Doutorando Felipe Micali Nuvoloni Laboratório de Acarologia

Apresentação em tema: "Doutorando Felipe Micali Nuvoloni Laboratório de Acarologia"— Transcrição da apresentação:

1 Doutorando Felipe Micali Nuvoloni Laboratório de Acarologia
Estatística básica e análise de dados Doutorando Felipe Micali Nuvoloni Laboratório de Acarologia Programa de Pós Graduação em Bio. Animal

2 Por que usar estatística?
O que é Estatística? Por que usar estatística? Preciso mesmo saber isso? Será que o Manzato não pode fazer pra mim? Qual a importância do planejamento experimental? Como iniciar uma análise de dados? Quais caminhos seguir? Como rodar e interpretar um teste? estatística e testes são ferramentas utilizadas para embasar um teoria, confirmar ou refutar hipóteses. podemos realizar análises explanatórias de dados – mas não indicam qual o grau de confiabilidade daquilo que estamos fazendo. utilizando testes adequados garantimos que as conclusões não sejam falsas... O que é Estatística ? O que modernamente se conhece como Ciências Estatísticas, ou simplesmente Estatística, é um conjunto de técnicas e métodos de pesquisa que entre outros tópicos envolve o planejamento do experimento a ser realizado, a coleta qualificada dos dados, a inferência, o processamento, a análise e a disseminação das informações. O desenvolvimento e o aperfeiçoamento de técnicas estatísticas de obtenção e análise de informações permite o controle e o estudo adequado de fenômenos, fatos, eventos e ocorrências em diversas áreas do conhecimento. A Estatística tem por objetivo fornecer métodos e técnicas para lidarmos, racionalmente, com situações sujeitas a incertezas.

3 Análise de dados e estatística resumem-se em:
Muito mais do que saber “rodar um teste”, é importante entender quais os preceitos básicos de uma análise de dados e planejamento experimental. Análise de dados e estatística resumem-se em: testar hipóteses (método hipopético-dedutivo) encontrar relações entre variáveis

4 O que é Estatística ? A Estatística tem por objetivo fornecer métodos e técnicas para lidarmos, racionalmente, com situações sujeitas a incertezas. Resumindo... é um ferramenta para a análise dos dados!

5 Pra começar... um pouco de filosofia
Método hipotético-dedutivo

6 O Método hipotético-dedutivo consiste na construção de conjecturas (hipóteses) que devem ser submetidas a testes, para verificar quais são as hipóteses que persistem como válidas resistindo as tentativas de falseamento, sem o que seriam refutadas.

7 É um método de tentativas e eliminação de erros, que não leva à certeza, pois o conhecimento absolutamente certo e demonstrável não é alcançado Teste de Hipóteses.

8 Hipóteses e predições Explicações potenciais que podem ser retiradas de observações do mundo externo. A única maneira de “provar” uma hipótese baseia-se na determinação dos resultados esperados que deveriam aparecer se a hipótese fosse realmente verdadeira. Hipóteses são proposições e podem ser testadas estatisticamente.

9 Exemplo Há 5.000 bolas em uma caixa.
Preciso saber qual a cor delas, como faço?

10 Realização de uma amostragem

11

12

13

14

15

16

17 Qual a hipóteses que levantamos nesse caso?

18 Qual a hipóteses que levantamos nesse caso?
H0 – há uma mesma quantidade de bolinhas amarelas e vermelhas?

19 Qual a hipóteses que levantamos nesse caso?
H0 – há uma mesma quantidade de bolinhas amarelas e vermelhas? H1 – há mais bolinhas vermelhas do que amarelas H2- Há mais bolinhas amarelas do que vermelhas

20 Teste estatístico adequado pode me dizer se há uma diferença entre o número de bolas vermelhas e amarelas dentro desta amostra.

21 Planejamento experimental
Antes de pensar em que teste deve-se usar, devemos nos preocupar com a qualidade dos dados que estamos coletando; Como coletar, quando, quantos indivíduos amostrar...

22 Deve-se ter sempre o objetivo claro, antes de começar a coletar os dados!
Nossa pergunta inicial irá nos nortear quanto à escolha do caminho a seguir

23 Questionário “O que você acha da redução das cargas horárias no curso de ciências biológicas?” “Há diferença de opiniões quanto ao ano?” “Há diferença de opiniões quanto ao tempo que se tem livre?”

