You are on page 1of 129

Populao, amostra, varivel, coleta de dados, apurao de dados e apresentao tabular.

A palavra estatstica vem do latim status e significa estado. Inicialmente, era utilizada para compilar
dados que descreviam caractersticas de pases (Estados). Em 1662, John Graunt publicou estatsticas
de nascimentos e mortes. A partir de ento, o estudo dos eventos vitais e da ocorrncia de doenas e
bitos impulsionou o desenvolvimento da Estatstica nos campos terico e aplicado (Triola, 1999).
Atualmente, ndices e indicadores estatsticos fazem parte do dia a dia, tais como taxa de inflao,
ndice de desemprego, taxa de natalidade, taxa de crescimento populacional, ndice de poluio atmosfrica, ndice de massa corporal, entre outros.
Estatstica: uma coleo de mtodos para planejar experimentos, obter e organizar dados, resumilos, analis-los, interpret-los e deles extrair concluses (Triola, 1999).
Bioestatstica Estatstica aplicada s cincias da vida.
Nveis de mensurao
Escala nominal
Os indivduos so classificados em categorias segundo uma caracterstica.
Ex: sexo (masculino, feminino), hbito de fumar (fumante, no fumante), sobrepeso (sim, no).

No existe ordem entre as categorias e suas representaes, se numricas, so destitudas de significado numrico.
Ex:

sexo masculino=1, sexo feminino = 2.


Os valores 1 e 2 so apenas rtulos.

Escala ordinal
Os indivduos so classificados em categorias que possuem algum tipo inerente de ordem. Neste caso,
uma categoria pode ser "maior" ou "menor" do que outra.
Ex:

nvel scio-econmico (A, B, C e D; onde A representa maior poder aquisitivo);


nvel de retinol srico (alto, aceitvel, baixo, deficiente) onde alto: maior ou igual a 50,0
g/dl; aceitvel: 20,0 a 49,9 g/dl; baixo: 10,0 a 19,9 g/dl; deficiente: menor ou igual a 10,0
g/dl. Estes critrios so do Commitee on Nutrition for National Defense ICNND/USA, 1963 (in
Prado MS et al, 1995).

Embora exista ordem entre as categorias, a diferena entre categorias adjacentes no tem o mesmo
significado em toda a escala.
Escala numrica intervalar
Este nvel de mensurao possui um valor zero arbitrrio.
Ex: temperatura em graus Celsius.
Escala numrica de razes possui zero inerente natureza da caracterstica sendo aferida.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Escala de razes discreta: o resultado numrico da mensurao um valor inteiro.


Ex:
nmero de refeies em um dia (nenhuma, uma, duas, trs, quatro, ...),
frequncia de consumo semanal de determinado alimento (1 vez, 2 vezes, 3 vezes, 4 vezes, 5
vezes, 6 vezes, 7 vezes) .
Escala de razes contnua: o resultado numrico um valor pertencente ao conjunto dos nmeros
reais R ={-; ...; 0; 0,2; 0,73; 1; 2,48;...; +}.
Ex:
idade (anos), peso (g), altura (cm),nvel de retinol srico (g/dl), circunferncia da cintura
(cm).
Comparando-se as escalas intervalar e de razes contnua
material
A
B
C

0
C
20
40
60

comprimento
A
B
C

0
F
68
104
140

cm
20
35
40

|dif0C|
|A-B|=20
|B-C|=20
|A-C|=40

polegada
50,8
88,9
101,6

|dif 0F|
|A-B|=36
|B-C|=36
|A-C|=72

|difcm|
|A-B|=15
|B-C|=5
|A-C|=20

dif0C/dif0F
0,56
0,56
0,56

|dif pol|
|A-B|=38,1
|B-C|=12,7
|A-C|=50,8

razo0C
A/B=0,50
B/C=0,67
A/C=0,33

Difcm/difpol
0,394
0,394
0,394

razo0F
A/B=0,65
B/C=0,74
A/C=0,49

Razocm
A/B=0,571
B/C=0,875
A/C=0,5

Razo0C/razo0F
0,77
0,91
0,67

Razopol
A/B=0,571
B/C=0,875
A/C=0,5

Razocm/razopol
1
1
1

De acordo com os nveis de mensurao, pode-se classificar a natureza das variveis segundo a
escala de mensurao em:

VARIVEL:

qualitativa

quantitativa

nominal
ordinal
discreta
contnua

O tipo da varivel ir indicar a melhor forma para o dado ser apresentado em tabelas e
grficos, em medidas de resumo e, a anlise estatstica mais adequada.

Exemplo 1 -Classificar quanto a natureza, as seguintes variveis


Varivel
Condio de sade (doente, no doente)
Tipo de parto (normal, cesreo)
Nvel de colesterol srico (mg/100cc)
Tempo de um procedimento cirrgico (minutos)
Nmero de praias consideradas poludas
Custo do procedimento (reais)
Peso (g)
Estado nutricional (desnutrio, eutrofia, sobrepeso, obesidade)
Consumo de energia (Kcal)
Realizao da refeio caf da manh (sim/no)
Nmero de escolares por srie
Realizao de atividade fsica diria (sim/no)
Tempo assistindo TV/dia (< 2h, 2 a 4h, >4h)
Pores consumidas por grupo de alimentos
Percentual de gordura corporal (%)

Tipo (natureza)

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Coleta de dados
a observao e registro da categoria ou medida de variveis relacionadas ao objeto de estudo que
ocorrem em unidades (indivduos) de uma amostra ou populao.

Tpicos iniciais de amostragem


Populao: totalidade de elementos sob estudo. Apresentam uma ou mais caractersticas em comum.
Supor o estudo sobre a ocorrncia de sobrepeso em crianas de 7 a 12 anos no Municpio de So
Paulo.
Populao alvo todas as crianas nesta faixa etria deste municpio.
Populao de estudo crianas matriculadas em escolas.
Elementos: so unidades de anlise; podem ser pessoas, domiclios, escolas, creches, clulas ou qualquer outra unidade.
Amostra: uma parte da populao de estudo.
Amostragem: processo para obteno de uma amostra. Tem como objetivo estimar parmetros populacionais.
Parmetro: Quantidade fixa de uma populao.
Ex: peso mdio ao nascer de crianas que nascem no municpio de So Paulo ( = 3100 g);
Proporo de crianas de 7 a 12 anos classificadas como obesas, no municpio de So Paulo
( = 12%).
Estimador: uma frmula matemtica que permite calcular um valor (estimador por ponto) ou com
um conjunto de valores (estimador por intervalo) para um parmetro.
N

X
Ex: Mdia aritmtica: X =
N

onde

i =1

= X 1 + X 2 + ... + X N

e N = nmero de observaes.

i =1

Estimativa: Valor do estimador calculado em uma amostra. Estima o valor do parmetro.


Ex: Peso mdio ao nascer, calculado em uma amostra de 120.000 crianas nascidas no Municpio de
So Paulo no ano de 2000: mdia amostral = x = 3000 g .
Indicaes para utilizar uma amostra
Populao muito grande
Processo destrutivo de investigao
Novas terapias
Vantagens de realizar um estudo com amostragem:
Menor custo
Menor tempo para obteno dos resultados
Possibilidade de objetivos mais amplos
Dados possivelmente mais fidedignos
Desvantagens
Resultados sujeitos variabilidade

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Tipos de Amostragem
Probabilstica: cada unidade amostral tem probabilidade conhecida e diferente de zero de pertencer
amostra. usada alguma forma de sorteio para a obteno da amostra.
No probabilstica: no se conhece a probabilidade de cada unidade amostral pertencer amostra.
Algumas unidades tero probabilidade zero de pertencer amostra.
Ex: amostragem intencional; por voluntrios; acesso mais fcil; por quotas.
Tipos de amostragem probabilstica:
- aleatria simples (com e sem reposio);
- sistemtica;
- com partilha proporcional ao tamanho do estrato;
- por conglomerado.
Amostragem aleatria simples (AAS)
o processo de amostragem onde qualquer subconjunto de n elementos diferentes de uma populao de N elementos tem mesma probabilidade de ser sorteado (NN, 1998). Tamanho da populao:
N; tamanho da amostra: n; frao global de amostragem ou probabilidade de sortear um indivduo =

n
.
N

necessrio ter um sistema de referncia que contenha todos os elementos da populao


da qual ser retirada a amostra;
Utilizao da tabela de nmeros aleatrios mecnica;
Utilizao de programas computacionais.

Exemplo 2 -Os dados a seguir so de peso (kg) de 80 mulheres identificadas pela varivel id (identificao).
Id Peso Id peso Id Peso
Id
Peso Id Peso Id Peso
1
65
16
71
31
70
46
75
61
68
76
75
2
65
17
84
32
72
47
79
62
69
77
79
3
58
18
63
33
75
48
79
63
76
78
73
4
59
19
64
34
76
49
82
64
77
79
82
5
67
20
65
35
77
50
83
65
80
80
76
6
68
21
74
36
78
51
65
66
81
7
74
22
81
37
80
52
68
67
59
8
81
23
66
38
82
53
75
68
64
9
66
24
69
39
63
54
76
69
70
10
61
25
71
40
66
55
78
70
80
11
64
26
71
41
72
56
78
71
85
12
65
27
72
42
72
57
81
72
70
13
67
28
73
43
72
58
85
73
71
14
68
29
75
44
73
59
66
74
72
15
70
30
77
45
73
60
68
75
72
Fonte: Osborn JF. Statistical Exercises in Medical Research. John Wiley & Sons Inc., 1979. (adaptado).
a)
b)
c)
d)

Sorteie uma amostra aleatria de tamanho 20 utilizando a tabela dos nmeros equiprovveis.
Apresente os valores do peso dos indivduos sorteados.
Some os valores e divida pelo tamanho da amostra (nmero de valores).
Este valor o parmetro, o estimador ou a estimativa do peso mdio?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Amostragem sistemtica
Utiliza-se a ordenao natural dos elementos da populao (pronturios, casa, ordem de nascimento).

Intervalo de amostragem

k=

N
n

, onde N= tamanho da populao e n = tamanho da amos-

tra
Incio casual i, sorteado entre 1 e k, inclusive
Amostra sorteada composta pelos elementos: i, i+k, i+2k, ...., i+(n-1)k

OBS: necessrio ter cuidado com a periodicidade dos dados, por exemplo se for feito sorteio de dia
no ms, pode cair sempre em um domingo onde o padro de ocorrncia do evento pode ser diferente.
Exemplo: N=80; n=10;

k=

N 80
=
= 8 ; incio casual: 1 i 8
n 10

Comeo casual sorteado: i=4


Amostra composta dos elementos:
i ..............
i+k ..
i+2k .
i+3k .
i+4k .
i+5k .
i+6k .
i+7k .
i+8k ...
i+(n-1)k .

4
12
20
28
36
44
52
60
68
76

Se o intervalo de amostragem no for inteiro proceder da seguinte forma:


N= 321 ; n=154; K =

N 321
=
= 2,084
n 154

i deve ser um nmero sorteado entre 1 e 2,084


Sortear um nmero entre 1000 e 2084 e dividir o resultado por 1000
Nmero sorteado = 1941, portanto i=1,941
Indivduos:
I
i+k
i+2k
i+3k
.
.
.
i+(n-1)k

1,941
1,941+2,084 = 4,025
1,941+4,1680 = 6,109
1,941+6,252 = 8,193
.
.
.
1,941+318,852 = 320,793

elemento
1
4
6
8
.
.
.
320

Exemplo 3 Utilize os dados do Exemplo 2.


a) Sorteie uma amostra sistemtica de tamanho 20. Indique o intervalo de amostragem e o comeo casual sorteado. Indique o nmero de identificao de cada elemento da amostra.
b) Some os valores e divida pelo tamanho da amostra (nmero de valores).
c) Compare com o peso mdio obtido no exemplo 2. Voc esperaria o mesmo resultado? Justifique.
d) Qual dos dois valores voc diria que representa melhor o conjunto de dados? Justifique.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Amostragem casual simples estratificada com partilha proporcional


A populao possui estratos com tamanhos:
N1; N2; N3, onde a soma dos estratos o tamanho da populao, ou seja

=N

A amostra deve conter os elementos da populao nas mesmas propores dos estratos. Tem-se que
os tamanhos dos estratos amostrais so n1, n2 e n3 tal que

=n

Aplicando-se a proporo:

ni N i
N
=
ni = n i
n
N
N
Exemplo:
N=500; N1=50; N2=150; N3=300 e n=40

Estrato i
1
2
3
Total

n1 = 40

Tamanho do estrato
na populao
na amostra
Ni
ni
50
4
150
12
300
24
500
40

ni N i
=
n
N
0,1
0,3
0,6

50
150
300
= 4 ; n2 = 40
= 12 ; n3 = 40
= 24
500
500
500

Amostragem por conglomerado:


O conglomerado um conjunto de elementos formando uma unidade amostral. Se a unidade amostral for indivduo e forem sorteados domiclios, ento a amostragem por conglomerado.
Exemplo 4
Cite dois exemplos de amostragens por conglomerado.
Apurao de dados
Processo no qual conta-se o nmero de vezes que a varivel assumiu um determinado valor (frequncia de ocorrncia). Pode ser manual, mecnica ou eletrnica (programas estatsticos: Epi info, Stata,
Excel, SPSS, SAS, R, S-Plus).
Distribuio de frequncias - correspondncia entre categorias (valores) e frequncia de ocorrncia.
Distribuio de frequncias com dados pontuais e em intervalos de classe
Notao:
X : varivel
xi : valor observado para o indivduo i

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Apresentao pontual
Ex: 9 indivduos
X: nmero de refeies dirias
x: 2, 3, 3, 1, 5, 2, 3, 2, 3
Apurao:
nmero de refeies
1
2
3
5

frequncia absoluta
1
3
4
1

X: idade (anos inteiros)


x: 5, 5, 15, 20, 20, 20, 21, 21, 22, 22
frequncia
idade
5
2
15
1
20
3
21
2
22
2
X: peso ao nascer em gramas
X: 2250, 3025, 1600, 2725, 3750, 3950, 2400, 2180, 2520
peso
frequncia
1600
1
2180
1
2250
1
2400
1
2520
1
2725
1
3025
1
3750
1
3950
1
Altura em metros
X: 1,63; 1,60; 1,59; 1,60; 1,45; 1,73; 2,05; 1,85
altura
frequncia
1,45
1
1,59
1
1,60
2
1,63
1
1,73
1
1,85
1
2,05
1

Apresentao tabular
Elementos essenciais: ttulo, corpo, cabealho e coluna indicadora.
Tabela 1 - Ttulo: o que (natureza do fato estudado)?como (variveis)?onde? quando?
Varivel
%
n

Total
Fonte
notas, chamadas

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

OBS: nenhuma casela (interseco entre linha e coluna) deve ficar em branco.
A tabela deve ser uniforme quanto ao nmero de casas decimais e conter os smbolos ou 0 quando
o valor numrico nulo e ... quando no se dispe do dado.
Exemplo:
Distribuio de crianas(1) segundo nveis sricos de retinol. Cansao Bahia, 1992
Nvel de retinol srico(2)
n
%
Aceitvel
89
55,3
Baixo
65
40,4
Deficiente
7
4,3
Total
161
100
(1)
24 72 meses
(2)
aceitvel: 20,0 49,9 g/dl; baixo: 10,0 19,9 g/dl; deficiente: <10,0 g/dl
Fonte: Prado MS et al., 1995.
Apresentao tabular de varivel quantitativa contnua
Como idade varivel quantitativa contnua, a melhor forma
intervalos de valores denominados intervalos de classe.
Ex:
x: 5, 5, 15, 20, 20, 20, 21, 21, 22, 22
idade
frequncia
5 |-- 10
2
10 |-- 15
0
15 |-- 20
1
20 |-- 25
7
Total
10

de apresent-la em tabelas utilizando

%
20
10
70
100

Intervalos de classe: conjunto de observaes contidas entre dois valores limite (limite inferior e limite
superior).
Representao:
5 | -- 10
5 -- 10
5 |-- | 10

intervalo fechado no limite inferior e aberto no limite superior (contm o valor 5 mas no contm o valor 10)
intervalo aberto nos limites inferior e superior
(no contm os valores 5 e 10)
intervalo fechado nos limites inferior e superior
(contm os valores 5 e 10)

OBS: Representar o intervalo 0 |-- | 11 meses equivalente a represent-lo como 0 |-- 12 meses.
X: peso (g)
X: 2250, 3025, 1600, 2725, 3750, 3950, 2400, 2180, 2520, 2530
Peso (g)
1500|--2000
2000|--2500
2500|--3000
3000|--3500
3500|--4000
Total

frequncia
1
3
3
1
2
10

%
10
30
30
10
20
100

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

X: Altura (cm)
X: 1,63; 1,60; 1,59; 1,60; 1,45; 1,73; 2,05; 1,85
Altura (cm)
1,45|--1,55
1,55|--1,65
1,65|--1,75
1,75|--1,85
1,85|--1,95
1,95|--2,05
2,05|--2,15
Total

n
1
4
1
0
1
0
1
8

%
12,5
50,0
12,5
12,5
12,5
100

Os intervalos de classe devem ser mutuamente exclusivos (um indivduo no pode ser classificado
em dois intervalos ao mesmo tempo) e exaustivos (nenhum indivduo pode ficar sem classificao).
A amplitude do intervalo o tamanho do intervalo de classe. A amplitude do intervalo e o nmero
de intervalos dependem basicamente do problema especfico e da literatura existente sobre o assunto.
O ponto mdio do intervalo calculado somando-se o limite inferior e limite superior, dividindo-se
o resultado por dois.
Exemplo 5 Os dados a seguir so de altura de uma amostra de 351 mulheres idosas selecionadas
aleatoriamente de uma comunidade para um estudo de osteoporose.
142
152
154
145
152
154
145
152
154
145
152
154
146
152
155
147
152
155
147
153
155
147
153
155
147
153
155
148
153
155
148
153
155
149
153
155
150
153
155
150
153
155
150
153
155
150
153
155
150
153
155
150
153
155
151
153
155
151
153
155
151
153
155
151
153
155
151
153
155
151
154
155
152
154
155
152
154
156
152
154
156
152
154
156
152
154
156
152
154
156
Fonte: Hand DJ et alli. A

156
156
156
156
156
156
156
156
156
156
156
156
156
156
156
157
157
157
157
157
157
157
157
157
157
157
157
157
157

157
157
157
157
157
157
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158
158

158
158
158
158
158
158
158
158
159
159
159
159
159
159
159
159
159
159
159
159
159
159
159
159
159
160
160
160
160

160
160
160
160
160
160
160
160
160
160
160
160
160
160
160
160
160
161
161
161
161
161
161
161
161
161
161
161
161

161
161
161
161
161
161
161
161
162
162
162
162
162
162
162
162
162
162
162
162
162
162
162
162
162
162
163
163
163

163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
163
164
164

164
164
164
164
164
164
164
164
164
164
164
164
164
164
164
165
165
165
165
165
165
165
165
165
165
165
165
165
165

165
165
165
165
166
166
166
166
166
166
166
166
166
166
166
167
167
167
167
167
167
167
168
168
168
168
168
168
169

169
169
169
169
169
169
169
170
170
170
170
170
170
170
170
170
170
170
171
171
171
173
173
173
174
176
177
178
178

handbook of small data sets. Chapman&Hall, 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

a) Faa uma apurao dos dados e represente-os em uma tabela.


b) Interprete os resultados.
c) Se entre as 351 mulheres no fossem conhecidas as alturas de 15 delas, como voc representaria esses valores?
d) Ao apresentar os dados em uma tabela voc iria incluir estes valores?
e) Estas 15 mulheres tinham, na verdade, altura maior que 180 e o investigador, por achar que
eram valores esquisitos resolveu exclu-los. Voc concorda com esta deciso? Justifique.
Tabela de dupla entrada
Distribuio de crianas(1) segundo nveis sricos de retinol e idade. Cansao Bahia, 1992.
Faixa etria (meses)
Aceitvel
Inadequado
Total
n
%
n
%
n
%
<12
5
45,5
6
54,5
11
100
12|--24
10
43,5
13
56,5
23
100
24|--36
19
54,3
16
45,7
35
100
36|--48
21
65,6
11
34,5
32
100
48|--60
16
43,2
21
56,8
37
100
60|--73
18
78,3
5
21,7
23
100
Total
89
55,3
72
44,7
161
100
(1)
24 72 meses.
(2)
aceitvel: 20,0 49,9 g/dl; baixo: 10,0 19,9 g/dl; deficiente: <10,0 g/dl.
Fonte: Prado MS et al., 1995.
Exemplo 6
Os dados a seguir so de um estudo que investiga a relao entre nveis de -caroteno (mg/L) e hbito de fumar em gestantes.
a) Calcule as frequncias relativas. Fixando o 100% no total de fumantes e no fumantes.
b) Calcule as frequncias relativas. Fixando o 100% no total do nvel de B-caroteno (MG/L).
c) Interprete os resultados. Existe alguma indicao de existncia de associao entre as variveis? Justifique.
a)
Distribuio de gestantes segundo nveis de -caroteno (mg/L) e hbito de fumar.
Fumante
No Fumante
Total
-caroteno (mg/L)
n
%
n
%
n
%
Baixo (0 0,213)
46
74
120
Normal (0,214 1,00)
12
58
70
Total
58
132
190
Fonte: Silmara Silva. Tese de Mestrado/FSP/USP.
b)
Distribuio de gestantes segundo nveis de -caroteno (mg/L) e hbito de fumar.
Fumante
No Fumante
Total
-caroteno (mg/L)
n
%
n
%
n
%
Baixo (0 0,213)
46
74
120
Normal (0,214 1,00)
12
58
70
Total
58
132
190
Fonte: Silmara Silva. Tese de Mestrado/FSP/USP.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

10

Exerccios suplementares
Exerccio S1
Os dados a seguir so relativos ao nmero de refeies diria de 50 indivduos.
2
3
2
1
2
6
5
1
2
2
1
2
5
6
2
2
3
2
3
4
2
3
2
3
3
3
4
3
3
1
4
3
4
4
3
3
1
6
4
4
2
4
Fonte X.
a) Apresente os dados em uma tabela.
b) Interprete a disperso dos dados.

4
4
3
4

3
3
2
5

Exerccio S2
Os dados a seguir so provenientes do grupo Western Collaborative Group Study, criado na Califrnia
em 1960-61. Foram estudados 3154 homens de meia idade para investigar a relao entre padres de
comportamento e risco de doena coronariana. Os dados apresentados so de 40 homens para os
quais foram medidos os nveis de colesterol (mg/100ml) e realizada uma categorizao segundo comportamento. O comportamento de tipo A caracterizado pela urgncia, agressividade e ambio. O de
tipo B relaxado, no competitivo e menos preocupado.
Tipo A: nvel de colesterol
233
254

291
276

312
234

Tipo B: nvel de colesterol


344
185
263
226
175
242

250
181

246
248

246
252

224
153

197
252

212
183

268
202

224
218

188
137

250
202

239
212

148
194

239
325

169
213

a) Quais variveis que esto sendo estudadas? Identifique a natureza de cada varivel.
b) Apure os dados e apresente a varivel nvel de colesterol em uma tabela bidimensional, considerando os nveis A e B.
c) Classifique a varivel nvel de colesterol em duas categorias: nvel normal (abaixo de 160
mg/100ml) e nvel elevado (160 mg/100ml e mais) e faa uma tabela bidimensional cruzando
as variveis: nvel de colesterol (normal e alto) e tipo de comportamento (A e B). Interprete
os resultados.
Exerccio S3
Os dados a seguir so provenientes de um estudo realizado com escolares de 7 a 10 anos que participaram de um treinamento para melhorar a habilidade dos mesmos em especificar os alimentos consumidos atravs de um preenchimento de um Dirio Alimentar. Foram atribudos escores antes e aps
o treinamento para cada criana participante da pesquisa. Apresente os dados dos escores em trs
tabelas separadas e compare os dados da tabela antes e aps o treinamento.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

11

Tabela 1. Valores das mdias do escore obtido por aluno antes e aps o treinamento, segundo as
categorias identificao do alimento, detalhamento e quantificao. So Paulo, SP, 2007.
Escolar
Identificao de aliDetalhamento do
Quantificao
mento
alimento
Antes
Depois
Antes
Depois
Antes
Depois
1
4,67
5,00
2,50
1,88
3,17
2
4,89
5,00
3,33
2,50
4,33
3
5,00
5,00
1,25
2,67
5,00
4
4,44
5,00
0,83
1,25
4,50
5
5,00
4,92
2,50
0,63
5,00
6
3,11
5,00
3,33
3,00
4,87
7
3,83
5,00
2,50
3,33
5,00
8
4,17
5,00
2,50
3,75
2,33
4,58
9
3,33
4,58
2,50
3,13
1,00
4,58
10
5,00
5,00
5,00
5,00
11
2,50
4,67
2,50
4,33
12
4,17
4,44
1,25
2,67
0,50
4,89
13
4,50
5,00
1,25
2,50
3,22
14
3,33
5,00
2,50
1,67
3,17
5,00
15
5,00
5,00
3,13
0,67
4,50
16
3,33
5,00
2,50
0,42
3,39
17
3,33
5,00
2,50
4,17
18
3,83
5,00
3,67
19
1,67
5,00
0,63
0,83
20
3,17
5,00
1,25
2,50
4,42
21
3,89
5,00
2,50
2,33
22
3,89
5,00
2,50
4,28
1,33
23
5,00
5,00
5,00
24
5,00
5,00
2,50
4,17
3,78
25
4,50
5,00
0,63
0,83
3,00
26
1,67
5,00
0,83
27
5,00
5,00
0,50
2,17
5,00
28
3,33
5,00
0,50
0,67
1,00
29
4,53
4,53
1,50
2,50
30
3,33
5,00
0,63
1,88
3,58
31
3,75
5,00
1,67
4,50
32
1,67
5,00
1,00
1,17
33
4,17
3,75
0,21
0,25
- escore = zero.
Fonte: Consolmagno DC, 2009.
Exerccio S4
Os dados a seguir so relativos ao peso ao nascer (g) de recm nascidos com sndrome de desconforto idioptico grave. Algumas crianas foram a bito (*) e outras sobrevieram.
1050*
2500*
1890*
1760
2830
1175*
1030*
1940*
1930
1410
1230*
1100*
2200*
2015
1715
1310*
1185*
2270*
2090
1720
1500*
1225*
2440*
2600
2040
1600*
1262*
2560*
2700
2200
1720*
1295*
2730*
2950
2400
1750*
1300*
1130
2550
3160
1770*
1550*
1575
2570
3400
2275*
1820*
1680
3005
3640
Fonte: Hand DJ et al., 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

12

a) Classifique a varivel peso ao nascer em duas categorias: baixo peso (abaixo de 2500 g) e
no baixo peso (2500 g e mais) e faa uma tabela bidimensional cruzando as variveis: condio do recm-nascido (sobrevivente ou no sobrevivente) e peso ao nascer (baixo peso e no
baixo peso).
b) Interprete os resultados.

