Pontifcia Universidade Catlica de Gois

Departamento de Biomedicina

Bioestatstica

Goinia
2015

Bioestatstica

Trabalho referente a avaliao da

disciplina Bioestatstica - regime de
acompanhamento.
Biomedicina,

Departamento de
Graduao

em

Biomedicina.

Goinia
2015
5

Sumrio

Introduo...........................................................................................

04

1. Medidas de Tendncia......................................................................

05

2. Medidas de Disperso........................................................................

06

3. Correlao e Regresso Linear..........................................................

07

4. Referncias Bibliogrficas.................................................................

11

Introduo

A estatstica tem como objetivo principal o auxlio na tomada de decises

nas situaes de incerteza baseados em um conjunto de dados quantitativos.
uma ferramenta tambm utilizada na atualidade para responder questes
biolgicas, como, por exemplo, fundamentar os estudos relacionados aos fatores
que aumentam o risco de infarto do miocrdio.
importante ressaltar que o planejamento em estatstica auxilia na escolha
das situaes experimentais e da quantidade de indivduos necessrios a serem
examinados. Tambm, trabalha na organizao, classificao e descrio de
informaes em tabelas, grficos e outros recursos visuais para estabelecer
hipteses e elaborar concluses.
A Estatstica dividida em Estatstica Descritiva e Inferncia Estatstica. A
Descritiva relaciona-se com as tabelas de freqncia, grficos, medidas de posio
(mdia, desvio padro, medianas, quartis, etc.). A inferncia Estatstica est
diretamente ligada a amostragem, estimao/intervalo de confiana, teses de
hipteses.
Tambm, estatstica descritiva procura sintetizar e representar de uma forma
compreensvel a informao contida num conjunto de dados. Devido elevada
quantidade de dados existentes neste estudo, este procedimento indispensvel e
materializa-se pelo clculo de medidas que representem a informao neles
contida.
Nesse sentido, observa-se que a Bioestatstica o conjunto de conceitos e
mtodos cientficos usados no tratamento da variabilidade das cincias mdicas e
biolgicas, bem como, constitui-se pela aplicao da estatstica aos fenmenos
biolgicos. A Bioestatstica tambm fornece mtodos que estabelecem faixas de
confianas no sentido de dar nfase crescente ao papel dos mtodos quantitativos
na prtica biomdica tornando-se necessrio o conhecimento dessa disciplina
como requisito bsico para o exerccio da profisso de biomdico.
importante relatar que os mtodos estatsticos so essenciais no estudo
de situaes em que as variveis de importncia esto sujeitas a flutuaes
casuais. No caso da Biomedicina, por exemplo, para o estudo de situaes clnicas
necessrio aderir a mtodos capazes de abordar a variabilidade que surge, de
4

maneira apropriada. Nota-se, portanto, que os resultados podem valer-se da

experincia de eventos anteriores, experimentados e popularizados atravs de
livros e artigos.
Desse modo, em um estudo sobre as noes bsicas de bioestatstica devese propor uma analise sobre a importncia das informaes obtidas nos mtodos
cientficos, para melhor avaliao e alcance dos objetivos.

1. Medidas de Tendncia Central

So medidas que objetivam representar o ponto central de equilbrio de uma

distribuio de dados. Essas medidas representam quantitativamente os dados,
sendo as mais utilizadas em anlise:
Mdia
Representa o ponto de equilbrio de um conjunto de dados. uma medida que, por
uniformizar os dados, no representa bem os conjuntos que revelam tendncias
extremas, uma vez que a mesma ser grandemente influenciada pelos valores
discrepantes. Contudo, esta a medida de posio mais conhecida e de maior
emprego, sendo facilmente calculada. Auxilia na comparao de conjuntos
semelhantes e depende de todos os valores do conjunto de dados.
Propriedades da Mdia:
1 - A soma algbrica dos desvios tomados em relao a mdia nula;
2 - Somando-se ou subtraindo-se uma constante k, a todos os valores de uma
varivel, a mdia do conjunto fica aumentada ou diminuda dessa constante.
3 - Multiplicando-se ou dividindo-se todos os valores de uma varivel por uma
constante k, a mdia do conjunto fica multiplicada ou dividida por essa constante.
Moda
A Moda (Mo) o valor que ocorre com maior freqncia em uma srie de dados.
Existem sries de dados em que nenhum valor aparece mais vezes que outros.
Neste caso no apresenta moda. So sries amodais.
5

