Resumo de Estatística Inferencial

https://www.passeidireto.com/perfil/maxilostudy
RESUMO DE ESTATÍSTICA INFERENCIAL
*ESTATÍSTICA INFERENCIAL: usada para formular conclusões e fazer inferências após a análise de dados coletados em pesquisas. 
“Na estatística inferencial estamos sempre interessados em utilizar as informações de uma amostra para chegar a conclusões sobre um grupo maior, ao qual não temos acesso. Nesse sentido, uma ferramenta muito utilizada na estatística inferencial é a probabilidade”.
Usa os testes de hipóteses e a estimação para fazer as comparações e predições e tirar conclusões que servirão para as populações baseados em dados de amostras. Somente é possível após testar as hipóteses estatísticas. 
TERMOS:
· VARIÁVEL: Toda característica sobre a qual se coletam dados em pesquisas denominada variável. 
· PARÂMETRO: Características mensuráveis da população.
· INFERÊNCIA: Processo de conhecer a população, de emitir conclusões sobre ela, com base nas observações ou medições efetuadas nos indivíduos da amostra.
Dois procedimentos são usualmente empregados para lidar com o acaso e avaliar a significância estatística dos resultados, em que há a determinação do valor p, são eles:
· INTERVALO DE CONFIANÇA (IC): revela a precisão dos dados da amostra, está relacionado com a variabilidade (estatística do desfecho principal) das estimativas de acurácia, indica margem de erro, fornece amplitude de valores onde esta localizado o parâmetro populacional, faixa de valores para a média ou proporção da amostra, ou para o parâmetro que está sendo estimado (p. ex., risco relativo). 
O seu cálculo está diretamente relacionado com o erro tipo I ou α (alfa)
Quanto menor o α mais amplo o intervalo de confiança ou seja, mais confiável aquele estimador. 
Tanto o IC como o erro padrão são calculados de acordo com as características e resultados obtidos nas amostras, servindo para interpretação da relevância clínica da variável diagnóstica. 
Normalmente o IC adotado nas áreas da saúde é o de 95%. 
Uma propriedade do IC é possibilitar a interpretação conjunta do acaso e do tamanho do efeito (diferentemente do valor p).
Ex: Se uma diferença detectada se encontra fora do IC estabelecido o resultado (o achado de uma investigação) é considerado estatisticamente significativo e relevante do ponto de vista clínico.
· Grandes amostras produzem estimativas mais precisas caracterizadas por pequenos intervalos de confiança.
· Pequenas amostras produzem amplos intervalos de confiança o que significa imprecisão.
Obs.: Tamanho de amostra e IC são inversamente relacionados.
Obs.: Na atualidade é preferível utilizar o IC do que o valor de p, pois fornece mais informações para os resultados.
Obs: Prevalência (Ex: 12,8% = prevalência por ponto); IC (Ex: 11% a 14,7% = estimativa por intervalo).
· VALOR P: a estratégia de calcular o valor p permite ao investigador quantificar a magnitude de associação observada em comparação com a que poderia resultar do mero acaso.
NÍVEL DE SIGNIFICÂNCIA (ou teste de significância) aceitável e mais usado na área de saúde é de 5%, valor p ou p-valor (< 0,05): denominado o nível descritivo, que tem relação direta com o poder do teste
É “probabilidade mínima de erro ao concluir que existe significância estatística”. 
O valor p é influenciado pelo tamanho da amostra.
Os testes estatísticos de hipóteses calculam a probabilidade de o evento pesquisado ocorrer assumindo-se que a hipótese nula seja verdadeira. 
Essa probabilidade é conhecida como valor de p (indica se o acaso é explicação plausível para os achados). 
ATENÇÃO: O erro mais comum entre os leitores é acreditar que o valor de p representa a probabilidade de a hipótese nula ser verdadeira.
· ☑ Valor P < 0,05 ☑ = rejeita-se a hipótese nula e aceita-se a hipótese alternativa; há diferença ou associação entre os grupos analisados, há significância estatística. Esse raciocínio se aplica aos ensaios clínicos de superioridade. 