Exerccio S5
A tabela abaixo foi extrada do artigo Tendncia secular do peso ao nascer na cidade de So Paulo
(1976-1998) de MONTEIRO CA et al. (Rev. Sade Pblica; 2000:34 (6, supl): 26-40).
Comente os resultados apresentados.

Apresentao grfica: diagrama de barras, diagramas de setores circulares, diagrama linear, histograma, polgono de frequncia, ogiva de frequncias acumuladas.
Diagrama de barras
Utilizado para representar as variveis qualitativa nominal, ordinal e quantitativa discreta.
Caractersticas: figuras geomtricas (barras) separadas e bases de mesmo tamanho. A altura das
barras proporcional s frequncias.
Varivel qualitativa
O Inqurito Brasileiro de Nutrio (IBRANUTRI) foi um estudo de pacientes maiores de 18 anos, internados em hospitais da rede pblica, conveniados, filantrpicos e universitrios de 12 estados do Brasil
e do Distrito Federal, realizado de maio a novembro de 1996 (in Soares JF, Siqueira AL. Introduo
Estatstica Mdica, COOPMED,Belo Horizonte, MG 2002). Os dados da tabela so retirados deste estudo.
Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.
Estado nutricional
n
%
Nutrido
2061
51,5
Desnutrido
1905
47,6
Sem diagnstico
34
0,9
Total
4000
100,0
Fonte: adaptado de Soares JF, Siqueira AL, 2002.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

13

2500

Nmero

2000
1500
1000
500
0
Nutrido

Desnutrido

Sem
diagnstico

Estado nutricional

Fonte: adaptado de Soares JF, Siqueira AL, 2002.


Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.

Esta representao grfica est correta?


2100

Nmero

2050
2000
1950
1900
1850
1800
Nutrido

Desnutrido

Estado nutricional

Ateno: cuidado com a origem!

Diagrama de barras da tabela anterior, excluindo-se os registros da categoria sem diagnstico


2500
Nmero

2000
1500
1000
500
0
Nutrido

Desnutrido

Estado nutricional

Fonte: adaptado de Soares JF, Siqueira AL, 2002.


Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

14

Varivel qualitativa nominal


Distribuio do consumo mdio per capita de carne vermelha (kg/ano) segundo pas.
Pas
Consumo anual
Albnia
10,1
Alemanha Oriental
11,4
ustria
8,9
Blgica
13,5
Bulgria
7,8
Checoslovquia
9,7
Dinamarca
10,6
Alemanha Ocidental
8,4
Finlndia
9,5
Frana
18,0
Grcia
10,2
Itlia
9,0
Holanda
9,5
Fonte: Hand DJ et al., 1994 (adaptado).

Pas
Noruega
Polnia
Portugal
Romnia
Espanha
Sucia
Sua
Reino Unido
Unio Sovitica
Iugoslvia
Hungria
Irlanda

Consumo anual
9,4
6,9
6,2
6,2
7,1
9,9
13,1
17,4
9,3
4,4
5,3
13,9

Pas
Iugoslvia
Hungria
Rom nia

Pas

Portugal

Irlanda

Polnia

Hungria

Espanha

Iugoslvia
Unio Sovitica

Bulgria

Reino Unido

Alem anha Ocidental

Sua

ustria

Sucia

Itlia

Espanha
Romnia

Unio Sovitica

Portugal

Noruega

Polnia

Holanda

Noruega

Finlndia

Holanda

Checoslovquia

Itlia
Grcia

Sucia

Frana

Albnia

Finlndia

Grcia

Alemanha Ocidental

Dinam arca

Dinamarca

Alem anha Oriental

Checoslovquia

Sua

Bulgria

Blgica

Blgica
ustria

Irlanda

Alemanha Oriental

Reino Unido

Albnia

Frana
0

10

12

14

Consum o mdio per capita (Kg/ano)

16

18

20

10

15

Consum o m dio per capita (kg/ano)

Fonte: Hand DJ et al., 1994 (adaptado).


Distribuio do consumo mdio (kg/ano) per capita de carne vermelha, segundo pas.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

15

20

Varivel qualitativa ordinal


Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.
Estado nutricionala
n
%
Nutrido
2061
52,0
Desnutrido moderado
1407
35,4
Desnutrido grave
498
12,6
Total
3966
100
a
excluindo-se 34 (0,9%) de pacientes sem diagnstico.
Fonte: adaptado de Soares JF, Siqueira AL, 2002.
%

60
50
40
30
20
10
0

Nutrido

Des nutrido
m oderado

Des nutrido grave

Estado nutriciona l

excluindo-se 34 (0,9%) de pacientes sem diagnstico.


Fonte: adaptado de Soares JF, Siqueira AL, 2002.
Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.

Varivel quantitativa discreta: nmero de bens


Foi realizada, no perodo de outubro de 1998 a outubro 1999, a pesquisa Alimentao no primeiro
ano de vida, onde se estudou uma coorte de recm-nascidos da maternidade do Hospital Universitrio (HU). Os dados a seguir so parte da caracterizao scio-econmica da amostra estudada.
Distribuio de famlias segundo nmero de bens* que possuem. Hospital Universitrio/USP, So Paulo 1999.
Nmero de bens
n
%
0
146
40,6
1
97
26,9
2
87
24,2
3
26
7,2
4
4
1,1
Total
360
100
* automvel, telefone, TV a cabo e computador

50

40
30
20
10
0
0

2
3
Nmero de bens

*automvel, telefone, TV a cabo e computador


Distribuio de famlias segundo nmero de bens*. Hospital Universitrio/USP, So Paulo 1999.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

16

Exemplo 7
Os dados a seguir so relativos ao nmero de refeies dirias de 50 indivduos, utilizados no exerccio S1.
2
3
2
1
1
2
2
1
2
2
3
2
3
2
3
3
3
1
4
3
3
1
6
4
c) Apresente os dados em um grfico.
d) Interprete o grfico.

2
2
3
3
4
4

6
5
4
4
4
2

5
6
2
3
3
4

4
4
3
4

3
3
2
5

Diagrama de setores circulares


Variveis: qualitativa nominal e qualitativa ordinal
Distribuio de pacientes segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.
n
%
Estado nutricionala
Nutrido
2061
52,0
Desnutrido moderado
1407
35,4
Desnutrido grave
498
12,6
Total
3966
100
a
excluindo-se 34 (0,9%) de pacientes sem diagnstico.
Fonte: adaptado de Soares JF, Siqueira AL, 2002.

12,6%

52,0%
35,4%

Nutrido

Desnutrido moderado

Desnutrido grave

excluindo-se 34 (0,9%) de pacientes sem diagnstico.


Fonte: adaptado de Soares JF, Siqueira AL, 2002.
Distribuio de pacientes(a) segundo estado nutricional. IBRANUTRI, maio a novembro, 1996.
Diagrama linear

Produo de leite (milhes de toneladas).


ndia e Estados Unidos, 1966 2000.
Ano
ndia
Estados Unidos
1966
20
58
1970
23
56
1980
29
60
1990
50
70
2000
80
75
Fonte: State of the World, 2001.

Milhoes de toneladas

Produo de leite (milhes de toneladas).


ndia e Estados Unidos, 1966 2000
90

ndia

80

Estados Unidos

70
60
50
40
30
20
10
0
1960

1965

1970

1975

1980

1985

1990

1995

2000

2005

Ano

Fonte: State of the World, 2001.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

17

Exemplo 8
Os dados so referentes a produo (kg) de carne de peixes e de carne vermelha e de carneiro por
pessoa, no mundo, no perodo de 1950 a 2000.
Ano
Pesca ocenica
Carne vermelha e
(kg)
de carneiro (kg)
1950
7,9
9,0
1960
12,0
10,0
1970
16,1
12,0
1980
15,5
11,9
1990
16,3
12,0
2000
15,0
11,7
Fonte: State of the World, 2001. The Worldwatch Institute.
a) Apresente os dados em um grfico.
b) Interprete os resultados.

Histograma
Adequado para representar varivel quantitativa contnua
Intervalos de classe com mesma amplitude
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g)
Peso(g)
No
%
1000 |-- 1500
13
26
1500 |-- 2000
15
30
2000 |-- 2500
9
18
2500 |-- 3000
9
18
3000 |-- 3500
3
6
3500 |-- 4000
1
2
Total
50
100
Fonte: van Vliet PKJ, Gupta JM. (1973).
35

30
25
20
15
10
5
0

1000

1500

2000

2500

3000

3500

4000

Peso ao nascer (g)

Fonte: van Vliet PKJ, Gupta JM. (1973)


Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

18

Notar que o grfico pode ser construdo considerando-se pessoas por unidade de medida
(densidade)

1500
2000
2500
3000
3500
4000

No
13
15
9
9
3
1
50

nmero/g

Peso(g)
1000 |-1500 |-2000 |-2500 |-3000 |-3500 |-Total

Amplitude
500
500
500
500
500
500

No/amplitude
0,026
0,030
0,018
0,018
0,006
0,002

(No/amplitude)x10000
26
30
18
18
6
2

0,030
0,025
0,020
0,015
0,010
0,005
0
1000

1500

2000

2500

3000

3500

4000

peso ao nascer (g)

Fonte: van Vliet PKJ, Gupta JM. (1973).


Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g).
OBS: notar que com intervalos iguais, no necessrio fazer ajuste na altura dos retngulos dado
que as bases so de mesmo tamanho (mesma amplitude) e, portanto, com proporcionalidade assegurada.
Exemplo 9
Os dados so referentes distribuio de pacientes segundo taxa de albumina no sangue (g/dL).
Taxa de albumina (g/dL)
No
%
4,40|-4,60
6
10,0
4,60|-4,80
11
18,3
4,80|-5,00
14
23,3
5,00|-5,20
18
30,0
5,20|-5,40
8
13,3
5,40|-5,60
2
3,3
5,60|-5,80
0
5,80|-6,00
1
1,7
Total
60
100
Fonte: Soares JF, Siqueira AL. COOPMED, 2002.
a) Apresente os dados em um histograma.
b) Interprete os resultados.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

19

Intervalos de classe com amplitudes diferentes


Distribuio de mulheres idosas segundo a altura.
Altura (cm)
No
%
140|--150
12
3,4
150|--155
52
14,8
155|--160
109
31,1
160|--170
156
44,4
170|--180
22
6,3
Total
351
100
Fonte: Hand DJ et al., 1994.
Ajuste
Altura (cm)
No
Amplitude
No/amplitude
140|--150
12
10
1,2
150|--155
52
5
10,4
155|--160
109
5
21,8
160|--170
156
10
15,6
170|--180
22
10
2,2
Total
351
Fonte: Hand DJ et al., 1994.
Distribuio de mulheres idosas segundo a altura.
Cuidado: Sem fazer o ajuste, o grfico fica errado e pode levar a concluses incorretas.

50
45
40
35
30
25
20
15
10
5
0

140

150

160

170

180

Altura (cm)

Grfico correto, com o ajuste para intervalos de classe com amplitudes diferentes.
25

Mulheres/cm

20
15
10
5
0
140

145

150

155

160

165

170

175

180

altura (cm)

Fonte: Hand DJ et al., 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

20

Exemplo 10
Os dados a seguir so da altura (cm) de uma amostra de mulheres de Bangladesh.
Altura (cm)
nmero
137,0 |--140,0
71
140,0 |--143,0
137
143,0 |--145,0
154
145,0 |--147,0
199
147,0 |--150,0
279
150,0 |--153,0
221
153,0 |--155,0
94
155,0 |--157,0
51
157,0 |--160,0
37
Total
1243
Fonte: Hand DJ et al, 1994 (adaptado).
a) Represente os dados acima, graficamente em um histograma.
b) Interprete os resultados.

Polgono de frequncia simples


Intervalos de classe com mesma amplitude
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g).
Peso(g)
No
%
1000 |-- 1500
13
26
1500 |-- 2000
15
30
2000 |-- 2500
9
18
2500 |-- 3000
9
18
3000 |-- 3500
3
6
3500 |-- 4000
1
2
Total
50
100
Fonte: Hand DJ et al., 1994.

16

Nmero

14
12
10
8
6
4
2
0
0

500 1000 1500 2000 2500 3000 3500 4000 4500


peso (g)

Fonte: Hand DJ et al., 1994.


Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

21

Exemplo 11
Os dados a seguir so referentes distribuio de usurias do Servio de Sade X segundo idade
(anos). Municpio de So Paulo, 2009.
Idade (anos)
n
%
15|-- 20
14
19,5
20|-- 25
24
33,3
25|-- 30
16
22,2
30|-- 35
9
12,5
35|-- 40
8
11,1
40|--45
1
1,4
Total
72
100
Fonte: Dados hipotticos.
a) Apresente a varivel em um polgono de frequncias simples.
b) Interprete os resultados.
Intervalos de classe com amplitudes diferentes
Distribuio de mulheres
Altura (cm)
140|--150
150|--155
155|--160
160|--170
170|--180
Total
Fonte: Hand DJ et al., 1994.

idosas segundo a altura.


%
No
12
3,4
52
14,8
109
31,1
156
44,4
22
6,3
351
100

Ajuste
No
12
52
109
156
22
351

Altura (cm)
140|--150
150|--155
155|--160
160|--170
170|--180
Total

No/amplitude
1,2
10,4
21,8
15,6
2,2

Amplitude
10
5
5
10
10

nm er o de p ess oa s/cm

25

20

15
10

5
0
1 30

1 35

140

14 5

1 50

1 55

160

16 5

1 70

175

180

18 5

1 90

Altu ra (c m)

Fonte: Hand DJ et al., 1994.


Distribuio de mulheres idosas segundo a altura (cm).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

22

Exemplo 12
Distribuio de homens segundo nvel de glicose no sangue (mg%).
Nvel de glicose no sangue
n
(mg%)
50|-- 100
13
100|-- 150
45
150|-- 200
28
200|-- 250
10
250|-- 300
3
300|-- 450
1
Fonte: X.
a) Apresente os dados acima graficamente utilizando o polgono de frequncias simples.
b) Interprete os resultados.
Polgono (ogiva) de frequncias acumuladas
Distribuio de mulheres idosas segundo a altura.
%
Altura (cm)
No
140|-145
1
0,29
145|-150
11
3,13
150|-155
52
14,81
155|-160
109
31,05
160|-165
106
30,20
165|-170
50
14,25
170|-175
18
5,13
175|-180
4
1,14
Total
351
100
Fonte: Hand DJ et al., 1994.
100

% acumulado
0,29
3,42
18,23
49,28
79,48
93,73
98,86
100

% acumulado

80
60
40
20
0
140

145

150

155

160 165

170 175 180

altura (cm)

Fonte: Hand DJ et al., 1994.


Distribuio acumulada de mulheres idosas segundo a altura.

Percentil
25%
50%
75%

Valor da varivel
156 cm
160 cm
164 cm

Medidas estatsticas
Q1 primeiro quartil
Q2 - segundo quartil ou mediana
Q3 terceiro quartil

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

23

Exemplo 13
Os dados a seguir so medidas de circunferncia do trax (polegadas) de 5732 soldados escoceses
apresentados pelo matemtico belga Adolphe Quetelet (17961874).
Medida (polegada)
nmero
%
% acumulada
33,0 | 34,0
3
34,0 | 35,0
19
35,0 | 36,0
81
36,0 | 37,0
189
37,0 | 38,0
409
38,0 | 39,0
753
39,0 | 40,0
1062
40,0 | 41,0
1082
41,0 | 42,0
935
42,0 | 43,0
646
43,0 | 44,0
313
44,0 | 45,0
168
45,0 | 46,0
50
46,0 | 47,0
18
47,0 | 48,0
3
48,0 | 49,0
1
Total
5732
Fonte: Daly F et al. Elements of Statistics, 1999.
a) Represente os dados em um polgono de frequncias acumuladas.
b) Utilizando o grfico, identifique o valor da circunferncia de trax que deixa 25% dos indivduos abaixo.
c) Qual o valor de circunferncia do trax que divide a distribuio em 2 partes iguais, isto ,
qual o valor da varivel que deixa 50% das observaes abaixo dele?
d) Qual a proporo de soldados com circunferncia do trax entre 40 a 42 polegadas?
e) Qual o valor de circunferncia do trax que deixa 95% dos soldados abaixo dele?
Representao grfica de duas variveis qualitativas
Os dados so de um estudo de obesidade em mulheres da zona urbana de Trinidade e Tobago,
realizado em 1985, que estuda a relao entre idade da menarca e a medida do trceps.
Distribuio de mulheres segundo idade da menarca e medida do trceps. Trinidade e Tobago,1985.
Idade da menarca

Medida do trceps
Intermediria
Grande
< 12 anos
29
36
12 anos e mais
197
150
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
Pequena
15
156

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

24

Investigando-se a distribuio da idade segundo medida do trceps tem-se:


250

<12

nmero

200

12 e +

150
100
50
0
Pequena

Intermediria

Grande

medida do trceps

Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.


Distribuio de mulheres segundo idade da menarca e medida do trceps. Trinidade e Tobago,1985.
Calculando-se as porcentagens, tomando-se as categorias da medida do trceps como 100%, tem-se:
Distribuio de mulheres segundo idade da menarca e medida do trceps. Trinidade e Tobago,
1985.
Idade (anos)

<12
12 e +
Total
Fonte:

Medida do trceps
Pequena
Intermediria
Grande
Total
n
%
n
%
n
%
n
%
15
8,8
29
12,8
36
19,4
80
13,7
156
91,2
197
87,2
150
80,6
503
86,3
171
100
226
100
186
100
583
100
Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
%

100

<12

80

12 e +

60
40
20
0
Pequena

Intermediria

Grande

Medida do trceps

Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.


Distribuio de mulheres segundo idade da menarca e medida do trceps. Trinidade e Tobago,
1985.
Investigando-se a distribuio da medida do trceps segundo a idade:
250
200
150

nmero

Pequena
Intermediria
Grande

100
50
0
<12

12 e +
idade

Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.


Distribuio de mulheres segundo idade da menarca e medida do trceps. Trinidade e Tobago,
1985.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

25

Calculando-se as porcentagens tem-se:


Idade
(anos)
<12
12 e +
Total

Medida do trceps
Intermediria
n
%
29
36,2
197
39,2
226
38,8

Pequena
N
%
15
18,8
156
31,0
171
29,3
50

n
36
150
186

Grande
%
45,0
29,8
31,9

Total
n
80
503
583

%
100
100
100

%
Pequena

45

Intermediria
Grande

40
35
30
25
20
15
10
5
0
<12

12 e +
Idade da menarca

Exemplo 14
A tabela apresenta dados de classificao de pessoas segundo doena coronariana (CHD) segundo
hbito de consumo de caf para uma coorte de 1718 homens com idade 40-55 anos.
Distribuio de homens segundo presena de doena coronariana (CHD) e consumo de caf.
Moderado consumo de
Total
condio
Alto consumo de caf
caf (<100 xcaras/ms)
( 100xcaras/ms)
n
%
n
%
n
%
Com CHD
38
4,8
39
4,2
77
4,5
Sem CHD
752
95,2
889
95,8
1641
95,5
Total
790
100
928
100
1718
100
a) Apresente os dados graficamente.
b) Interprete os resultados.
Representao grfica de duas variveis quantitativas
Histograma
Fixando-se os percentuais na condio do recm-nascido:
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g) e condio do recm-nascido.
Peso(g)
Sobrevivente
No sobrevivente
Total
no
%
no
%
no
%
1000 |-- 1500
2
9
11
41
13
26
1500 |-- 2000
6
26
9
33
15
30
2000 |-- 2500
5
22
4
15
9
18
2500 |-- 3000
6
26
3
11
9
18
3000 |-- 3500
3
13
0
3
6
3500 |-- 4000
1
4
0
1
2
Total
23
100
27
100
50
100
Fonte: Hand DJ et al., 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

26

45
40
35
30
25
20
15
10
5
0

1000 1500 2000 2500 3000 3500 4000

Sobrevivente

1000 1500 2000 2500 3000

No sobrevivente

Condio do recm nascido

Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo


peso ao nascer (g) e condio do recm-nascidos.
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
Polgono de frequncias
45

40

Sobrevivente

35

No sobrev.

30
25
20
15
10
5
0
0

500

1000

1500 2000 2500 3000


peso ao nascer (g)

3500

4000

4500

Fonte: Hand DJ et al., 1994.


Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g) e condio do recm-nascido.
Fixando-se os percentuais no peso ao nascer:
Diagrama de barras
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g) e condio do recm-nascido.
Peso(g)
Sobrevivente
No sobrevivente
Total
no
%
no
%
no
%
1000 |-- 1500
2
15
11
85
13
100
1500 |-- 2000
6
40
9
60
15
100
2000 |-- 2500
5
56
4
44
9
100
2500 |-- 3000
6
67
3
33
9
100
3000 |-- 3500
3
100
0
3
100
3500 |-- 4000
1
100
0
1
100
Total
23
46
27
54
50
100
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

27

120

Sobrevivente

100
No sobrevivente
80
60
40
20
0
1000 |--1500

1500 |--2000

2000 |--2500

2500 |--3000

3000 |--3500

3500 |--4000

peso (g)

Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.


Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g) e condio do recm-nascido.
100

no sobreviviente

sobrevivente

80
60
40
20
0
1000 1500 2000 2500 3000 3500 4000

peso (g)
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g) e condio do recm-nascido.
Exemplo 15
Utilize os dados da tabela e apresente-os graficamente.
Distribuio de escolares de 7 a 10 anos segundo peso e sexo. Duas escolas do Municpio de So Paulo, 2005.
Peso (kg)
Sexo
Masculino
Feminino
15,0 |-- 25,0
52
68
25,0 |-- 35,0
146
132
35,0 |-- 45,0
59
53
45,0 |-- 55,0
11
18
55,0 |-- 65,0
10
2
65,0 |-- 75,0
3
1
75,0 |-- 85,0
0
0
85,0 |-- 95,0
0
1
Total
281
275
Fonte: Koga CR. Estado nutricional de escolares de 7 a 10 anos de idade: diagnstico e comparao
de mtodos. So Paulo; 2005. [Dissertao de Mestrado-Faculdade de Sade Pblica da Universidade
de So Paulo/USP].

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

28

Exemplo 16
Utilize os dados da tabela e apresente-os graficamente.
Distribuio de percentual (%) de escolares segundo estatura (cm), sexo e idade.
Estatura (cm)
Sexo
Masculino
Feminino
105,0 119,9
3
16
120,0 124,9
36
31
125,0 129,9
61
74
130,0 134,9
57
41
135,0 139,9
52
43
140,0 144,9
38
30
145,0 149,9
22
26
150,0 159,9
12
14
Total
281
275
Fonte: Koga CR. Estado nutricional de escolares de 7 a 10 anos de idade: diagnstico e comparao
de mtodos. So Paulo; 2005. [Dissertao de Mestrado-Faculdade de Sade Pblica da Universidade
de So Paulo/USP].

Escala aritmtica e escala logartmica


Nmero de crianas segundo massa corporal. Escola X, 2000 e 2002.
Ano
Sobrepeso
Obesas
2000
300
100
2002
150
50
Fonte: dados hipotticos.
Grfico em escala aritmtica

350
Sobrepeso

300

Obeso

Nmero

250
200
150
100
50
0
2000

2002
Ano

Fonte: dados hipotticos


Nmero de crianas segundo massa corporal. Escola X, 2000 e 2002.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

29

Grfico em escala logartmica


Sobrepeso

Nmero

1000

Obeso

100

10

1
2000

2002
Ano

Fonte: dados hipotticos.


Nmero de crianas segundo massa corporal. Escola X, 2000 e 2002.

Grfico em escala aritmtica


Coeficiente de mortalidade pela doena X e Y (100.000 hab.). Determinada localidade,
1990- 1995.
Ano
Doena X
Doena Y
1990
123,5
28,7
1991
121,4
22,4
1992
111,9
17,7
1993
85,9
13,9
1994
77,1
14,8
1995
62,2
10,5
Fonte: dados hipotticos.

150

Doena X

Coeficiente

Doena Y

100
50
0
1990 1991 1992 1993 1994 1995

Ano

Fonte: dados hipotticos.


Coeficiente de mortalidade pela doena X e Y (100.000 hab.). Determinada localidade, 1990- 1995.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

30

Grfico em escala logartmica


1000

Doena X

Coeficiente

Doena Y
100

10
1
1990

1991

1992

1993

1994

1995

Ano

Fonte: dados hipotticos.


Coeficiente de mortalidade pela doena X e Y (100.000 hab.). Determinada localidade, 1990 - 1995.
Exemplo 17
Os dados a seguir so referentes mortalidade por cncer de esfago, segundo sexo, no municpio de
So Paulo no perodo de 1968-1998.
Coeficientes de mortalidade por cncer de esfago (por 100.000 hab.).
Municpio de So Paulo, 1968-1998.
Ano
Masculino
Feminino
1968
8,81
2,00
1973
12,38
2,61
1978
10,93
1,98
1983
9,41
2,00
1988
8,60
1,67
1993
8,33
1,27
1998
8,37
1,12
Fonte: Incidncia de cncer no Municpio de So Paulo, 1997-1998. Registro de Cncer de So Paulo.
FSP/USP.
a) Represente os coeficientes de mortalidade por cncer de esfago para o sexo masculino e feminino
em um nico grfico, utilizando escala aritmtica.
b) Represente os coeficientes de mortalidade por cncer de esfago para o sexo masculino e feminino
em um nico grfico utilizando escala logartmica.
c) Comente os grficos dos itens a e b. Qual a melhor representao para os dados?
Exerccios suplementares
Exerccio S6
Apresente a varivel peso ao nascer graficamente utilizando a varivel definida em duas categorias,
conforme tabela abaixo.
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
peso ao nascer (g). Austrlia, 1993.
%
Peso(g)
No
Baixo peso (<2500 g)
37
74,0
No baixo peso (2500 g e mais)
13
26,0
Total
50
100
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

31

Exerccio S7
Apresentar a varivel comprimento ao nascer em um histograma.
Distribuio de recm-nascidos segundo comprimento ao nascer (cm). Hospital X, 2009.
Comprimento (cm)
n
%
40|--43
1
1,2
43|--46
45
55,6
46|--49
25
30,9
49|--52
4
5
52|--55
3
3,7
55|--58
1
1,2
58|--61
2
2,5
Total
81
100
Fonte: dados hipotticos.
Exerccio S8
Apresentar a varivel idade da me em um polgono de frequncias.
Distribuio de mes segundo idade (anos). Centro de Sade X, 2009.
Idade (anos)
n
%
15|-- 20
14
19,5
20|-- 25
24
33,3
25|-- 30
16
22,2
30|-- 35
9
12,5
35|-- 40
8
11,1
40|--45
1
1,4
Total
72
100
Fonte: dados hipotticos.
Exerccio S9
Defeitos do tubo neural so m formaes congnitas que surgem durante o desenvolvimento fetal.
conhecida como spina bfida. Estes dados so de um estudo realizado no pas de Gales Reino Unido,
para investigar possvel associao entre defeito do tubo neural e dieta materna. O estudo do tipo
caso-controle: mes que tinham tido bebs com spina bfida (casos) e suas irms que no tinham tido
(controles) foram avaliadas segundo suas dietas e classificadas em boa, razovel e ruim.
Distribuio de recm-nascidos casos (acometidos de spina bfida) e controles segundo dieta da
me.
Dieta
Casos
Controles
Total
n
%
n
%
n
%
Boa
34
43
77
Razovel
110
48
158
Pobre
100
32
132
Total
244
123
367
Fonte: Hand DJ ET al., 1994.
a) Calcular percentuais tomando-se como 100% o grupo (caso, controle) e interprete os resultados.
b) Apresentar os dados em um grfico.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

32

Exerccio S10
Represente os dados da tabela em um polgono de frequncias e interprete os resultados. Trata-se de
condenados por embriaguez em Londres, 1970.
Idade
Homens
Mulheres
Nmero
%
Nmero
%
0 |--30
185
20,5
4
9,1
30 |-- 40
207
22,9
13
29,5
40 |-- 50
260
28,8
10
22,7
50 |--60
180
19,9
7
15,9
60 |--80
71
7,9
10
22,7
total
903
100
44
100
Fonte: Hand DJ et alli. A handbook of small data sets. Chapman&Hall, 1994.

