Baixe o app para aproveitar ainda mais
Prévia do material em texto
TESTE DE HIPÓTESE A mídia começou a divulgar uma "doença misteriosa que causa coceira e bolha avermelhadas é diagnosticada em mais 70 pessoas na Ba; secretaria fala em 'surto' " os primeiros casos foram registrados em um condomínio em Salvador, em varias faixas etárias. Os primeiros exames descartaram dengue ou chicungunha. - Toda pesquisa começa com uma pergunta sem uma ação inicial, não temos porque pesquisar. Na ciência para responder as perguntas que são colocadas utilizamos a pesquisa cientifica e esse era o caso. > Porque as pessoas daquela condomínio de um bairro da cidade de salvador estavam apresentam essas coceiras e bolhas vermelhas na pele. Um problema epidemiológico, que foi necessário realizar um estudo. Os pacientes começam a responder questionários e nesse momento estamos fazendo o uso do da epidemiologia descritiva. Com intuito de responder as perguntas: • Quem? Quando? Onde? Click em questionário Quando o professor apenas 'suspeita' assim ele estava dizendo que a hipótese que se tratava era ser algo ambiental. Essa hipótese é orientadora e definidora tanto da natureza dos dados que seriam coletados como da metodologia dessa coleta. HIPÓTESES: são conjecturas com as quais procuramos explicar problemas que tenham ocorridos ou problemas que estejam ocorrendo. São respostas possíveis dadas aos problemas postos pela ciência ou pelo senso comum. Sugere explicação para os fatos. Cabe enfatizar que na estatística no lugar de aceitar a hipótese preferimos ser mais cauteloso e dizer não rejeitar. • De acordo com o que vimos, hipóteses podem ser pensadas como questões a respeito do problema em estudo. Ao seres respondidas essas hipóteses podem ajudar a resolver esses problemas. • Uma vez formuladas elas devem ser comprovadas ou não, por meio de um estudo ou uma pesquisa, com auxilio de teste estatístico. Em um teste estatístico: HIPÓTESE NULA: É aquela colocada à prova HIPÓTESE ALTERNATIVA: É aque le que será considerável aceitável, caso a hipótese nula seja rejeitada. Na área da saúde a hipótese nula esta associada à uma igualdade entre medias e proporções que podem indicar a não associação (independência) entre fatores de interesse. Então ela diz que não ha associação entre a exposição e o desfecho sob estudo. Por ex: Tempo de recuperação de pacientes internados por uma determinada doença infecciosa. Supondo que vamos comprar três tipos de tratamento. 1. Uma possível hipótese nula: "o tempo medio de recuperação é o mesmo nos três tratamentos", ou " o tipo de tratamento não influencia no tempo de recuperação" A questão é que t o d o t e s t e e s t a t í s t i c o possuem erros associados a e l e . N e s t e quadro: Hipotese resposta provisória > rejeitada > não rejeitada Mostrando quatro cursos possíveis de ação. Se concentrando na primeira e na ultima o pesquisador cometeu um erro. 4 ele erra de novo: porque deixou de rejeitar uma hipótese falsa Erro tipo ll - Cometemos o erro do tipo l ao rejeitar a hipótese nula quando ela é verdadeira. (alfa) - Cometemos o erro do tipo ll ao aceitar a hipótese quando ela é falsa. (beta) Naquele ex da doença infecciosa I. O erro do tipo l corresponderia dizer que o tipo de tratamento influência no tempo de recuperação, quando na realidade o tempo médio é o mesmo nos três tratamentos. II. O erro do tipo ll seria concluir que o tipo de tratamento não influencia no tempo de recuperação quando na realidade o tempo medio é diferente nos três tratamentos Pensando no julgamento de um réu. O acusado pode ser condenado ou inocentado. Existe duas possibilidades de acertos e duas de erro . Acerto: 1. Condenar a pessoa sendo de fato culpado 2. Inocentar essa pessoa sendo que de fato ela é inocente. Erro: 1. ele pode ser condenado, sendo inocente 2. ele pode ser inocentado, sendo culpado. No caso da ciência substitua réu por hipótese e o julgamento do réu pelo julgamento sobre aceitação ou não de uma hipótese, (no nosso caso o réu será a hipótese porque ela que será julgada). Na estatística esse julgamento não é feito no tribunal mas por meio de testes estatísticos, Os quais nos fornecem respostas probabilísticas, com chances de erro e de acerto. Quanto mais rígido for o teste estatístico, menos chances teremos de afirmar que existe um efeito quando ele não existe. Reduzimos o erro do tipo l, mas por outro lado, teremos mais chances de ignorar um efeito que exista (aumentamos o erro do tipo ll) Se o teste é menos rígido, aumentamos as