· ❎ Valor P > 0,05 ❎ = aceita-se a hipótese nula e rejeita-se a hipótese alternativa; “não há diferença estatisticamente significante em X variável analisada” sem significância estatística. Esse raciocínio se aplica aos ensaios clínicos de não inferioridade ou de equivalência.
A maioria dos resultados dos programas atuais de estatística fornece o valor p para a modalidade bicaudal. 
· TESTE UNICAUDAL: há uma única direção de resultados. 
Ex: o tratamento novo é melhor do que o habitual?
· TESTE BICAUDAL (não direcional ou bilateral): o objetivo consiste em saber se há diferenças entre os grupos, sem se importar qual grupo é privilegiado. 
Ex: há diferença entre os grupos?
A hipótese é uma presunção numérica acerca de um parâmetro desconhecido ao pesquisador, uma das funções da hipótese é de se constituir em guia para a investigação e para a coleta de dados e sua análise, resume os elementos principais do estudo: a amostra e as variáveis preditora e de desfecho. 
As hipóteses NÃO são necessárias em estudos descritivos (aqueles que não apresentam estratégia de comparação), mas são imprescindíveis em estudos que fazem testes estatísticos. A hipótese antecede a análise de dados. 
São elas:
· Hipótese do investigador (experimental): é geralmente a suposição que relaciona as duas variáveis principais da pesquisa, designadas como causa e efeito, ou exposição e desfecho.
· Hipótese de nulidade (H0) refere-se à ausência de efeito ou de associação (das variáveis preditora e de desfecho na população), representa a diferença entre os valores observados. A palavra nula significa não haver diferença ou relação entre os eventos pesquisados, ou grupos comparados.
Um resultado estatisticamente não significativo (p > 0,05) implica na NÃO rejeição da hipótese nula: o ACASO é explicação provável para os resultados.
· Hipótese alternativa H1 (afirmativa): defende que existe diferença entre pelo menos duas populações estudadas e quando positiva diz haver diferença entre os grupos analisados.
A hipótese alternativa pode ser unilateral (apenas uma direção da associação será testada) ou bilateral (ambas as direções serão testadas). As unilaterais são usadas em casos raros.
O investigador deve determinar uma HIPÓTESE PRINCIPAL como foco de delineamento e para estimativa de tamanho de amostra, mas caso seja de interesse também pode ser determinado hipóteses secundárias. 
ERROS ESTATÍSTICOS (acaso/erro aleatório) possíveis ao se basear nas hipóteses para formular conclusões:
· ERROS TIPO I: resultado falso positivo, ou seja, rejeitar a hipótese nula quando na verdade essa é verdadeira.A probabilidade de ocorrer o erro tipo I é conhecida como nível de significância estatística ou alfa (α).
Como evitar? Evitam-se amostras grandes demais, pois significa trabalho desnecessário de coleta de dados e encarecimento do projeto, além do fato de que diferenças triviais, irrelevantes do ponto de vista prático, podem ser rotuladas como estatisticamente significativas.
· ERROS TIPO II: resultado falso negativo, ou seja, aceitar a hipótese nula quando na verdade essa é falsa. Conhecido como beta (β) ou poder estatístico (probabilidade de se detectar uma diferença estatisticamente significativa entre os grupos em comparação se a diferença real na população for igual a magnitude de efeito).
Como evitar? Evitam-se amostras pequenas que não permitam conclusões confiáveis, pois ocorre a possibilidade de diferença importantes não serem significativas do ponto de vista estatístico. 
· Erro Aleatório: método quantitativo para esse erro IC e valor p.
· Erro Sistemático: método quantitativo para esse erro análise de sensibilidade.
VIÉS DE CONFUNDIMENTO: terceiro evento confundidor de achados. 
Como evitar? Restrição de grupos populacionais; randomização; estratificação; emparelhamento das variáveis; analise estatística multivariada. 
MAGNITUDE DE UM EFEITO: magnitude de associação que espera encontrar na amostra/diferença mínima que o investigador deseja detectar entre os dois grupos em comparação.
VARIABILIDADE (OU DISPERSÃO): quanto maior a dispersão