Medidas de tendncia central e de disperso


Medidas de tendncia central
Mdia aritmtica
Notao:
X varivel
N tamanho da populao
n tamanho da amostra
Mdia populacional (parmetro, geralmente desconhecido)

Estatstica (frmula)

Mdia amostral (estimativa, valor calculado na amostra)

Mdia aritmtica o valor que indica o centro de equilbrio de uma distribuio de frequncias de uma
varivel quantitativa.
Definio: a soma dos valores de uma varivel, dividida pelo nmero de valores.
Em uma amostra aleatria simples de tamanho n, composta das observaes x1, x2, ..., xn, a mdia
aritmtica ( x ) igual a:
n

x + x 2 + ... + x n
x= 1
=
n

i =1

OBS:
s existe para variveis quantitativas e seu valor nico;

da mesma natureza da varivel considerada; e


sofre influncia dos valores aberrantes (outlier).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

33

Exemplo:
Os dados a seguir so provenientes do grupo Western Collaborative Group Study. Grupo tipo A: pessoas caracterizadas pela urgncia, agressividade e ambio. Os participantes de tipo B so mais relaxados, no competitivos e menos preocupados.
Tipo A: nvel de colesterol
233
291
312
254
276
234

250
181

246
248

197
252

268
202

224
218

239
212

239
325

188
137

250
202

148
194

169
213

Colesterol mdio:

xA =

233 + 291 + ... + 212 + 325


= 245,05mg / 100ml
20

Tipo B: nvel de colesterol


344
185
263
226
175
242

246
252

224
153

212
183

xB =
O nvel mdio de colesterol dos homens do grupo A 245,1 mg/100ml e do tipo B _____________.
Exemplo 18
Os dados a seguir so provenientes de um estudo que avaliou o consumo alimentar de crianas de 7
a 10 anos de uma escola pblica do municpio de So Paulo no ano de 2008. Os dados apresentados
so de 15 meninos e 10 meninas para os quais foram investigados o consumo em energia (Kcal) de
um dia alimentar. Calcule a mdia aritmtica do consumo de energia para cada sexo:

Meninos
1976
1412

3234
1635

1405
2230

1410
1241

1782
1866

2167

1917

2622

1824

3912

2964

2203

1478

1151

1083

1362

1392

1637

1628

x Meninos =
Meninas
2002

x Meninas =
Mediana
o valor que ocupa a posio central de uma srie de n observaes, quando estas esto ordenadas
de forma crescente ou decrescente.
Quando nmero de observaes (n) for mpar:
a mediana o valor da varivel que ocupa o posto

n+1
2

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

34

Quando o nmero de observaes (n) for par:


a mediana a mdia aritmtica dos valores da varivel que ocupam os postos

n
2

n+2
2

OBS:
existe para varivel quantitativa e qualitativa ordinal;

da mesma natureza da varivel considerada;

torna-se inadequada quando h muitos valores repetidos;

no sofre influncia de valores aberrantes.

Ex:
Tipo A: nvel de colesterol
233
291
312
254
276
234

250
181

246
248

197
252

268
202

224
218

239
212

239
325

Ordenando-se os valores:
Tipo A: nvel de colesterol
181
202
218
197
212
224

233
234

239
239

246
248

250
252

254
268

276
291

312
325

224
153

212
183

188
137

250
202

148
194

169
213

Mediana: (239+246)/2=242,5 mg/100ml


Tipo B: nvel de colesterol
344
185
263
226
175
242

246
252

Ordenando-se os valores:

Mediana:

Exemplo 19
Com os dados do exemplo 18, calcule a quantidade mediana de energia para os meninos e para as
meninas:
Meninos

Mediana=
Meninas

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

35

Mediana=
Medidas de disperso
Valores mnimo e mximo: valores extremos da distribuio.
Amplitude de variao: a diferena entre os 2 valores extremos da distribuio.
Varincia: indica o quanto, em mdia, os quadrados dos desvios de cada observao em relao
mdia aritmtica esto afastados desta mdia.
N

(X
Populacional

Parmetro

S (2N ) =

X )2

i =1

estimador :

(X
S (2N 1) =

Desvio padro: a raiz quadrada da varincia , ou seja

ou

N
i

X )2

i =1

N 1

= 2
S = S2

Coeficiente de Variao de Pearson (CV):


o quociente entre o desvio padro e a mdia, ou seja

CV =

S
x100
X

Ex e m pl o :
Tipo A: nvel de colesterol
233
291
312
254
276
234

Varincia:

s2 =

Desvio padro

250
181

246
248

197
252

268
202

224
218

239
212

239
325

148
194

169
213

(233 245,05) 2 + ... + (325 245,05) 2


= 1342,37(mg / 100ml ) 2
19

s = 1342,37 = 36,64mg / 100ml

Coeficiente de Variao de Pearson

Tipo B: nvel de colesterol


344
185
263
226
175
242

CV =

246
252

36,64
x100 = 15%
245,05
224
153

212
183

188
137

250
202

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

36

Varincia:

s2 =

Desvio padro

s=

Coeficiente de Variao de Pearson CV=


Exemplo 20
Com os dados do exemplo 18, calcule a varincia, o desvio-padro e o coeficiente de variao de
Pearson.
Meninos

Meninas

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

37

Quartil
Valores da varivel que dividem a distribuio em quatro partes iguais.

25%

25%

25%

25%

Q1: deixa abaixo 25% das observaes


25%
75%
Q2: deixa abaixo 50% das observaes
50%

50%

75%

Q3: deixa abaixo 75% das observaes


25%

Q1 = x 1

( ( n +1))
4

onde x o valor da varivel e

Q3 = x

1
( (n + 1))
4

3
( ( n +1))
4

3
( ( n + 1)) so ndices que representam as posies
4

ocupadas por x.
Os dados abaixo so referentes ao peso ao nascer
desconforto respiratrio idioptico grave.
23 crianas sobreviveram e 27 foram a bito (*).
1.050*
2.500*
1.175*
1.030*
1.230*
1.100*
1.310*
1.185*
1.500*
1.225*
1.600*
1.262*
1.720*
1.295*
1.750*
1.300*
1.770*
1.550*
2.275*
1.820*

de 50 recm-nascidos que tiveram sndrome de

1.890*
1.940*
2.200*
2.270*
2.440*
2.560*
2.730*
1.130
1.575
1.680

Ordenando-se os dados, em cada grupo, obtm-se:


1.030*
1.310*
2.200*
1.050*
1.500*
2.270*
1.100*
1.550*
2.275*
1.175*
1.600*
2.440*
1.185*
1.720*
2.500*
1.225*
1.750*
2.560*
1.230*
1.770*
2.730*
1.262*
1.820*
1.130
1.295*
1.890*
1.410
1.300*
1.940*
1.575

1.760
1.930
2.015
2.090
2.600
2.700
2.950
2.550
2.570
3.005

1.680
1.715
1.720
1.760
1.930
2.015
2.040
2.090
2.200
2.400

2.830
1.410
1.715
1.720
2.040
2.200
2.400
3.160
3.400
3.640

2.550
2.570
2.600
2.700
2.830
2.950
3.005
3.160
3.400
3.640

Fonte: van Vliet PK; Gupta JM. Sodium bicabornate in idiopatic respiratory distress syndrome. Arch.

Diseases in Childhood,1973:48, 249-255.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

38

Entre os recm-nascidos que sobreviveram:

Q1 = x

= x 6 = 1720 g ; Q3 = x

1
( ( 23+1))
4

Q2 = x 1

( ( 23+1))
2

3
( ( 23+1))
4

= x18 = 2830 g

= x12 = 2200g

Entre os recm-nascidos que foram a bito

Q1 = x 1

= x7 = 1230g ; Q3 = x 3

Q2 = x 1

= x14 = 1600 g

( ( 27+1))
4
( ( 27 +1))
2

( ( 27 +1))
4

= x21 = 2200g

Se o resultado for um valor fracionrio:


Por exemplo, para n=22

Q1 = x 1

( ( 22+1))
4

= x 23 = x
(

3
(5 )
4

que do caminho entre x5=1715 e x6=1720

Q1 = 1715 +

Q3 = x 3

3
(1720 1715) = 1718,8 g
4

( ( 22+1))
4

=x

1
(17 )
4

que do caminho entre x17=2700 e x18=2830

1
Q3 = 2700 + ( 2830 2700) = 2732,5 g
4
Decil
Valores da varivel que dividem a distribuio em dez partes iguais.
Percentil
Valores da varivel que dividem a distribuio em cem partes iguais.

Entre os recm-nascidos que sobreviveram


Percentil 5:

P5 = x

5
( 23+1))
100

= x 120 = x
(

100

1
(1 )
5

que 1/5 do caminho entre x1=1130 e x2=1410

1
P5 = 1130 + (1410 1130) = 1186 g
5

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

39

Percentil 10:

P10 = x

10
(
( 23+1))
100

= x 240 = x
(

100

2 ;
(2 )
5

P10 = 1410 +

2
(1575 1410 ) = 1476 g
5

Percentil 50:

P50 = x

= x 1200 = x(12) ; P50 = 2200 g


(
)

50
( 23+1))
100

100

Percentil 75:

P75 = x

75
( 23+1))
100

= x 1800 = x(18) ; P75 = 2830g


(
)
100

Percentil 90:

P90 = x

= x 2160 = x

90
( 23+1))
100

100

3 ;
( 21 )
5

P90 = 3160 +

3
(3400 3160) = 3304 g
5

Percentil 95:

P95 = x

= x 2280 = x

95
( 23+1))
100

100

4 ;
( 22 )
5

P95 = 3400 +

4
(3640 3400 ) = 3592 g
5

Box plot e identificao de valores aberrantes (outliers)


O Box plot representa graficamente dados de forma resumida em um retngulo onde as linhas da
base e do topo so o primeiro e o terceiro quartis, respectivamente. A linha entre estas a mediana.
Linhas verticais que iniciam no meio da base e do topo do retngulo, terminam em valores
denominados adjacentes inferior e superior (Chambers et al., 1983, pag 60).
O valor adjacente superior o maior valor das observaes que menor ou igual a Q3+1,5(Q3-Q1).
O valor adjacente inferior definido como o menor valor que maior ou igual a Q1-1,5(Q3-Q1),
sendo a diferena Q3-Q1 denominada intervalo inter-quartil (IIQ).
Valores outliers (discrepantes ou aberrantes) so valores que fogem da distribuio dos dados. O
box plot alm de apresentar a disperso dos dados torna-se til tambm para identificar a ocorrncia
destes valores como sendo os que caem fora dos limites estabelecidos pelos valores adjacentes superior e inferior.
Exemplo:
Tipo A: nvel de colesterol
181
202
218
197
212
224

233
234

239
239

246
248

250
252

254
268

276
291

312
325

Tipo B: nvel de colesterol


137
153
175
148
169
183

185
188

194
202

212
213

224
226

242
246

250
252

263
344

Tipo A:
n=20;

Q1 = x 1
4

Q3 = x 3
4

( n +1)

( n +1)

= x 21 = x

= x3
4

( 21)

=x

1
4

3
15
4

= 218 +

1
(224 218) = 218 + 1,5 = 219,5
4

= 254 +

3
(268 254) = 254 + 10,5 = 264,5
4

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

40

Intervalo Inter-Quartil (IIQ): Q3-Q1 = 45.


325 o valor adjacente superior. Este o maior valor da distribuio, igual ou abaixo de 332, onde
332 dado por: 264,5 + 1,5 x 45 = 332 .
181 o valor adjacente inferior. o menor valor da distribuio, igual ou acima de 152, onde 152
dado por: 219,5 1,5 x 45 = 152 .
Tipo B
n=20

Q1 = x 1
4

( n +1)

Q3 = x 3
4

( n +1)

= x 21 = x
4

= x3
4

( 21)

1
= 175 + (183 175) = 175 + 2 = 177
4

1
4

=x

15

3
4

3
= 242 + (246 242) = 242 + 3 = 245
4

Intervalo Inter-Quartil (IIQ): Q3-Q1 = 68


344 o valor adjacente superior. Este o maior valor da distribuio, igual ou abaixo de 347, onde
347 dado por: 245 + 1,5 x 68 = 347 .
137 o valor adjacente inferior. o menor valor da distribuio, igual ou acima de 75, onde 75
dado por: 177 1,5 x68 = 75 .
380
360
340
320
300
280
260
240
220
200
180
160
140
120

Fonte: Fonte: Hand DJ et alli. A handbook of small data sets. Chapman&Hall, 1994.
Grfico - Box plot da varivel nvel de colesterol segundo tipo de personalidade.

Exemplo 21
Os dados a seguir so de uma pesquisa que investigou as concentraes de minerais no leite materno, no perodo de 1984 a 1985. Foram coletadas amostras de leite materno de 55 mulheres que tiveram seus filhos no Hospital Maternidade Odete Valadares, em Belo Horizonte. As mes foram divididas
em perodo de lactao: colostro e leite maduro.
clcio (g/mL de leite) grupo colostro
113
181
254
311
334
145
221
256
312
344
163
225
275
313
372
163
231
296
323
375
167
241
303
325
375
437
clcio (g/mL de leite) grupo maduro
159
175
181
188
200
206
213
214
217
231
238
238
242
244
256
259
260
263
264
275
277
279
281
293
302
303
314
344
394

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

41

a) Calcule a quantidade mdia de clcio (g/mL de leite) em cada grupo.


b) Calcule a quantidade mediana de clcio (g/mL de leite) em cada grupo.
c) Desenhe o box plot da concentrao de clcio (g/mL de leite) representando os dois grupos
em um s grfico.

d) Comente o grfico box plot quanto a disperso dos dados, existncia de valores aberrantes e
igualdade de medianas.
Exerccios suplementares
Exerccio S11
Os dados a seguir so provenientes de um estudo que avalia o crescimento de crianas de 7 a 10
anos de uma escola pblica do municpio de So Paulo no ano de 2008. Os dados apresentados so
de 16 meninos e 16 meninas para os quais foram aferidos a circunferncia do brao (CB) (cm):
Meninos
18,3
19,3
20,9
19,0
20,5
16,3
21,0
17,8
21,6
22,6
27,3
26,7
29,0
22,0
25,2
19,5
Meninas
21,5
16,1
18,6
19,9
17,9
23,7
20,0
19,4
23,5
18,0
23,0
17,9
20,3
23,1
17,8
18,2
a) Calcule a circunferncia braquial (cm) mdia e mediana para cada sexo.
b) Calcule a varincia, o desvio-padro e o coeficiente de variao de Pearson da circunferncia
braquial (cm) para cada sexo.
c) Meninos e meninas so parecidos quanto a circunferncia braquial (cm)?
d) E quanto variabilidade?
Exerccio S12
Os dados a seguir so provenientes de um estudo que avaliou o nvel de colesterol sanguneo (mg/dl)
de 100 homens.
id
colesterol
id
colesterol
id
colesterol
id
colesterol
1
134
26
189
51
216
76
239
2
147
27
189
52
217
77
239
3
157
28
190
53
217
78
240
4
161
29
190
54
218
79
240
5
162
30
192
55
218
80
240
6
164
31
194
56
219
81
243
7
165
32
195
57
219
82
246
8
166
33
196
58
219
83
248
9
171
34
198
59
221
84
251
10
173
35
199
60
221
85
255
11
176
36
199
61
223
86
255
12
176
37
199
62
223
87
256
13
178
38
201
63
224
88
259
14
179
39
203
64
225
89
261
15
179
40
204
65
228
90
267
16
180
41
205
66
230
91
268
17
181
42
206
67
230
92
272
18
181
43
209
68
231
93
279
19
183
44
210
69
231
94
286
20
184
45
211
70
231
95
287
21
185
46
211
71
232
96
289
22
186
47
212
72
234
97
290
23
186
48
213
73
234
98
296
24
186
49
215
74
238
99
298
25
187
50
216
75
238
100
382

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

42

a) Desenhe o box plot do colesterol (mg/dl).


b) Comente o grfico box plot quanto a disperso dos dados, existncia de valores aberrantes e igualdade de medianas.

Correlao e regresso linear simples


Anlise simultnea entre duas variveis quantitativas (associao entre duas variveis quantitativas).
Grfico de disperso: deve ser feito antes da anlise numrica dos dados.
construdo com conjuntos de pontos formados por pares de valores (x,y). Pode indicar correlao
linear positiva, negativa ou inexistncia de correlao. Tambm til para identificar existncia de
valores aberrantes.
Ex:

X: coeficiente de mortalidade por cncer gstrico


Y: consumo mdio de sal

Y
correlao positiva

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

43

Ex:

X: Esperana de vida ao nascer


Y: Coeficiente de mortalidade infantil (por 1000 nascidos vivos)

Y
correlao negativa

45

CMI (por 1000 nv)

40
35
30
25
20
15
10
5
0
66

68

70

72

74

76

Esperana de vida ao nascer

X: coeficiente de mortalidade por cncer de colo de tero


Y: consumo de sal
Y

correlao inexistente

X
Distino entre associao e causao: duas variveis podem estar associadas mas uma no ser
necessariamente a causa da outra.
Na correlao comum investigar se mudanas na magnitude de uma varivel so acompanhadas de
mudanas na magnitude da outra sem significar que uma varivel causa a outra.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

44

Coeficiente de correlao de Pearson (

), l-se rh

Mede o grau de associao entre 2 variveis X e Y.

=
Definio:

XY
X Y

, onde

XY

a covarincia de X e Y (disperso conjunta)

o desvio padro de X (disperso de X)

o desvio padro de Y (disperso de X)

Covarincia: o valor mdio do produto dos desvios de X e Y, em relao s suas respectivas mdias.

XY =

estimador (r)

Propriedades
a) 1

r=

_
_

X Yi Y

_
_

x
x
y
y
i i
_ 2
_ 2

x i x y i y

+1 ;

b) no possui dimenso, isto , no depende da unidade de medida das variveis X e Y ;


c)

XY = YX .

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

45

Grficos de disperso para diferentes valores do coeficiente de correlao (rho).

Exemplo:
Os dados a seguir so provenientes de um estudo que investiga a composio corporal e fornece o
percentual de gordura corporal (%), idade e sexo para 18 adultos com idades entre 23 e 61 anos.
a) Qual a relao entre a idade e o % de gordura? Existe alguma evidncia de que a relao
diferente entre pessoas do sexo masculino e feminino? Explore os dados graficamente.
b) Calcule o coeficiente de correlao de Pearson entre a idade e o % de gordura para homens e
mulheres. Interprete os resultados.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

46

Idade
23
23
27
27
39
41
45
49
50

% Gordura
9,5
27,9
7,8
17,8
31,4
25,9
27,4
25,2
31,1

Sexo
M
F
M
M
F
F
M
F
F

Idade
53
53
54
56
57
58
58
60
61

% Gordura
34,7
42,0
29,1
32,5
30,3
33,0
33,8
41,1
34,5

Sexo
F
F
F
F
F
F
F
F
F

M=masculino ; F= feminino
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
Disperso entre % de gordura e idade
70

f ff f

60

f
f

idade

50

40

30

20
5

10

15

20

25
gordura

30

35

40

45

Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.


Clculo do coeficiente de correlao de Pearson
Sexo: masculino
Idade
% gordura
(x x) ( y y)
(X)
(Y)
23
9,5
-7,5
-6,13
27
7,8
-3,5
-7,83
27
17,8
-3,5
2,18
45
27,4
14,5
11,78
30,5
15,625

Coeficiente de correlao

(idade,%gordura) masculino:

r=

( x x )( y y )

(x x)2

( y y)2

45,94
27,39
-7,61
170,74
236,45

56,25
12,25
12,25
210,25
291,00

37,52
61,23
4,73
138,65
242,13

236,45
291x 242,13

= 0,89

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

47

Sexo: feminino
Idade
(X)
23
39
41
49
50
53
53
54
56
57
58
58
60
61
50,86

% gordura
(Y)
27,9
31,4
25,9
25,2
31,1
34,7
42
29,1
32,5
30,3
33
33,8
41,1
34,5
32,32

Coeficiente de correlao

( x x ) ( y y ) ( x x )( y y )

(x x)2

( y y)2

-27,86
-11,86
-9,86
-1,86
-0,86
2,14
2,14
3,14
5,14
6,14
7,14
7,14
9,14
10,14

776,02
140,59
97,16
3,45
0,73
4,59
4,59
9,88
26,45
37,73
51,02
51,02
83,59
102,88
1389,71

19,55
0,85
41,23
50,71
1,49
5,66
93,67
10,38
0,03
4,09
0,46
2,19
77,06
4,75
312,12

-4,42
-0,92
-6,42
-7,12
-1,22
2,38
9,68
-3,22
0,18
-2,02
0,68
1,48
8,78
2,18

(idade,%gordura) feminino:

r=

123,17
10,93
63,30
13,23
1,05
5,10
20,74
-10,12
0,92
-12,42
4,85
10,56
80,26
22,10
333,64

333,64
1389,71x312,12

= 0,51 ;

Coeficiente de correlao considerando o grupo todo (homens e mulheres)


Idade
(X)
23
27
27
45
23
39
41
49
50
53
53
54
56
57
58
58
60
61

% gordura
(Y)
9,5
7,8
17,8
27,4
27,9
31,4
25,9
25,2
31,1
34,7
42
29,1
32,5
30,3
33
33,8
41,1
34,5

x = 46,33 ; y = 28,61 ;

(x x)

( y y)

( x x )( y y )

(x x)2

( y y)2

-23,33
-19,33
-19,33
-1,33
-23,33
-7,33
-5,33
2,67
3,67
6,67
6,67
7,67
9,67
10,67
11,67
11,67
13,67
14,67

-19,11
-20,81
-10,81
-1,21
-0,71
2,79
-2,71
-3,41
2,49
6,09
13,39
0,49
3,89
1,69
4,39
5,19
12,49
5,89
Soma

445,93
402,35
209,01
1,61
16,59
-20,45
14,46
-9,10
9,13
40,59
89,26
3,75
37,59
18,01
51,20
60,54
170,68
86,37
1627,53

544,44
373,78
373,78
1,78
544,44
53,78
28,44
7,11
13,44
44,44
44,44
58,78
93,44
113,78
136,11
136,11
186,78
215,11
2970,00

365,23
433,10
116,88
1,47
0,51
7,78
7,35
11,64
6,19
37,07
179,26
0,24
15,12
2,85
19,26
26,92
155,97
34,68
1421,54

Sy =

( y y)
n 1

1421,54
= 9,14% ; S X =
17

(x x)
n 1

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

2970,0
= 13,22anos
17

48

r=

1627,53
= 0,79
2970,0 x1421,54

Anlise simultnea de duas variveis quantitativas.


REGRESSO LINEAR
ADMITINDO-SE Y COMO FUNO LINEAR DE X, AJUSTA-SE A MELHOR RETA AO CONJUNTO DE
DADOS.

EQUAO DE RETA:

y = a + bx

, onde

= valor ajustado (valor mdio predito).


= valor escolhido de X.

a = y bx ; a denominado intercepto; o valor predito para x=0.


b = rxy

sy
sx

; b denominado coeficiente angular (slope). Indica quantas unidades de Y

mudam para a mudana de uma unidade de X.


Utilizando-se os dados do exemplo considerando-se o grupo como um todo:
a = 28,61 b 46,33 ;
b = 0,79 x

9,14
= 0,548
13,22

Para aumento de 1 ano, o percentual de gordura aumenta 0,55%.


Substituindo-se o valor b em a, obtm-se a=3,221.
Equao ajustada

% gordura= 3,22 + 0,55 (idade)

Com base nesta equao possvel traar a reta que passa pelos pontos.
Para x = 30; y = 19,7; para x = 50, y = 30,7

50
y = 0,55x + 3,22

% gordura

40
30
20
10
0
0

20

40

60

idade (anos)

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

49

OBS: o coeficiente angular depende das unidades de medida de X e Y. Isto deve ser considerado
na deciso da importncia do coeficiente angular.
O coeficiente angular da equao de Y=f(X) diferente do coeficiente angular de X=f(Y), a menos
que os desvios padro de X e Y sejam iguais.
Usos da reta de regresso:
-

Predio - utilizar X para predizer Y; quando a correlao for forte, melhor a predio;
Correlao mede o grau de relacionamento linear entre X e Y;
Resumir os dados cada valor de X tem um valor mdio de Y.

Exemplo:
Em um estudo sobre o efeito dos componentes de uma dieta (X) sobre a composio lipdica (Y) foram obtidos os seguintes dados em uma amostra de 15 animais.
Componente da dieta (X) Composio lipdica (Y)
18
30
21
35
28
43
35
60
47
50
33
28
40
40
41
60
28
43
21
30
30
33
46
65
44
68
38
62
19
25
Fonte:X.
a) Apresente os dados em um diagrama de disperso.
b) Calcule o coeficiente de correlao de Pearson entre X e Y.
c) Calcule a reta de regresso da composio lipdica como funo do componente da dieta.
d) Desenhe a reta de regresso.
e) Interprete os coeficientes da reta de regresso.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

50

Exerccio suplementar
Exerccio S13
So apresentados valores da massa do corpo sem gordura (kg) e da taxa de metabolismo (calorias)
de 10 pessoas de ambos os sexos
Pessoa
Sexo
Massa
1
M
62,0
2
M
62,9
3
F
36,1
4
F
54,6
5
F
48,5
6
F
42,0
7
M
47,4
8
F
50,6
9
F
42,0
10
M
48,7
Fonte: Moore et al., 2004 (adaptado)

Taxa
1792
1666
995
1425
1396
1418
1362
1502
1256
1614

a) Apresente os dados em um diagrama de disperso com pontos identificando os sexos. Apresente a varivel Y, taxa de metabolismo, como varivel resposta (dependente) e a varivel X,
massa do corpo sem gordura, como explicativa (independente).
b) Calcule o coeficiente de correlao entre as variveis taxa e massa.
c) Calcule os coeficientes da reta de regresso e desenhe a reta.
d) Interprete os coeficientes da reta.
e) Com base no grfico de disperso, voc diria que o coeficiente de correlao de Pearson para
o sexo feminino maior, menor ou igual ao do sexo masculino? Justifique.

