A maior rede de estudos do Brasil

Grátis
6 pág.
Resumo - Aspectos em Bioestatística

Pré-visualização | Página 1 de 2

Júlia Figueirêdo – HABILIDADES GERAIS V 
ASPECTOS EM BIOESTATÍSTICA: 
VARIÁVEIS ESTATÍSTICAS: 
As variáveis são características atribuídas 
a indivíduos, populações ou objetos, de 
forma a favorecer a descrição estatística. 
Para que esse propósito seja alcançado, tais 
descritores devem oscilar dentro da amostra 
em análise. 
A determinação desses parâmetros é 
importante para poder dividir 
adequadamente os grupos comparados, 
além de direcionar os testes a serem 
aplicados e determinar o mecanismo de 
cálculo amostral. 
As variáveis apresentam duas grandes 
naturezas, a saber: 
 Variáveis qualitativas (categóricas): 
não são expressas por índice de 
quantidade, mas sim por múltiplas 
categorias que atribuem juízo ao 
indivíduo ou objeto alvo. Segmentam-se 
ainda em: 
o Variáveis nominais: não há uma 
única ordenação a ser seguida 
dentro das categorias (ex.: sexo, 
etnia, etilista/não etilista); 
o Variáveis ordinais: os parâmetros 
definidos apresentam uma 
organização lógica (ex.: meses do 
ano, escolaridade); 
o Variáveis dicotômicas: apresenta 
apenas dois estados (sim/não, 
vivo/morto); 
o Variáveis policotômicas: pode se 
dividir em múltiplas categorias. 
 Variáveis quantitativas (numéricas): 
podem ser descritas por meio de 
escalas ou valores numéricos, 
dividindo-se em: 
o Variáveis contínuas: correspondem a 
valores que podem ser 
fracionados infinitamente sem 
perder o sentido numérico, 
geralmente estando associados a 
medições realizadas com 
instrumentos específicos (ex.: 
temperatura, peso, altura e idade); 
 Variáveis contínuas 
intervalares: a presença de 
valores nulos não indica a 
ausência do evento em análise; 
 Variáveis contínuas de razão: o 
“zero” indica a ausência do 
fenômeno em análise. 
o Variáveis discretas: determina o 
resultado de contagens, aceitando 
como detentores de sentido apenas 
números inteiros (ex.: número de 
irmãos, número de plaquetas 
dispersas no sangue, quantidade de 
refeições realizadas num dia). 
Cabe salientar que, para alguns parâmetros, 
é possível realizar uma “transformação de 
variáveis”, permitindo a expressão de uma 
informação por mais de um tipo de descrição. 
Um exemplo é a idade, que pode ser 
contínua, especificando anos, meses 
e dias, discreta, ao “arredondar” o 
ano, ou até mesmo tornar-se uma 
variável qualitativa ordinal, por meio 
de grupos etários. 
INFERÊNCIA ESTATÍSTICA: 
A inferência estatística tem como finalidade 
a produção de afirmações que partam de 
um conjunto representativo aleatório 
(amostra) em direção ao todo, ao universo 
que está sendo estudado (população). 
 
Relação de inferência estatística entre amostra e 
população 
Júlia Figueirêdo – HABILIDADES GERAIS V 
Para garantir a verossimilhança dos 
dados coletados na pesquisa, a 
representatividade da amostra é 
crucial, devendo ser escolhidos 
indivíduos que correspondam às 
características gerais (idade, sexo, 
etnia, renda média, etc.) da 
população. 
A conclusão das proposições analisadas 
por esse modelo estatístico visa determinar 
a probabilidade de que os resultados 
encontrados sejam decorrentes da 
variação amostral. Para tanto, são 
empregados os testes de hipótese 
(fornecem o valor de p) e o intervalo de 
confiança (IC). 
A execução do teste de hipóteses tem 
como objetivo a verificação de qual 
afirmação sobre um determinado parâmetro 
é verdadeira, existindo duas possibilidades: 
 Hipótese estatística nula (H0): 
representa nulidade, ou seja, a ausência 
de quaisquer relações entre os pontos 
testados, independentemente do que já 
existe na literatura (Ex.: não existe 
relação entre A e B); 
 Hipótese alternativa (Ha ou H1): 
determina a presença de determinada 
variação, provando ou não a hipótese 
científica (crença do pesquisador). 
o Nota-se que não existe relação direta 
de dependência entre a hipótese 
científica e a hipótese estatística. 
Estabelecidas as proposições hipotéticas, a 
coleta e análise de dados estabelecerá 
qual delas é verdadeira e, portanto, deverá 
ser aceita pelo pesquisador (decisão 
correta). 
No entanto, dois tipos de erro podem 
ocorrer a partir da apreciação incorreta dos 
resultados obtidos, a saber: 
 Erro tipo I (α): ocorre quando a hipótese 
nula é rejeitada pelo pesquisador, 
mesmo que seja verdadeira. Dá origem 
ao falso-positivo, tipo mais grave de erro 
estatístico; 
o É admissível uma probabilidade de 
até 5% para cometer esse tipo de 
erro, consolidando assim o nível de 
confiança. 
O valor de p é utilizado para refletir a chance 
de ocorrência do erro alfa, e determina a 
presença de relevância estatística. É de 
escolha arbitrária, normalmente assumindo 
valor 0,05. 
Se p < 0,05 a hipótese nula deve ser 
rejeitada. 
 Erro tipo II (β): representa a 
probabilidade de aceitar a hipótese 
nula quando ela é falsa. É aceitável 
quando ocorre em frequência inferior a 
10-20%. 
 
