a questão da pesquisa possa ser respondida de forma significativa e para que as informações possam ser obtidas a partir dos dados coletados. É importante considerar que tipo de dados serão coletados e apresentados assim que a questão de pesquisa for identi fi cada. Reconhecimento Gostaria de agradecer a Sue Griffiths por sua revisão deste artigo. Referências 1. Rickard C. Estatísticas para a prática clínica de enfermagem: uma introdução. Australian Critical Care: Official Journal of the Confederation of Australian Critical Care Nurses 2008; 2 216 e 9 2. Justham D, Timmons S. Uma avaliação do uso de um teste estatístico baseado na web para ensinar estatística a estudantes de enfermagem pós-registro. Enfermeira Educação Hoje 20 25: 156 e 63 3. Davidoff F, Haynes B, Sackett D, Smith R. Medicina baseada em evidências: o que é e o que não é. British Medical Journal 1996; 312: 71 e 2 4. Allison JJ, Calhoun JW, Wall TC, Spettell CM, Fargason Jr CA, Weissman NW, et al. Relatório ótimo de medidas do processo de assistência à saúde: estatísticas inferenciais como ajuda ou obstáculo. Managed Care Quarterly 2000; 8: 1 e 10 5. Reznick RK, Dawson-Saunders E, Folse JR. Uma justificativa para o ensino de estatística para residentes cirúrgicos. Cirurgia 1987; 101: 611 e 7 6. Bolton J. Clinicians and the '' S e palavra''. Quiropraxia Clínica 2006; 9: 88 e 91 7. Hong E, O'Neil H. Estratégias instrucionais para ajudar os alunos a construir modelos mentais relevantes de estatística inferencial. Journal of Educational Psychology 1992; 84: 1 e 9 8. Manning D, Hogg P. Escrevendo para publicação. Radiografia 2006; 12: 77 e 8 9. Welch G, Gabe S. Revisão do uso de estatísticas no jornal americano de ginecologia. Americ Journal of Obstetrics and Gynecology 1997; 176 ( 5): 1138 e 41 10. Parahoo K. Princípios, processos e questões da pesquisa em enfermagem. 2ª ed. Basingstoke: Palgrave Macmillan; 2006. p. 468. 11. Botti M, Endacott R. Pesquisa clínica 5: coleta e análise de dados quantitativos. Enfermagem de cuidados intensivos e críticos 2005; 21 ( 3): 187 e 9312. Likert R. Uma técnica para a medição de atitudes. Arquivos de psicologia 1932; 140: 1 e 55 13. Polgar S, Thomas S. Introdução à pesquisa em saúde ciências. 3ª ed. Melbourne: Churchill Livingstone; 1995. pp. 243 e 306. 14. Fisher M, Marshall A. Compreendendo as estatísticas descritivas. Australian Critical Care 2009; 22: 93 e 7 15. Altman D, Bland J. A distribuição normal. British Medical Diário 1995; 310: 298. 16. Bland J, Altman D. Transformação, médias e intervalos de confiança. British Medical Journal 1 312: 1079. 17. Altman D, Bland J. Desvios padrão e erros padrão. British Medical Journal 2005; 331: 903. 18. Altman D, Bland J. Quartis, quintis, centiles e outras qualidades. British Medical Journal 1994; 309: 996. Glossário Gráficos de barra: estes são usados onde a variável traçada ao longo do eixo horizontal é nominal ou ordinal, ou seja, as categorias mostradas ao longo deste eixo não têm valor quantitativo ou numérico (nominal), ou ordem ou hierarquia clara, mas não em uma escala calibrada (ordinal). As barras verticais são desenhadas separadamente, por exemplo, a distribuição de frequência do número de radiologistas qualificados no Reino Unido categorizados por faixa etária dos radiologistas. Coorte: um grupo definido de pessoas, por exemplo, todas as mulheres em Morecambe área da baía que foram rastreados para câncer de mama no ano passado. Variáveis contínuas: os dados representam um continuum subjacente onde há potencialmente um número infinito de valores. e6 G. Marshall, L. Jonker mesa 2 Medidas de tendência central Prazo: Definição: Modo O valor numérico com a maior frequência A pontuação média de uma distribuição ordenada por classificação A pontuação média Termos estatísticos comuns e suas definições. Mediana Significar Dispersão Frequência distribuição Faixa O número de casos por categoria A distância entre a pontuação mais alta e a mais baixa O intervalo no qual os 50% intermediários das pontuações se enquadram A raiz do desvio quadrático médio da média O quadrado do desvio padrão Interquartil faixa Padrão desvio Variância Estatísticas descritivas para cada nível de medição. 14 Dados: números ou valores coletados como resultado das medições. Eles podem ser contagens ou frequências ou valores numéricos reais ou pontuações. Estatísticas descritivas: Estatísticas que podem ser usadas descritivamente para ilustrar as características de um grupo de observações, ou seja, os dados brutos. Variáveis discretas: quando os dados são classificados em discretos não variáveis sobrepostas. Polígono de freqüência: esta é uma alternativa para um histograma e é preferido quando a variável é contínua. É produzido colocando pontos no topo dos centros das barras do histograma equivalente e, em seguida, juntando os pontos com linhas retas. É freqüentemente usado para comparar duas distribuições de frequência .; Quando as medições são feitas de uma grande amostra aleatória e