Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouLuca Matheus Alterado mais de 10 anos atrás
1
INTERVALOS DE CONFIANÇA E ASSOCIAÇÃO ENTRE VARIÁVEIS CATEGÓRICAS
Biotecnologia – UFPel 2011
2
Amostra Quero conhecer um atributo de uma população (alvo)
Escolho um grupo para estudar (população em estudo) Deste grupo, tiro uma amostra Porque todo este trabalho???
3
Amostra Representar a população Precisão VARIABILIDADE
equiprobabilidade Precisão influi no cálculo do tamanho da amostra VARIABILIDADE cada amostra dá um resultado!
4
Distribuição das médias amostrais
Se cada amostra dá 1 resultado diferente… Repetir o processo de amostragem e estudar a distribuição dos resultados! Como será que esta distribuição se compara com a distribuição dos dados originais???? Teorema do Limite Central distribuição das médias amostrais tende à distribuição normal quando o N tende ao infinito, independente da distribuição original dos dados
5
Distribuição das médias amostrais
A média é a mesma A variância é menor depende do tamanho da amostra!
6
Intervalo de confiança
Intervalo que contém o parâmetro de interesse () com alto grau de certeza Intervalo de confiança de 95%: IC95%: média – 1,96 x e.p., média + 1,96 x e.p. baseado na distribuição normal
7
Intervalo de confiança de 95%
3100 3200 3300 95% das amostras
8
Exemplos PNASC Total Sum Mean Variance Std Dev Std Err Minimum %ile Median %ile Maximum Mode Student's "t", testing whether mean differs from zero. T statistic = , df = p-value = Calcular: IC 95% = 3162,9 – 1.96 x 23, , x 23,4 IC 95% =
9
Exemplos (Stata) . ci pnasc compr aigdubo banho gesta nprenat
Variable | Obs Mean Std. Err [95% Conf. Interval] pnasc | compr | aigdubo | banho | gesta | nprenat |
10
Tabela 2 x 2 Associação entre 2 variáveis categóricas
Comparar a ocorrência de uma variável binária (desfecho) entre as categorias de outra variável binária (exposição) Na tabela vai haver apenas 2 linhas e 2 colunas com dados As linhas e colunas correspondem às categorias de cada variável
11
Tabela 2 x 2 Por convenção as linhas correspondem a exposição e as colunas ao desfecho (Kirkwood) Mas nem todos os autores fazem desta forma... O importante é que os % demonstrados sejam da variável de exposição
12
Tabela 2×2 padrão
13
Exemplo de Tabela 2×2 Desfecho = chiado no peito (s/n) linha
Exposição = mama no peito aos 12 meses (s/n) coluna
14
Teste do qui-quadrado Permite examinar se existe associação entre a variável da linha e a da coluna Em outras palavras....verifica se a distribuição dos indivíduos entre as categorias de uma variável é independente da sua distribuição entre as categorias da outra variável
15
Exemplo: qui-quadrado em tabela 2x2
Estudo realizado durante uma epidemia de influenza INFLUENZA TOTAL SIM NÃO VACINA 20 (8,3%) 220 (91,7%) 240 PLACEBO 80 (36,4%) 140 (63,6%) 220 100 (21,7%) 360 (78,3%) 460
16
Perguntas: Quantos indivíduos contraíram influenza?
TOTAL SIM NÃO VACINA 20 (8,3%) 220 (91,7%) 240 PLACEBO 80 (36,4%) 140 (63,6%) 220 100 (21,7%) 360 (78,3%) 460 Quantos indivíduos contraíram influenza? Quantos indivíduos foram vacinados? R: 100 R: 240
17
Perguntas: INFLUENZA TOTAL SIM NÃO VACINA 20 (8,3%) 220 (91,7%) 240 PLACEBO 80 (36,4%) 140 (63,6%) 220 100 (21,7%) 360 (78,3%) 460 Que percentagem de indivíduos contraíram influenza dentre os vacinados? Que percentagem de indivíduos contraíram influenza dentre os que receberam placebo? R: 20/240 * 100 = 8,3% R: 280/220 * 100= 36,4%
18
Perguntas: O fato de vacinar, afeta a probabilidade dos indivíduos de contrair influenza? Aparentemente sim, mas é preciso testar estatisticamente para ver a probabilidade de as diferenças encontradas terem ocorrido ao acaso
19
Testar uma associação Teste de qui-quadrado (2)
compara os valores observados em cada uma das 4 categorias da tabela 2 x 2 com os valores esperados se não existisse nenhuma diferença entre receber vacina ou placebo
20
Teste do qui-quadrado O valor esperado para a é:
21
Teste de qui-quadrado Globalmente 100/460 (0,22) contraíram influenza