Medidas de Associao
ANLISE DA DISTRIBUIO DE DUAS VARIVEIS QUALITATIVAS
ESTUDO DE PREVALNCIA
So apresentados dados sobre o estado nutricional de 1226 crianas brasileiras de 2 anos de idade,
segundo sexo. Local X, Ano Y.
Estado nutricional
Masculino
Feminino
Total
Desnutridas
29
20
49
Normais
574
603
1177
Total
603
623
1226
Fonte: dados hipotticos.
Prevalncia de desnutrio:

49
= 0,040
1226

ou 4%.

Prevalncia de desnutrio segundo sexo:


Masculino:

29
= 0,05
603

ou 5,0%; Feminino:

20
= 0,032 ou 3,2%.
623

29
Razo de prevalncias: 603 = 1,5
20
623
Diferena de prevalncias: 0,05-0,032=0,018 ou 1,8%.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

51

A prevalncia de desnutrio parece ser maior entre as crianas do sexo masculino. Os meninos apresentam uma prevalncia 50% maior do que as meninas.
A prevalncia de desnutrio entre meninos 1,5 vezes (uma vez e meia) a prevalncia de desnutrio entre meninas.
Tambm possvel dizer que a prevalncia de desnutrio entre meninos 50% maior que a prevalncia entre meninas, calculado como (1,5-1)x100.
Para a diferena de prevalncias diz que a prevalncia entre meninos excede a de meninas em 1,8%
ou que a diferena entre as prevalncias de 1,8%.
Se a razo de prevalncias for igual a 1 ou a diferenas de prevalncias for igual a 0 ento diz-se que
as variveis no esto associadas.
De forma geral
Y: varivel resposta (Ex: desnutrio)
X: varivel explicativa ou de confuso (Ex: sexo)
Varivel Y
Varivel X
Y1
X1
a
X0
c
Total
m1
p= prevalncia de Y1= m1/n
p1= prevalncia de Y1|x1= a/n1
p0= prevalncia de Y1|x0= c/n0
rp= razo de prevalncias= p1/p0;

Y0
B
D
m2

Total (%)
n1 (100
n0 (100
n (100)

dp=diferena de prevalncias= p1-p0

Exemplo 22
Distribuio de indivduos segundo presena de obesidade e consumo de chocolate.
colmo, Sucia. Ano 2009.
Consumo de chocolate
Obesidade (> 30Kg/m2)

Esto-

Sim
No
Total
Mais de 1 vez por semana
128
625
753
At 1 vez por ms
68
353
421
Total
196
978
1174
Fonte: dados adaptados de Janszky I, Mukamal KJ, Ljung R, et al. Chocolate consuption and
mortality following a first acute myocardial infarction: The Stockholm Heart Epidemiology
Program. Journal of Internal Medicine 2009; 266: 248-257.
a) Calcule a prevalncia de obesidade entre pessoas que consomem chocolate at 1 vez por
ms.
b) Calcule a prevalncia de obesidade entre pessoas que consomem chocolate mais de uma vez
por semana.
c) Calcule a razo de prevalncias.
d) Interprete a razo de prevalncias. Voc diria que a obesidade est associada ao consumo de
chocolate? Justifique.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

52

ESTUDO DE INCIDNCIA
Distribuio de pessoas segundo hbito de fumar e morte em
Morte em 5 anos por DIC
Fumar
Sim
Sim
208
No
264
Total
472
Fonte: dados hipotticos.

5 anos por DIC. Local X. Ano Y


No
850
1467
2317

Total
1058
1731
2789

r= 472/2789= 0,17 = 17%


r1=208/1058= 0,20= 20%
r0=264/1731= 0,15=15%
rr=0,20/0,15= 1,33
ra= 0,20- 0,15= 0,05= 5%
A incidncia de mortes parece ser maior entre as pessoas que fumam. Os fumantes apresentam uma
incidncia 33% maior do que os no fumantes.
Os bitos so 1,33 vezes mais incidentes entre fumantes do que entre no fumantes.
Tambm possvel dizer que os bitos so 33% maiores entre fumantes.
Pela diferena diz-se que 5% dos bitos excedentes so devidos ao fumo.
De forma geral
Y: varivel resposta
X: varivel explicativa ou de confuso
Varivel Y
Varivel X
X1
X0
Total

Y1
A
C
M1

Y0
B
D
m2

Total (%)
n1 (100
n0 (100
n (100)

r= incidncia de Y1= m1/n


r1= incidncia de Y1|x1= a/n1
r0= incidncia de Y1|x0= c/n0
ri= razo de incidncias= r1/r0
di= diferena de incidncias= r1-r0
incidncia
r1

r0

risco
r1/r0

r1-r0

ri=rr=razo de riscos=risco relativo=r1/r0


di= ra= risco atribuvel= r1-r0

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

53

Exemplo 23
Padro de amamentao de crianas segundo episdios de doenas respiratrias.
Padro
Um ou mais episdios
Nenhum episdio
Total
Mamadeira e peito
207
238
445
Somente peito
34
72
106
Total
241
310
551
Fonte: Abramson JH e Abramson ZH.
a) Calcule a incidncia de um ou mais episdios de doenas respiratrias, dado que a criana se
alimenta de mamadeira e peito.
b) Calcule a incidncia de um ou mais episdios de doenas respiratrias, dado que a criana se
alimenta somente ao seio.
c) Calcule a razo de incidncias.
d) Calcule a diferena de incidncias.
e) Discuta os resultados.
Exemplo
Investigao de toxinfeco alimentar
Tomou sorvete de baunilha
Sim
No
Total

Toxiinfeco
Sim
43
3
46

No
11
18
29

Total (%)
54 (100)
21 (100)
75 (100)

Fonte:Epi Info, 2000.


r= incidncia global = taxa de ataque global= 46/75= 0,61

r1= incidncia entre quem tomou sorvete= taxa de ataque1= 43/54= 0,80
r0= incidncia entre quem no tomou sorvete= taxa de ataque0= 3/21= 0,14
rr= risco relativo=

43 3 43x 21
: =
= 5,6
54 21 3x54

Odds ratio

Odds e probabilidade
Supor que durante um jogo de basquete um jogador acerta a cesta 2 vezes em 5 tentativas.
Chamando p ( p chapu) de probabilidade de acerto tem-se que p =
dade de erro, q =

2
= 0,4 ou 40% e a probabili5

3
= 0,6 ou 60%.
5

Considerando-se que a probabilidade de acerto ou de erro = p+q= 1; ento

q = 1 p .

Odds ratio

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

54

Define-se odds como a razo entre a probabilidade de acerto e a probabilidade de erro, ou seja,

p
.
1 p

2
p
2 x5 2
= 5 =
= = 0,67 ou 0,67:1 (0,67 acertos
No exemplo acima, o odds a favor de acerto
1 p 3 3 x5 3
5
para 1 erro).

Estudo do tipo caso-controle


Os dados a seguir so de um estudo sobre cncer de esfago e consumo de lcool. Local X. Ano Y.
Condio
Consumo mdio de lcool (g/dia)
Total
80 e +
0-79
Casos
96
104
200
Controles
109
666
775
Total
205
770
975
Fonte: Tuyns et al.,1977.
(entre expostos) odds a favor de casos entre consumidores de 80 e + g/dia:

96 109 96
:
=
= 0,88
205 205 109

(entre no expostos) odds a favor de casos entre consumidores de 0-79g/dia: 104 : 666 = 104 = 0,16
770 770 666
odds ratio:

96 104 96 x 666
:
=
= 5,6
109 666 109 x104

A fora de morbidade de cncer de esfago entre consumidores de 80 e + g/dias de bebida alcolica


5,6 a fora de morbidade entre os que consomem de 0 a 79g/dia.
Em casos especiais, o odds ratio pode ser um bom estimador do risco (quando a doena de estudo
rara).
Odds ratio utilizando-se os dados de DIC. or=(208x1467)/850x265)=1,36.
De forma geral
Y: varivel resposta
X: varivel explicativa ou de confuso
Varivel Y
Varivel X
X1
X0
Total
odds a favor de Y1:
na categoria X1=
na categoria X0=

Y1
a
c
m1

Y0
B
D
m2

Total (%)
n1 (100
n0 (100
n (100)

(a/n1)(b/n1)
(c/n0)(d/n0)

ad
odds ratio: [(a/n1)(b/n1)][(c/n0)(d/n0)]= b =
c

bc

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

55

Exemplo 24
Distribuio de recm-nascidos segundo condio caso - com defeitos do tubo neural; controle recm-nascidos que no tinham defeitos do tubo neural e dieta materna. Local X. Ano Y.
Dieta
Casos
Controles
Total
N
%
n
%
n
%
Boa
34
13,9
43
35,0
77
21,0
Razovel
110
45,1
48
39,0
158
43,0
Pobre
100
41,0
32
26,0
132
36,0
Total
244
100
123
100
367
100
Fonte: X
Considere a dieta boa como categoria de referncia (basal) e calcule:
a) O odds ratio de dieta razovel em relao a dieta boa.
b) O odds ratio de dieta pobre em relao a boa.
c) Interprete os resultados.

QUI-QUADRADO DE PEARSON
DUAS VARIVEIS QUALITATIVAS
Os exemplos so retirados de BUSSAB, Wilson de O; MORETTIN, Pedro A. Estatstica bsica. 5 Ed.
So Paulo: Saraiva, 2004.
X - curso universitrio e
Y sexo do aluno
Questo: sexo do indivduo influi na escolha do curso?
Situao 1
Curso

Masculino
n
24
16
40

Economia
Administrao
Total
Curso
Economia
Administrao
Total

N
24
16
40

Masculino
proporo
0,6
0,4
1

n
36
24
60

Feminino
n
36
24
60
Feminino
proporo
0,6
0,4
1

Total
n
60
40
100

n
60
40
100

Total
proporo
0,6
0,4
1

As propores de escolha dos cursos no diferem segundo sexo do estudante

Definio de independncia:
A Ser do sexo masculino;
B Estar cursando economia.
A e B so independentes se P(A e B) = P(A) x P(B).
P(A e B) = Probabilidade (ser homem e estar cursando Economia)
P(A e B) =

24
= 0,24
100

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

56

P(A) =

Como

40
= 0,4
100

P(B) =

60
= 0,6
100

24
40 60
=
x
, ento A e B so independentes e portanto no existe associao.
100 100 100

Situao 2
Curso

Masculino
n
100 (a)
40 (c)
140

Fsica
Cincias Sociais
Total

Curso
Fsica
Cincias Sociais
Total

n
100
40
140

Masculino
proporo
0,7
0,3
1

n
20
40
60

Feminino
n
20 (b)
40 (d)
60

Feminino
proporo
0,3
0,7
1

Total
n
120
80
200

n
120
80
200

Total
proporo
0,6
0,4
1

A distribuio de alunos em cada curso, segundo sexo no a mesma, sexo e curso podem estar
associados.
Se a varivel sexo no fosse associada escolha do curso, quantos indivduos espera-se em Fsica,
entre os homens?
Aplicar a proporo marginal utilizando o raciocnio da regra de trs: 120 est para 200 assim como x
estar para 140; ou seja:

120
x
120 x140
=
e x=
200 140
200

Para os demais valores esperados observar os clculos abaixo.


Curso

Sexo

Fsica

Masculino (a)

Fsica

Feminino (b)

Cincias Sociais

Masculino (c)

Cincias Sociais

Feminino (d)

Valor Esperado sob a condio de independncia

120
x140 = 84
200
120
x60 = 36
200
80
x140 = 56
200
80
x60 = 24
200

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

57

Tabela de frequncias esperadas, sob a condio de independncia.


Curso

Masculino
n
84
56
140

Fsica
Cincias Sociais
Total

Valores observados
O

Valores esperados
E

(O-E)

100
40
20
40

84
56
36
24

16
-16
-16
16
=

Feminino
n
36
24
60

(O-E)2

Total
n
120
80
200

(O E ) 2
E

256
3,048
256
4,571
256
7,11
256
10,667
Qui-quadrado=25,397

O Qui-quadrado obtido somando-se a diferena ao quadrado entre as frequncias observadas e as


esperadas, dividido pelas frequncias esperadas.

(O E ) 2
=
E
2

Se o Qui-quadrado for igual a zero, ento no existe associao entre as variveis.


Exemplo:
Distribuio de recm-nascidos acometidos de sndrome de desconforto idioptico grave segundo
condio de sobrevivncia e peso ao nascer (g).
Peso ao nascer
Baixo peso (<2500)
No baixo peso (2500 e mais)
Total
Fonte: Hand DJ et al. A handbook of small
Clculo do qui-quadrado de Pearson
Valores observados Valores esperados
O
E
24
3
13
10

19,98
7,02
17,02
5,98

bito
24
3
27
data sets.

Sobrevida
Total
13
37
10
13
23
50
Chapman&Hall, 1994.

(O-E)

(O-E)2

4,02
-4,02
-4,02
4,02

16,16
16,16
16,16
16,16

(O E ) 2
E
0,809
2,302
0,949
2,702
Qui-quadrado=6,762

Tem-se ainda que:


A incidncia de bitos entre crianas com baixo peso 24 = 0,65 ou 65%;
37

a incidncia de bitos entre crianas sem baixo peso 3 = 0,23 ou 23%;


13

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

58

24

e a razo de incidncias igual a 37 24 x13


.
=
= 2,81
3
13

3 x37

Portanto pode-se dizer que a incidncia de bitos parece maior entre as crianas que tiveram baixo
peso ao nascer. O risco de bito entre as crianas com baixo peso ao nascer 2,8 o risco das crianas
com peso ao nascer maior ou igual a 2.500g. O qui-quadrado diferente de zero. Pode-se suspeitar
da existncia de associao entre as variveis.
Exemplo 25
A tabela abaixo apresenta dados de classificao de pessoas segundo doena isqumica coronariana
(DIC) e hbito de consumo de caf, para uma coorte de 1718 homens com idade 40-55 anos.
Distribuio de homens segundo presena de doena isqumica coronariana (DIC) e consumo de caf.
Local X. Ano y.
Condio
Consumo mdio de caf
Total
Alto ( 100 xcaras/ms)
Moderado (<100 xcaras/ms)
Com DIC
38
39
77
Sem DIC
752
889
1641
Total
790
928
1718
Fonte: X.
a) calcule a incidncia de doena isqumica coronariana entre as pessoas com alto consumo de
caf.
b) calcule a incidncia de doena isqumica coronariana entre as pessoas com consumo moderado de caf.
c) calcule a razo de incidncias.
d) calcule a diferena de incidncias.
e) Interprete os resultados.
f) Calcule o qui-quadrado de Pearson.
EXERCCIOS SUPLEMENTARES
Exerccio S14
Com base nos dados da tabela calcule:
a) a incidncia de toxinfeco, dado que o indivduo consumiu presunto cozido.
b) a incidncia de toiinfeco, dado que o indivduo no consumiu presunto cozido.
c) a razo de incidncias.
d) a diferena de incidncias.
e) discuta os resultados.
Distribuio de indivduos segundo ocorrncia de toxiinfeco e consumo de presunto cozido. Local X.
Ano Y
Toxiinfeco
Presunto cozido
sim (taxa de ataque %)
no
Total
Sim
29 (0,63)
17
46
No
17 (0,59)
12
29
Total
46 (0,61)
29
75
RR
1,1
Fonte: Epi-Info 2000.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

59

Exerccio S15
Os dados so de um estudo sobre consumo de pimenta e cncer gstrico, realizado
Consumo de pimenta
Casos
Controles
Sim
211
607
No
9
145
Total
220
752
Fonte: X.
a) calcule o odds a favor de casos entre pessoas que consomem pimenta.
b) calcule o odds a favor de casos entre pessoas que no consomem pimenta.
c) calcule a razo dos odds (odds ratio).
d) calcule o qui-quadrado de Pearson.
e) Discuta os resultados sobre possvel associao entre as variveis.

no Mxico. Ano Y.
Total
818
154
972

Exerccio S16
A tabela abaixo apresenta o nmero de crianas classificados segundo nvel de retinol srico e sexo.
Calcule a prevalncia de nvel inadequado de retinol para crianas de cada um dos sexos. Calcule a
razo de prevalncias. Calcule o qui-quadrado. Interprete os resultados.
Distribuio de crianas segundo sexo e nvel de retinol srico. Cansao, Bahia, 1992
Sexo
Nvel de retinol
Aceitvel
Inadequado
Total
Masculino
50
40
90
Feminino
39
32
71
Total
89
72
161
Fonte: Prado MS et al. ,Revista de Sade Pblica, 29(4)295 300, 1995.
Exerccio S17
Os dados a seguir so de pesquisa que estuda a associao entre amamentao ao seio e Diabetes
Mellitus tipo I . Local X. Ano Y.
Amamentao ao
Casos
Controles
Total
seio
No
35
17
52
Sim
311
329
640
Total
346
346
692
Fonte: Gimeno SGA. Consumo de leite e o Diabetes Mellitus insulino-dependente:um estudo
caso-controle. Tese de doutorado, 1996.
Com base nos dados apresentados
a) Calcule o odds ratio de casos entre expostos e no expostos.
b) Calcule e apresente o qui-quadrado de Pearson.
c) Os dados sugerem existncia de associao entre as variveis? Justifique.

Noes de probabilidade e distribuio Bernoulli e distribuio binomial


PROBABILIDADE (probability, chance, likelihood)
uma afirmao numrica sobre a possibilidade de que algum evento ocorra.
Quantifica o grau de incerteza de eventos, variando de 0 (0%) a 1 (100%).
Um evento impossvel de ocorrer tem probabilidade 0 (zero).
Um evento certo tem probabilidade 1 (um).
Quando se joga uma moeda, no se sabe se vai sair cara. Mas sabe-se que a probabilidade de sair
cara 0,5 = 50% = 1/2.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

60

Dizer que a eficcia de uma vacina de 70% corresponde a dizer que cada indivduo vacinado tem
probabilidade 0,7 de ficar imune.

Probabilidade em espaos finitos contveis


Espao amostral (S)
o conjunto de todos os resultados possveis de um experimento.
Supor o experimento lanar uma moeda: S= {cara, coroa}

H dois pontos neste espao amostral, sendo um favorvel ao evento A={cara}.


Definio clssica de probabilidade

P( A) =

numero de elementos de A 1
= = 0,5
numero de elementos de S
2

Exemplo: probabilidade de (ouros) =

13 1
=
52 4

Probabilidade de eventos mutuamente excludentes


Diz-se que dois eventos so mutuamente excludentes (ou mutuamente exclusivos) quando no
podem ocorrer simultaneamente.
Exemplo:
A = {cara} ; B= {coroa}, no lanamento de uma moeda;
A = {carta com naipe vermelho}; B={carta com naipe preto}, na retirada de uma carta de baralho.
Exemplo de eventos no mutuamente exclusivos
A= {naipe vermelho} ; B = {s} .

A probabilidade da ocorrncia de um evento A ou de um evento B :


P(A ou B) = P(A B) = P(A) + P(B) P(A B)

Exemplo: P(naipe vermelho ou s) = P(naipe vermelho) + P(s) P(naipe vermelho e s) = (26/52)


+ (4/52) (2/52) = 28/52 = 0,538.
A probabilidade da ocorrncia simultnea de eventos mutuamente exclusivos zero.
P(cara e coroa) = P(cara coroa) = 0, no lanamento de uma moeda.
Se A e B forem mutuamente excludentes, P(A B) = 0 e
P(A ou B) = P(A B) = P(A) + P(B)

Exemplo:
P(Face 2 ou Face 3) no lanamento de um dado
P(2 ou 3)= P(2)+P(3)= 1/6 + 1/6 = 2/6 = 1/3.
P(Resultado mpar)= P(1 ou 3 ou 5)= P(1)+P(3)+P(5)= 3/6 = 1/2.
Regra da adio: P(A ou B) = P(A B) = P(A) + P(B) P(A B)
Probabilidade de eventos independentes

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

61

Os eventos A e B so independentes quando o resultado de um no influi no resultado do outro.

Exemplo: no lanamento simultneo de duas moedas, o resultado de uma no interfere no resultado


da outra.

A probabilidade da ocorrncia de eventos independentes o produto das probabilidades de cada


evento.
P(A e B)= P(A B) = P(A) x P(B)

P(face 2 no primeiro dado e face 3 no segundo dado), no lanamento sequencial de dois dados =
P(2 e 3) = P(2)xP(3)= 1/6 x 1/6= 1/36= 0,0278= 2,78%.

Probabilidade condicional
A probabilidade condicional do evento A dado que ocorreu o evento B

P( A | B ) =

P ( A B)
, para P( B) 0
P( B)

L-se P(A|B) como probabilidade de A dado B.


Exemplo:
Probabilidade de rei dado que ocorreu figura:
P(r|figura)= P(r e figura)/P(figura)= 4/52 12/52= 4/12= 1/3
Probabilidade de rei, dado que ocorreu copas:
P(r|)= P(r e )/P()= 1/5213/52= 1/13

Regra da multiplicao

P( A B) = P( A | B) xP( B)
se A e B forem independentes, P(A|B) = P(A) e como consequncia,

P( A B) = P( A) xP( B)

Exemplo
Considerar uma populao de homens que foram classificados segundo o hbito de fumar e doena
respiratria crnica. Nesta populao sabe-se que 5% dos homens tm doena respiratria e so no
fumantes, 15% tm doena e so fumantes, 50% no tm doena e so no fumantes e 30% no
tm a doena e so fumantes.
Problema respiratrio

No fumante

S
No ( R )
Sim (R)

Fumante
S

0,5 = P( S R )
0,05 = P( S R )

0,30 = P( R S )
0,15 = P(SR)

0,55 = P( S )

0,45 = P(S)

0,80 = P( R )
0,20 = P(R)

Escolhe-se um homem ao acaso, qual a probabilidade dele ter doena respiratria dado que era fumante?

P( R | S ) =

P( R S )
= 0,15/0,45 = 0,33
P(S )

Os eventos no so independentes porque

P ( S R ) P ( S ) xP ( R )

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

62

Relao entre eventos mutuamente exclusivos e independentes:


Os eventos mutuamente exclusivos A e B satisfazem a condio que P(A e B) = 0, ento dois eventos
mutuamente exclusivos A e B so no independentes a menos que P(A)=0 ou P(B)=0. Caso contrrio,
eles so claramente dependentes pois P(A)P(B)>0 se ambos P(A)>0 e P(B)>0, portanto
P ( A B ) P ( A) P ( B ) porque P ( A B ) = 0 .
Assim, dois eventos mutuamente exclusivos A e B so dependentes exceto nos casos onde P(A)=0 ou
P(B)=0.
Definio frequentista de probabilidade:
n repeties do evento A; A ocorre m vezes, ento a frequncia relativa de
Para n suficientemente grande,
Quando n cresce,

A=

m
n

m
m
P ( A) ou seja, lim n = P( A)
n
n

m
tende a se estabilizar em torno de uma constante, P(A)
n

Varivel aleatria discreta


Varivel aleatria qualquer funo de nmero real, definida no espao amostral e existe associado a
este nmero uma probabilidade de ocorrncia.
Exemplo:
No lanamento de 1 moeda, o nmero de caras uma varivel aleatria. Se esta varivel for denominada X, tem-se que os valores possveis para X so 0 e 1. Assim escreve-se X:0,1.
A probabilidade de cara 0,5: P(cara)= 0,5= 1/2.
No lanamento de 10 moedas, X:0, 1, 2,....,10; e a probabilidade de cara = 0,5.
Sair cara mutuamente exclusivo de sair coroa e um particular resultado de cada lanamento independe dos demais.
possvel calcular a probabilidade da varivel assumir cada valor x, ou seja, P(X=x).
O conjunto de valores da varivel aleatria e das probabilidades obtidas define uma distribuio de
probabilidades. Se X assume valores inteiros, a varivel denominada discreta. Se X assume valores no conjunto dos nmeros reais, a varivel denominada contnua.
Distribuio de probabilidades
Modelo de probabilidade Bernoulli
Estrutura bsica: duas possibilidades de resultado (sucesso e fracasso).
Exemplo:
Joga-se uma moeda uma vez. A moeda equilibrada, ou seja, os lados possuem peso igual, no favorecendo nenhum dos lados, ao ser lanada.
Define-se como sucesso sair cara.
Define-se a varivel aleatria X que assume valor 1 se ocorrer sucesso e 0 se ocorrer fracasso. X: 0,1

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

63

Parmetro: probabilidade da varivel assumir valor 1.


Notao:

ou p.

Se probabilidade de sucesso = p, a probabilidade de fracasso ser igual a q=(1-p), porque p+q=1.


Probabilidade de sair cara = P(X=1) = p(1) = p = 0,5.
Probabilidade de sair coroa = P(X=0) = p(0) = q = 1-p = 0,5
Graficamente:

p(x)

0,8
0,6
0,4
0,2
0
0

p=0,5
Exemplo:
Uma droga cura 15% dos pacientes. Administra-se a droga a um paciente. Qual a probabilidade do
paciente ficar curado? Qual a probabilidade do paciente no ficar curado?
X: 0,1 (X ser 0 se o paciente no se curar e 1 se houver cura)
P(X=1) =p(1)=p= 0,15 ; P(X=0) =p(0)= q=0,85

p(x)

0,8
0,6
0,4
0,2
0
0

p=0,15

Os exemplos pertencem a mesma famlia de distribuies, mas tm parmetros diferentes.

A distribuio de Bernoulli pode ser escrita como P(X=1) = p(1)=p e P(X=0) =p(0) =1-p; ou, de forma mais genrica:

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

64

Isto significa que

p( x ) = p x (1 p) 1 x , x=0,1

para x=0,

p(0) = P(X = 0) = p 0 (1 p)10 = 1 p

para x=1,

p(1) = P(X = 1) = p1 (1 p)11 = p

Mdia de uma varivel aleatria discreta:

= E (X) = xp( x )
x

Na distribuio de Bernoulli:

= E(X) = xp( x ) = 1p( x = 1) + 0p( x = 0) = p


x

Mdia da distribuio Bernoulli p (probabilidade de ocorrer o sucesso)

Varincia de uma varivel aleatria discreta:

2 = V(X ) = E[(X ) 2 ] = ( x ) 2 p( x )
x

Desvio padro:

SD(X) = V (X) =

Desvio padro da distribuio Bernoulli

(0 p) 2 .p( x = 0) + (1 p) 2 .p( x = 1) =
( p ) 2 .(1 p ) + (1 p ) 2 p =

p (1 p )[ p + (1 p )] =

pq

Resumindo,
Modelo de probabilidade Bernoulli
Uma varivel aleatria discreta X que pode assumir valores 0 e 1, com funo de probabilidade dada

x
1 x
p
(
x
)
=
p
(
1

p
)
por

com x=0,1

segue uma distribuio Bernoulli com parmetro p , 0<p<1.


p a probabilidade de obter o resultado X=1. Isto pode ser escrito como X~Bernoulli(p) com mdia p
e desvio padro

p(1 p) .

