Departamento de Informática em Saúde
Universidade Federal de São Paulo – UNIFESP
UNIFESP
IntroduçãoaEstatística
Introdução...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa2
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa3
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa4
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa5
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa6
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa7
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa8
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa9
UNIFESP
Departamento de In...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa10
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa11
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa12
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa13
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa14
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa15
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa16
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa17
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa18
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa19
UNIFESP
Departamento de I...
UNIFESP
IntroduçãoaEstatística
30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa20
UNIFESP
Departamento de I...
Upcoming SlideShare
Loading in …5
×

2007 04-07- introdução - thiago martini

4,503 views
4,419 views

Published on

Published in: Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
4,503
On SlideShare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
221
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Duas definições:
    A primeira etimológica
    A segunda mais completa. Na segunda definição eu volto explicando cada um dos termos apresentados, dando ênfase que essa definição é bem completa.
    A segunda definição serve ainda como uma introdução aos objetivos da estatística ... Como segue no próximo slide.
  • Esses são os conceitos básicos, exemplos deles vêm nos próximos dois slides
  • População é o universo de pessoas
    Porém, quando deseja-se fazer alguma medida, realizar essa medida na população toda pode ser inviável
    A Estatística permite que se pegue algumas pessoas e infere-se que o aquilo que acontece com esse subconjunto da população possivelmente aconteceria com a população também
    A esse subconjunto chamamos de amostra
  • E qual é a variável que estamos quantificando?
    Um exemplo de variável é a altura das pessoas
  • Este slide é uma brincadeira para demonstrar problemas de amostragem.
    Eu pedi para dois alunos escolherem uma bola cada.
    Nota-se que a maioria dos alunos escolhe uma bola grande.
    Isso decorre do fato que as pessoas costumam pegar o que está visivelmente mais próximo ou que é mais fácil, a cor que mais gosta.
    Isso pode gerar um problema quando se faz amostragens assim. Imagine que você vá fazer uma pesquisa com lobos selvagens e que você tenha que capturar os lobos para conduzir sua pesquisa. Será que os lobos que você capturou (amostragem) representam toda a população de lobos? Será que eles não são os lobos que têm dificuldade de locomoção, ou que não são tão ativos para escapar da armadilha que você preparou?
    O mesmo problema acontece com amostragem de pacientes, geralmente pega-se pacientes de um hospital que você tem acesso, que é mais conveniente. A questão é ... Essa amostra é representativa?
  • AS PROBABILISTICAS PODEM SER
    Aleatória simples
    * população homegênea em relação à variável de interesse
    * Exige listagem e faz-se um sorteio aleatório ou pseudo-aleatório
    Amostragem sistemática
    * semelhante à aleatória simples, mas a listagem é ORDENADA
    * Divide-se o tamanho da população pelo tamanho da amostra obtendo-se um intervalo de retirada (k)
    * Sorteia-se um ponto de partida e a cada k elementos retira-se um para a amostra
    Amostragem estratificada
    * População heterogênea em relação à variável sob estudo
    * Porém dentro de cada estrato há homogeneidade
    * Todos os estratos devem ser representados na amostra
    * A escolha dos elementos de cada estrado pode ser por Amostragem Aleatória Simples ou Sistemática
    Amostragem por conglomerados
    * População considerada homogênea
    * Divisão em subgrupos semelhantes (conglomerados)
    * No sorteio dos conglomerados: analizam-se todos os sorteados; sorteiam-se todos os elementos dos conglomerados previamente sorteados
    * Exemplo, em um condomínio, eu sorteio duas ruas, daí dessas duas ruas eu seleciono alguns indivíduos para fazer parte da minha amostra
    AS NAO PROBABILISTICAS PODEM SER
    Intencional
    O pesquisador se dirige a um grupo específico para saber opniões. Exemplo, num estudo sobre automóveis o pesquisador vai apenas em oficinas
    Voluntários
    Acesso Mais fácil
    conveniência, pacientes que são tratados no hospital onde o pesquisador trabalho.
    Por quotas (ou proporcional)
    * Variação da intencional, exemplo quer entrevistar trabalhadores de uma certa classe A, daí você seleciona quais são as cotas de trabalhadores que têm tais idades, que trabalham em tais regiões
  • Testes parametricos dizem respeito aos parametros média e desvio padrão. Por definição, Desvio Padrão é o ponto de inflexão da curva nornal, sendo assim os testes paramétricos são aqueles que envolvem distribuição normal.
    Os não paramétricos são aqueles em que os dados não possuem distribuição normal ou que não há evidências suficientes para afirmar que a distribuição é ou não normal.
    Em caso de dúvida, pode-se utilizar os não-paramétricos.
  • 2007 04-07- introdução - thiago martini