chances de aceitar efeitos que não existem Aumentamos o erro do tipo I, mas diminuímos as de negar efeitos que existam (reduzimos o erro do tipo ll) • Qual destes dois erros é o mais importante R= depende de cada problema. O ideal seria tornar ambos tão pequenos quanto possível Quanto mais tentamos reduzir um desses erros, mais aumentamos a chance do outro. Mas em geral trabalhamos com testes que o alfa é fixo e o beta é o menor possível . Um ex simples: 10 bolas, sendo 4 brancas e 6 vermelhas. Uma pessoa sabe que existe essas duas cores mas não a quantidade de cada uma das cores, ela então levanta uma hipótese, que foi de: 5 bolas vermelhas e 5 bolas brancas. É uma hipótese que devera ser rejeitada ou não. Se o pesquisador admite que há igual número de bolas de cada cor: P(B) = P(V) = ½ = 0,5 X = nº de bolas brancas Ho : P(B) = 0,5 A hipótese alternativa será considerada aceitável caso a hipótese nula seja rejeitada. l . Esta alternativa indica que a quantidade de bolas brancas é diferente da quantidade de bolas vermelhas, mas não especifica prevalência Ha: P(B) ≠ 0,5 ll . Esta alternativa indica que o pesquisador admite existirem mais bolas brancas que vermelhas na urna. Ha: P(B) > 0,5 lll . Esta alternativa indica que o pesquisador admite existirem menos bolas brancas que vermelhas na urna Ha: P(B) < 0,5 Ele, de fato, não quer cometer erro algum, mas esta disposto a tolerar um erro se esse erro for pequeno. I. Não sabe para que lado “pende a balança”, isto é, admite que qualquer das cores pode ter prevalência sobre a outra. Nesse caso, a hipótese chama se bilateral, bidirecional ou bicaudal. II. Tem boas razões para suspeitar que há mais bolas brancas que vermelhas. A hipótese, nesse caso, chama se unilateral direita, unidirecional direita, ou unicaudal direita. III. Sua suspeita de maioria cairá sobre as bolas vermelhas. A hipótese será unicaudal esquerda e o erro, agora, estará concentrado no lado esquerdo. Vamos supor que o pesquisador Vamos supor que o pesquisador tenha escolhido a Ha : P(B) < 0,5 (unicaudal esquerda) O passo seguinte é realizar um experimento que lhe permita testar a Ho : P(B) = 0 5 (sempre colocamos a hipótese nula à prova). Por exemplo, extrair por sorteio e com reposição 6 bolas. Suponha que ele tenha extraído 1 bola branca e 5 bolas vermelhas. ESPAÇO EXPERIMENTAL Indicado por R (espaço experimental) o conjunto de todos os resultados possíveis no experimento. R: 0, 1, 2, 3, 4, 5 ou 6 bolas brancas O foco do pesquisador voltado para o lado esquerdo por alguma razão ele suspeita que tenha menos bolas brancas que bolas vermelhas. (unicaudal a esquerda esperando poucas bolas brancas). Estabelece um critério para repartir R (espaço experimental) em dois espaços: 1. Região crítica (Rc) 2. Região não crítica (Rc*) Se o valor de X obtido no experimento pertencer à região crítica Ho deverá ser rejeitada Se o valor de X obtido no experimento pertencer à região não crítica Ho não deverá ser rejeitada Se eu fosse a pesquisadora o critério para repartir R (espaço experimental) de tal modo que Rc + R c * = R é dado pelo nível de significância ↳ Probabilidade do erro do tipo I nível chama- se de significância nível de significância. através de alfa α nível de significância usualmente : 5% 1% 0,1%. Na área da saude na maioria dos casos de 5%. *podeassumir qualquer valor mas raramente excede 15%. • Vamos supor α = 12 % (só a título de ilustração). De obter 0 bolas brancas, ou seja, um x=0. Para fazer esse calculo a binomial de (n x) * p^x * q^(n-x) - Distribuição binomial para p = 0,50 (as bolas brancas e as vermelhas), n = 6 e X = 0. P (X=0) = (6 0) X 0,50^0 X 0,5^6 0,015625 0,015625<0,12. Então (X = 0) serve, isto é, faz parte da Rc - Distribuição binomial para p = 0,50, n = 6 e X = 1 P (X=1) = (6 1) X 0,50^1 X 0,5^5 0,09375 0,09375<0,12 . Então (X = 1 ) serve, isto é, faz parte da Rc - Distribuição binomial para p = 0,50 , n = 6 e X = 2 P (X=2) = (6 2) X 0,50^2 X 0,5^4 0,234375 0,234375>0,12. Então (X = 2) não serve, isto é, não faz parte da Rc* Lembrando o que fizemos ate agora a Ho: P(B) = 0,5 e para testar essa hipótese o pesquisador fez o experimento extraindo da urna por sorteio e com reposição 6 bolas, sendo 1 branca e 6 vermelhas. o nosso X = nº de bolas brancas Decidimos por rejeitar a Hipótese nula aceitamos a Hipótese alternativa (a probabilidade de tirar bola branca era menor que 0,5). Há menos bolas brancas do que vermelhas. Conclusão: Como ( X = 1 ) ∈ Rc → Ho rejeitada Ex 2º: Admita se que uma droga P tenha, com