Possibilidades de interação entre a realidade e o 
resultado do teste de hipóteses estatísticas 
Cabe ressaltar que diferenças 
estatisticamente significativas nem 
sempre são clinicamente relevantes, ou 
seja, nem sempre justificam uma possível 
mudança de conduta. 
 
Associação entre o resultado do teste de hipóteses e 
o valor de significância estatística da pesquisa 
Além do já mencionado valor de p, o 
intervalo de confiança (IC) também pode 
Júlia Figueirêdo – HABILIDADES GERAIS V 
ser utilizado para prever a precisão 
estatística de um estudo, tendo como valor 
geral 95%. 
Esse dado permite afirmar que, em 
100 estudos investigando os mesmos 
aspectos, 95 apresentarão os 
mesmos resultados da atual pesquisa. 
ESTATÍSTICA DESCRITIVA: 
A estatística descritiva tem como propósito a 
exposição de dados coletados sem 
realizar inferências, ou seja, sem extrapolar 
os resultados para o universo de pesquisa. 
São definidos como dados todas as 
informações obtidas a partir de 
contagens, medições, observações 
ou respostas. 
A representação dos dados e de suas 
características irá depender do tipo de 
variável associada a eles, a saber: 
 Variáveis categóricas: podem ser 
expressas de forma absoluta, 
empregando números e porcentagens; 
 Variáveis numéricas: empregam 
medidas de tendência central ou 
medidas de dispersão para serem 
expostas. 
Dessa forma, é possível identificar diversos 
mecanismos de apresentação da 
informação, como: 
 Medidas de tendência central: buscam 
identificar a porção central de um 
grupo de amostras, empregando como 
principais parâmetros: 
o Média aritmética: corresponde ao 
somatório de todos os valores 
dividido pelo número de 
elementos. O número resultante 
desse processo é uma estimativa do 
ponto central das variáveis, sofrendo 
interferência de valores extremos; 
o Mediana: representa o ponto central 
de um conjunto de dados ordenados 
de forma crescente. Em um total de 
valores ímpar, a mediana será o 
índice central, ao passo que, caso 
seja par, ela será representada pelas 
duas posições de centro. Não há 
influência de valores extremos; 
o Moda: identifica o valor que aparece 
com maior frequência num conjunto 
de dados (numérico ou nominal). 
Pode não haver moda (amodal), 
apenas um valor (unimodal), duas 
repetições mais comuns (bimodal) ou 
ser multimodal; 
 
Definições e aplicabilidade das principais medidas de 
tendência central 
 Medidas de dispersão/variabilidade: 
determinam a variabilidade de um 
conjunto de dados, expondo as 
diferenças entre os elementos de uma 
amostra. Os principais mecanismos 
utilizados são: 
o Amplitude: utiliza os dois valores 
extremos (A = valor máx. – valor 
mín.) de um conjunto para determinar 
a variabilidade, ainda que não seja 
muito precisa; 
o Intervalo interquartil (x(y-z)): os 
quartis são pontos de segmentações 
no grupo amostral, dividindo o 
conjunto em quatro segmentos 
iguais. O 2º quartil (Q2)