um polígono de frequência é produzido, a forma da distribuição é sempre a mesma. Esta é uma curva em forma de sino chamada de distribuição normal ou Gaussiana. Histogramas: aqui as categorias são medidas em um número escala. As barras verticais são desenhadas tocando, por exemplo, a distribuição de frequência do número de filhos por família que vivem em Lancaster. Os histogramas podem ser usados para dados discretos ou contínuos. Tabela 3 Nível de medição Nominal Ordinal Estatísticas descritivas para cada nível de medição. Descrição Classificação Classificações relativas Contínuo Ordem de classificação com intervalos iguais uma Se a distribuição dos dados não for normal, por exemplo, há uma série de outliers que influenc mediana para dar uma melhor reflexão do valor da maioria dos pontos de dados . Se usado para dados contínuos, é particionado em intervalos, cujo tamanho depende do tamanho da amostra para permitir que um número ideal de barras seja exibido. Estatística inferencial: estatísticas que podem ser usadas para inferir a partir do generalizações de grupo de amostra que podem ser aplicadas a uma população mais ampla. Dados de intervalo: são dados mais fortes do que dados nominais ou ordinais. Pode alcançado pelo uso de uma escala calibrada para fornecer medições quantitativas. A diferença entre os dados de intervalo e razão é que os dados de razão têm um zero verdadeiro, portanto, os dados de intervalo são mais fracos do que os dados de razão. Escala de Likert: é uma escala comumente usada em questionários, e é o escala mais amplamente utilizada em pesquisas de opinião. É usado para dados de categoria ordenados. Ao responder a um item do questionário Likert, os entrevistados especificam seu nível de concordância com uma afirmação. A escala leva o nome de Rensis Likert que publicou um relatório descrevendo seu uso. 17 Medidas de tendência central: média, modo e mediana, Vejo. mesa 2 . Medições de dispersão: Vejo. Observe que a variância é um exemplo de dispersão. Tabela 3 . Dados nominais: são os dados menos robustos que categorizam, mas não classifica dados hierarquicamente em categorias mutuamente exclusivas. Distribuição normal: quando um grande número de medições são feito ao acaso de uma variável particular, os resultados geralmente se enquadram em um padrão. A maioria das medições ficará próxima ao valor médio, com poucos valores situados nos extremos. Quando uma distribuição de frequência é traçada, uma curva em forma de sino familiar é produzida, a qual representa uma distribuição normal ou gaussiana. Dados ordinais: é onde os dados têm uma ordem ou hierarquia clara, mas não em uma escala calibrada. Os dados ordinais podem ser classificados (como do mais alto para o menor) ou ordenados (por exemplo, dados categorizados por meio do nível de concordância com afirmações em uma escala Likert, por exemplo, muito doloroso, doloroso etc.). Tanto numéricos quanto não numéricos podem constituir dados ordinais. Parâmetro: uma característica mensurável '' verdadeira '' da população isso não pode, na prática, ser conhecido com certeza, por exemplo, a espessura média das mamas de todas as mulheres elegíveis para mamografia. Uma '' estatística '', isto é, o valor médio em uma amostra de pacientes é medido e usado como uma estimativa da verdadeira média da população. Testes paramétricos: são selecionados para dados que são normalmente distribuídos; Gráfico de setores: usado para demonstrar taxas de distribuição, pois é fácil de compare os tamanhos relativos dos vários componentes. Modo de medida de tendência central Mediana Modo Medida de dispersão Distribuição de frequência Distribuição de frequência Percentil, Máximo e mínimo, Faixa Distribuição de frequência Percentil Máximo e mínimo, Intervalo, intervalo interquartil, Desvio padrão Significar uma Mediana Modo iam drasticamente a média (tornando os dados distorcidos), às vezes é melhor apresentar a Uma introdução à estatística descritiva e7 População: um conjunto completo de indivíduos, objetos ou medidas mentos com alguma característica observável em comum, por exemplo, todas as mulheres que tiveram um filho. Dados de proporção: são os dados mais fortes e têm um valor zero verdadeiro. Pode ser alcançada pelo uso de uma escala calibrada para fornecer medições quantitativas. Amostra: um subconjunto da população, selecionada para participar de um estudo. Desvio padrão: figura que dá uma indicação de quão próximo medições ou observações distribuídas estão em torno da média de todas as medições. Ele dá uma indicação da variação dos dados. Um pequeno desvio padrão resultará em uma curva em forma de sino com curva acentuada quando apresentado em um gráfico. Ao contrário, um grande desvio padrão resultará em uma curva em forma de sino plana. An introduction to descriptive statistics: A review and practical guide Introduction Statistics in radiography Types of data Distribution of dataCollection and presentation of data Conclusion Acknowledgement References