O smbolo ~ l-se tem distribuio ou se distribui segundo.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

65

Distribuio binomial: Soma de n distribuies Bernoulli


Populao: 2 categorias
Ex:
sexo (masculino, feminino),
faces de uma moeda (cara, coroa),
desfecho de um tratamento (cura, no cura)

Lanamento de uma moeda

Cara (K) probabilidade(K) = p

Coroa (C) probabilidade (C) = q

p + q = 1 q = 1 - p

p = probabilidade de sucesso; q= probabilidade de fracasso.


Realiza-se o experimento n vezes, onde cada ensaio independente do outro e os resultados so
mutuamente exclusivos.

X: Nmero de vezes que sai cara.


A moeda lanada uma vez (n=1) X: 0,1
X
resultado
P(X=x)
0
C
P(X=0) = q
1
K
P(X=1) = p

X~Bernoulli(p)

A moeda lanada duas vezes (n=2)


X: 0,1,2
X
resultado
P(X=x)
0
C,C
P(X=0) = q.q =
1
K,C ou C,K
P(X=1) = p.q+q.p=
2
K,K
P(X=2) = p.p=

X~B(n=2, p)

A moeda lanada trs vezes (n=3)


X: 0,1,2,3
X
resultado
P(X=x)
0
C,C,C
P(X=0) = q.q.q =
1

K,C,C ou
C,K,C ou
C,C,K

P(X=1) = p.q.q+q.p.q +q.q.p =

K,K,C ou
K,C,K ou
C,K,K

P(X=2) = p.p.q +p.q.p +q.p.p =

K,K,K

P(X=3) = p.p.p =

q2
2.p.q
p2
X~B(n=3, p)
q3
3 p.q2

3 p2.q
p3

Probabilidade (X=x) calculada pelo produto de 3 fatores:


1o - nmero (combinao de n elementos combinados x a x);
2o - probabilidade de sucesso elevado a um expoente (valor de x);
3o - probabilidade de fracasso elevado a um expoente (valor de n-x).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

66

n
n!
P( X = x) = p x q n x =
p x q n x
x! (n x)!
x
Resumindo
Modelo de probabilidade Binomial

Seja E um experimento com 2 resultados (mutuamente exclusivos): S (sucesso) e F (fracasso)


p = probabilidade de ocorrncia de S e q= probabilidade de ocorrncia de F
sendo que p+q=1.
Se E for repetido n vezes, de forma independente, mantendo-se p e q, a probabilidade da varivel
aleatria X= nmero de vezes que S ocorre dada por

P( X = x ) =

n!
p x q n x
x !(n x )!

X~B(n,p) onde n e p so os parmetros da

npq

distribuio; a mdia = m = n.p, a varincia = n.p.q e o desvio padro =

Exemplo
Lanamento de moedas.
n= nmero de ensaios (n de lanamentos)= 10;
X= varivel aleatria (n de caras);
x= resultado particular de X (0, 1, 2, ...,10);
p= probabilidade de ocorrer cara (sucesso); p=P(cara)= 0,5.

n
P( X = x) = p x (1 p ) n x
x
Distribuio de probabilidade B(n=10; p=0,5)
X= n de caras
0
1
2
3
4
5
6
7
8
9
10

P(X=x)
0,0010
0,0098
0,0439
0,1172
0,2051
0,2461
0,2051
0,1172
0,0439
0,0098
0,0010
1

0,30

p(X=x)

0,25
0,20
0,15
0,10
0,05
0,00
0

5
4

Mdia = np = 10x0,5 = 5.
Varincia = npq = 2,5.
Desvio padro =

npq = 10 x 0,5 x 0,5 = 2,5 = 1,58 .

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

67

10

Se estivermos trabalhando com a proporo de sucessos,

Mdia =

Varincia =

X
n

p
= p = 0,5
n
n

p q pq
x =
n n
n

npq
Desvio padro =

= 0,025

npq
=
n2

pq
n

= 0,158

Exemplo 26
Um programa de incentivo amamentao exclusiva ao seio nos primeiros 3 meses est sendo executado em um hospital universitrio. Verificou-se que a eficcia do programa era de = 60%.
Para uma amostra de 20 mes que deram luz neste hospital, a distribuio de probabilidade da varivel aleatria nmero de mes amamentando exclusivamente ao seio a seguinte:

X= n de mes
amamentando
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

P(X=x|p=0,6)
0,000
0,000
0,000
0,000
0,000
0,001
0,005
0,015
0,035
0,071
0,117
0,160
0,180
0,166
0,124
0,075
0,035
0,012
0,003
0,000
0,000

0,20

p(X=x)

0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0
0

10 11 12 13 14 15 16 17 18 19 20
X

Calcule a mdia, a varincia e o desvio-padro.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

68

Exemplo 27
Uma suspenso contendo organismos de Leishmania preparada e quando uma determinada quantidade inoculada em ratos, 30% deles se tornam infectados. Se 3 ratos forem inoculados independentemente, qual a probabilidade de:
a) Nenhum rato ficar infectado?

3!

P(X=0) = (0,3) (0,7) =


(0,7) = 1x0,343 = 0,343 = 34,3%
0!(3 0)!
0
b) Um rato ficar infectado?

P(X=1) = (0,3) (0,7)


1

3 1

3!
3 x 2 x1
(0,3) 1 (0,7) 31 =
0,3 x0,49 = 0,441 = 44,1%
1! (3 1)!
1x 2 x1

c) Dois ratos ficarem infectado?

3!

3 x 2 x1

P(X=2) = (0,3) 2 (0,7) 3 2 =


(0,3) 2 (0,7) 3 2 =
0,09 x0,7 = 0,189 = 18,9%
2
2
!
(
3

2
)!
2 x1x1

d) Todos os ratos ficarem infectados?

P(X=3) = (0,3) (0,7)


3

3 3

3!
3 x 2 x1
(0,3) 3 (0,7) 0 =
0,027 x1 = 0,027 = 2,7%
3! (3 3)!
3 x 2 x1x1

e) Pelo menos 2 fiquem infectados?

f)

No mximo 1 fique infectado?

Exemplo 28
Uma indstria de alimentos est realizando testes com um bolo que ser comercializado. Durante a
prova do bolo, 20% das pessoas selecionadas para tal tarefa acharam o sabor muito doce. Supondo
que 5 pessoas provaro o bolo novamente, qual a probabilidade de:
a) Nenhuma pessoa achar o bolo muito doce?
b) Todos acharem o bolo muito doce ?
c) Pelo menos 4 pessoas acharem o bolo muito doce?
d) No mximo 2 pessoas acharem o bolo muito doce?

EXERCCIOS SUPLEMENTARES
Exerccio S18
Supor um teste com questes com 5 respostas de mltipla escolha com somente uma alternativa correta.
a) Se o aluno escolher uma ao acaso ("chute"), qual a probabilidade dele escolher a resposta certa?
b) Supondo que o teste tenha 20 questes; definindo-se a varivel aleatria T: nmero de questes
certas, qual a distribuio de probabilidade da varivel T?
c) Calcular a probabilidade de um aluno acertar, no chute, 3 questes.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

69

d) Se o escore mnimo para passar 10, qual a probabilidade de um aluno passar no teste, somente
chutando?
e) Qual o nmero mdio de acertos esperado se o aluno somente chutar as respostas?
Exerccio S19
Certa doena tem letalidade de 70%. Supondo-se que existam 20 pacientes com esta doena, calcular:
a) a probabilidade de que todos morram da doena.
b) a probabilidade de que nenhum paciente morra da doena.
c) a probabilidade de que 7 pacientes morram da doena.
d) a probabilidade de que, no mximo, 10 pacientes morram da doena.
e) a probabilidade de que, no mnimo, 5 pacientes sobrevivam.
f) o nmero esperado de bitos e o respectivo desvio padro.
Exerccio S20
Em uma grande populao, 20% das pessoas so canhotas. Assumindo que a varivel X: nmero de
pessoas canhotas segue uma distribuio Binomial, e sorteando-se uma amostra aleatria de 10 pessoas, encontre a probabilidade de:
a)
b)
c)
d)

encontrar
encontrar
encontrar
encontrar

2 pessoas canhotas .
pelo menos 2 pessoas canhotas.
no mximo 1 pessoa canhota.
de 1 a 4 pessoas canhotas.

Exerccio S21
Um caso de esquistossomase identificado pela deteco de ovo de xistossoma em amostra de fezes. Em pacientes com infeco baixa, uma tcnica de exame de fezes tem probabilidade de 0,4 de
detectar ovo. Se 5 amostras so examinadas para cada paciente, qual a probabilidade de um paciente
com baixa infeco no ser identificado?
Exerccio S22
Supor que 20% de certa populao tem sangue tipo B. Para uma amostra de tamanho 18, retirada
desta populao, calcule a probabilidade de que sejam encontradas:
a) 3 pessoas com sangue tipo B.
b) 3 ou mais pessoas com sangue tipo B.
c) no mximo 3 pessoas com sangue tipo B.
Exerccio S23
A probabilidade que uma pessoa que sofre de enxaqueca obter alvio utilizando certo medicamento
de 0,9. So selecionados 5 pacientes que sofrem de enxaqueca e recebem o medicamento. Quanto ao
nmero de pessoas que vai ter alvio, encontre a probabilidade de:
a) nenhuma pessoa ter alvio.
b) mais do que uma pessoa tenha alvio.
c) trs ou mais pessoas tenha alvio.
d) no mximo duas pessoas tenham alvio.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

70

Distribuio normal ou de Gauss; distribuio amostral da mdia


Os dados abaixo so medidas do trax (polegadas) de 5732 soldados escoceses, tomadas pelo matemtico belga, Adolphe Quetelet (1796-1874).

medidas |
Freq,
Percent
Cum,
------------+----------------------------------33 |
3
0,05
0,05
34 |
19
0,33
0,38
35 |
81
1,41
1,80
36 |
189
3,30
5,09
37 |
409
7,14
12,23
38 |
753
13,14
25,37
39 |
1062
18,53
43,89
40 |
1082
18,88
62,77
41 |
935
16,31
79,08
42 |
646
11,27
90,35
43 |
313
5,46
95,81
44 |
168
2,93
98,74
45 |
50
0,87
99,62
46 |
18
0,31
99,93
47 |
3
0,05
99,98
48 |
1
0,02
100,00
------------+----------------------------------Total |
5732
100,00

Distribuio de medidas do trax (polegadas) de soldados escoceses.

1000

Frequency

800

600

400

200

0
33

34

35

36

37

38

39

40 41
medidas

42

43

44

45

46

47

48

Fonte: Daly F et al. Elements of Statistics, 1999.

Funo densidade de probabilidade da distribuio normal: Se a varivel aleatria X normalmente


distribuda com mdia

e desvio padro

(varincia

2 ), a funo densidade de probabilidade de

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

71

f ( x) =
X dada por

( x )2
2 2

< x < + ; onde

: constante 3,1416; e: constante

2,718

: constante (mdia aritmtica da populao)

: constante (desvio padro populacional)


Propriedades:

< X < + ;
simtrica em torno da mdia m (ou );

a mdia e a mediana so coincidentes;

campo de variao :

a rea total sob a curva igual a 1 ou 100%;


a rea sob a curva pode ser entendida como medida de probabilidade.

1 inclui 68,2% das observaes


1,96 inclui 95,0% das observaes
2,58 inclui 99,0% das observaes

Exemplo:
Depois de tomarmos vrias amostras, decidiu-se adotar um modelo para as medidas de permetro do
trax de uma populao de homens adultos com os parmetros: mdia (
vio padro (

) = 40 polegadas e des-

) = 2 polegadas.

40 43

Qual a probabilidade de um indivduo, sorteado desta populao, ter um permetro de trax entre 40
e 43 polegadas?
43

P ( 40 X 43) =

1
40 2 2 e

( x 40 ) 2
]
2x4

dx

Quantos desvio padro 43 est em torno da mdia?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

72

Normal reduzida:

Z ~ N (0;1) onde Z =
P ( 40 X 43) = P (

x-

40 40 X 43 40

) = P (0 Z 1,5)
2

1,5

Utilizando a tabela da curva normal reduzida,

P(0 Z 1,5) = 0,43319 =43,3%


Exemplo 29:
Com base na distribuio de X~N(

=40, =2), calcular:

a) a probabilidade de um indivduo, sorteado desta populao, ter um permetro de trax maior ou


igual a 43 polegadas.

40 43
P ( X

43 ) = P (

43

1,5

X
40
) = P (Z
2

1 ,5 )

Utilizando a tabela da curva normal reduzida,

P( Z 1,5) = 0,5-0,43319=0,06681= 6,7%.


b) a probabilidade de um indivduo, sorteado desta populao, ter um permetro de trax entre 35 e
40 polegadas.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

73

c) a probabilidade de um indivduo, sorteado desta populao, ter um permetro de trax menor que
35.

d) Qual o valor do permetro do trax, que seria ultrapassado por 25% da populao?

Exemplo 30
Considerar a altura de 351 mulheres idosas como seguindo uma distribuio normal com mdia
160cm e desvio padro 6 cm. Sorteia-se uma mulher; qual a probabilidade de que ela tenha:
a) altura entre 160 cm e 165 cm?
b) altura menor do que 145 cm?
c) Altura maior do que 170 cm?
Distribuio amostral da mdia
Supor a situao onde uma populao composta por 6 elementos, para os quais observou-se a caracterstica X, cujos valores esto apresentados abaixo.
elementos
A
B
C
D
E
F
Fonte: Dixon WJ e Massey FJ. Introduction to Statistical Analysis.
York, 1957.

Xi
11
16
12
15
16
14
2nd edit. The Maple Press Company,

Mdia populacional ( ) = 14;


Varincia populacional (

2 ) = 3,667;

Desvio padro populacional (


Parmetros
Populao
Mdia ( )
Varincia (
Desvio padro (

) = 1,9149.
valor

Estimador
amostra

14

Valor (estimativa)
Par(A,D)=(11,15)
13

3,67

S2

1,91

2,828

Todas as possveis amostras de tamanho 2, determinadas pelo processo de amostragem aleatrio,


com reposio (N=6, n=2):
Amostra

Elementos que compem a amostra

valores
Mdia(

1
2
3
4
5
6

A,A
A,B
A,C
A,D
A,E
A,F

(11,11)
(11,16)
(11,12)
(11,15)
(11,16)
(11,14)

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

xi )

11
13,5
11,5
13
13,5
12,5

74

7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

B,A
B,B
B,C
B,D
B,E
B,F
C,A
CB
CC
C,D
C,E
C,F
D,A
D,B
D,C
D,D
D,E
D,F
E,A
E,B
E,C
E,D
E,E
E,F
F,A
F,B
F,C
F,D
F,E
F,F

(16,11)
(16,16)
(16,12)
(16,15)
(16,16)
(16,14)
(12,11)
(12,16)
(12,12)
(12,15)
(12,16)
(12,14)
(15,11)
(15,16)
(15,12)
(15,15)
(15,16)
(15,14)
(16,11)
(16,16)
(16,12)
(16,15)
(16,16)
(16,14)
(14,11)
(14,16)
(14,12)
(14,15)
(14,16)
(14,14)

13,5
16
14
15,5
16
15
11,5
14
12
13,5
14
13
13
15,5
13,5
15
15,5
14,5
13,5
16
14
15,5
16
15
12,5
15
13
14,5
15
14

Distribuio de frequncia de todas as possveis mdias:


Distribuio amostral da mdia

xi

frequncia

1
2
3
4
5
6
7
8
9
10
11
Total

11
11,5
12
12,5
13
13,5
14
14,5
15
15,5
16

1
2
1
2
4
6
5
2
5
4
4
36

Frequency

0
10

10.65

11.3

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

11.95

12.6
13.25
medias

13.9

14.55

15.2

15.85

75

11

x
Mdia das mdias

(x ) =

fi

i =1

= 14

n
11

(x
Varincia das mdias

x2 =

x)2 fi

i =1

= 1,833 ;

Desvio padro das mdias = erro padro da mdia =


Erro padro da mdia =

x = x2

1,833 = 1,354 .

Teorema central do limite: X varivel aleatria com mdia

X ~ N ( ,

e varincia

2,

ento

No exemplo, X ~ N ( = 14, = 1,915 ) , portanto

X ~ N ( x = 14, x =

1,915
2

= 1,354) .

Exemplo:
Os valores de cido rico em homens adultos sadios seguem distribuio aproximadamente Normal
com mdia 5,7mg% e desvio padro 1mg%. Encontre a probabilidade de que uma amostra aleatria
de tamanho 9, sorteada desta populao, tenha mdia
a) maior do que 6 mg%.
b) menor do que 5,2 mg%.
X~N( =5,7;

= 1)

a)

P( X 6) = P ( Z X

b)

P( X 5,2) = P(Z X

6 5,7
) = P( Z X 0,91) = 0,5 0,31859 = 0,18141.
1
9

5,2 5,7
) = P(Z X 1,52) = 0,5 0,43574 = 0,064 .
1
9

Exemplo 31
Suponha que o peso em gramas do contedo de pacotes de salgadinho siga uma distribuio normal
com mdia 500g e desvio padro 85g. Sorteia-se uma amostra de 50 pacotes. Calcule:
a) a probabilidade de obter peso mdio entre 500 e 530 gramas.
b) a probabilidade de obter peso mdio entre 450 e 500 gramas.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

76

Aproximao da distribuio Binomial pela Normal


Representao grfica da distribuio Binomial(n=10;p=0,5).
0,30

P(X=x)

0,25
0,20
0,15
0,10
0,05
0
0

10

Aproximao da Binomial(n=10,p=0,5) pela distribuio normal.


0,30

P(x1 <X<x2)

0,25
0,20
0,15
0,10
0,05
0
0

10

Supor X~B(n,p), onde X:nmero de sucessos;


Parmetros da distribuio: p (probabilidade de sucessos); n (nmero de realizaes);
Binomial possui mdia=np; varincia =npq e desvio padro =

npq .

Para n suficientemente grande (np 5 e nq 5), a varivel X pode ser aproximada para uma distribui-

npq )

o Normal(mdia=np, e desvio padro=


Supor a proporo de sucessos dada por

Mdia de

X
n

X
=p
n

e desvio padro de

X
pq
=
n
n

porque:
mdia de

X
X
1
1
= E( ) = E(X) = np = p ;
n
n
n
n

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

77

varincia de

X
X
1
1
pq
= V( ) = 2 V(X) = 2 npq =
n
n
n
n
n

desvio padro de

X
X
pq
= V( ) =
n
n
n

Para n suficientemente grande (np 5 e nq 5), a distribuio de

distribuio Normal(mdia=p, e desvio padro=

pq
n

X
n

pode ser aproximada para a

).

Exemplo:
Y: nmero de sucessos;
Y~B(n=10; p=0,5)

P(3 Y < 6) =P(Y=3)+P(Y=4)+P(Y=5)=0,11719+0,20508+0,24609=0,5684.


Pela distribuio normal: Y~N(np=5; dp=

P(3 Y < 6) =P(

10 x 0,5 x 0,5 = 1,581 )

2,5 5 Y 5 5,5 5

<
)=
1,581
npq 1,581

P( 1,581 Z Y < 0,316) =0,44295+0,12552=0,5685.


Trabalhando-se com a proporo de sucessos:

Y
: proporo de sucessos
n
Pela distribuio Binomial:

P(0,3

Y
< 0,6) = P(3 Y < 6) = 0,11719 + 0,20508 + 0,24609 = 0,5684
n

Pela distribuio normal:

pq
0,5x 0,5
Y
~N(p=0,5; dp=
=
= 0,1581 )
n
10
n

P(3 Y < 6) =P( 0,25 0,5


0,1581

Y
0,5
0,55 0,5 )=
n
<
0,1581
pq
n

P( 1,581 Z Y < 0,316) =0,44295+0,12552 = 0,5685

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

78

EXERCCIOS SUPLEMENTARES

Exerccio S24
Suponha que o peso de acar em pacotes seja anunciado como sendo 2Kg (2000g). Suponha que o
peso (X) segue uma distribuio normal com mdia e desvio padro em gramas dado por
N( = 2003; = 1 ). Qual a probabilidade de sortear um pacote com peso abaixo do anunciado?
Exerccio S25
Suponha que o tempo mdio de permanncia em um hospital para pacientes com determinada doena de 60 dias com desvio padro de 15 dias. Supor que o tempo de permanncia segue uma distribuio aproximadamente normal. Se for sorteado 1 paciente desta populao, calcule a probabilidade
de que seu tempo de permanncia ser
a) maior que 50 dias.
b) menor que 30 dias.
c) entre 40 e 70 dias.
d) maior do que 75 dias.
Exerccio S26
Supor que a idade para o aparecimento de certa doena possui distribuio aproximadamente normal
com mdia 11,5 anos e desvio padro 3 anos. Uma criana apresentou esta doena. Calcule a probabilidade de que a criana tenha
idade entre 8,5 e 14,5 anos.
a)
b)
acima de 10 anos.
c)
abaixo de 12 anos.
Exerccio S27
Supor que a presso mdia diastlica de certa populao em certo grupo de idade igual a 78mmHg
com desvio padro 9mmHg. Calcule a probabilidade de que em uma amostra de tamanho 16, a mdia
seja maior que 81mmgHg.
Exerccio S28
Seja X a varivel estatura de homens adultos, assuma que X segue uma distribuio normal com mdia = 172 cm e desvio padro = 7,6 cm. Supor que uma amostra de tamanho n= 25 retirada
desta populao.
a) Qual a distribuio da mdia amostral X e qual a mdia e o desvio padro desta distribuio?
b) Calcule a probabilidade que a mdia amostral seja menor que a mdia populacional em 2,5
cm.

A famlia de distribuies t de Student


Student o pseudnimo de W. S. Gosset que, em 1908, props a distribuio t. Esta distribuio
muito parecida com a distribuio normal. A famlia de distribuies t centrada no zero e possui
formato em sino. A curva no to alta quanto a curva da distribuio normal e as caudas da distribuio t so mais altas que as da distribuio normal. O parmetro que determina a altura e largura
da distribuio t depende do tamanho da amostra (n) e denominado graus de liberdade (gl), denotado pela letra grega (

) (l-se ni). A notao da distribuio t t .

Curvas t para graus de liberdade (tamanhos de amostra) diferentes.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

79

Quando o nmero de graus de liberdade da distribuio t aumenta, a distribuio se aproxima de uma


distribuio normal.

Esta famlia t no descreve o que acontece na natureza mas sim o que aconteceria se selecionssemos milhares de amostras aleatrias de uma populao normal com mdia

t=

X
s

e fosse calculado

para cada amostra.

n
Calculando o valor de t para 500 amostras de tamanho 6 de uma populao com distribuio normal,
obtm-se o grfico a seguir:

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

80

Estimao de parmetros populacionais


Estimao por ponto
X uma caracterstica que na populao possui distribuio normal com mdia
(desvio padro

e varincia

).

Seja X1, X2, X3, ...Xn uma amostra aleatria de tamanho n extrada desta populao.
Os parmetros

e2

podem ser estimados com base na amostra.

Se o estimador for um nico valor, a estimao chamada de estimao por ponto.


Se o estimador for um conjunto de valores, a estimao chamada de estimao por intervalo.
Estimao por ponto
Mdia aritmtica
N

Populacional

Parmetro

estimador : X =

Xi

i =1

Varincia
N

(X
Populacional

Parmetro

S (2N ) =

X )2

i =1

estimador :

(X
S (2N 1) =

ou

N
i

X )2

i =1

N 1

Ateno: Antes dos dados serem coletados, os estimadores so variveis aleatrias.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

81

Estimao por intervalo


Intervalo de confiana: um conjunto de valores calculados com base na amostra. Pressupe-se que
cubra o parmetro de interesse com um certo grau (nvel) de confiana.
O grau de confiana tem origem na probabilidade associada ao processo de construo do intervalo
antes de se obter o resultado amostral.
O grau de confiana mais comumente utilizado o de 95%.
Seria impossvel construir um intervalo de 100% de confiana a menos que se medisse toda a populao.
Na maioria das aplicaes no sabemos se um intervalo de confiana especfico cobre o verdadeiro
valor. S podemos aplicar o conceito frequentista de probabilidade e dizer que se realizarmos a amostragem infinitas vezes e construirmos intervalos de confiana de 95%, em 95% das vezes os intervalos de confiana estaro corretos (cobriro o parmetro) e 5% das vezes estaro errados.
Exemplos de intervalo de confiana:
IMC mdio, desvio padro (dp) e IC de 95% segundo sexo e idade (anos). Duas escolas pblicas de
So Paulo, 2004.
Sexo(1)
Idade (anos)(2)
7
8
9
10
IMC (kg/m2) mdio e desvio padro (dp) (IC 95%)
Masculino
16,8 (2,5)
17,9 (4,0)
17,3 (3,1)
18,9 (4,0)
(16,2 17,4)
(17,0 18,9)
(16,5 18,1)
(17,9 19,8)
Feminino
16,4 (2,30)
16,9 (2,9)
17,4 (3,3)
18,7 (3,1)
(15,9 17,0)
(16,2 17,6)
(16,6 18,2)
(17,9 19,5)
Total

16,6 (2,4)
17,4 (3,5)
18,7 (3,2)
(16,2 17,0)
(16,8 18,0)
(17,9 19,5)
(1) Masculino (n=281), Feminino (n=275);
(2) 7 anos (n=151); 8 anos (n=138); 9 anos (n=126); 10 anos (n=141)
Fonte: Claudia Regina Koga. Dissertao de Mestrado (dados preliminares)

18,8 (3,7)
(18,2 19,4)

IC para a proporo populacional


Os dados de composio corporal obtidos pela utilizao da BIA, classificados em duas categorias: sem risco de doena cardiovascular e com risco de DCV, resultaram em prevalncia de risco de
DCV igual a 42,3% (IC95%: 38,1 - 46,5%).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

82

R ep r es en t a o g r f i ca

A linha vertical representa o parmetro populacional. O grfico foi gerado via programa de computador. So apresentados 50 intervalos de confiana para amostras de tamanho n=20. As linhas horizontais representam os intervalos de confiana. Se o intervalo de confiana no contiver o parmetro, a
linha horizontal no cruzar a linha vertical. A linha vertical o parmetro. No exemplo, 3 intervalos
no cobrem ("capturam") o parmetro.
Apresentao grfica do efeito do tamanho da amostra:

Para amostras menores (n=5), as larguras dos intervalos so maiores a proporo de intervalos que
"capturam" o parmetro parecida com a anterior (para n=20). Portanto, o tamanho da amostra no
interfere na proporo de captura do parmetro mas sim na preciso do estimador.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

83

Efeito do grau de confiana


Para n=20 e

=0,25, obtm-se intervalos com os apresentados a seguir:

Os intervalos so mais estreitos do que para n=20 e


=0,05. Uma porcentagem bem maior no
contm o parmetro. Isto o que 75% de confiana significa. Do total de todas as possveis amostras, 75% delas resultar em intervalos de confiana que contm o verdadeiro valor do parmetro.
Interpretando Intervalos de Confiana (IC)
Um intervalo de confiana para um parmetro um intervalo de valores no qual pode-se depositar
uma confiana que o intervalo cobre (contm) o valor do parmetro. Por exemplo, se com base em
uma amostra encontrarmos que o intervalo (3200 ; 3550) um intervalo de 95% de confiana para a
mdia (

) da populao de valores do peso mdio ao nascer de recm-nascidos no Municpio de

So Paulo, ento podemos estar 95% confiantes que o conjunto de valores 3220 3500 gramas cobre (contm) o verdadeiro peso mdio ao nascer da populao.