    1. 1. Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP IntroduçãoaEstatística Introdução a EstatísticaIntrodução a Estatística Luís Gustavo Giesbrecht da Silveira Vladimir Camelo Pinto Thiago Martini da Costa Orientador: Prof. Dr. Ivan Torres Pisa Departamento de Informática em Saúde (DIS), Universidade Federal de São Paulo (UNIFESP) São Paulo, 07 de abril de 2007São Paulo, 07 de abril de 2007 Versão 3.0Versão 3.0
    2. 2. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa2 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Sumário • Definição de Estatística • Objetivos da Estatística • Conceitos básicos • Tipos de dados • Amostragem • Amostras pareadas • Testes paramétricos e não-paramétricos • Testes estatísticos
    3. 3. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa3 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP • A palavra estatística tem origem no latim, status (estado) e aparece como vocabulário na Enciclopédia Britânica em 1797 (Filho, 1999) • Estatística é uma coleção de métodos para planejar experimentos, obter e organizar dados, resumí-los, analisá-los e deles extrair conclusões (Triola, 1999) Definição de Estatística Filho, UD. Introdução à Bioestatística. 9ªed. São Paulo: Elsevier; 1999. TRIOLA MF - Introdução à estatística. 7ª. ed. Rio de Janeiro, LTC (Livro Técnico e Científico E.S.A.), 1999.
    4. 4. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa4 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Objetivos da Estatística • Sumarizar a coleção de observações; • Descrever o conhecimento de um dado assunto de forma matemática; • Evitar manipulação de resultados; • Dar “polimento” a publicações; • Analisar a coleção de dados • Determinar correlações • Saber o grau de certeza das conclusões tiradas;
    5. 5. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa5 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP • População: qualquer conjunto de informação que tenha entre si uma característica comum que delimite os elementos pertencentes a ela. • Amostra: é um subconjunto de elementos pertencentes a uma população. • Variável: Dados referentes a uma característica de interesse, coletados a partir de uma amostra. Filho, UD. Introdução à Bioestatística. 9ªed. São Paulo: Elsevier; 1999. Conceitos básicos
    6. 6. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa6 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP População, amostra, variável População Amostra
    7. 7. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa7 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP População, amostra, variável Variável
    8. 8. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa8 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Tipos de Dados Dados nominais / Variável qualitativa: Sem qualquer ordem Estes dados não são mensurados mas simplesmente contados Dados ordinais / Variável ordinal: Categorias que obedecem a uma ordem Dados Contínuos / Variável quantitativas: São aqueles em que o números são intrinsecamente significantes e a diferença entre eles sempre tem a mesma implicação, podendo existir valores intermediários Leles CR. Princípios de Bioestatística. In: Estrela C. Metodologia Científica - Ensino e Pesquisa em Odontologia. 1a ed.São Paulo: Artes Médicas; 2001. cap.14, p.275-305.
    9. 9. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa9 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Classificação das Variáveis Qualitativas Medidas em escala nominal – ex: sexo, cor de olhos, presença ou ausência de uma doença Ordinais Medidas em escala ordinal – ex: grau de instrução (primário, secundário, superior), Papanicolau (I, II, III, IV) Quantitativas Medidas em escala numérica – ex: idade, altura, peso, número de dentes irrompidos
    10. 10. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa10 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Exercício
    11. 11. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa11 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Amostragem • Alguns aspectos que devem ser considerados – Bias (viés) – Tamanho da amostra – Representatividade da amostra
    12. 12. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa12 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Amostragem Probabilística (aleatória) – Cada unidade amostral tem probabilidade conhecida e diferente de zero de pertencer à amostra. Usa-se sorteios. Não probabilística – Não se conhece a probabilidade de cada unidade amostral pertencer à amostra. Algumas unidades tem probabilidade zero de pertencer à amostra. Bergamaschi D.P. et al População, amostra, variável, coleta de dados, apuração de dados, apresentação tabular. Disponível em http://www.fsp.usp.br/hep103/Aula1.pdf Último acesso: 05/05/2006
