A maior rede de estudos do Brasil

Grátis
7 pág.
INTRODUÇÃO A MEDICINA BASEADA EM EVIDENCIAS PARTE 2

Pré-visualização | Página 2 de 2

Dessa forma, um resultado estatisticamente 
significativo não implica necessariamente que as 
diferenças observadas sejam clinicamente 
significativas. Ademais, um resultado estatisticamente 
não significativo não implica necessariamente que as 
diferenças observadas sejam clinicamente 
insignificantes, mas apenas que as diferenças podem 
ter ocorrido devido ao acaso. 
Poder estatítico 
Definimos poder de um teste estatístico como a 
probabilidade do teste rejeitar H0 quando H0 é 
realmente falsa, ou seja, o poder de um teste é igual a 
1 – . 
O poder do teste dependerá de alguns fatores: 
− Do nível de significância  adotado; 
− Da distância entre o valor “real” do parâmetro e o 
considerado verdadeiro em H0. 
− Da variabilidade da população. 
− Do tamanho da amostra retirada. 
Como calcular o tamanho da amostra em uma 
pesquisa. 
O tamanho da amostra é o número de respostas 
completas recebidas em uma pesquisa. Isso é 
chamado de "amostra" porque representa apenas a 
parte do grupo (ou população-alvo) que apresenta 
opiniões ou comportamentos relevantes para você. 
Por exemplo, é possível obter uma amostra de 
maneira aleatória ("amostra aleatória"), na qual os 
respondentes são escolhidos totalmente por acaso 
entre a população como um todo. 
É importante entender estes três termos para calcular 
o tamanho da amostra e contextualizá-lo: 
Tamanho da população: o número total de pessoas 
do grupo a ser estudado. Se você estiver considerando 
uma amostra aleatória de pessoas em todo o Brasil, o 
tamanho da população será de cerca de 207 milhões. 
Da mesma forma, se você estiver aplicando uma 
pesquisa à sua empresa, o tamanho da população 
será o número total de funcionários. 
Margem de erro: uma porcentagem que indica o nível 
de correspondência dos resultados da pesquisa com 
as opiniões da população total. Quanto menor a 
margem de erro, mais perto você está de ter a 
resposta exata com um grau de confiança específico. 
Nível de confiança da amostra: uma porcentagem 
que revela o quanto você pode estar confiante de que 
a população selecionaria uma resposta dentro de um 
determinado intervalo. Por exemplo, um nível de 
confiança de 95% significa que você pode ter 95% de 
certeza de que os resultados estão entre os números x 
e y. 
Como calcular o tamanho da amostra? Caso queira 
fazer o cálculo manualmente, use a seguinte fórmula: 
 
N = tamanho da população e = margem de erro 
(porcentagem no formato decimal) • z = escore z 
O escore z é o número de desvios padrão entre 
determinada proporção e a média. Para encontrar o 
escore z correto a ser usado, consulte a tabela abaixo: 
 
O que levar em consideração ao calcular o tamanho 
da amostra 
• Se você quiser uma margem de erro menor, 
use um tamanho de amostra maior com a 
mesma população. 
• Quanto maior o nível de confiança de 
amostragem desejado, maior será o tamanho 
da amostra. 
É importante ter uma amostra com tamanho 
estatisticamente relevante? 
Em geral, a regra é: quanto maior o tamanho da 
amostra, maior é a relevância estatística dela, ou seja, 
menor é a chance de os resultados serem apenas 
coincidência. 
 
 
 
 
 
 
 
https://www.surveymonkey.com/market-research/data-quality/?ut_source=mp&ut_source2=sample-size-calculator&ut_source3=inline
O desvio-padrão 
• Desvio-padrão da população 
O desvio-padrão (indicado pela letra grega sigma, s) é 
uma medida da dispersão das observações em relação 
à média. 
O desvio-padrão é a raiz quadrada da variância, que se 
baseia na medida em que cada observação se desvia 
do valor da média aritmética. 
A média desses desvios quadrados é conhecida como 
variância. 
 
onde: σ2 = variância da população, x = variável, (x-barra) = média 
da variável x, xi = observação individual, n = número de 
observações da variável, ∑ = a soma de (o quadrado das diferenças 
das observações individuais a partir da média). 
O desvio-padrão da população é igual à raiz quadrada 
da variância da população. 
• Desvio-padrão da amostra 
Quando dispomos de dados para toda a população, a 
variância é igual à soma dos quadrados dos desvios, 
dividida por n (número de observações da variável). 
Ao manusear os dados de uma amostra, o divisor para 
a fórmula é (n – 1) em vez de n. 
 
O desvio-padrão da amostra é igual à raiz quadrada da 
variância da amostra. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Erro-padrão 
• Erro-padrão da média 
O erro-padrão da média (SEM, do inglês, standard 
error of the mean) é uma medida do grau de distância 
da média da amostra em relação à média da 
população, definindo o seu verdadeiro valor na 
estimativa populacional. Quanto maior o tamanho da 
amostra, maior a precisão da média da amostra como 
uma estimativa da média da população. 
Quando escolhemos apenas uma única amostra para 
estudo, a média da amostra não será necessariamente 
a mesma que a verdadeira média da população. 
Devido à variação de amostragem, diferentes 
amostras selecionadas a partir da mesma população 
fornecerão diferentes médias nas amostras. Portanto, 
se calcularmos as médias a partir de todas as 
amostras possíveis na população, teremos uma 
distribuição de média amostral. Esta distribuição tem 
as seguintes propriedades: 
− Se a amostra for suficientemente grande, a 
distribuição amostral da média seguirá uma 
distribuição de Gauss (mesmo se a população não 
for gaussiana!) devido ao teorema do limite 
central. Que tamanho da amostra deveria ser 
usado? Em geral, isso depende do grau de 
distância da distribuição da população em relação 
à distribuição gaussiana (distribuição normal). 
− A média da distribuição é igual à média da 
população. 
− O desvio-padrão da distribuição da amostragem 
de uma média é conhecido como o erro-padrão 
da média (SEM, do inglês, standard error of the 
mean), que quantifica a precisão da média. 
• Erro-padrão da média da amostra 
À medida que o tamanho da amostra aumenta, o 
erro-padrão da média da amostra diminui; portanto, a 
diferença entre a média da amostra e a média da 
população diminui. 
 
 
 
Distribuição normal: características 
A distribuição normal, também chamada distribuição 
de Gauss, tem características bem conhecidas: 
graficamente, é uma curva em forma de sino, possui 
simetria da distribuição normal a média, a mediana e 
a moda coincidem e estão no centro da distribuição, a 
curva é simétrica em torno da média. Logo, 50% dos 
valores são iguais ou maiores do que a média e 50% 
dos valores são iguais ou menores do que a média, a 
curva abriga 100% da população, ou seja, toda a 
população está sob a curva. A distribuição normal fica 
definida quando são dados dois parâmetros: a média, 
que se representa pela letra grega µ (lê-se mi), e o 
desvio padrão, que se representa pela letra grega σ 
(lê-se sigma).