Pode-se tambm pensar no IC a partir da seleo de milhares de amostras de uma populao. Para
cada amostra calcula-se um intervalo de confiana com grau de confiana 100(1- )%, para um parmetro da populao. A porcentagem de intervalos que contm o verdadeiro valor do parmetro
100(1- ). Para

=0,05, o grau de confiana ser igual a 100(1-0,05)% = 100(0,95)% = 95%.

Na prtica, tomamos somente uma amostra e obtemos somente um intervalo. Mas sabemos que
100(1- )% de todas as amostras tem um intervalo de confiana contendo o verdadeiro valor do
parmetro, portanto depositamos uma confiana 100(1- )% que o particular intervalo contm o
verdadeiro valor do parmetro.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

84

Amplitude do intervalo
Para um grau de confiana especificado (por exemplo, 95%), desejamos o intervalo to pequeno
quanto possvel.
Ex: o intervalo de confiana de 95% para o peso mdio ao nascer (gramas) de recm-nascidos no
Municpio de So Paulo de (2500, 4000) traz pouca informao prtica porque sabe-se, da experincia, que a mdia populacional est neste intervalo. Deseja-se um intervalo com amplitude de poucas
gramas. o tamanho da amostra que determina a amplitude do intervalo. Quanto maior a amostra,
menor ser o intervalo.

Frmulas para construo dos intervalos de confiana:

As frmulas dos intervalos de confiana so derivadas da distribuio amostral da estatstica;


Construo do intervalo de confiana para a mdia populacional

Pressuposio: A amostra deve ser obtida de forma aleatria;


necessrio utilizar as propriedades do teorema central do limite :

X ~ N (, ) ; X ~ N ( ,
Padronizando-se a mdia

, obtm-se Z = X ~ N (0,1) , que permite calcular

P( z

z) = 1 .

n
Para

= 5% ,

P(1,96

+1,96) = 0,95

P(1,96

P( X 1,96

X +1,96

X + 1,96

) = 0,95

) = 0,95

Multiplicando tudo por -1

P( X + 1,96

X 1,96

) = 0,95

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

85

Reescrevendo a equao tem-se

P( X 1,96

X + 1,96

) = 0,95

Obtm-se um intervalo aleatrio centrado na mdia amostral o qual possui 95% de probabilidade
de conter a verdadeira mdia populacional.
O parmetro ser estimado por um conjunto de valores provenientes de uma amostra. Quando isto
feito,

x 1,96

mdia

estimada

x + 1,96

por

um

determinado

valor

X = x ),

intervalo

deixa de ser uma varivel aleatria.

Este intervalo cobre (contm) ou no cobre (no contm) a verdadeira mdia (parmetro). Diz-se
ento que a confiana que se deposita neste intervalo de 95% porque antes de coletar a amostra de
tamanho n, existia, associada a ele, uma probabilidade de 95% de que contivesse a mdia populacional. Por isso chama-se intervalo de confiana para a mdia populacional.
IC(95%) : ( x 1,96

; x + 1,96
)
n
n

Intervalo de confiana para a mdia populacional com varincia populacional conhecida


Pressuposio: A amostra deve ser obtida de forma aleatria.
Estatstica: mdia populacional -

IC() = x z / 2.

x
n

; x +z / 2.

x
n

Exemplo:
Construa um intervalo de 95% de confiana para estimar a presso diastlica mdia populacional
( ), sabendo que em uma amostra de 36 adultos a presso mdia amostral ( x ) foi igual a
85mmHg e o desvio padro populacional ( ) foi 9 mm de Hg. Interprete o significado desse intervalo
Soluo:

85 1,96

9
9
;85 + 1,96
, ou seja, (82,06; 87,94mmHg)
36
36

Exemplo 32
Em uma amostra de 16 gestantes com diagnstico clnico de pr-eclmpsia, a taxa mdia de cido
rico no plasma foi de 5,3 mg sabendo que a variabilidade na populao igual a 0,6 mg. Estime,
com 95% de confiana, a taxa mdia de cido rico no plasma da populao de gestantes com diagnstico de pr-eclmpsia.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

86

Intervalo de confiana para a mdia populacional com varincia populacional desconhecida

IC() : x tn1, 2.

Sx
S
; x +tn1, 2. x
n
n

Exemplo:
Construa um intervalo de 95% de confiana para estimar a presso diastlica mdia populacional
( ), sabendo que em uma amostra de 36 adultos a presso mdia amostral ( x ) foi igual a
85mmHg e o desvio padro amostral (s) foi 12 mm Hg. Interprete o significado desse intervalo.

85 2,03

12
36

;85 + 2,03

12
36

, ou seja, (80,94; 89,06 mmHg)

Exemplo 33
Uma amostra de 25 adolescentes meninos apresenta peso mdio de 56 kg e desvio padro 8 kg.
a) encontre o intervalo de confiana de 95% para o peso mdio da populao da qual esta amostra foi sorteada.
b) interprete o intervalo de confiana encontrado.

Intervalo de confiana aproximado pela Normal para a proporo populacional ( )


Pressuposies:
1- np e nq5
2- a amostra deve ser obtida de forma aleatria
Seja X uma varivel aleatria que segue uma distribuio binomial, X~ B(n,p).
A proporo de sucessos populacional desconhecido. Seu estimador por ponto

Para n grande,

p ~ N ( = p, =

Com intervalo de confiana para

IC( ) : p z / 2 .

p=

X
n

pq
).
n

dado por

p q
p q
; p +z / 2 .
n
n

, com

estimados na amostra onde

p =

x
e
n

q = 1 p e x o nmero de sucessos observado na amostra de tamanho n.


Exemplo:
Supor que em uma amostra de 200 casais encontrou-se 10 casais onde a esposa era mais alta que o
marido. Construir o intervalo de confiana de 95% para a proporo de casais na populao ( ) onde
as esposas so mais altas que seus maridos.

p =

10
= 0,05 ; q = 1 p = 0,95
200

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

87

IC(95%, ) : 0,051,96

0,05x0,95
0,05x0,95
;0,05+1,96
200
200

IC(95%, p): (2,0% ; 8,0% casais)


Se for de interesse estimar por intervalo o nmero esperado de sucessos na populao ( X

= p N

onde N tamanho da populao) pode-se utilizar os valores obtidos no IC para a proporo populacional.
IC95% para o nmero esperado de sucessos na populao: (N x

p i ; N x p s ) onde p i a proporo

p s a proporo de sucessos estimada pelo limite

de sucessos estimada pelo limite inferior do IC e


superior do IC.

Para uma populao de 1000 casais, obtm-se: (1000 x 0,02 ; 1000 x 0,08), ou seja, (20 ; 80 casais)
Exemplo 34
Em uma pesquisa sobre sade bucal na Inglaterra observou-se que de uma amostra de
262 mulheres com idade entre 25 e 34 anos, 7,6% no tinham dentes. Calcule o intervalo de confiana de 95% para a proporo de mulheres inglesas naquela faixa etria, que no possuem dentes.
Resumo: Intervalo de Confiana
Mdia populacional:

Com varincia conhecida

Com varincia

2:

x Z / 2

; x + Z / 2

2 desconhecida: x t

/ 2 ,

2
n

s
s
, x + t / 2,
; = n 1
n
n

Proporo populacional (p)


Intervalo aproximado:

p Z / 2
onde

np , np (1 p ) 5

p (1 p )
n

p + Z / 2

p (1 p )
n

a proporo de sucessos na amostra.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

88

EXERCCIOS SUPLEMENTARES
Exerccio S29
So apresentadas medidas de presso arterial sistlica de uma amostra de 20 pacientes.
a) Construa o intervalo de confiana de 90% para a presso sistlica mdia populacional.
b) Interprete o intervalo de confiana encontrado.
98
160

136
125

128
129

130
132

114
154

123
115

134
126

128
132

107
136

123
130

Valores de mdia e desvio padro das observaes:


Mdia ( x )
128
Desvio padro (Sn-1)
13,91

Exerccio S30
Em uma pesquisa sobre propriedades teratognicas de uma droga, 85 camundongos fmeas grvidas
que no foram expostas a droga foram observadas. Do total de 85 ninhadas, 12 tiveram pelo menos 1
filhote com malformao.
a) Apresente o intervalo de confiana de 95% para a verdadeira proporo de malformao na
populao de camundongos de onde os 85 que participaram do estudo foram provenientes.
b) Interprete o intervalo de confiana encontrado.

Exerccio S31
Os dados a seguir so provenientes do grupo Western Collaborative Group Study, criado na Califrnia
em 1960-61.
Tipo A: nvel de colesterol
233
291
312
254
276
234
Tipo B: nvel de colesterol
344
185
263
226
175
242
Medidas(mg/100ml)
Mdia
Varincia (n-1)
Desvio padro (n-1)

250
181

246
252

246
248

224
153
Tipo A
245,05
1342,37
36,64

197
252

212
183

268
202

188
137

224
218

250
202

239
212

148
194

239
325

169
213

Tipo B
210,3
2336,747
48,33991

Com base nos valores fornecidos,


a) Calcule o intervalo de confiana de 95% para o nvel mdio populacional de colesterol para
cada um dos tipos.
b) Interprete os intervalos. Explique o que eles significam.
c) Compare os resultados.
Exerccio S32
So apresentados dados sobre o estado nutricional de 1226 crianas brasileiras de 2 anos de idade,
segundo sexo.
Estado nutricional
Masculino
Feminino
total
Desnutridas
29
20
49
Normais
574
603
1177
Total
603
623
1226
Fonte: retirado de material de aula da Profa M. R. Cardoso

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

89

Com base nos dados calcule a proporo de crianas desnutridas e respectivos intervalos de confiana
de 90% segundo sexo. Discuta os resultados.
Exerccio S33
No artigo Hipovitaminose A em crianas de reas rurais do semi-rido baiano a idade mdia das
crianas com nvel aceitvel e inadequado de retinol e seus respectivos desvios-padro so apresentados a seguir. Encontre o intervalo de confiana de 90% para as verdadeiras idades mdias. Compare os resultados. Pode-se dizer que as crianas provm de uma mesma populao?
Estatsticas
Nmero de observaes (n)
Mdia ( x )
Desvio padro (Sn-1)

Nvel aceitvel
89
41,9
17,4

Nvel inadequado
72
37,4
17,1

Exerccio S34
O nvel mdio de protrombina em populaes normais 20 mg/100ml de sangue. Uma amostra de
40 pacientes que tinham deficincia de vitamina K tiveram nvel mdio observado de protrombina de
18,5mg/100ml e desvio padro 4mg/100ml. Seria razovel concluir que a verdadeira mdia de pacientes com deficincia de vitamina K a mesma que a da populao normal?
Exerccio S35
Uma companhia de produtos alimentcios solicitou pela mdia que os consumidores entrassem em
contato dizendo se tinham aprovado o sabor de um novo produto. Quem telefonasse receberia um
exemplar de um livro de receitas. 320 consumidores telefonaram sendo que 75% destes aprovaram o
produto.
a) Poderia ser construdo o intervalo de confiana de 95% para a proporo de consumidores
que aprovaram o produto na populao?
b) Se sim, calcule o intervalo; se no, explique porque no.
Teste de hipteses, teste de hipteses de uma proporo populacional
Estatstica descritiva
Descreve eventos por meio de:
tabelas
grficos
razes e ndices
parmetros tpicos (medidas de posio e disperso)

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

90

Estatstica analtica
Nvel I - Terico (conceitos, hipteses cientficas)
Nvel II - operacional (hiptese estatstica)
Situao
Quanto mais bem educada uma pessoa, menor o seu preconceito em aceitar certa campanha sanitria
Nvel I

Conceitos

Nvel II

Definies

Definies

Cientficas/

operacionais

Hiptese operacional

tericas

educao

Viso global

Anos de escolaridade

do mundo

Quanto maior o nmero


de anos de escolaridade,
menor o escore em uma
escala de preconceito
preconceito

Pr-julgamento

Conceitos gerais
Hiptese cientfica

Preconceito (escore
em uma escala)

Hiptese estatstica em termos operacionais relativos a populao


(inferncia dedutiva)
Estimador (Populacional)

Veracidade/
falsidade cientfica

Regras de deciso: fixao de

- nvel de significncia

Delineamento: normas de coleta e anlise dos dados


Inferncia indutiva
Coleta de dados (observao e mensurao)
(teoria probabilstica)
Verificao da veracidade da hiptese

Inferncia estatstica: qualquer procedimento que se utiliza para se generalizar afirmaes sobre
determinada populao, baseadas em dados retirados de uma amostra.
Parmetro: a medida usada para se descrever uma caracterstica de uma populao.
Estatstica: uma funo dos valores amostrais.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

91

Estimao: o processo atravs do qual estima-se o valor de um parmetro de uma populao com
base no valor obtido em uma amostra.
Hiptese: uma forma de especulao relativa a um fenmeno estudado (qualquer que seja).
qualquer afirmao sobre a distribuio de probabilidade de uma varivel aleatria (afirmao sobre
um parmetro).
Hiptese estatstica: uma especulao feita em relao a uma proposio, porm relativa a uma
populao definida.

Teste de Hipteses
Abordagem de Neyman e Pearson
Neyman e Pearson propuseram uma abordagem, para a tomada de deciso, que envolve a fixao,
antes da realizao do experimento, das hipteses nula e alternativa, e fixao de valores de probabilidade de ocorrncia de erros de deciso.

Considerar a situao na qual se deseja comparar a eficcia de uma nova droga (DN) com a eficcia
de uma droga padro (DA), que vem sendo atualmente utilizada.
Para a

tomada de deciso sobre a eficcia de DN, torna-se necessrio seguir os seguintes passos:
Formular as hipteses;
Identificar a distribuio de probabilidade da estatstica do teste;
Fixar o nvel de significncia do teste ( );
Calcular o tamanho da amostra;
Determinar a regio de rejeio/aceitao de H0;
Realizar o estudo, observar os resultados, calcular a estatstica do teste;
Confrontar o valor observado da estatstica do teste com a regio de rejeio/aceitao de H0;
Tomar a deciso;
Apresentar a concluso.

Cada passo ser apresentado detalhadamente a seguir.


Fixao das hipteses para o exemplo da eficcia de DN
Para o estudo proposto, onde uma nova droga desenvolvida para apresentar maior eficcia que a
droga em uso, as hipteses apropriadas seriam:

H0 : DN = DA
Ha : DN > DA

Teste monocaudal direita

Se o estudo envolvesse a comparao de duas drogas, uma nova e outra que atualmente utilizada,
e a nova droga se prope a reduzir os efeitos colaterais, as hipteses seriam:

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

92

H0 : DN = DA
Ha : DN < DA

Teste monocaudal esquerda

Se ambas os lados forem possveis, deve-se optar pela hiptese alternativa que explicita a diferena
como na situao onde uma nova droga para depresso est em teste e deseja-se investigar se a
droga inibe ou provoca o apetite, como efeito colateral. Assim, antes do estudo no se conhece o
efeito da droga sobre o apetite dos pacientes.

H0 : DN = DA
Ha : DN DA

Teste bicaudal

Fixao de valores de probabilidade de ocorrncia de erros de deciso


Considerar o estudo que tem por objetivo comparar a eficcia de uma nova droga (DN) com a eficcia
de uma droga padro, que vem sendo utilizada (DA), cuja eficcia de 50%.

Eficcia (E) pode ser medida pelo nmero de curas.


Supor que a nova droga ser utilizada em 10 pacientes (n=10) e, considerando-se a eficcia conhecida da droga antiga (DA), de 50%, tem-se que a probabilidade de cura (p) igual a 0,5.

H 0 : D N = 0,5
Hipteses:

H a : D N > 0,5

H 0 : E N = 0,5
ou

H a : E N > 0,5

Estatstica do teste: nmero de curas pela nova droga

X: nmero de curas,

X~B(n=10; p=0,50), se H0 for verdade

X: 0, 1, 2, 3,...,10
Valor esperado de curas = n.p= 10x0,5 = 5 curas.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

93

Distribuio de probabilidade Binomial para n=10 e p=0,5 (sob H0, ou seja, se H0 for verdade)
X (nmero de curas)
0
1
2
3
4
5
6
7
8
9
10

P(X=x)
0,001
0,010
0,044
0,117
0,205
0,246
0,205
0,117
0,044
0,010
0,001

Utiliza-se o teste de hipteses para testar H0. O teste de hipteses fornece elementos para a tomada
de deciso com base em H0

possvel tomar somente uma deciso Rejeita-se H0 ou No rejeita-se H0 (Aceita-se H0)

Possveis erros na tomada da deciso:


Deciso

Verdade

H0

H0
no cometeu erro

Ha

erro tipo I

Ha

erro tipo II
no cometeu erro

= Pr obabilidade(erro tipoI )

= Probabilidade (Rejeitar H0 e H0 verdade)

= Pr obabilidad e(erro tipoII )

= Probabilidade (Aceitar H0 e H0 falsa)

(1 ) = poder do teste = Probabilidade (Rejeitar H

e H0 falsa)

Poder de revelar a falsidade de H0 quando a verdade Ha

Conduta: Antes do experimento, fixa-se

e trabalha-se com o menor

possvel.

Exemplo 35
Em um julgamento jurdico o jri tem que decidir sobre a culpa ou inocncia de um ru. Considere
dois fatos: 1) o sistema jurdico admite que toda pessoa inocente at que se prove o contrrio. 2) s
vai a julgamento pessoas sobre as quais existe dvida de sua inocncia. Fazendo uma analogia com
teste de hipteses, responda:

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

94

a) Apresente as hipteses nula e alternativa sobre a culpa ou inocncia do ru.

b) O jri pode errar se decidir que o ru culpado quando na verdade ele inocente. Qual o outro
erro de deciso que o jri pode cometer?

c) Qual dos dois erros o mais srio?

d) Na terminologia de teste de hiptese, qual tipo de erro (I ou II) pode-se vincular a cada uma das
decises do item b?

Exemplo 36
Supor duas situaes: 1- a pessoa est fazendo parte de um levantamento para diagnstico de para
cncer de mama (screening); 2- a pessoa realiza o teste para detectar anticorpos anti-HIV.
fornecido um diagnstico com base no resultado do teste.
a) Qual dos erros geralmente mais srio: um resultado falso positivo que diz que a pessoa tem a
doena quando na verdade ela no tem ou um resultado falso negativo, que diz que a pessoa no
tem a doena quando na verdade ela tem?

b) Apresente as hipteses nula e alternativa sobre a situao de sade do paciente; fazendo uma
analogia com teste de hipteses, que tipo de erro (I ou II) seria cometido se o resultado do teste
fosse falso positivo? Que tipo de erro (I ou II) seria cometido se o resultado do teste fosse falso negativo?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

95

Definio de critrios de aceitao ou rejeio de H0: estabelecimento das regies de rejeio e de aceitao de H0.
Distribuio de probabilidade do nmero de curas sob H0: B(n=10, p=0,5)
X (nmero de curas)
0
1
2
3
4
5
6
7
8
9
10
Aps a definio da rea de rejeio de H0,

P(X=x)
Regio
0,001
0,010
0,044
Regio de aceitao de H0
0,117
1-
0,205
0,246
0,205
0,117
0,044
Regio de rejeio de H0
0,010
= 5,5%
0,001
pode-se realizar o experimento.

Por exemplo, supor que entre 10 pessoas que tomaram a nova droga, 9 se curaram. Como 9 cai na
regio de rejeio de H0, decide-se por rejeitar H0.

Se tivessem sido observadas 6 curas ou qualquer valor da rea de aceitao de H0, a deciso seria
no rejeitar H0 ou seja, aceitar H0.
Onde est ?
Lembrar que as hipteses de teste so:

H 0 : D N = 0,5
H a : D N > 0,5

e que a probabilidade do erro tipo II a pro-

babilidade de aceitar H0 quando H0 falsa e que (1 ) o poder do teste, ou seja, a probabilidade


de rejeitar H0 quando H0 falsa.
Supor que no se rejeita H0, portanto, decide-se por H0. Entretanto, se estiver sendo cometido algum
erro de deciso, este ser do tipo II. Assim, a verdade seria uma eficcia da nova droga maior que
0,5.
Supor que uma diferena de no mnimo 10% seja suficiente. Assim, supondo-se p=0,6, a distribuio
do nmero de curas sob Ha, ou seja, sob uma B(n=10, p=0,6) seria:
X
(nmero de curas)
0
1
2
3
4
5
6
7
8
9
10

p=0,5
P(X=x)
0,001
0,010
0,044
0,117
0,205
0,246
0,205
0,117
0,044
0,010
0,001

Regio

1
aceitao de H0

rejeio de H0
= 0,055

p=0,6
0,000
0,002
0,011
0,042
0,111
0,201
0,251
0,215
0,121
0,040
0,006

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

Regio

aceitao de H0
= 0,833

rejeio de H0
(1- ) = 0,167

96

Notar que para n fixo, uma alterao no nvel de significncia, altera o poder do teste.
So apresentadas a seguir as relaes entre o tamanho da amostra, o nvel de significncia,

1
Valores de

e de

1 para o teste de H0:EN=EP=50% contra H1: EN>50%, quando n=10, 5%

(a rigor, 5,47%) segundo diferentes valores de EN .


EN
(%)

1 (%)

60%
70%
80%
90%

16,73
38,28
67,78
92,98

Valores de

e de

83,27
61,72
32,22
7,02

1 para o teste de H0: EN =EP=50% contra H1: EN >50%, quando n=10,

1% (a rigor, 1,08%) segundo diferentes valores de EN.


EN
(%)
60%
70%
80%
90%
Valores de

e de

1 (%)

95,36
85,07
62,42
26,39

4,64
14,93
37,58
73,61

1 para o teste de H0: EN =EP=50% contra H1: EN = 60%, quando 5%

para diferentes valores de n.


Tamanho da
amostra (n)

Valor de mais
prximo de 5%

10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
100
150
160
175
200

5,5
5,9
5,7
5,4
4,9
4,5
4,0
6,8
5,9
5,2
4,6
4,1
6,0
5,3
4,6
4,4
4,3
4,8
4,8
5,2

Valor de
(%)
83,3
78,3
75,0
72,6
70,9
69,4
68,3
67,3
55,4
54,1
54,9
54,7
48,8
45,0
45,2
37,7
22,6
18,7
15,8
11,0

Valor de

1 (%)

16,7
21,7
25,0
27,4
29,1
30,6
31,7
32,7
44,6
44,9
45,1
45,3
51,2
55,0
54,8
62,3
77,4
81,3
84,2
89,0

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

97

Valores de

e de

1 para o teste de H0: EN =EP=50% contra H1: EN = 55%, quando 5%

para diferentes valores de n.


Tamanho da
amostra (n)

Valor de mais
prximo de 5%

10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
100
150
160
175
200
300
400
600

5,5
5,9
5,7
5,4
4,9
4,5
4,0
6,8
5,9
5,2
4,6
4,1
3,6
5,3
4,6
4,4
4,3
4,8
4,8
5,2
5,9
4,9
5,6

Valor de

Valor de

(%)
90,0
87,0
87,0
86,6
86,5
86,6
86,7
87,0
80,3
81,0
81,8
82,5
83,2
77,4
78,4
75,9
68,8
65,4
63,3
58,3
43,0
36,2
19,4

(%)

10,0
12,0
13,0
13,4
13,5
13,4
13,3
13,0
19,7
19,0
18,2
17,5
16,8
22,6
21,6
24,1
31,2
34,6
36,7
41,7
57,0
63,8
80,6

Para um teste bicaudal


Valores de

e de

1 para o teste de H0: EN = EP=50% contra H1: EN 50%, quando 5%

para diferentes valores de n e E1 = 60% ou E1 = 40%


Tamanho
da
amostra
(n)
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
100
150
160
175
200

Valor de
mais
prximo
de 5%
2,1
3,5
4,1
4,3
4,3
4,1
3,8
7,2
6,5
5,8
5,2
4,6
4,1
6,4
5,7
5,7
6,0
6,9
6,9
7,7

Valor de

Valor de

(%)

(%)

95,2
90,8
87,3
84,5
82,3
80,4
78,8
67,2
66,4
65,7
65,1
64,5
64,0
54,4
54,2
45,7
27,9
23,3
19,8
14,0

4,8
9,2
12,7
15,5
17,7
19,6
21,1
32,8
33,6
34,3
34,9
35,5
36,0
45,6
45,8
54,3
72,1
76,7
80,2
86,0

Poder do teste para tamanhos de amostra fixos em testes mono e bicaudal, com distribuies de probabilidade
B(n, p=0,5) para H0 e B(n, p=0,6) para Ha

1,000

bicaudal

monocaudal

0,900
0,800
0,700
0,600
0,500
0,400
0,300
0,200
0,100
0,000
0

50

100

150

200

250

T a m a nho da a m o s t ra

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

98

Teste de hipteses segundo a abordagem de Fisher (Ronald Aylmer Fisher)


Inicia-se a abordagem de Fisher com a especificao de uma proposio inicial (equivalente H0 de
Neynman e Pearson). Considerando o estudo que tem por objetivo comparar a eficcia de uma nova
droga (DN) com a eficcia de uma droga padro, que vem sendo utilizada (DA), cuja eficcia de
50%, tem-se:

Proposio inicial: DN=0,5

Para tomada de deciso deve-se realizar o experimento e calcular a probabilidade de ocorrncia do


valor observado ou de um valor mais extremo da estatstica do teste, em uma curva de probabilidade
especificada na proposio inicial.

Se na amostra de 10 pacientes, 9 evolussem para a cura (90%), Fisher recomendava que se calculasse a probabilidade de 9 ou mais pacientes se curarem (P(X9)), tendo como base, a distribuio de
probabilidade conhecida, especificada na proposio inicial, onde a probabilidade de cura igual a
50%.

Pelo exemplo, esta probabilidade seria igual a P(X9) = P(X=9) + P(X=10) = 0,011 = 1,1%
Se na amostra de 10 pacientes, fossem observadas 6 curas (60%), P(X6) = P(X=6) + P(X=7) +
P(X=8) + P(X=9) + P(X=10) = 0,205 + 0,117 + 0,044 + 0,010 + 0,001 = 0,377 = 37,7%
A probabilidade calculada conhecida como valor de p (p-value) e a deciso estatstica ser tomada
com base no valor desta probabilidade.