24 Quais as hipóteses para cada pergunta?
continuando.... Quais as hipóteses para cada pergunta?

25 Coleta de dados População; Amostra; Réplicas;
Identificação das variáveis;

26 Quais os tipos de variáveis?
Dependentes x Independentes Independente ou preditora: causa o efeito que procuramos confirmar Dependente: é a que mede o efeito sofrido Para cada pergunta ou hipótese há diferentes variáveis dependentes e independentes

27 Classificando as variáveis
Categórica: apresentam distinções de qualidade; Nominais: cor dos olhos, tipo de patologia, sexo, parentesco, etc Ordinais: grau de escolaridade, gravidade da lesão, etc

28 Quantitativa: representam diferenças de quantidades
Discretas: n.º de filhos, n.º de fatores de risco,  n.º de dependentes, n.º de respostas, etc;  Contínuas: altura, peso, IMC, distância, etc; 

29

30 Principais testes Qui2; Teste T de Student;
Análise de Variância – ANOVA; Regressão Linear; Regressão Logística;

31 Qui 2 Comparando categorias Exemplo
Suponha que uma pesquisadora, interessada em valorar economicamente uma área de preservação, cujo principal atrativo é uma cachoeira muito procurada por turistas, propõe a aplicação de questionários para os usuários da área. Ela entrevista turistas e moradores dos arredores, e uma de suas perguntas é: “Você estaria disposto a pagar uma taxa mensal para conservar esta área?” Um dos objetivos é testar se turistas e moradores se diferenciam quanto à sua disposição a pagar (DAP).

32 Dados Observados x Dados Esperados

33 H0: não existe diferença entre moradores e turistas quanto à disposição em pagar.
H1: turistas e moradores diferem quanto à disposição em pagar.

34 Tomada de uma decisão Adotando um nível de significância de 5%, devemos rejeitar a hipótese nula. Concluímos que existe uma associação significativa entre a categoria do usuário e a DAP (χ2 = 4.17, gl = 1, p = 0.041): turistas possuem uma disposição maior do que os moradores locais a pagar pela conservação da região

35 Teste T Teste para comparação de médias;
Variável categórica (2 fatores) x Variável quantitativa (contínua) Objetivo: comparar quantidade da variabilidade entre os dois conjuntos de dados.

36 Exemplo: Um estudo interessado em avaliar se a presença de mata nativa nas propriedades com plantação de eucalipto diminui a quantidade de pragas nessa cultura Variável dependente: Variável Independente:

37 Variável independente: presença/ausência de mata;
Variável dependente: densidade (indivíduos/ha) de uma espécie de praga comum nos eucaliptos, a mariposa marrom Thyrinteina arnobia.

38 ANOVA Funciona como um teste T, mas nesse caso envolve mais de 2 níveis; Testa a variância dentro do grupo e entre os grupos (tratamentos) Por exemplo:

39 Uma série de levantamentos da mastofauna no bioma da Mata Atlântica, usando o método de coleta por transecto, com esforço padronizado, registrando-se todos os indivíduos avistados. O estudo permitiu identificar três tipos principais de ambientes conforme o seu grau de isolamento com o entorno: 1. trechos de mata contínua 2. fragmentos florestais 3. ilhas

40 Pergunta-se: a biomassa de mamíferos é afetada pelo grau de isolamento?
Variável independente ? Variável dependente ?

41 Pergunta-se: a biomassa de mamíferos é afetada pelo grau de isolamento?
Variável independente: classe de isolamento (3 níveis) Variável dependente: biomassa (kg/10km)

42 Se fôssemos aplicar o teste t, teríamos que fazer 3 comparações:
Contínuo x Fragmento, Contínuo x Ilha, Fragmento x Ilha. Nessa situação de múltiplos testes para uma mesma pergunta, corremos mais risco de cometer o erro tipo I.

43

44 O teste ANOVA indica se existe diferença, mas não informa onde ela se encontra
É necessário realizar um teste a posteriori para definir entre quais grupos está a diferença.

45 Regressão Linear Relação entre variáveis quantitativas exemplo:
Análise de regressão é uma metodologia estatística que utiliza a relação entre duas ou mais variáveis quantitativas de tal forma que uma variável pode ser predita a partir da outra ou outras. exemplo:

46 Em um região, uma unidade de conservação (parque) resta como único grande remanescente de vegetação nativa. No seu entorno, encontram-se uma série de pequenos fragmentos florestais. O parque é o principal fator de manutenção da avifauna na região, servindo de fonte de espécies, que por migração ajudam a manter a diversidade nos fragmentos. O objetivo do estudo é testar se a riqueza de aves nos fragmentos é negativamente afetada pela distância dos mesmos ao parque.

47 Variável dependente: riqueza de aves
Variável independente: distância até o parque

48 Gráfico da dispersão

49 O modelo indica um relação linear
A relação linear entre a riqueza e a distância é estabelecida pela equação: riqueza = β0 + β1(distância) + resíduo O coeficiente β0 é o intercepto de eixo Y (ou a constante do modelo). O coeficiente β1 é o que determina a associação entre as variáveis.

50 Regressão Logística Nesse caso vamos testar a relação entre uma variável contínua (independente) e uma categórica (dependente);

51

52 De maneira geral, vale lembrar que os mesmos princípios lógicos e interpretativos da regressão linear podem ser aplicados aos modelos de regressão logística, incluindo as situações de múltiplas variáveis. Nessas situações, aplica-se a rotina de avaliação do valor de LR a medida que se adicionam variáveis no modelo.

53 e agora.... vamos aos testes.