Carregar apresentação
A apresentação está carregando. Por favor, espere
PublicouMargarida Bento Fortunato Alterado mais de 8 anos atrás
1
Rogério Rafael da Silva Mendes Acadêmico de Medicina da Fameb - Ufba Membro da Liga Baiana de Cirurgia Plástica Junho - 2011
2
“Estatística é a ciência de obter conclusões a partir de dados” Paul Velleman Coletar dados Obter informações Tomar decisões
3
A natureza apresenta variações... Inter Indivíduos Intra Indivíduos A estatística proporciona validação científica!
4
Medicina Tomada de decisões Comparação de resultados Identificar relações
5
AMOSTRAGEM: técnicas para obter uma amostra representativa, suficiente e que possa ser generalizada para a população. ANÁLISE EXPLORATÓRIA DE DADOS: técnicas para resumir, organizar e interpretar os dados, de uma amostra ou da população, para obter informações. INFERÊNCIA ESTATÍSTICA: técnicas para generalizar estatisticamente os resultados de uma amostra para a população. PROBABILIDADE: técnicas que permitem calcular a confiabilidade das conclusões de Inferência Estatística.
6
Métodos Estatísticos Estatística Descritiva: - Coletar, apresentar e caracterizar dados. “Descrição de dados” Estatística Inferencial: - Estimativas e Teste de Hipóteses “Inferir características da população a partir da amostra”
7
População Parâmetro Amostra Estimativa Dado Estatístico
8
São características observáveis em cada elemento pesquisado, sejam elas medidas, controladas ou manipuladas em uma pesquisa. Conjunto de resultados possíveis de um determinado dado estatístico estudado.
9
Nível de Mensuração Qualitativas Quantitativas Nível de Manipulação Dependentes Independentes
10
Qualitativas: definidas por atributos. Podem ser nominais ou ordinais. Nominais – rótulos, nomes, categorias. Não podem ser ordenadas. Ordinais – representam uma ordem. Poder sem caracterizadas em termos de “mais que” ou “menos que”, embora não podem ser quantificadas, mesmo que expressadas em números.
11
Classificação dicotômica do atributo: membros da LBCP quanto ao sexo. atributo: sexo................classe: membros da LBCP dicotomia: duas subclasses (masculino e feminino) – Nominal, binária. Classificação policotômica do atributo: membros da LBCP quanto à escola médica. atributo: escola médica......classe: membros da LBCP policotomia: mais de duas subclasses (EBMSP, FTC, UFBA, etc.) – Nominal, policotômica.
13
Quantitativas: conjunto de dados produz resultados numéricos. Discreta / Contínua – números inteiros, não negativos. Resulta de contagens. Ex: número de alunos presentes nas reuniões da LBCP. Descontínua – números reais, qualquer valor entre dois limites. Resulta de mensurações. Ex: temperatura da sala nas reuniões da LBCP.
14
Dependentes Aquela que mede o fenômeno que se estuda. São ditas observacionais. Exemplo: Número de trabalhos produzidos pela LBCP/ano. - Quantitativa discreta: 1, 2, 3, 4... trabalhos / ano. - Qualitativa ordinal: menos que 3, entre 3-6, mais que 6 trabalhos / ano.
15
Independentes Aquela que explica a dependente. São ditas manipuladas. Exemplo: Número de trabalhos produzidos pela LBCP/ano e semestre dos membros da LBCP. - Os alunos dos 3º e 4º ano produzem entre 3-6 trabalhos/ano, já os alunos dos 5º e 6º ano produzem menos de 3 trabalhos/ano. - Pode-se “suspeitar” que semestre do curso e a quantidade de trabalhos produzidos estão intimamente relacionados.
16
Atenção!!!! Esta suspeita pode ser admitida como verdade? Estamos diante de uma população ou amostra da mesma? A amostra assume uma distribuição normal? O acaso – erro aleatório foi considerado? Os vieses – erro sistemático (seleção, aferição, confundimento) foram considerados nesta análise? Podemos empregar estatística inferencial?
17
17 Em última análise os objetivos das pesquisas consistem em estudar a relação entre variáveis na POPULAÇÃO. São baseadas em magnitude e confiabilidade do relacionamento.