Se o valor de p for considerado pequeno, conclui-se que os dados no mostram evidncia de pertencer a uma populao com proporo de cura igual a 50% e, portanto, a droga cura mais do que 50%.

Se o valor de p for considerado grande, ento se pode dizer que os dados provavelmente vm de uma
populao que possui como parmetro 50% de curas.
Definio:
Valor de p a probabilidade de ocorrncia do valor observado ou de um valor mais extremo de uma
estatstica, em uma curva de probabilidade especificada (conhecida, verdadeira).
Fisher dizia que antes de dar uma forma matemtica a um problema, propondo hipteses a serem
testadas, era necessrio um amplo conhecimento dos dados, o que poderia ser realizado com base no
valor de p.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

99

Passos necessrios para a realizao de um teste de hipteses segundo a abordagem de


Fisher.

Formular a proposio inicial (hiptese) que ser testada;

Identificar a distribuio de probabilidade;

Realizar o estudo e observar o resultado da estatstica de interesse;

Calcular o valor de p, ou seja, a probabilidade de ocorrer o valor observado ou um valor mais


extremo, sob a curva especificada na proposio inicial;

Tomar a deciso com base no valor de p;

Apresentar as concluses.

Teste de hipteses para uma proporo populacional (Distribuio Binomial)


Considerar a seguinte situao:
Segundo dados de rotina dos servios de sade tem-se que, em determinada comunidade, a proporo de mes que amamentam at o 3 ms de idade da criana de 60%. Desejando-se aumentar
esta proporo, realizou-se o estudo que consistiu em desenvolver um programa educativo. Desejase, portanto, avaliar a eficcia do programa.

Aps o programa observou-se que, em uma amostra de 10 mes que foram submetidas ao programa
e acompanhadas durante quatro meses, 9 mes amamentaram pelo menos at o 30 ms.
Utilizando-se teste de hipteses para decidir sobre a eficcia da interveno:
Pela abordagem de Neyman e Pearson
1) Elaborao das hipteses :

H 0 : E P = 0,6
H a : E p > 0,6

2) Fixao de = Prob(rejeitar H0 e H0 V); fixando-se =0,05

3) Estabelecimento da regio de rejeio/aceitao de H0:


Estatstica do teste: nmero de mes que amamentaram at o 3 ms.
X: 0,1,2,...,10
Eventos independentes e mutuamente exclusivos; portanto, a distribuio de probabilidade de X segue um modelo B(n=10; p=0,6).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

100

Regio de rejeio e aceitao de H0, se H0 for verdade


X P(X = x) ; so b H 0 , p = 0, 6
0
0, 0 0 0 1 0
1
0, 0 0 1 5 7
2
0, 0 1 0 6 2
3
0, 0 4 2 4 7
4
0, 1 1 1 4 8
5
0, 2 0 0 6 6
6
0, 2 5 0 8 2
7
0, 2 1 4 9 9
8
0, 1 2 0 9 3
9
0, 0 4 0 3 1
10
0, 0 0 6 0 5

R e gi o

1
Ace ita o de H 0

R e je i o de H 0 ;
= 0,04636 0,05

4) Deciso: Como 9 mes amamentaram pelo menos trs meses, e 9 cai na rea de rejeio de H0, decide-se por rejeitar H0.

5) Concluso: Foi encontrada diferena estatisticamente significante entre as propores


populacionais de mes que amamentam antes e aps o programa, para nvel de significncia de 5%.
O programa educativo, portanto, foi eficaz, pois as mes submetidas ao programa provm de uma
populao de mes onde mais do que 60% amamentam pelo menos at o 3 ms.

Ab o rd a g e m de Fi s h e r

Proposio: mes que so submetidas ao programa provm de uma populao onde 60% delas amamentam pelo menos at o 3 ms.
Calculando-se a probabilidade de observar 9 ou mais mes amamentando pelo menos at o 3 ms,
utilizando uma curva onde 60% de mes amamentam at o 3 ms: considerando-se a distribuio de
probabilidade: B(n=10; p=0,6), tem-se p= P ( X 9) = P ( X = 9) + P ( X = 10) = 0,040 + 0,006 = 0,046 ou
4,6%.

Interpretao do valor de p: 4,6% a probabilidade de observar 9 ou mais mes amamentando


pelo menos at o 3 ms, se estas tivessem vindo de uma populao de mes na qual 60% amamenta pelo menos at o 3 ms de idade da criana.

Para decidir com base no valor de p necessrio perguntar-se se os resultados observados so compatveis com a proposio de que as mes vm de populao na qual 60% das mes amamentam
pelo menos at o at o 3 ms. Em outras palavras, com base nos resultados, voc diria que existe
evidncia favorvel ou contrria proposio inicial?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

101

Se p for considerado, pelo investigador, pequeno ento se conclui que os dados observados mostram
evidncia contrria proposio inicial sendo que a proporo de mes que amamentaram, depois da
campanha mais compatvel com uma populao de mes na qual mais de 60% amamentam pelo
menos at o 3 ms. Neste caso, o programa foi eficaz.
Se p for considerado, pelo investigador, grande, ento se conclui que os dados no mostram evidncia contrria proposio e, portanto, as mes, aps a interveno, devem ser de uma populao na
qual 60% amamentam pelo menos at o 3 ms. Neste caso, a interveno no surtiu efeito.

Consideraes finais
O valor de p a fora de evidncia contrria proposio inicial. Para existir forte evidncia contrria
proposio inicial, o valor de p deve ser bem pequeno;

O julgamento sobre o valor de p, se grande ou pequeno, arbitrrio e quem decide o investigador.


Exemplo
Considerar a situao, comum na rea de anlise sensorial, denominada comparao de par, direcionada: A situao envolve um fabricante que quer lanar um bolo mais doce do que o produto que
est no mercado (cdigo 15). Para tanto desenvolvido um novo produto (cdigo 23).

O experimento consiste em oferecer uma fatia de cada produto a 20 degustadores, de modo independente, e registrar (contar) quantos acham o produto novo mais doce.

No teste comparao de par, direcionada, o nmero K de degustadores que achou o


bolo com cdigo 23 mais doce foi k= 8. Pode-se admitir que os bolos diferem quanto doura?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

102

Abordagem de Neyman e Pearson


O investigador fixa o nvel de significncia em 5% (=0,05). Se os bolos no forem diferentes quanto
ao sabor, metade dos degustadores vai escolher um produto e a outra metade vai escolher o outro.
Assim, a probabilidade de escolher o cdigo 15 = 0,5.

H 0 : = 0,5
H A : > 0,5

Hipteses:

(onde representa a proporo populacional que escolhe o produto 23)

Estatstica do teste: nmero de pessoas que escolhem o novo produto


Distribuio de probabilidade:
X: nmero de degustadores que escolhem o produto novo. X:0, 1, 2,...,18, 19, 20
Cada degustador escolhe o produto independente do outro degustador e se for feita a escolha por
um produto (eventos independentes), o outro produto fica eliminado (mutuamente exclusivos).
X ~B( n = 2 0 ; p = 0 , 5)
X
0
.
.
.
13
14
15
16
17
18
19
20

P(X = x)

R e gi o d o te s te
Ace ita o de H 0

0, 0 3 6 9 6
0, 0 1 4 7 9
0, 0 0 4 6 2
0, 0 0 1 0 9
0, 0 0 0 1 8
0, 0 0 0 0 2
0, 0 0 0 0 0

R e je i o de H 0
= 0,058

Deciso: como k=8, decide-se no rejeitar H0.


Concluso: No foi encontrada diferena estatisticamente significante entre a proporo de escolha
dos produtos, podendo-se dizer que os produtos no diferem quanto ao sabor adocicado, para um
nvel de significncia de 5%.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

103

Abordagem de Fisher
Proposio: Proporo de degustadores que escolhem cdigo 23 = 0,5
n=20
K: nmero de degustadores que escolhem cdigo 23; K: 0, 1, 2, ..., 20
K~B(n=20; p=0,5)
Observou-se que 8 degustadores escolheram o produto de cdigo 23 (k=8).
Valor de p=probabilidade de ocorrer 8 ou mais, se os dados vierem de uma populao que escolhe os
produtos em propores iguais.
Valor de p= P(K8) = P(k=8)+P(k=9)+...+P(k=20)= 0,868 ou 86,8%.
Conclui-se que os dados no mostram evidncia contrria proposio inicial (p=0,868). Os dados
so compatveis com uma populao que escolhe igualmente os produtos com cdigos 15 e 23. O
novo produto no foi considerado mais doce que o antigo.

OBS: Como np=10 e nq=10, para o clculo de p poderia ter sido utilizada a distribuio normal.

K ~ N ( = np = 20x0,5 = 10; = npq = 20 x0,5x0,5 = 2,24


P( K 8) = P( Z

7,5 10
) = P( Z 1,12) =
2,24
0,5+0,36864=0,86764 ou 86,8%

Exemplo 37
Supor o experimento onde existe interesse em investigar se o odor de determinado alimento atrai
camundongos. O experimento consiste em colocar um animal em um corredor que no final dividido
para a direita e para a esquerda. Um alimento colocado no final do corredor da esquerda, fora da
viso do animal. Entretanto, antes da realizao do experimento, decide-se eliminar a possibilidade de
incluir no estudo camundongos que tm predileo por um lado, independentemente do odor do alimento. Neste caso, decide-se investigar inicialmente se os camundongos escolhem os lados em propores iguais. Para tanto, realiza-se o experimento com 12 camundongos sem a colocao do alimento e verifica-se que 7 viram para a esquerda.
Realize um teste de hipteses seguindo as propostas de Neyman e Pearson, com nvel de significncia
de 5%, e a de Fisher, para verificar se os camundongos vm de uma populao que escolhe mais um
lado do que o outro.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

104

Exemplo 38
Supor agora, o experimento para investigar se o odor de determinado alimento atrai camundongos.
Realiza-se o experimento colocando-se o alimento no final do corredor do lado esquerdo, fora da viso dos camundongos. Observa-se que de 12 camundongos, 10 viram para a esquerda.
Realize um teste de hipteses seguindo as propostas de Neyman e Pearson e de Fisher, com clculo
do valor descritivo do teste, para verificar se os camundongos vm de uma populao que escolhe
mais o lado onde est o alimento. Utilize nvel de significncia de 5%.

EXERCCIOS SUPLEMENTARES
Exerccio S36
Um estudo foi desenvolvido para investigar se aleitamento materno um fator que protege a criana
contra diabetes, em idades maiores. Considerando H0: aleitamento materno no protege contra
diabetes e Ha: aleitamento materno protege contra diabetes, responda:
a) Tomando qual deciso (aceitar ou rejeitar) sobre H0 voc poderia estar cometendo o erro tipo I?
b) Tomando qual deciso (aceitar ou rejeitar) sobre H0 voc poderia estar cometendo o erro tipo II?
c) Como denominada a probabilidade de ocorrer o erro tipo I?
d) Como denominada a probabilidade de ocorrer o erro tipo II?
e) O que o poder do teste?
f)

Se voc fosse fixar valores de probabilidades associadas ocorrncia dos erros tipo I e II para
este estudo, qual deles seria menor? Justifique.

Exerccio S37
Ser realizado um estudo para investigar a relao entre consumo de produtos derivados de soja e
presena de osteoporose em mulheres com mais de 50 anos. Para a tomada de deciso, ser utilizado
teste de hipteses, no modelo clssico, proposto por Neyman e Pearson. Apresente os passos
necessrios para a realizao do teste de hipteses, listados a seguir, em uma sequncia correta:
tomada de deciso, clculo do tamanho da amostra, elaborao das hipteses, determinao da
regio de rejeio do teste, coleta dos dados e clculo da estatstica do teste, fixao do nvel de
significncia, concluso, verificao se o valor observado da estatstica cai na regio de aceitao ou
rejeio, identificao da distribuio de probabilidade da estatstica do teste.

Exerccio S38
Considere a seguinte situao hipottica: A incidncia de resfriados durante o inverno, em uma creche
60%. Durante o ano de 2001, a direo da creche resolveu servir suco de acerola durante todo o
inverno com o objetivo de prevenir resfriados. Aps o inverno observou-se que de 20 crianas que

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

105

foram acompanhadas, 13 ficaram resfriadas e deseja-se saber se o suco de acerola teve efeito sobre
a ocorrncia de resfriados. Segundo a abordagem de Fisher, responda:

a) Qual seria a proposio ou hiptese nula?


b) Se for definida a varivel X: ficar resfriado, e considerando-se que foram acompanhadas 20 crianas, qual a distribuio de probabilidade de X? Especifique os parmetros da distribuio.
c) Fisher recomendava calcular o valor de p e decidir com base nele. O que o valor de p?
d) Calcule o valor de p e decida se os dados mostram evidncia favorvel ou desfavorvel ao que for
especificado na proposio ou hiptese H0.
e) Calcule o valor de p se 7 crianas tivessem ficado resfriadas e decida sobre a propriedade preventiva do suco.

Exerccio S39
Considere a situao onde 40% de mulheres idosas apresentam condio esqueltica do tipo A. Suspeita-se que mulheres magras apresentam menor predisposio a esta condio. Realizou-se um estudo e observou-se que entre 28 mulheres idosas magras, 6 apresentaram a condio.
a) Realize um teste de hipteses para investigar se os resultados do estudo so compatveis com
uma populao onde 40% apresentam a condio. Utilize a abordagem clssica de Neyman e Pearson, com nvel de significncia de 10%.
b) Realize um teste de hipteses para investigar se os resultados do estudo so compatveis com
uma populao onde 40% apresentam a condio, utilizando a abordagem de Fisher.

Exerccio S40
A prevalncia de infeco por hepatite B na populao geral de 30%. A literatura sugere que a infeco por hepatite B maior entre pessoas com infectadas pelo vrus HIV. Em uma amostra de 20
pessoas que apresentaram teste HIV +, 8 apresentaram positividade para hepatite B. Teste a hiptese de que as pessoas HIV + possuem mesma prevalncia de Hepatite B que a populao geral. Utilize
a estratgia clssica de Neyman e Pearson, com nvel de significncia de 5% e a abordagem de Fisher, com tomada de deciso a partir do valor descritivo do teste (valor de p).

Exerccio S41
Suponha que uma pesquisa de grande abrangncia encontrou que 60% de crianas entre 7 e 10 anos
consomem determinada marca de cereal. Com o objetivo de verificar possvel queda no consumo, a
indstria sorteou 15 crianas nesta faixa etria e observou 6 crianas consomem o produto. Teste a
hiptese de que o consumo do produto no foi alterado. Utilize a estratgia clssica de Neyman e

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

106

Pearson, com nvel de significncia de 5% e a abordagem de Fisher, com tomada de deciso a partir
do valor descritivo do teste (valor de p).

Teste de hipteses para uma mdia populacional com varincia conhecida


e desconhecida
Teste de hipteses para uma mdia populacional com varincia conhecida
Tomando-se como exemplo os dados de recm-nascidos com Sndrome de Desconforto Idioptico
Grave (SDIG) possvel elaborar a hiptese de que crianas que nascem com esta sndrome possuem
peso mdio ao nascer menor do que o peso mdio ao nascer de crianas sadias.
A varivel de estudo X peso ao nascer (quantitativa contnua).
Com base em conhecimento prvio (da literatura) sabe-se que a distribuio do peso ao
nascer em crianas sadias segue uma distribuio normal com mdia 3000 gramas e desvio padro
500 gramas, ou seja X ~ N ( X = 3000; X = 500) .

Recordando-se, para a realizao do teste de hipteses segundo Neyman e Pearson


necessrio:

Formular as hipteses estatsticas;


Fixar a probabilidade do erro tipo I;
Calcular o tamanho da amostra necessria para detectar uma diferena que se suspeita existente o que equivalente a fixar a probabilidade do erro tipo II;
Apresentar a distribuio de probabilidade da estatstica do teste;
Estabelecer a(s) regio(es) de rejeio e aceitao (regies crticas) do teste;
Realizar o estudo, ou seja, coletar os dados e calcular a estatstica do teste;
Confrontar a estatstica do teste observada com a regio crtica;
Tomar a deciso;
Elaborar a concluso.

Formulao das hipteses

H 0 : SDIG = 3000

H 0 : SDIG = Sadia
H a : SDIG < Sadia

ou

H a : SDIG < 3000

Fixando-se o nvel de significncia = 0,05


Supor um tamanho de amostra n=50 recm-nascidos com SDIG
Distribuio de probabilidade
Como as hipteses envolvem a mdia populacional, necessrio utilizar a distribuio de probabilidade da mdia.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

107

Pelo Teorema Central do Limite tem-se que X ~ N ( = X ; = X ) portanto, se H0 for verdade, e


X
X
n
admitindo-se que as crianas com SDIG possuem distribuio do peso ao nascer com mesma disperso que as crianas sadias, tem-se X ~ N ( = 3000; = 500
X
X
50 )
Pode-se utilizar

ZX

ou

x obs

para a tomada de deciso.

Regio de rejeio e aceitao da hiptese H0.

X = 3000

X = 70,71

H0

Rejeio de H0
Aceitao de H0
=0,05

-4

-3

-2

-1
0
Zcrtico=-1,64

Clculo do peso mdio na amostra de crianas com SDIG


Supor que na amostra de 50 crianas, foi observado peso mdio ao nascer igual a 2800 gramas

( x obs = 2800) .
Clculo

Z Xobs

do
peso
mdio
observado
xobs X 2800 3000
=
=
= 2,83
X
70,71

em

nmero

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

de

desvios

padro:

108

Confrontar o valor da estatstica do teste com a regio de rejeio e aceitao de H0

Como Zobs est esquerda de Zcrtico (regio de rejeio), decide-se por rejeitar H0.
Deciso:
Rejeita-se H0.
Concluso
Foi encontrada diferena estatisticamente significante entre os pesos ao nascer de crianas sadias e
com SDIG para nvel de significncia = 0,05. Crianas com SDIG nascem com peso menor do que
crianas sadias.
possvel realizar o teste comparando a mdia observada na amostra ( x obs = 2800) e o valor de peso
mdio ao nascer que deixa, no caso deste exemplo, uma rea =0,05 sua esquerda. O valor de
peso mdio que limita esta rea denominado
Clculo de
De

x critico .

x critico

Z critico =

xcritico x
tem-se
X

x critico = Z critico X + X

xcritico = 1,64 x70,71 + 3000 = 2884,04 g

Rejeita-se H0
Aceita-se H0

xcritico = 2884,04 g

X = 3000
X = 70,71

Como xobs = 2800 menor que

x critico (fica esquerda), opta-se por rejeitar H0.

Regra geral:
Rejeita-se H0 se
Zobs>Zcrtico

para

H a : SDIG > Sadias

Zobs<-Zcrtico

para

H a : SDIG < Sadias

Zobs>Zcrtico ou Zobs<-Zcrtico

para

H a : SDIG Sadias

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

109

ou
Rejeita-se H0 se

x obs > x critico


xobs < xcritico
x obs > x critico

ou

xobs < xcritico

para

H a : SDIG > Sadias

para

H a : SDIG < Sadias

para

H a : SDIG Sadias

Exemplo 39
O nvel mdio de protrombina em populaes normais 20 mg/100ml de sangue. Uma amostra de 40
pacientes que tinham deficincia de vitamina K tiveram nvel mdio observado de protrombina de
18,5mg/100ml e desvio padro 4mg/100ml. Seria razovel concluir que a verdadeira mdia de pacientes com deficincia de vitamina K a mesma que a da populao normal? Realize um teste de hipteses.
Teste de hipteses para uma mdia populacional com varincia desconhecida

Supor a situao anterior, s que a varincia (desvio padro) populacional do peso ao nascer de crianas sadias desconhecida sendo conhecido somente o peso mdio populacional de crianas sadias
(

Sadias =3000 gramas).

Formulao das hipteses:

H 0 : SDIG = 3000
H a : SDIG < 3000
Fixando-se o nvel de significncia:

= 0,05

Clculo do tamanho da amostra: supor um tamanho de amostra n=50 recm-nascidos com SDIG
Distribuio de probabilidade:
Como as hipteses envolvem a mdia populacional, necessrio utilizar a distribuio de probabilidade da mdia.
Pelo Teorema Central do Limite tem-se que X ~ N ( X = X ; X =

X
n

).

Admitindo-se que H0 verdade, resta um problema que o fato de no se conhecer o valor da disperso do peso ao nascer das crianas sadias. Neste caso no possvel utilizar a estatstica Z.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

110

Utiliza-se, ento, a estatstica T onde T = X X = X X sendo SX o desvio padro da populao


SX
SX

n
de estudo, estimado com os dados da amostra de crianas com SDIG.

T segue uma distribuio t de Student, com (n-1) graus de liberdade. Quando o tamanho da amostra
grande, a estatstica T tende para uma distribuio normal com mdia 0 e desvio padro 1
(n

T ~ N (0 ;1) ).

H0

Regio de rejeio
e aceitao
da hiptese H0.

Rejeio de H0

Aceitao de H0

=0,05

X = 3000

tcrtico= -1,676

Obs: utilizao da tabela t de Student


A tabela da distribuio de Student apresenta um valor de probabilidade dividido em duas partes
iguais. Para n=50, o nmero de graus de liberdade (gl) 49; como no existe este valor na tabela,
deve-se trabalhar com o nmero de gl mais prximo e dependendo se o teste mono ou bicaudal,
utiliza-se respectivamente o valor de p/2 ou p, apresentados na primeira linha da tabela.
Exemplo de utilizao da tabela t de Student:
n=10; teste bicaudal, =0,05; tcrtico=-2,262 e tcrtico= 2,262 (p da tabela =0,05)
n=10; teste monocaudal a esquerda, =0,05; tcrtico=-1,833 (p da tabela = 0,10)
n=10; teste monocaudal a direita, =0,05; tcrtico= 1,833 (p da tabela = 0,10)

Clculo do peso mdio na amostra de crianas com SDIG


Supor que na amostra de 50 crianas, foi observado peso mdio ao nascer igual a 2800 gramas e
desvio padro igual a 610g

( xobs = 2800; s X = 610)

Clculo do peso mdio observado em nmero de desvios:

tobs =

xobs X 2800 3000


=
= 2,318
610
SX
50

Confronto do valor da estatstica do teste com a regio de rejeio e aceitao de H0

Como tobs est esquerda de tcrtico (regio de rejeio), decide-se por rejeitar H0.
Deciso
Rejeita-se H0.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

111

Concluso
Foi encontrada diferena estatisticamente significante entre os pesos ao nascer de crianas sadias e
com SDIG para nvel de significncia = 0,05. Crianas com SDIG nascem com peso menor do que
crianas sadias.
Exemplo 40
Uma companhia de produtos alimentcios utiliza uma mquina para embalar salgadinhos cujas embalagens especificam 454 gramas. Com o propsito de verificar se a mquina est trabalhando corretamente, selecionou-se 50 pacotes de salgadinhos, obtendo-se os seguintes valores de peso:

464
442
448
463
468

450
438
450
449
447
mdia da

450
456
452
433
446
446
450
452
447
460
450
453
456
446
439
452
459
454
456
454
452
447
466
446
447
450
449
457
433
464
469
457
454
451
453
amostra, x =451,22 gramas e desvio padro amostral (s)

447
433
449
464
443
=8,40 gramas

Testar a hiptese de que a mquina est trabalhando corretamente, para = 0,05.

Teste de hipteses de uma mdia populacional ( ) (com varincia conhecida e desconhecida) Abordagem de Fisher
Reviso de conceitos bsicos
Distribuio Normal
Medindo-se a altura de muitas mulheres (populao), obtm-se o grfico a seguir.
proporo

.35
.3
.25
.2
.15
.1
.05
0

140

145

150

155
160
Altura(cm)

165

170

175

180

Aos dados pode ser ajustada uma curva terica


proporo

.35
.3
.25
.2
.15
.1
.05
0
140

145

150

155
160
Altura (cm)

165

170

175

180

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

112

A curva ajustada aos dados uma curva terica (curva de Gauss) que representa a altura de mulheres idosas. Notao: X: altura,

X ~ N ( = 160, = 10) .

A curva tem propriedades conhecidas:


Soma da rea sob a curva igual a 1 ou 100%;
Pode-se calcular probabilidade trabalhando-se com a rea sob a curva.
Sorteia-se uma mulher ao acaso; P(desta mulher ter mais de 160) = 50%;
P(esta mulher tenha mais de 180)= P( X > 180) = P( Z > 180 160 ) = P ( Z > 2) =0,5-0,47725=0,02275
10
ou 2,3%
Sortear uma mulher com altura 180 ou mais desta populao uma coisa comum?

P(esta mulher tenha mais de 170)= P( X > 170) = P( Z > 170 160 ) = P (Z > 1) = 0,5-0,34134=0,15866 ou
10

15,9%

Sortear uma mulher com altura 170 ou mais desta populao uma coisa comum?

O limite para decidir o que comum arbitrrio. O investigador que decide, com base no problema
que est sendo estudado.
S up or a go ra um a o ut ra d ist rib u i o de a lt ura , por e xe m p lo , e n tre ho m e n s.
proporo

.35
.3
.25
.2
.15
.1
.05
0
160

X: altura,

165

170

175
180
Altura (cm)

185

190

195

200

X ~ N (m = 180, = 10)
P(homem tenha mais de 180)= P(X>180)=0,5 ou 50%

Supor que as pessoas da primeira curva tenham uma marca vermelha e as pessoas da segunda curva
tenham uma marca azul. Misturam-se todas as pessoas e sorteia-se uma pessoa ao acaso e ela tem
altura 180. De qual populao seria este indivduo?

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

113

Agora no estamos mais interessados em um indivduo e sim em vrios indivduos portanto, vamos
trabalhar com a altura mdia.
Supor X: altura,

X ~ N (m = 160, = 20) .

Toma-se uma amostra de tamanho n=30 desta populao e calcula-se a altura mdia ( x = 170 ).
Deseja-se saber a probabilidade desta amostra vir de populao com altura mdia maior ou igual a
170.

=160 170

Pelo Teorema Central do Limite


P( X 170) = P(

X m

170 160
170 160
) = P( Z X
) = P( Z 2,74)
20
3,6515
30

Na curva da Normal reduzida tem-se

=0

2,74

ZX

P(Z 2,74) = 0,5- 0,49693 = 0,0031 ou 0,31%


Sortear uma amostra que apresenta altura mdia igual a 170 cm ou mais da populao que tem altura
mdia 160 cm uma coisa comum?