Em outros casos, pode aparecer dois ou mais valores de concentrao. Diz-se

ento, que a srie tem duas ou mais modas bimodal, trimodal ou multimodal.
Quando os dados se apresentam agrupados em tabelas de freqncias
necessrio utilizar a expresso de Czuber (a mais precisa). Outras modas so:
Pearson e King.
Mediana (Md)
Valor de um conjunto de dados, acima e abaixo do qual se concentram 50% dos
valores. Se o nmero de dados for par, a mediana o valor mdio dos dois termos
mais prximos da posio central. Ou seja, a mediana (Md) de um conjunto de
valores ordenados segundo uma ordem de grandeza, o valor situado de tal forma
no conjunto que o separa em dois subconjuntos de mesmo nmero de elementos
( o valor que est no meio!).
Quando o conjunto de observaes tem um nmero mpar de valores, no so
agrupados em classes, ento a mediana dada pela expresso: Md = XP.
Quando o conjunto de observaes tem um numero par de valores, no-agrupados
em classes, ento a mediana ser, a mdia aritimetica dos dois nmeros que
ocuparem o meio da srie.
2. Medidas de disperso:
So medidas estatsticas que indicam o grau de disperso, ou variabilidade
do conjunto de observaes pesquisados, em relao a uma medida de tendncia
central. por exemplo, x:
Uma nica medida no suficiente nica medida no suficiente para descrever
de modo satisfatrio um conjunto de observaes. Por exemplo, dois conjuntos de
dados podem ter a mesma mdia aritmtica e, no entanto, a disperso de um pode
ser muito maior que a disperso do outro.
As principais medidas de disperso: amplitude total (AT), varincia (2 ou s2),
desvio-padro ( ou s) e coeficiente de variao (CV).
Amplitude Total (AT) Diferena entre o valor mximo e o valor mnimo dos
dados. a forma mais elementar de caracterizar a variabilidade dos dados, razo
6

pela qual tambm no a efetua de modo muito correto pois recorre s aos valores
extremos e no a todos os valores dos dados que constituem a amostra.
Desvio Padro (DP) uma medida da disperso de uma amostra em torno da
sua mdia sendo dado pela expresso:

xi x 2
n 1

Varincia calculada a partir dos quadrados dos desvios, sua unidade quadrada
em relao varivel estudada, o que, sob o ponto de vista prtico um
inconveniente. Por isso mesmo, imaginou-se uma nova medida que tem utilidade e
interpretao prtica.
Coeficiente de variao (CV)
a medida que fornece o grau de disperso, ou variabilidade dos valores do
conjunto de observaes em torno da mdia. Ela calculada somando os
quadrados dos desvios em relao mdia.
Permite comparar a distribuio atravs da relao entre o desvio padro e a
mdia. Expresso em percentagem dado por:

Cv

100

3. Correlao e Regresso Linear

Ao se estudar uma varivel o interesse eram as medidas de tendncia central,
disperso, assimetria, etc. Com duas ou mais variveis alm destas medidas
individuais tambm de interesse conhecer se elas tem algum relacionamento
entre si, isto , se valores altos (baixos) de uma das variveis implicam em valores
altos (ou baixos) da outra varivel.
Por exemplo, pode-se verificar se existe associao entre a taxa de desemprego e
a taxa de criminalidade em uma grande cidade, entre verba investida em
propaganda e retorno nas vendas, etc. A associao entre duas variveis poder ser
de dois tipos: correlacional e experimental. Numa relao experimental os valores
de uma das variveis so controlados pela atribuio ao acaso do objeto sendo
7

estudado e observando o que acontece com os valores da outra varivel. Por

exemplo, pode-se atribuir dosagens casuais de uma certa droga e observar a
resposta do organismo; pode-se atribuir nveis de fertilizante ao acaso e observar
as diferenas na produo de uma determinada cultura.
No relacionamento correlacional, por outro lado, no se tem nenhum controle sobre
as variveis sendo estudadas. Elas so observadas como ocorrem no ambiente
natural, sem nenhuma interferncia, isto , as duas variveis so aleatrias. Assim
a diferena entre as duas situaes que na experimental ns atribumos valores
ao acaso de uma forma no tendenciosa e na outra a atribuio feita pela
natureza.
COEFICIENTE DE CORRELAO
Apesar do diagrama de disperso nos fornecer uma idia do tipo e extenso do
relacionamento entre duas variveis X e Y, seria altamente desejvel ter um
nmero que medisse esta relao. Esta medida existe e denominada de
coeficiente de correlao. Quando se est trabalhando com amostras o coeficiente
de correlao indicado pela letra r que , por sua vez, uma estimativa do
coeficiente de correlao populacional: (rho).
O coeficiente de correlao pode variar de 1,00 a + 1,00, com um coeficiente de
+1, indicando uma correlao linear positiva perfeita. Neste caso, as duas variveis
sero exatamente iguais em termos de escores padronizados z, isto , um
elemento apresentando um escore padronizado de 1,5 em uma das variveis vai
apresentar o mesmo escore padronizado na outra varivel.
Um coeficiente de correlao de 1, indica correlao linear perfeita negativa, com
os escores padronizados exatamente iguais em valores absolutos, diferindo apenas
no sinal. Uma correlao de +1 ou 1 raramente observado. O mais comum
que o coeficiente fique situado no intervalo entre estes dois valores. Um coeficiente
de correlao 0, significa que no existe um relacionamento linear entre as duas
variveis.
PROPRIEDADES

A correlao nunca pode ser maior do que 1 ou menor do que menos 1.