18
O número de variáveis envolvidas, o seu nível de mensuração, quais são as “independentes” e as “dependentes”, o tipo de pesquisa (levantamento, experimento, censo ou amostragem) influenciarão na escolha das técnicas: para coletar os dados; para apresentar os dados;
19
19 Variáveis qualitativas Tabelas (freqüências ou percentuais) Gráficos Variáveis quantitativas Tabelas (freqüências ou percentuais) Gráficos Medidas de tendência: média, mediana, desvio padrão Apresentações simples: apenas uma variável. Apresentações múltiplas: dependentes em função das independentes.
20
Representatividade da amostra em relação à população Tamanho da amostra Para uma “margem de erro” de 3% precisamos de pelo menos 1112 elementos Aleatoriedade da amostra Garantir que TODOS os elementos da população tenham chance de pertencer à amostra. Sorteio NÃO VICIADO. Única forma de poder generalizar estatisticamente os resultados para a população.
21
Média (Mean) Média aritmética Média geométrica Média harmônica Moda (Mode) Valor mais frequentemente observado Mediana (Median) Valor do meio
22
Alcance (range) – Mínimo e Máximo Variância Desvio-Padrão Erro-Padrão
23
Desvio-Padrão Medida de dispersão mais utilizada Usado extensivamente na distribuição normal Calculado utilizando fórmulas matemáticas Unidade de observação: Média Vantagens: Estima a variabilidade em uma amostra; Estima a probabilidade de diferença entre médias observadas
24
Algumas distribuições utilizadas: Bernoulli Binomial Poisson Negativa binomial Normal – Pesquisa Médica! A normalidade define o método de análise estatística!
25
Estar fora da curva de Gauss significa assumir um evento matemático pouco provável.
26
Frequência – em que intensidade ocorre a observação. Prevalência – estudo transversal Incidência – coorte / ensaio clínico Associação Risco relativo (RR) – razão de incidências Odds ratio (OR) - razão de chances, razão dos produtos cruzados – quem foi “exposto” teve um risco “n” vezes maior ou menor que os não expostos
27
ab cd SimNão Sim Não Fator Fenômeno RR = a / c OR = ad / bc Grupos menores – o ideal é usar risco relativo! À medida que se aumenta a amostra, RR e OR tendem a se aproximar!
28
O Intervalo de Confiança Emprega a variação no risco relativo para determinada amostra em relação à população. Também chamado de magnitude do efeito. Exemplo: Determinada associação encontrou RR=20 e IC95%=10,6-37,6. Este intervalo de confiança informa que apesar do RR da amostra ter dado 20, ao repeti-lo 100x, pelo menos 95% das vezes variou entre 10,6-37,6, extrapolando para a população estudada.
29
Estabelecer se os resultados obtidos em uma amostra têm significância estatística, de acordo com certos limites pré-estabelecidos. Quando se formula uma hipótese em relação a uma determinada característica de uma população, a amostra dela retirada pode: Pertencer à população de origem, portanto as diferenças observadas são decorrentes de flutuações biológicas normais Não pertencer a essa população e as diferenças encontradas representam um efeito real, não podendo ser atribuídas ao acaso
30
É o limite que se toma como base para afirmar que um certo desvio é decorrente do acaso ou não. São aceitos como estatisticamente significativos os níveis p = 0,05 e p = 0,01, ou seja, 5% e 1% respectivamente. A partir de um nível de significância convencionado ( alfa ) os desvios são devidos à lei do acaso e o resultado é considerado não significativo. P < 0.05 = o acaso contribuiu com menos de 5% das variações na amostra, representando portanto uma diferença estatisticamente significante
31
Para se testar algo é necessário estabelecer uma hipótese nula e uma alternativa, sendo ambas antagônicas. A hipótese nula é uma hipótese tida como verdadeira até que provas estatísticas indiquem o contrário. É comumente designada por H 0. Pode ser uma afirmação quanto a um parâmetro que é propriedade de uma população (Ex: média, variância, desvio padrão).média variânciadesvio padrão
32
Como é impossível observar toda a população, o teste é baseado na observação de uma amostra aleatória dela retirada. Também é frequente que a hipótese nula consista em afirmar que os parâmetros ou características matemáticas de duas ou mais populações são idênticos. Exemplo: H 0 : os índices de aprovação em provas de residência das escolas A e B são idênticos.