Para decidir se a amostra representa uma populao com altura mdia maior e que o resultado no
devido ao acaso, realiza-se o teste de hipteses.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

114

Teste de hipteses para uma mdia populacional com varincia conhecida - Abordagem
de Fisher
Situao:
Estudos mostram que crianas sadias possuem peso mdio (m) ao nascer igual a 3100 gramas e desvio padro = 610 gramas .
Suspeita-se que crianas que nascem com sndrome de desconforto idioptico grave possuem peso ao
nascer abaixo do peso ao nascer da populao de crianas sadias.
Proposio (equivalente H0): Crianas com sndrome vm de uma populao com peso mdio =3100
gramas.
Realiza-se um estudo em uma amostra de n=50 crianas que nasceram com esta sndrome, onde
observou-se peso mdio ( x ) igual a 2800 gramas.
Supondo-se que as crianas da amostra (com sndrome) vm de uma populao com mesma disperso do peso ao nascer de crianas sadias, teste a hiptese de que crianas com sndrome idioptica
grave possuem peso mdio ao nascer igual ao peso mdio ao nascer de crianas sadias.
Distribuio de probabilidade:
Distribuio do peso mdio: segue uma distribuio normal com mdia m=3100 gramas e desvio padro

610
= 86,27 gramas
50

2800

=3100
X

Clculo da probabilidade de observar um peso mdio ao nascer igual ou menor que 2800 se H0 for
verdade.

P( X 2800) = P(

X m

2800 3100
300
) = P( Z X
) = P( Z X 3,48)
610
86,27
50

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

115

-3,48

=0
ZX

Pela distribuio Normal reduzida tem-se que P ( Z 3,48) = 0,5 0,49975 = 0,00025 ou 0,025%
Os resultados no so compatveis com uma distribuio que tem peso mdio igual a 3100. Possivelmente a amostra vem de uma populao com mdia menor que 3100. Pode-se dizer que crianas
com sndrome de desconforto idioptico grave possivelmente possuem peso ao nascer menor do que
o peso mdio de crianas sadias.
Exemplo 41
O nvel mdio de protrombina em populaes normais 20 mg/100ml de sangue. Uma amostra de 40
pacientes que tinham deficincia de vitamina K tiveram nvel mdio observado de protrombina de
18,5mg/100ml e desvio padro 4mg/100ml. Seria razovel concluir que a verdadeira mdia de pacientes com deficincia de vitamina K a mesma que a da populao normal? Realize um teste de hipteses pela abordagem de Fisher.

Teste de hipteses para uma mdia populacional com varincia desconhecida - Abordagem de Fisher
Supor a mesma situao anterior, s que neste caso somente a mdia populacional conhecida. O
peso mdio de crianas sadias () igual a 3100 gramas.
H0: Crianas com sndrome de desconforto idioptico grave vm de uma populao com peso mdio =
3100 gramas
Seleciona-se uma amostra de 50 crianas com a sndrome e calcula-se o peso mdio e o desvio padro do peso, obtendo-se n=50;

x = 2800

e s=510

Distribuio de probabilidade:
Distribuio do peso mdio ao nascer de crianas sadias: como no se sabe o desvio padro populacional, este estimado utilizando-se os dados da amostra.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

116

Neste caso a varivel a varivel segue uma distribuio t de Student com n-1=50-1=49 graus de liberdade.

P( X 2800) = P(

X m 2800 3100
300

) = P (t X
) = P (t X 4,159)
510
SX
72,12
50

-4,16

=0

Pela distribuio t de Student com 49 graus de liberdade, tem-se

P(t X 4,159) < 0,05%

Os resultados no so compatveis com uma distribuio que tem peso mdio igual a 3100. Pode-se
dizer que crianas com desconforto idioptico grave provavelmente vm de uma populao com peso
mdio ao nascer menor do que o peso mdio ao nascer de crianas sadias.

Exemplo 42
Uma companhia de produtos alimentcios utiliza uma mquina para embalar salgadinhos cujas embalagens especificam 454 gramas. Com o propsito de verificar se a mquina est trabalhando corretamente, selecionou-se 50 pacotes de salgadinhos, obtendo-se os seguintes valores de peso:
464
442
448
463
468

450
438
450
449
447
mdia da

450
456
452
433
446
446
452
447
460
450
453
456
439
452
459
454
456
454
447
466
446
447
450
449
433
464
469
457
454
451
amostra, x =451,22 gramas e s=8,40 gramas

450
446
452
457
453

447
433
449
464
443

Testar a hiptese, pela abordagem de Fisher, de que a mquina est trabalhando corretamente.

EXERCCIOS SUPLEMENTARES
Exerccio S42
Deseja-se saber se o consumo calrico mdio de determinada populao adulta de zona rural menor
que 2000 kcal. Uma amostra de 500 pessoas apresentou consumo mdio igual a 1985 kcal e desvio
padro igual a 210. Faa um teste de hipteses pela abordagem de Neyman e Pearson e de Fisher
para tomar a deciso; considere o nvel de significncia igual a 5%.
Exerccio S43
O contedo de iodo em pacotes de sal recomendado que seja igual a 590

g . Determinada inds-

tria, tendo recebido reclamaes de que estava vendendo seu produto com teor de iodo abaixo do

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

117

recomendado, realizou um estudo com dosagem de iodo em 15 amostras de sal. Os resultados das
quantidades de iodo so apresentados a seguir. Realize um teste de hipteses pela abordagem de
Neyman e Pearson e de Fisher para verificar se a reclamao procedia. Utilize nvel de significncia de
5%.
555
570
610

590
610
600

500
530
580

550
530
533

620
600
575

Exerccio S44
Vacas da raa Jersey (J) produzem porcentagem mdia de gordura para manteiga igual a 5,25%.
Suspeita-se que vacas Holstein-Fresian (HF), se no forem criadas de um modo especial, produzem
quantidades menores deste tipo de gordura. fornecida a porcentagem mdia de gordura de manteiga de uma amostra de 10 vacas da raa Holstein-Fresian. Os dados sugerem que as que as vacas
Holstein-Fresian produzem a mesma quantidade de gordura do que as vacas Jersey? Conduza um
teste de hipteses pela abordagem de Neyman e Pearson e de Fisher. Utilize nvel de significncia de
5%.
Percentuais de gordura de uma amostra de 10 vacas Holstein-Fresian:
3,4
3,55 3,83 3,95 4,43 3,7
3,3
3,93 3,58 3,54
Exerccio S45
Em uma pesquisa realizada entre os cadetes da Fora Area sobre a relao entre sade em geral e
patologias orais, o escore mdio de CPO (nmero de superfcies de dentes cariados, obturados ou
extrados em um indivduo) foi 27,2. Em 121 cadetes que procuraram os servios mdicos 5 ou mais
vezes durante um ano, o CPO mdio foi 31,1 com desvio padro 15,5. Se for assumido que estes 121
cadetes representam a populao de cadetes com pior sade, existe evidncia que pior nvel de sade
est associado a escore de CPO mais elevado? Tome a deciso utilizando as duas estratgias: a clssica de Neyman e Pearson, com nvel de significncia de 5% e a abordagem de Fisher, com tomada
de deciso a partir do valor descritivo do teste (valor de p).

Exerccio S46
O nvel mdio de ganho de peso entre 42 homens submetidos a exerccios fsicos durante 3 meses foi
igual a 0,5 kg com desvio padro de 2,2 kg. Entre homens que no fazem exerccios fsicos mas que
possuem uma dieta balanceada, o ganho mdio de peso de 1,3 kg. Seria razovel concluir que a
verdadeira mdia de ganho de peso entre homens que praticam exerccios a mesma que a de homens que no praticam exerccios mas que possuem dieta balanceada? Tome a deciso utilizando as
duas estratgias: a clssica de Neyman e Pearson, com nvel de significncia de 5% e a abordagem
de Fisher, com tomada de deciso a partir do valor descritivo do teste (valor de p).

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

118

Teste de hipteses de associao pelo qui-quadrado de Pearson (2)


O qui-quadrado obtido somando-se razes dadas pelos quadrados das diferenas entre frequncias
observadas e as esperadas, divididos pelas frequncias esperadas.

(O E ) 2
=
E
2

Quando as variveis so independentes, equivalente a dizer que no existe associao, e neste


caso, o valor do qui-quadrado ser zero. O qui-quadrado no mede fora de associao e no suficiente para estabelecer relao de causa e efeito.
Distribuio qui-quadrado (

(2n 1)

) com (n-1) graus de liberdade

Seja uma populao com distribuio normal N ( , ) . Se desta populao se obtiver um nmero

infinito de amostras de tamanho n, calculando-se as quantidades


e S2 em cada amostra, a varivel
2
2
aleatria (n 1) S ~ (2n 1) , onde
(
n 1) se l "qui-quadrado com n-1 graus de liberdade" Berqu
2

(1981).
A distribuio qui-quadrado assimtrica e se torna menos assimtrica a medida que os graus de
liberdade aumentam. Os valores da distribuio so sempre positivos (maior ou igual a zero). Existe
uma famlia de distribuies qui-quadrado, dependendo do nmero de graus de liberdade. Para grandes amostras, a distribuio qui-quadrado tende para uma distribuio normal.

Teste de hipteses de associao pelo Qui-quadrado de Pearson (2)


Abordagem de Neyman e Pearson
Estabelecimento das hipteses:
H0: No existe associao
Ha: Existe associao
Fixando-se a probabilidade de erro tipo I:
Nvel de significncia () = 0,05
rea de rejeio do teste:

densidade

.6

.5

.4

.3

rea de rejeio de H0
=0,05

.2

.1

0
0

10

Qui-quadrado crtico = 3,841

X2

15

20

Para a tomada de deciso, utiliza-se a regra: rejeita-se H0 se o valor calculado do qui-quadrado for
maior do que o valor crtico para um nvel de significncia pr definido.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

119

Estatstica do teste:

Qui quadrado =

(O E ) 2
~ (2r 1)( c1)
E

onde r e c representam o nmero de linhas e de colunas, respectivamente.


Exemplo: na tabela abaixo, nmero de linhas =2 (masculino, feminino) e nmero de colunas = 2 (aceitvel, no aceitvel). Assim, o nmero de graus de liberdade (gl) seria (2-1)x(2-1) = 1
Distribuio de crianas segundo sexo e nvel de retinol srico. Cansao, Bahia, 1992
Sexo

Nvel de retinol
Aceitvel
Inadequado
Masculino
50
40
Feminino
39
32
Total
89
72
Prado MS et al. ,Revista de Sade Pblica, 29(4)295 300, 1995.

Total
90
71
161

Na tabela abaixo, gl = 2
Distribuio de recm-nascidos segundo condio caso - com defeitos do tubo neural; controle recm-nascidos que no tinham defeitos do tubo neural e dieta materna.
Dieta
Casos
Controles
Total
n
%
n
%
n
%
Boa
34
13,9
43
35,0
77
21,0
Razovel
110
45,1
48
39,0
158
43,0
Pobre
100
41,0
32
26,0
132
36,0
Total
244
100
123
100
367
100
Fonte: Hand DJ et al. A handbook of small data sets. Chapman&Hall, 1994.
Correo de continuidade:

Qui quadradocorrecao de Yates =

(| O E | 0,5) 2
~ (2r 1)( c1)
E

L im i ta es :
Para n<20, utilizar o teste exato de Fisher
Para 20 n 40 , utilizar o qui-quadrado somente se os valores esperados forem maiores ou iguais
a 5.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

120

Exemplo:
Com o objetivo de investigar a associao entre histria de bronquite na infncia e presena de tosse
diurna ou noturna em idades mais velhas, foram estudados 1319 adolescentes com 14 anos. Destes,
273 apresentaram histria de bronquite at os 5 anos de idade sendo que 26 apresentaram tosse
diurna ou noturna aos 14 anos.
Nmero de adolescentes segundo histria de bronquite aos 5 anos e tosse diurna
ou noturna aos 14 anos de idade. Local X, ano Y.
Tosse
Bronquite
Total
Sim
No
Sim
26
44
70
No
247
1002
1249
Total
273
1046
1319
Fonte: Holland, WW et al.. Long-term consequences of respiratory disease in infancy. Journal of Epidemiology and Community Health 1978; 32: 256-9.

Valores observados
(O)

Valores esperados (E)

(O-E)

(O-E)2

(O E ) 2
E

26
247
44
1002

14,488
258,512
55,512
990,488

11,512
-11,512
-11,512
11,512

132,526
132,526
132,526
132,526

9,147
0,513
2,387
0,134
12,181

Qui-quadrado ( )=

(| O E | 0,5) 2
E

2
corrigido
=

Deciso:
O valor do qui-quadrado calculado maior do que o valor do qui-quadrado crtico para 1 grau de liberdade e nvel de significncia de 5%, portanto, rejeita-se H0.
Concluso: Pode-se dizer que na populao existe associao entre bronquite na infncia e tosse na
adolescncia.
Abordagem de Fisher
Pela tabela da distribuio qui-quadrado, com 1 gl, p<0,001 (na tabela, menor que 0,1%)
Calculando-se o valor de p pelo Excel, para 1 gl, o valor de p no corrigido = 0,0004829
No Excel utilizar a funo DIST.QUI tendo como argumentos o valor calculado do qui-quadrado e o
nmero de graus de liberdade: = DIST.QUI(12,181;1))
Concluso: Existe forte evidncia contrria independncia portanto a associao observada ocorre
no devido ao acaso. Pode-se dizer que os dados so compatveis com existncia de associao entre
bronquite na infncia e tosse na adolescncia, na populao.
Exerccio
Considere os dados apresentados a seguir. Investigue a existncia de associao entre nveis de caroteno (mg/L) e hbito de fumar, em purperas. Utilize as abordagens de Neyman e Pearson (nvel
de significncia de 5%) e de Fisher.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

121

Distribuio de mulheres no perodo ps parto, segundo hbito de fumar e nvel de -caroteno srico
Fumante
No Fumante
-caroteno (mg/L)
Baixo (0 0,213)
56
84
Normal (0,214 1,00)
22
68
Total
78
152
Fonte: Silmara Salete de Barros Silva, tese de Doutorado [2003].

Total
140
90
230

Teste de hipteses de duas mdias


Comparao de duas mdias de populaes com distribuio normal amostras independentes.
So apresentadas duas situaes nas quais as amostras so coletadas de modo independente.
Situao 1
So coletados os pesos ao nascer de 50 recm nascidos (RN) com sndrome de desconforto respiratrio idioptico grave (SDIG) sendo que 54% dos RN vo a bito. Pode existir uma diferena entre o
peso ao nascer de crianas que sobrevivem e as que morrem. possvel realizar um teste de hiptese para confirmar a aparente diferena.
1.050*
2.500*
1.890*
1.760
2.830
1.175*
1.030*
1.940*
1.930
1.410
1.230*
1.100*
2.200*
2.015
1.715
1.310*
1.185*
2.270*
2.090
1.720
1.500*
1.225*
2.440*
2.600
2.040
1.600*
1.262*
2.560*
2.700
2.200
1.720*
1.295*
2.730*
2.950
2.400
1.750*
1.300*
1.130
2.550
3.160
1.770*
1.550*
1.575
2.570
3.400
2.275*
1.820*
1.680
3.005
3.640
Fonte: Hand DJ et alli. A handbook of small data sets. Chapman&Hall, 1994.
(*)
crianas que foram a bito.
Situao 2
Quantifica-se uma enzima (ornithine carbonyl transferase) do fgado de dois grupos de
pessoas que sofrem de hepatite. Um grupo tem a forma viral, aguda e o outro, a crnica. Existe interesse em verificar se existe diferena entre pessoas com cada tipo de doena, com base na medida da
enzima.
Hepatite viral aguda (log das medidas)
2,66
2,38
2,37
2,31
2,50
1,96
2,85
2,67
2,37
2,40
2,79
1,82
2,51
2,51
2,80
2,50
2,57
2,54
2,45
2,75
2,56
2,50
3,00
2,94
2,93
2,78
2,57
2,62
2,71
2,18
Hepatite crnica (log das medidas)
3,01
2,99
2,60
2,47
3,04
1,92
3,32
2,21
1,71
2,60
2,79
2,71
3,18
2,84
2,84
2,31
2,71
2,47
2,28
2,84
2,80
3,02
Fonte: Daly et al.. Elements of Statistics. The open

2,85
3,00
2,53
2,46
3,21

2,68
2,50
2,78
2,83
2,86

1,76
2,36
2,07
3,61
2,51

2,36
2,48
2,35
2,99

2,56
2,60
2,98
2,78

2,09
2,42
2,31
3,02

2,17
2,64
2,72

2,33
2,52
3,71

2,07
2,21
2,73

2,30
2,58
3,69

2,56
2,40
3,40

2,11
2,45
2,77

University, 1995.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

122

forma crnica

1.5

forma aguda

57
2,587
0,107

Density

Hepatite
crnica
(log medidas)
40
2,651
0,194

n
Mdia
Varincia

Hepatite viral
aguda
(log medidas)

.5

Estatsticas

1.5

(n-1)

2.5

3.5

1.5

2.5

3.5

enzima
Density
normal enzima

Razo entre varincias =1,8


Graphs by grupo

Distribuio de pessoas segundo determinada enzima produzida no fgado e tipo de hepatite.


Teste t para duas amostras independentes
Sob certas circunstncias (pressuposies), o teste t permite testar a hiptese nula
Com as seguintes possveis hipteses altenativas:

H 0 : 1 = 2

H a : 1 > 2 ; H a : 1 < 2 ; H a : 1 2 , de-

pendendo do problema que est sendo proposto.


A hiptese nula equivalente :

H 0 : 1 2 = 0 , onde

1 e 2

so mdias de populaes

distintas.
Pressuposies:
A varivel sob estudo segue as seguintes distribuies nas populaes de origem:
na populao 1
na populao 2

~ N ( 1 , )
~ N ( 2 , )

Observe que prossupem-se amostras provenientes de populaes normais, com mdias distintas e
mesma disperso.
Verificando-se as pressuposies (de modo informal):
1- Normalidade histograma
2- Igualdade de varincias (de desvios padro) uma varincia no pode ser 3 ou mais vezes a
outra.

Estatstica do teste:
Os estimadores das mdias populacionais
Utilizando-se a estatstica

X1 X 2

1 e 2

so

X1

X2.

pode-se estimar a diferena entre as mdias populacionais.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

123

Esta estatstica tem uma propriedade importante: a melhor estatstica quando as pressuposies de
normalidade e de igualdade de varincias esto satisfeitas.

Para duas amostras n1 e n2, como consequncia da distribuio amostral da mdia e Teorema Central

X 1 ~ N (media = 1 , d . p =

do Limite, tem-se

X 2 ~ N (media = 2 , d . p. =

n1

n2

Assumindo que as amostras so independentes, tem-se a distribuio de

X 1 X 2 ~ N ( 1 2 ,

2
n1

2
n2

ou

X1 X 2 :

X 1 X 2 ~ N (1 2 , (

1
1
+ ))
n1 n 2

pode ser estimado tanto por S1 como por S2. Existe uma combinao de S1 e S2 que fornece um
estimador melhor:

Estimador ponderado (agregado): S p =


Onde

S12

S 22

(n1 1)S12 + (n 2 1) S 22
(n1 + n 2 2)

so as varincias amostrais,

Calcula-se T, o nmero de desvios padro da estatstica X 1 X 2 , em torno da diferena populacional


,
( 1 2 ) : T= ( X 1 X 2 ) ( 1 2 ) , que sob H0 torna-se T = ( X 1 X 2 ) ~ t
( n + n 2)
Sp

1
1
+
n1 n 2

Sp

1
1
+
n1 n 2

onde (n1+n2-2) o nmero de graus de liberdade necessrio para o clculo de T, utilizando-se a distribuio t de Student .
Esta estatstica pode ser utilizada para a realizao do teste de hiptese e para o intervalo de confiana da diferena de duas mdias para amostras independentes.
Se o teste for segundo Neyman e Pearson, deve-se confrontar o valor observado (tobs) de T, com a
rea de rejeio de H0, para um nvel de significncia pr-fixado. Se tobs cair na rea de rejeio de H0,
opta-se pela rejeio da hiptese nula.
Se o teste for segundo Fisher, deve-se calcular a probabilidade de observar o valor observado (tobs) de
T ou um valor mais extremo, na curva especificada em H0. Decide-se com base no valor de p. Se a
probabilidade for pequena, conclu-se que os dados mostram evidncia contrria proposio de igualdade de mdias.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

124

Aplicao:
Situao 1: Pesos ao nascer proveem de mesma populao?
Abordagem de Neyman e Pearson

H 0 : sobrev = no sobrevivente

H a : sobrev no sobreviviente
Considerar nvel de significncia pr-fixado em 5%
Olhando-se os dados e investigando-se as pressuposies do teste:

1,6
0

razo entre as varincias

Density

Peso ao nascer segue distribuio normal?


Varincias so iguais?

nao sobrev

5.0e-04

.001

sobrev

1000

1500

2000

2500

3000

3500

1000

1500

2000

2500

3000

3500

peso
Density
normal peso
Graphs by condicao

Clculo da estatstica do teste


n1=27,

x1 = 1692 ; s12 = 267958,7

n2=23,

x2 = 2307 ; s22 = 441856,5

Sp =

tobs =

(n1 1) S12 + (n2 1) S 22


=
(n1 + n2 2)

(27 1)267958,7 + (23 1)441856,5 = 347661,86 = 589,63


(27 + 23 2)

(X1 X 2 )
(1692 2307)
=
= 3,68
1 1
1
1
Sp
+
589,63
+
n1 n2
27 23
H0

Graus de liberdade = 27+23 2 = 48

Comparao com a rea de rejeio de H0:


rea de aceitao de H0

Como o valor calculado caiu na rea de rejeio,

rea de rejeio

rea de rejeio de

de H0; = 0,025
2

H0; = 0,025
2

decide-se por rejeitar H0.


Conclui-se que foi encontrada diferena
estatisticamente significante entre os pesos

-3,68

-2,009

=0

2,009

mdios ao naser de RN com SDIG, que

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

125

vo a bito e que sobrevivem, para nvel de significncia de 5%. Os RN sobreviventes apresentam


maior peso mdio ao nascer. Neste caso, os RN so provenientes de duas populaes distintas, com
relao ao peso ao nascer.
Abordagem de Fisher
Proposio inicial:

sobrev = no sobrevivente

Valor calculado da estatstica do teste = -3,68


Clculo do valor de p: pela tabela da Distribuia t de Student, e 48 graus de liberdade (27+23-2),
obtm-se p<0,1% ou p<0,001.

Pode-se obter o valor exato de p, utilizando-se a funo =DISTT(3,68;48;2), no Excel, obtendo-se o


valor p = 0,0006, para um teste bi-caudal.

Pelo valor de p pode-se concluir que os dados mostram evidncia contrria proposio inicial. Os RN
sobreviventes apresentam maior peso mdio ao nascer.

Teste t para duas amostras dependentes


Existem situaes onde os dados da primeira amostra esto, de alguma forma, relacionados aos dados da segunda amostra. So apresentadas duas situaes com amostras dependentes.
Situao 1
Uma certa droga est sendo testada quanto a seu efeito na presso sangunea. 12 pacientes tiveram
sua presso arterial diastlica (PAD) medida antes e aps o tratamento. Os resultados so mostrados
a seguir. Os resultados so compatveis com uma droga que produz efeito na presso sangunea diastlica?

Paciente
1
2
3
4
5
6

PAD antes
120
124
130
118
140
128

PAD aps
125
126
138
117
143
128

paciente
7
8
9
10
11
12

PAD antes
140
135
126
130
126
127

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

PAD aps
146
133
127
135
126
131

126

Situao 2
So apresentados dados de um estudo biomdico do peso de rins em uma srie de autpsias realizadas no departamento de patologia de um hospital na frica. A diferena das mdias amostrais pode
ser razoavelmente explicada como sendo devida ao acaso?
Peso do rim esquerdo (gramas)
170
155
140
115
235
125
130
145
105
145
155
110
140
145
120
130
105
95
100
125

Peso do rim direito (gramas)


150
145
105
100
222
115
120
105
125
135
150
125
150
140
90
120
100
100
90
125

Abordagem de Neyman e Pearson

Hipteses

H 0 : 1 = 2
H a : 1 2

A hiptese nula equivalente

H 0 : 1 2 = 0 , como o teste emparelhado (pareado), deve-se

escrever H 0 : d = 0 , onde d vem de uma populao composta pela diferena entre as observaes
X1 e X2, para cada indivduo.
Pressuposio:

d segue uma distribuio normal; d ~

N ( d , d )

Estatstica do teste:
T=

(d ) ( d ) (d ) ( d )
d
=
, que sob H0 torna-se T =
~ t ( n1)
Sd
Sd
Sd
n
n

Onde n o nmero de pares de valores.


Se o teste for segundo Neyman e Pearson, deve-se comparar o valor observado (tobs) de T, com a
rea de rejeio de H0, para um nvel de significncia pr-fixado. Se tobs cair na rea de rejeio de H0,
opta-se por esta deciso.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

127

Se o teste for segundo Fisher, deve-se calcular a probabilidade de observar o valor observado (tobs) de
T ou um valor mais extremo, na curva especificada em H0. Decide-se com base no valor de p. Se a
probabilidade for pequena, conclu-se que os dados mostram evidncia contrria proposio de igualdade de mdias.
Aplicao:
Considerando-se os dados de presso arterial diastlica antes e aps um tratamento
Paciente
Presso arterial diast- Presso arterial diasDiferena
lica antes
tlica aps
(d)
1
120
125
-5
2
124
126
-2
3
130
138
-8
4
118
117
1
5
140
143
-3
6
128
128
0
7
140
146
-6
8
135
133
2
9
126
127
-1
10
130
135
-5
11
126
126
0
12
127
131
-4
Abordagem de neyman e Pearson
Hipteses:

H 0 : d = 0
H a : d 0

Nivel de significncia = 5%;n=12;


Graus de liberdade = n-1 = 11;

d=

sd2 =

31
= 2,58 ;
12

( 5 ( 2,58) 2 + ...( 4 ( 2,58) 2 ) 104,51


=
= 9,501
11
11

sd = 9,501 = 3,082 ,

tobs =

d
2,58
=
= 2,90
sd
3,082
n
12

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

128

rea de rejeio de H0 para 11 graus de liberdade:


H0

rea de aceitao de H0
rea de rejeio

rea de rejeio de

de H0; = 0,025
2

H0; = 0,025
2

-2,9

-2,201

=0

2,201

Como o valor calculado caiu na rea de rejeio, decide-se por rejeitar H0.
Conclui-se que foi encontrada diferena estatisticamente significante entre os nveis mdios de presso arterial diastlica antes e aps o tratamento, para nvel de significncia de 5%. O tratamento
provoca aumento da presso arterial diastlica.

Abordagem de Fisher
Proposio inicial:

antes = aps

Valor calculado da estatstica do teste = -2,90


Clculo do valor de p: pela tabela da Distribuio t de Student, e 11 graus de liberdade (12-1), obtm-se 1%<p<2% ou p 1,5% (p 0,015). Os dados mostram evidncia contrria proposio
inicial. O tratamento produz efeito, os valores mdios antes e aps o tratamento so diferentes, sendo
que aps o tratamento o nvel mdio maior.

Pode-se obter o valor exato de p, utilizando-se a funo =DISTT(2,9;11;2), no Excel, obtendo-se o


valor p = 0,014445, para um teste bi-caudal.

FSP/USP. HEP 103-Bioestatstica aplicada a Nutrio - 2010


Denise Pimentel Bergamaschi, Jos Maria Pacheco de Souza, Patrcia de Fragas Hinnig

129