relação à certa doença, uma eficácia conhecida Ep, medida pela proporção de curas, da ordem de 50 isto é, Ep 50%. Admita se, ainda, que certo laboratório esteja interessado em lançar no mercado uma nova droga N cuja eficiência, com relação à mesma doença, fosse En, esperada ser superior a Ep. Ep < En Mas antes de lançar esse medicamento no mercado, o laboratório precisa testar a eficiência da droga n contra a eficácia da droga p. Ja aprendemos o delineamento do estudo que é um ensaio clinico controlado e randomizado: * randomizado quer dizer que as pessoas foram escolhidas de forma aleatória nos dois grupos. ⇾ Estatisticamente falando, o problema do laboratório é testar a hipótese de que ambas as drogas têm a mesma eficiência contra a hipótese de que a droga N é mais eficiente do que a P Hipótese 1 En = Ep Hipótese 2 En > Ep * não me interessa saber se é diferente a n da p, só interessa saber se a eficácia da n é maior que a droga p, nesse caso é chamada de unicaudal direita. ↦ Supondo que a Ho seja realmente verdadeira, se for tomada a primeira decisão, ou seja, de aceitar a Ho Não estaremos cometendo nenhum erro, pq a Ho é verdadeira verdadeira Ho : En = Ep nenhum erro H1 : En > Ep ↦ Se for tomada a segunda decisão (rejeitar Ho comete se evidentemente um erro, consistente em aceitar Ho quando Ho é falsa ↦ Suponha se agora que realmente H 1 seja verdadeira, isto é, que Ho seja falsa Se for tomada a primeira decisão (aceitar Ho) comete se evidentemente um erro, consistente em aceitar Ho quando Ho é falsa Vamos supor α (nível de significância) = 5% O laboratório conduz o experimento em uma amostra de 10 pacientes, e a droga N cura 9 pacientes, isto é, En = 90%. - Com base nesse resultado, este resultado leva a aceitar ou a rejeitar Ho? A fim de se responder a essa pergunta, é preciso calcular a probabilidade de se obter 9 ou 10 curados numa amostra de 10 paciente se a droga N fosse tão eficiente quanto a droga P. ↳ Mesma coisa de saber com que probabilidade a droga padrão, que é 50% eficiente, curaria 9 ou 10 indivíduos numa amostra de 10. Para fazer o calculo dessa probabilidade, ou seja, de encontrar 9 ou 10 curados, utilizaremos novamente a distribuição binomial. Distribuição binomial para p = 0,50, n = 10 e X = 9 P (X = 9) = (10 9) X 0,50^9 X 0,50^1 0,009765625 O segundo passo é fazer a probabilidade de um X=10 Distribuição binomial para p = 0,50, n = 10 e X = 10 P (X = 10) = (10 10) X 0,50^10 X 0,50^0 0,0009765625 P(X=9) 0,009765625 + P(X=10) 0,0009765625 = 0,01074 Deveremos comparar esse valor com o nível de significância que adotamos e nesse exemplo é de 0,05. Porque o nível de significância foi de 5%. Ao comparar verificamos que essa probabilidade encontrada de 0,01074 < 0,05 esse valor estar então na região critica. Conclusão: N é mais eficiente do que P. Em outras palavras "Rejeita se Ho ao nível de 5% e diz se que o resultado obtido é significante ao nível de 5% isto é, a eficiência de 90% difere significantemente de 50% o que explica por que o teste de hipóteses é também chamado de teste de significância." Como exercício: Suponha se que na amostra de 10 pacientes tratados com a nova droga N apenas 7 tivessem sido curados. Distribuição binomial para p = 0,50 , n = 10 e X = 7 P (X = 7) = (10 7) X 0,50^7 X 0,50^3 0,1171875 ou 11,719% 11,719% é maior do que α = 5 %. De acordo com o critério fixado, não há evidência em favor de H 1 , isto é, o laboratório aceita Ho. 0,1171875 > 0,05 Concluímos que um X=7 esta localizado na região não critica Rc*, nesse caso não podemos rejeitar a hipótese nula (Ho) e concluímos que a eficácia do medicamento n = p . Da mesma forma que um pesquisador não quer rejeitar uma hipótese que seja verdadeira e por isso estabelecemos um alfa tão pequeno (5%) ele também não quer deixar de rejeitar uma hipótese falsa, o jeito então é buscar uma probabilidade grande associada a esse risco, ou seja, comete esse erro tipo ll. A probabilidade de não cometer um Erro tipo II chama se poder do experimento (ou simplesmente poder) e é designada por β. Na verdade o poder representa a sensibilidade da região critica para perceber e rejeitar uma hipótese falsa. P (não cometer Erro tipo II) = β verdadeira Ho : En = Ep H1 : En > Ep erro Erro tipo I Erro tipo Il Ho : En = Ep erro verdadeira H1 : En > Ep Alfa (nível de significância) é a probabilidade de a região critica rejeitar a hipótese nula se ela for verdadeira. Beta é a probabilidade da região critica não rejeitar a hipótese alternativa se ela for verdadeira.
Compartilhar