Medicina Uniube - XLVI

BIOESTATÍSTICA
Prof. César Lepri

Ana Laura Gurgel Nakamura

 SAÚDE E SOCIEDADE II – Bioestatística I
Cronograma de Atividades - 1º Semestre de 2023
Turmas Presenciais (quarta-feira: 13:55h às 15:10h e 15:30h às 16:45h) – salas 2S204 e 2S208, respectivamente

01/02 Recepção/Integração

08/02 Apresentação Detalhada das Normas do Componente Curricular e do Cronograma de Atividades

(Detalhamento do Conteúdo Programático)
Noções Gerais de Estatística Descritiva e Inferencial
15/02 Classificação/Tipos de Dados Numéricos
22/02 FERIADO
01/03 Medidas-Resumo: Medidas de Tendência Central

08/03 Medidas-Resumo: Medidas de Dispersão

15/03 Apresentação dos Dados Numéricos em Tabelas e Figuras (Representação Tabular e Gráfica)

22/03 Avaliação Teórica N1 (25,0 pontos)

29/03 Correção Comentada das Questões (Feedback) e Vista de Prova - Recuperação de Aprendizagem

05/04 Interpretação Gráfica e Gráfico Box Plot

12/04 SEMIC/SEMEX

19/04 Noções Gerais sobre o Excel: Medidas-Resumo em Tabelas e Gráficos

26/04 Dúvidas/Revisão para Avaliação N2

03/05 Avaliação Teórica N2 (25,0 pontos)

10/05 Correção Comentada das Questões (Feedback) e Vista de Prova - Recuperação de Aprendizagem

17/05 Noções Gerais de Amostragem e Orientações do Trabalho Avaliativo N3 (10,0 pontos)

24/05 Amostragens Probabilísticas e Não Probabilísticas

31/05 Introdução à Inferência Estatística

07/06 Dúvidas para avaliação final

14/06 Avaliação Teórica N3 (20,0 pontos) e Entrega do Trabalho Avaliativo N3 (10,0 pontos)

21/06 Correção Comentada das Questões (Feedback) e Vista de Prova

Lançamento Final da Pontuação
28/06 Encerramento do Semestre Letivo

*necessidades de agendamentos adicionais de reposições/integralizações serão comunicadas conforme avisos da

secretaria de curso/assistente pedagógica.

Cronograma apresentado e aprovado na aula do dia 08/02/2023

Prof. Cesar Penazzo Lepri
 INTRODUCIDABIOESTATISTICA
①Conceitos Básicos
1.1-Quanto
grupo ao

Amostra:grups reduzido selecionado pl estude

Populacas:o todo

1.2-Tipo de Estudo
Estudo Descritive (CENSO):estudo populacional que consulta o TODA

Estudo Inferencial:estudo reduzido a uma PARTEda populacas

1.3-Alguns Parâmetros
Indice de Confiabilidade (I.C. M):mude a "qualidade"da
-
inferência
Nird de
Significancia (X):teorics no medicina 1 5% -

x 1%=
-
confiança:99%, x 5% = m
confiança= 95%. I complementares-
*
CONFIANS I indice de confiabilidade
ALEATÓRIO:dar chances iguais e I de zero

Descritive Amostragem
Descritivo

I.C. 95%

"- 70
=

(274
⑭População
n 48
=
7
Amostra
n 18 =
D
Inferência I
79kg
=

1.4 -

Medidas
De tendência central:média, moda...
De dispersas:variância, desvio padrão ...

⑰Mitodo Estatístico
-> 12 Planejamento da pesquisa
&

~
6: Análise dos Resultados 28Coleta de Dados
5:
Exposicas dos Dados 3:
Critica dos Dados
*
dos Dados e
40 Apraças
 amostra populaç
descritivo Estatistica & Parâmetro has foicoletado
foicoletado inferencial

TIPOS DE DADOS NUMERICDS

I Dados Nominais
~
a importa
ordem nas

-
a magnitude nas importa Atribui um número a um nome
wis se fazem operacies aritimíticas
*
7

podem ser binários/dicotomices

exemplo:
binários
(Sim/não):Sistema Rhte Rh-
não binários (+ opcoes):Sistema ABD
I

2 Dados Ordinais
*
a ordem importa
-
não épossivel fazer operações aritméticas
*
alta especificidade Ivantagem)
exemplo:

E
Igraw:leve
graw de lesas por queimadura
2"graw:moderado
3'graw:grave
⑤ Dados substituidos por Postos exemplo:classificação de dor
busca simplificar a análise/discussas 8- insignificante I

Y
* ->

despreza a magnitude (une classes)