8

Uma correlao prxima a zero indica que as duas variveis no esto

relacionadas.

Uma correlao positiva indica que as duas variveis movem juntas, e a relao
forte quanto mais a correlao se aproxima 1.

Uma correlao negativa indica que as duas variveis movem-se em direes

opostas,

A relao fica mais forte quanto mais prxima a correlao de -1.

Duas variveis que esto perfeitamente correlacionadas positivamente (r=1)

movem-se essencialmente em perfeita proporo na mesma direo,

Dois conjuntos que esto perfeitamente correlacionados negativamente movemse em perfeita proporo em direes opostas.

A relao entre as variveis evidenciada pela formao de um padro no

diagrama de Disperso

TIPOS DE CORRELAO
A correlao entre 02 variveis pode ser:
1. Correlao Positiva : O aumento de uma varivel corresponde, ao aumento da
outra.
2. Correlao Negativa: O aumento de uma varivel corresponde a diminuio da
outra.
3. Correlao Linear: Quando possvel ajustar uma reta, ode ser forte (quanto
mais prximas da reta) ou fraca (quanto mais prximas da reta).
4. Correlao no-linear: Quando no possvel ajustar uma reta.
REGRESSO
Uma vez constatado que existe correlao linear entre duas variveis, pode-se
tentar prever o comportamento de uma delas em funo da variao da outra. Para
tanto ser suposto que existem apenas duas variveis. A varivel X (denominada
varivel controlada, explicativa ou independente) com valores observados X1, X2,
..., Xn e a varivel Y (denominada varivel dependente ou explicada) com valores
Y1, Y2, ..., Yn.

Os valores de Y so aleatrios, pois eles dependem no apenas de X, mas

tambm de outras variveis que no esto sendo representadas no modelo.
Estas variveis so consideradas no modelo atravs de um termo aleatrio
denominado erro. A varivel X pode ser aleatria ou ento controlada. Desta
forma pode-se considerar que o modelo para o relacionamento linear entre as
variveis X e Y seja representado por uma equao do tipo: Y = + X + U, onde
U o termo erro, isto , U representa as outras influncias na varivel Y alm da
exercida pela varivel X.
ESTIMATIVA DOS PARMETROS DE REGRESSO
Se fosse conhecido toda a populao de valores (Xi, Yi) ento seria possvel
determinar os valores exatos dos parmetros , e 2 . Como, em geral, se
trabalha com amostras se faz necessrio, ento, estimar estes parmetros com
base nos valores da amostra. Existem alguns mtodos para ajustar uma linha entre
as variveis X e Y o mais utilizado o denominado mtodo dos mnimos quadrados
(MMQ). A reta obtida atravs deste mtodo, no necessariamente, o melhor
ajustamento possvel, mas possui muitas propriedades estatsticas que so
desejveis.
EQUAO DE REGRESSO
A regresso linear que um modelo adequado quando encontramos disposies
dos pontos conforme os da figura abaixo:

Caso como os estas figura no seriam bem descritos pela equao linear.

10

Descrevemos a equao linear atravs da frmula y = a + bx. Chamamos a de

interceptor - y (valor de y para o qual x = 0) e b o coeficiente angular da reta.
Os diferentes valores observados representados pela figura abaixo sero ajustados
atravs da tcnica dos mnimos quadrados que permitem ajustar a melhor reta para
o conjunto de pontos dados.

4. Referncias Bibliogrficas

ARANGO, H.G.. Bioestatstica: Terica e computacional. Guanabara Koogan

S.A. RJ, 2001.
CALLEGARI-JACQUES, S. M. Bioestatstica: Princpios e Aplicaes. Ed.
Artmed. RS, 2003.
DOWNING, D e CLARK, J. Estatstica aplicada. 2a Ed. Saraiva. SP, 2002.
GAUVREAU, K. e PAGANO. Princpios de Bioestatstica. 2a Ed. Thonson, 2004.
RODRIGUES, P. C.. Bioestatstica. EdUFF, RJ, 2002.
TOLEDO, Geraldo Luciano; OVALLE, IvoIzidoro. Estatstica Bsica. 2 Edio.
So Paulo: Atlas, 1995.

11