    13. 13. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa13 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Amostragens tipo Amostragem probabilística • Aleatória simples • Sistemática • Estratificada • Por conglomerado Amostragem não-probabilística • Intencional • Por voluntários • Acesso mais fácil • Por quotas Bergamaschi D.P. et al População, amostra, variável, coleta de dados, apuração de dados, apresentação tabular. Disponível em http://www.fsp.usp.br/hep103/Aula1.pdf Último acesso: 05/05/2006
    14. 14. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa14 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Amostras pareadas / Não pareadas Amostras pareadas (dependentes) – Mesmo indivíduo – Irmãos gêmeos – Duas observações em um mesmo indivíduo (ou gêmeos) são mais provaveis de serem similares. Amostras não pareadas – Indivíduos são independentes Shimakura , Silvia E. CE003 - Estatística II. Amostras Pareadas 2006. http://leg.ufpr.br/~shimakur/CE003/node66.html
    15. 15. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa15 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Testes paramétricos e não-paramétricos Testes paramétricos – Parâmetros: média e desvio padrão – Distribuição Normal Testes não-paramétricos – Distribuição dos dados não é Normal – Ou não há elementos suficientes para afirmar que seja
    16. 16. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa16 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Teste Estatístico • A aplicação de um Teste Estatístico segue um raciocínio lógico que se baseia em 4 questões que orientam o pesquisador em suas decisões 1. Qual o tipo de variável será estudada? 2. Quantos conjunto de dados (amostras) estão sendo avaliados? 3. As amostras são dependentes ou independentes? 4. Qual o tipo de inferência que se quer obter a partir do estudo? Leles CR. Princípios de Bioestatística. In: Estrela C. Metodologia Científica - Ensino e Pesquisa em Odontologia. 1a ed.São Paulo: Artes Médicas; 2001. cap.14, p.275-305.
    17. 17. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa17 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Teste Estatístico - Exemplo Critérios para escolha do Teste Estatístico “Estudo comparativo entre a análise cefalométrica computadorizada e manual em diferentes centros radiológicos de São Paulo” 1. Qual o tipo de variável estudada? Quantitativa 2. Quantos conjuntos de dados (amostras) estão sendo avaliados? Análises Cefalométricas Computadorizadas e manuais (2 amostras) 3. As amostras são dependentes ou independentes? Dependentes - Pareados 4. Qual o tipo de inferência que se quer obter a partir do estudo? Medir a variabilidade na obtenção dos dados
    18. 18. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa18 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Testes estatísticos – variáveis quantitativas Paramétricos Não-Paramétricos Independetes Pareadas 2 amostras 2 amostras Independetes Pareadas 2 amostras 2 amostras Teste t (Student) Teste t (Student) Mann-Withney T. da Mediana X2 (2x2) Proporções Exato (Fisher) Wilcoxon T. dos Sinais Mac Nemar Binomial Mais de 2 Mais de 2 Mais de 2 Mais de 2 ANOVA ANOVA Kruscal Wallis Mediana (mxn) X2 (mxn) Nemenyi Cochram Friedman Campos, G.M. Estatística Prática para Docentes e Pós-Graduandos. 14. A escolha do teste mais adequado. 2000 Disponível em: http://www.forp.usp.br/restauradora/gmc/gmc_livro/gmc_livro_cap14.html Acessado em: 02/05/2007
    19. 19. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa19 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Testes estatísticos – variáveis qualitativas Independetes Pareadas 2 amostras 2 amostras X2 Teste exato de Fisher Teste das proporções Teste de McNemar Mais de 2 Mais de 2 X2 Q de Cochran Leles CR. Princípios de Bioestatística. In: Estrela C. Metodologia Científica - Ensino e Pesquisa em Odontologia. 1a ed. São Paulo: Artes Médicas; 2001. cap.14, p.275-305.
    20. 20. UNIFESP IntroduçãoaEstatística 30/01/15 Luís G.G. Silveira, Vladimir C. Pinto, Thiago M. Costa20 UNIFESP Departamento de Informática em Saúde Universidade Federal de São Paulo – UNIFESP UNIFESP Resumo da aula • Estatística é uma coleção de métodos para planejar experimentos, obter e organizar dados, resumí-los, analisá-los e deles extrair conclusões (Triola, 1999) • População, Amostra, Variável • Tipos de dados (Nominais, Ordinais, Numéricos) • Amostragem (Probabilística / Não Probabilística) • Amostras pareadas • Testes estatísticos (Paramétricos / Não paramétricos) • Testes estatísticos TRIOLA MF - Introdução à estatística. 7ª. ed. Rio de Janeiro, LTC (Livro Técnico e Científico E.S.A.), 1999.

    ×