!
muito leve
Y
-

18
-

a ordem importa -leve

-> considera

E
as posições relativas -moderada -> 2

forte
forte" Is
-

muito

⑳e
er
4 Dados Discretos
-
a ordem importa
-

a magnitude importa
nenhum
*

dado coletado pode ter valor intermediário

-

permite operação aritmética

↳ valores devem ser INTEIROS POSITIVOS

exemplo:n: de filhos em cada nicles familiar

A 2 filhos
B- 3 filhos => I 1,6 filles por familia
=

2.8 filhos a média pode ser um valor tracionário

D-1 filhos
E-2 filhos
5 Dados Continuos
-

a ordem importe
-

a magnitude importa
valores
* fracionários são permitidos NA COLETA

exemplo:temperaturas registradas em Uberaba durante a semana

DOM SEG TER OU OU SEX SAB

thin
entreas e
tiveram
Nominal
ordinal

a c
subst. Postos
Discretos
i o n a i s v

v
*
x
*
 MEDIDAS DE TENDENCIA CENTRAL
IMédia
barra
Aritmética Simples no de resultados

-
-

quando se tem dados de uma amostra, utiliza-se

-

quando se tem dados de uma populacas, utiliza-se M.

tende a se
*
aproximar de uma curva de Gauss

Is muito sensivel a valores não-usuais (desvantagem)

valor dos resultados

MS 1, tx2 x3
=
+
...
An
+

D2 Média Aritmética Ponderada

-
hápesos MP A.x B.y C.Z
=
+ +

xyz + +

2) Média Geométrica
A
pressupõe constancia
MG. Z.
X3 An ...

8 Mediana
que separa a metade maior da metade nunor de uma amostra
↳> valor

não ésensivel a valores de cada medida Menos sensível a valores

*

extremos
-
não háfirmula

amostra impar: amostra par:B:

[1,2,3,5,5,8}
1 41,3,355,6,6,8)
=

5
Moda
23
= =

↳ moda

4 Moda
1 éa
observacas maisfrequente de uma amostra
pode ser Amodal (sem moda), Blmodal (duas modas) or
* MULTImedal (t de 2 modas)
-quanto modas, melhor para o estude
+

Não tem função em certos conjuntos de dados

Se média mediana e moda forem as mesmas o número é unimodal e simétrico

-
 MEDIDAS DE DISPERSIS
I Amplitude
↳> a Fentre o maiores menor valor

has
* medidas de dispersas 1 média simples
-
não diz nada sobre os demais
valores (não ajuda na visão geral)
-

utilidade limitada
sensivel
*

a valores was usuais

* Variância
↳
quantifica a variabilidade or o espalhamente as redor da midia
das
medicas
s:
A
pode ter o valor de zero quando todos os dados coletados forem iguais
desvio (d):distância do valor para a midia
do conjunto
-éa dos desvios
midia elevados as quadrado
superestimada
coletada desvantagens
-
é uma medida

possui
* uma unidade de medida I
da
------
nas entra- 5a (xi
=
-

x)2 242(x, x)2

=
-

na operadas R 1 -

variância Amostral Variância Populacional

8Desvio Padrão (5)
-

↳ raiz positiva da variância

mesma unidade
A de medida da que foicoletada
-
valor fidedigne
grupo homogenes:menor desris-padras =>
massario analisar o

coeficiente de
grupo heterogenes:maior desvio-padras variaças
4 Coeficiente de Variacao I
MUITO IMPORTANTES
-
was possuiunidade (adimencionall CV desvio
= padrão
midia
-mede a variabilidade relativa
 TIPOS DE GRAFICOS
Grupos Média I Desvio Padras (5)

A(10) 10,5 2,8

...--
B(10) 22,6 2,8

C(10) 15,8 3,1

CV
= 181
554188 (Vs=19%
=
=
x

apesar de terem mesmo D.P.

CVB 0,85% B é+ HOMDGENED que A I

CV:
*
=

↳ menor C.V. coeficiente de

variação
x18s
CV2: (Vc=4,85%

⑪ Gráfico com Barra de Erro

eixs Y:midia de cada X
eixs X:valores rominais

BARRA DE ERRO DESVID PADRIS

=

barra de erro, maior éo DP

A
quanto maior a

1.1 Erro Padras

Sx
despaciente
= 5x 1 =

I
* erro
padraséSEMPRE MENOR que o desvio padras
estarelacionado a CONFIABILIDADEda amostra A desvio padras SEMPREé
-

Sx édiretamente proporcional as 5 maior

que o erro
padras
~> Teste Estatistics Parametrics

compara
* as midias dos grupos
Coef, de
-

majoritariamente se utiliza o gráfics de Barra de Erro Variaças

*Box Plot não paramétries
midia
é
C.V. =

S:desvio padrão
A Gráfico de Setores/Pizza
PERCENTIL:divide amostra em ordem crescente

e ordenado

-permite comparacas
[
uma nominais

ordinais

representa
*
frequência
⑤ Box Plot Idiagrama de caixal
3.1 Conceitos Previos
swarfil:sas 3 e dividem a amostra em 4 intervalos

Percentildividem a amostra em 180 intervalos

P51
min. 81 mediana 13 máx.
n 51
-
=

875108
ea te

intervalos interquartil
3.2 Construcas do Grafics
éimpossivel
*

que a mediana esteja fora da caixa

pode estar alinhado como eixo X ou x

-

Os valores máximos, minimos e a mediana Nis são os intervalos

contados pl definir
Y
-quando a mediana conside of he 50 25
máx.-----
se faz uma linha dupla
Ag ----