33
A hipótese alternativa deve ser contrária, oposta, antagônica à hipótese nula. É comumente designada por H 1 ou H a. Assim, quando se aceita H 0 também rejeita-se H 1 e vice-versa. No exemplo anterior a hipótese alternativa H 1 seria: “O índice de aprovação da escola A é diferente da escola B".
34
Quais as variáveis estudadas? Nominais Ordinais Há emparelhamento dos dados? Mesma amostra ou amostra diferentes? Qual a distribuição da amostra? Normal ou não normal / desconhecida Qual o tipo de comparação? 2 amostras Múltiplas amostras
35
Resumindo, para aplicar um teste de significância, cria-se uma hipótese que, geralmente, é a de igualdade (hipótese nula). O teste é feito para tentar refutar esta hipótese. Obtém-se a distribuição nula, que é simplesmente a distribuição amostral do teste estatístico supondo que a hipótese nula seja verdadeira.
36
Compara-se a estatística observada com a distribuição nula. Se o valor obtido estiver em uma região suficientemente improvável da distribuição nula, então H 0 é rejeitada, improvável de ser verdadeira. Se o valor obtido estiver em uma região provável da distribuição nula, então H 0 não pode ser rejeitada. Isto não quer dizer que a hipótese nula seja verdadeira, mas que não há evidência suficiente a princípio para refutá-la.
37
Erro do tipo 1: rejeita-se H 0, quando H 0 é verdadeira. Erro do tipo 2: aceita-se H 0, quando H 0 é falsa. Hipótese nula verdadeiraHipótese nula falsa Se aceita a hipótese nula Corretamente, se aceita a hipótese verdadeira. Erro do tipo II (beta): Se aceita uma hipótese nula que é falsa. Rejeita-se a hipótese nula Erro do tipo I (alfa): Rejeita-se uma hipótese nula que é verdadeira. Corretamente, rejeita-se a hipótese falsa.
38
O valor máximo que estabelecemos para ocorrência do erro do Tipo I é que estabelece se aceitamos ou rejeitamos a Hipótese Nula (H 0 ) e deve ser escolhido antes da realização do teste. O valor mais frequentemente usado é o 0.05. Assim, se p for menor do que o valor escolhido rejeitamos H 0, Em caso contrário a aceitamos.
39
Teste qui-quadrado para verificar associação Teste não paramétrico Fácil compreensão e execução Não envolve nenhum pressuposto, contanto que a frequencia de cada célula observada seja maior que 5 Aplicar a correção de Yates para células menores que 5 Pode ser aplicado para diferença de proporções entre 2 amostras
40
Teste T de Student: Teste útil para pequenas amostras Compara médias Fácil compreensão e aplicação Teste mais popular e utilizado na prática
41
Teste t pareado para comparar médias antes e depois Para o mesmo tipo de indivíduo Teste t para 2 amostras Aplicável para 2 amostras não parelhadas Não necessariamente do mesmo tamanho
42
Testes não paramétricos Normalidade não é assumida Teste Sign, teste run, Mann Whitney U-test, Wilcoxon, etc. Não estima os parâmetros Analisam dados qualitativos Possuem poder de análise menor que os testes paramétricos
43
SPSS Epidata Bioestat Excel STATA SAS Epi Info
44
Quem está afirmando? Vieses, conflito de interesses, tentativas de desqualificação, patrocínios, etc Qual é o embasamento? Metodologia da pesquisa Tamanho da amostra O que está faltando? Dados absolutos ou dados relativos? Data da pesquisa, fonte, abrangência, confiabilidade Referência usada
45
Alguém está mudando de opinião? O que está sendo dito faz sentido? Bom senso!!!!
46
Agradeço ao professor Dr. Bruno Rocha pela disponibilidade e vontade de ensinar sempre que foi requisitado.
47
“No demais, irmãos meus, fortalecei-vos no Senhor e na força do seu poder” Efésios 6:10 Contato: rogerspba@yahoo.com.br
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.