BIOESTATSTICA

Parte 1 - Estatstica descritiva e anlise exploratria dos

dados

Aulas Tericas de 17/02/2011 a 03/03/2011

1.1. Populao, amostra e dados estatsticos. Dados
qualitativos e quantitativos

Dados Qualitativos:
Escala nominal no existe relao entre categorias. Ex: solteiro, casado, vivo
()
Escala ordinal existe relao entre categorias. Ex: forte, mdio, fraco

1.2. Organizao e representao grfica de dados

Box-Plot (caixa com Bigodes)
O conjunto dos valores da amostra compreendidos entre o 1 e o 3 quartis
representado por um rectngulo com a mediana indicada por uma barra. Desenham-se
ento as linhas que unem o meio []

Barreira inferior
 
 


   
  

Barreira superior  
 


   
  

Dizemos que uma observao um outlier quando no est compreendida no

intervalo [BI, BS]. Na representao box-splot, os outliers assinalam-se com *.

Barreira (exterior) inferior
 

   

  

Barreira (exterior) superior
 

   

  

As observaes com valores

inferiores ou superiores s barreiras
externas so outliers severos e so
representados em box-splot com o
smbolo .

Quando no h outliers a box-

splot coincide com o diagrama de
extremos e quartis.

A box-splot reala:
 Centro da amostra
Variabilidade
Simetria
Existncia de outliers
til na comparao de amostras

Diagrama de Disperso

uma representao grfica adequada para dados bivariados quantitativos, em

que cada par de valores ( ,  ) representado por um ponto de coordenadas ( ,  )
num sistema de eixos coordenados. muito til, pois permite realar algumas
caractersticas importantes dos dados, nomeadamente a existncia de alguns tipos de
associao entre variveis.

1.3. Caractersticas amostrais

Medidas de Localizao: localizam o centro da amostra
Mdia
Mediana
Moda
Quantis

Medidas de Disperso: medem a variabilidade dos dados

Desvio Padro
[]
 Medidas de Localizao
Mdia ()
[Mdia aparada retiram-se uma determinada % dos extremos]

uma medida pouco resistente, pois muito sensvel existncia de valores

muito grandes ou pequenos.

 = 



No caso de dados em intervalos no se pode obter um valor exacto, apenas um

valor aproximado:

[multiplica-se a frequncia absoluta da classe pela sua mediana e divide-se pelo

nmero de classes]

A mdia uma boa medida de localizao do centro da amostra quando a

distribuio dos dados for simtrica.

a melhor medida de localizao quando a distribuio dos dados normal.

Mediana (M)
Ordenados os elementos da amostra, a mediana o valor (pertencente ou no
amostra) que a divide ao meio, ou seja 50% dos elementos esto acima da mediana e
50% abaixo.
 Se n mpar, a mediana a observao central da amostra

 

:n


Se n par, a mediana a mdia aritmtica das 2 observaes centrais

   
 !
 
 

"

Ex: 10, 10, 10, 11, 11, 11, 11, 11, 12 M = 11  = 10,75

Ex: 10, 10, 11, 11, 11, 11, 11, 12, 18 M=11  = 11,75

A mediana uma medida mais resistente que a mdia, pois no to sensvel

quanto existncia de valores extremos.

Centro da amostra:

A mdia o centro de gravidade da distribuio dos dados (a mdia reflecte o

valor de todas as observaes)

A mediana o centro posicional da distribuio dos dados.

A assimetria da amostra pode estudar-se considerando a posio relativa das medidas

de localizao mdia e mediana, visto que quando a distribuio dos dados:

simtrica mdia = mediana

assimtrica positiva mdia > mediana
assimtrica negativa mdia < mediana

2. Assimetria Positiva 1. Assimetria Negativa

Quantil de ordem p (quantil emprico [ou amostral])

Ordenada a amostra, o quantil de ordem p (0<p<1) o valor Qp tal que 100%p

dos elementos da amostra so inferior ou iguais a Qp e os restantes 100(1-p)%
elementos da amostra so superiores ou iguais a Qp
 $%

$%
Se np inteiro # 


Se np no inteiro # 
&'( 

Onde [k] representa a ordem inteira de k

Q1/2 mediana

Q1/4 1Quartil

Q3/4 3 Quartil

Medidas de Disperso
Ex1: 15, 15, 15, 15, 15

Ex2: 10, 13, 15, 17, 20  = 15 [mas a medida de disperso diferente]

Ex3: 0, 7, 15, 23, 30

Varincia e Desvio Padro (amostrais)

So medidas de disperso de dados, relativamente ao centro da amostra que a
mdia.