82
----

a
a máx
X
+Homogenes

+Heterogenes
* Dutlier:valor que extrapola o padras
o desvio padras
↳ é
representado por um ponto fora da caixa

INR (23-01):tamanho da caixa pode ser maior

que a midia.
* 2 utlier
25--------

1---------

POPULAGIS & AMOSTRA

censo

⑬uns'serência amosts
e

A conceitos
.
Populacas:todos elementos que contemplam as caracteristicas do
I
estude
·
Amostra:uma parte da populaças a ser analizada

Amostragem:metodo de seliças da amostra

*

* Passo a passo da Amostragem

1- definir a
população da amostra
↳- identificar em uma lista todas as unidades amstrais
3- decidir o tamanho da amostra
4 -

procediments especifics de de amostra

determinacas
5-selecionar fisicamente a amostra
 on
MSSTRSIear
menor

menor

maior

menor

⑤Tipos de Amostra
deve-se
SEMPRE priorizar a amostra PROBABILISTICA, a opias pela
NIS PROBABILISTICA é quando Nis D's para realizar a 1a opção?
3.1 Nas Probabilisticas
-
traz vies, mesmo
que em parte do pesquisador or do entrevistade na senças dos
elementos da populacas para a amostra

↳exis pesquisador escolhendo no de 1-18, escolher o 7 por ser ser no da sorte

porque nas e entrevistado? existe um viés de Seleçãs!

não hánenhuma chance conhecida elements qualquer venha fazer part
que um a
-

da amostra ↳ não existe um valor probabilistice para selecs

3.2 Probabilisticas
A cada elements da população tem uma chance conhecida e o de zero para ser

selecionado para a amostra

Probabilística
1. Akatiria
simples - sastipos
2. Akativa Estratificada *

④Tipos de Amostragem 3.
Conglomerado
4. Sistemática

Nas Probabilística

Básicas Variacões
7

1. Conveniência (acidentall 1.
Tráfego
2. Intencional
(julgamento 2.
Autogerada
3. Cotas (proporcional) * 3. Desproporcional

4. Bota de Neve
 NDISES DE AMOSTRAGEM

⑦ Razões para utilizar a

Amestragem as Probabilistica
I -
as existir outra alternativa

2-problemas de ordem pratica que enfraquecem a

amostragem probabilistica
3- nas
intenas de
generalizar os dados obtidos na amostra para a populacas
4- indisponibilidade de recursos financeis, materiais elor humanos para a realizacao de

uma amostragem probabilistica

& Amostragem Aleatória Simples (A.A.S.)
cada elemente da populaçâs tem uma de
*
chance
igual, conhecida e F de zero ser

selecionada para compor a amostra

etapas de seleças:
I -
atribuir um nonominal pl cada elements
It sortear por mais de softwares a amostra de modo que cada elements tenha as

mesmas chances de ser selecionado

B Amostragem Aleatória Estratificada (A.A.E.)

↳ criam-se
categorias/estratos dentro da populaças
*

Sestrate tem que ser internamente homogenes

populaçãs:externa e
heterogenea
estrats:interns e
homogene
5.1 A.A. E. Proporcional
-

população éconhecida
a

-
se determinam as proporções entre os estratos

sencionam-se
*
os elementos da amostra respeitando a
proporças existente na populacas
exemplo:estatura Populacas N=100DD A. A. S. Amostra n 18
=

Es Altos Sorteio aleatório Es Altos

5SSS 58% al chances iguais 5858%

Ez Medianos Ez Medianos
1888 18% 18 18%

Ez Baixos Ez Baixos

4088 48% 48 48%

 3.2 A.A. E. Uniforme
↳ nãs se conhece os dados da populaças não éo ideal
-
has tem como determinar a entre cada estrate
proporcas7
P
*

se seleciona uma mesma quantidade de individues em cada estrate

exemplo:
População N 88=
A. A. S. Amostra n 15
=

Es Es
? 5

Es? Ez
5

Es? Ez
5

desvie
padrão
3.2 A. A. E. Stima
*utiliza o desvio padras (mensura a
heterogenidade de um grupo
-
a demanda por mais
elementos édiretamente proporcional asua heterogenidade
- és mais vantajoss

DPY:grupo + heterogenie -

atd.amostra de estrate ↑
População A. A. S. Amostra

Es Es
DP n

Ez DP Ez
n

Ez Ez
DP R

4Amstragem Aleatória por conglomerado/Cluster (1.A.C.)

↳ és oposto da A. A.E.

cluster:internamente heterogenes
externamente
*
homogenes
VANTAGEM:a perda de um cluster was compromete o estudo

exemplo:duster geografics
5 Amostragem Probabilistica Sistemática
*
é feito apenas um sorteis
i definido uma constante para que todos os elementos sejam definidos de
-

uma rez

N
↳ K-ésims k =

exemplo:N50 =
n 5
=
-
k18 =
n:sorteado 7
=
n (7,17,22,37,47
=