Baixe o app para aproveitar ainda mais
Prévia do material em texto
Capítulo 6:Noções sobre Correlação O capítulo 6 do livro Introdução a Bioestatística da Sônia Vieira é interessante, pois introduz sobre as noções de correlação. Ele começa apresentando a importância de um diagrama de dispersão numa análise estatística. Para facilitar o entendimento, a autora traz duas variáveis, a X e a Y, e supões que os leitores já saibam calcular a média, o mínimo, o máximo e o desvio padrão dessas variáveis, conforme já foi estudado nos capítulos anteriores. No entanto, ainda é preciso saber se existe alguma relação entre essas variáveis, se existe, qual tipo e grau tem essa relação. É importante, para estudar essa relação, que se construa um gráfico, chamado de diagrama de dispersão, que permite enxergar a relação entre as variáveis, ele pode ser construído a partir do traçado de um sistema de eixos cartesianos que represente uma variável em cada eixo e que sejam estabelecidas escalas para dar ao diagrama um aspecto quadrado. Em seguida, deve-se escrever o nome das variáveis em seus respectivos eixos e depois, as graduações, para, por fim, desenhar um ponto que represente cada par de valores das variáveis. Depois de construir o gráfico, é possível identificar qual a relação entre as variáveis, de modo que, se X e Y crescem no mesmo sentido, a correlação entre as variáveis é positiva, se X e Y crescem em sentidos opostos, a correlação é negativa. No caso da representação gráfica, quando os pontos estão muito espalhados, indica que a correlação é fraca, será forte quando os pontos estiverem mais concentrados em torno de uma reta imaginária. Pode, ainda, existir o caso de correlação nula, que é muito interessante, porque acontece quando a variação Y não está relacionada com a X, nesse caso, X cresce e Y varia ao acaso, assim, não existe correlação entre elas. Ainda sobre as representações gráficas, elas podem ser consideradas lineares quando os pontos estão dispersos em torno de uma reta. Também é essencial medir o grau de correlação linear entre duas variáveis numéricas. Essa medida é o coeficiente de correlação de Pearson, que se representa por r e é definido pela fórmula: A partir do resultado do cálculo, é possível interpretar o valor do coeficiente de correlação, que deve ser sempre entre -1 e +1 (inclusive o -1 e +1), sendo, quando o resultado for +1, significa que a correlação é perfeita positiva e -1, perfeita negativa. Quando 0, a correlação é nula e 0 < r < 1, a correlação positiva e -1 < r < 0, negativa. Nas ciências da saúde, os coeficientes de correlação são pequenos, devido à grande variabilidade dos fenômenos biológicos. Para calcular o coeficiente de correlação, é preciso fazer algumas pressuposições, precisa saber se as unidades medidas foram ao acaso ou se representam uma grande população, se cada unidade fornece valores para as variáveis X e Y e se essas variáveis foram medidas independentemente, de modo que a correlação nunca será zero. Além disso, é importante ter cuidado ao interpretar os coeficientes de correlação, pois o valor de r só tem significado se os pontos em um diagrama de dispersão estiverem em torno de uma linha reta, logo é preciso primeiro desenhar o diagrama e se ele não for linear, r não irá medir a relação entre as variáveis. Também é importante destacar que o fato da correlação ser positiva, não significa que o aumento de uma variável causa aumento na outra, apenas indica que elas crescem no mesmo sentido, de maneira igual acontece com a negativa, o acréscimo de uma não significa o decréscimo de outra. É preciso saber desses detalhes para que não haja interpretação equivocada sobre as correlações entre as variáveis estudadas. Portanto, é essencial estudar as noções sobre correlação em estudos científicos na área da saúde, primeiramente para entender a relação entre as variáveis existentes e para saber interpretar um diagrama de dispersão de maneira correta e em segundo lugar, para expressar resultados coerentes e precisos em uma pesquisa.
Compartilhar