Se a vacina e placebo são igualmente efetivos, esperaríamos essa mesma proporção entre vacinados = 0, * 240=52,2 placebo = 0, * 220=47,8
22
Teste qui-quadrado Valores esperados INFLUENZA TOTAL SIM NÃO VACINA
52,2 187,8 240 PLACEBO 47,8 172,2 220 100 360 460
23
Obtenção do valor do qui-quadrado
(observados – esperados )² / esperados ...Isso para cada uma das 4 caselas da tabela de contingência Quanto maior a diferença entre valores observados e esperados, maior o valor de 2
24
Aplicando o teste do ² Para o teste ser válido:
Valor esperado (E) 5 em todas as caselas Fórmula para cálculo na mão:
25
Aplicando o teste do ² Fórmula para cálculo na mão:
26
Aplicando o teste do ² Valor encontrado do ² = 53,09
Procurar a correspondência com valor-p na tabela de distribuição ² Para isso é necessário conhecer o nº de graus de liberdade (Linhas – 1)x (Colunas – 1) Tabela 2x2: (2-1)x(2-1) = 1 grau de liberdade
27
Observando a tabela do ²
O valor calculado (53,09) é maior que o maior valor da primeira linha da tabela correspondente a 1G.L. (10,83) 10,83 é o ponto de probabilidade = 0,1% na distribuição ² com 1 G.L., logo, o valor-p para o teste é < 0,001
28
Conclusão do teste do ²
Em nosso exemplo valor-p < 0,001 Existe uma probabilidade muito pequena de que a diferença entre os % de influenza encontrados no grupo de vacinados e no grupo de placebo possa ter sido obtida ao acaso (< 0,1%)
29
Correção de continuidade
Teste ² pode ser melhorado usando a correção de continuidade de Yates: Esta quantidade tem distribuição ² com 1 grau de liberdade Neste caso o valor de 53,09 ficaria em 51,46
30
Correção de continuidade
Correção de continuidade de Yates é útil se o tamanho amostral é <40 ou os números esperados são pequenos Se os números esperados são muito pequenos ou se o total geral da tabela <20 Teste exato O ² é válido quando N total > 40, independente dos valores esperados N total entre 20 e 40, sendo todos os valores esperados > 4
31
Teste exato de Fisher Se a aproximação pela ² não é boa Teste exato
Usado quando os valores esperados são muito pequenos N total da tabela < 20, ou N total entre 20 e 40 e o menor dos 4 valores esperados é <5
32
Testes na prática Hoje o cálculo do teste exato é muito rápido, exceto para tabelas r x c onde r ou c >2 Conclusão: Aplicar sempre o teste exato na análise de tabelas 2 x 2
33
Teste do ² ou exato de Fisher?
Pearson chi2(1) = 4,02 P = 0,0435 Fisher's exact P = 0,0964 Mortos Vivem Total ATB novo 10 ATB habitual 4 8 12 18 22
34
Teste do ² ou exato de Fisher?
Pearson chi2(1) = 5,3 P = 0,021 Fisher's exact P = 0,024 Mortos Vivem Total ATB novo 650 350 1000 ATB habitual 600 400 1250 750 2000
35
Será que a proporção de BPN é
Outro exemplo: BPN Será que a proporção de BPN é a mesma nos dois sexos? p1 = 50/500=0,10=10% p2 = 40/500 = 0,08=8%
36
Outro exemplo: BPN Hipóteses
Ho: a proporção de BPN é a mesma nos dois sexos (hipótese de independência ou não associação) H1: a proporção de BPN não é a mesma nos dois sexos (hipótese de dependência ou associação)
37
Outro exemplo: BPN Comparar as freqüências observadas com as freqüências esperadas (E) sob a hipótese de nulidade Ho
38
Outro exemplo: BPN Será que as diferenças são suficientemente grandes para que se possa rejeitar a hipótese Ho? Calcular ² a partir da amostra: ² = 0,989 valor-p = 32% (> 5%) Não rejeitar H0 não existe associação entre sexo e BPN
39
Exemplo: tabela de resultados
40
Tabelas 2×k Consideramos um desfecho dicotômico
Se as k categorias não são ordenadas testa-se associação usando ² geral
41
Exemplo Pearson ²(6) = 18,7; p = 0,005
42
Exemplo
43
Tabelas 2×k: categorias ordenadas
Além de avaliar associação Avaliar se há uma tendência prevalências aumentam ou diminuem ² com k-1 gl é dividido parte devido à tendência (1 gl) resto Método de análise “muito mais poderoso”
44
Tendência linear z = 2,36; p = 0,02
Exemplo Pearson ²(3) = 6,24; p = 0,10 Tendência linear z = 2,36; p = 0,02
45
Idade x uso de medicamentos
P < 0,001 para ambos os sexos (teste para tendência linear)
46
Dúvidas?
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.