Varincia: )  =  
)2
*

Para obter uma medida de disperso que esteja expressa na mesma unidade de
disperso que os dados, consideramos o desvio padro:


Desvio Padro: ) 
+  



*

Ex1: s = 0 Ex2: s = 3,8 Ex3: 12,0

Quanto maior o desvio padro (s), maior ser a disperso dos dados? No
necessariamente. Um valor grande de desvio padro pode ser devido grande
disperso dos dados ou existncia de outliers. O desvio padro muito sensvel
existncia de outliers, portanto uma medida de disperso pouco resistente.

Amplitude (amostral): , 
 
 [R = mximo mnimo]

 a medida de variabilidade mais simples, mas muito sensvel existncia de
uma observao muito grande ou muito pequena.

Amplitude interquartil: - 
 


 

Esta a amplitude que contm 50% das observaes no centro da amostra

Ex: 1,2,3,3,3,3,3,4,5

n=10  
/0   / 
10  

. .
s=1,5
AIQ = 0

A amplitude inter-quartil uma medida mais resistente que o desvio padro.

No entanto, o desvio padro reflecte o conjunto dos dados e a amplitude inter-quartil
no.

[s e AIQ expressam informaes diferentes e devem por isso ser utilizados em

conjunto]

Disperso Relativa

Para acompanharmos vrios conjuntos de dados convm utilizar uma medida

que quantifique a variabilidade dos dados relativamente localizao.

Uma medida de disperso relativamente muito usada para dados positivos o

coeficiente de variao [expresso em %].
)
23  4 556

[ um desvio padro normalizado, til para comparaes]

Profundidade
A profundidade um indicador de quo interior amostra um certo valor. O
mximo e o mnimo da amostra (extremos) tm profundidade 1.

Dada uma certa amostra  , .,  , a ordem de uma observao pode ser

definida como:
 Ordem ascendente posio da observao na amostra, a partir do menor
valor
Ordem descendente posio da observao na amostra, a partir do maior
valor

Profundidade de uma observao o mnimo das suas 2 ordens ascendente e

descendente.
[Profundidade mxima das
observaes na linha]

3 5 027
n = 23 8 6 14589
8+8+7 = 23 (8) 7 11236799
7 8 0145
3 9 367

[Na linha da mediana escreve-se o nmero de folhas da linha

Ex:
elemento 98: profundidade 1 elemento 61: profundidade 4
elemento 93: profundidade 3

 
A profundidade mxima dada por 
]

1.4. Associao entre variveis. Correlao. Relao: regra dos

mnimos quadrados

Dados Bivariados

H muitas situaes em que se pretende estudar 2 variveis em simultneo;

interessa portanto conhecer a sua variabilidade conjunta.

Estudar a relao entre:

Idade e presso arterial;
Concentrao de uma droga injectvel e a frequncia cardaca;
Peso e nvel de glicose no sangue em em adultos saudveis.

A populao em estudo surge ento sob a forma de pares de valores, i.e., cada
indivduo ou resultado experimental contribui com um conjunto de 2 valores. Uma
amostra de dimenso n ser ento ( ,  ), , ( ,  ).
 Correlao [2 variveis em p de igualdade. Procura-se saber se alguma
relao entre as variveis em estudo]
Regresso [uma das variveis est sob o controlo do investigador varivel
controlada, independente (ex. concentrao de droga administrada) e uma
das variveis a resposta varivel resposta ou dependente (ex. frequncia
cardaca]

Para organizar a informao correspondente a dados bivariados utiliza-se uma

tabela de contingncias. adequada para dados qualitativos ou quantitativos, sendo
necessrio este caso agrupar os dados em classes.

Exemplo:
n = 1000 habitantes

No vacinados 1 dose 2 doses

Gripe 24 9 13
Sem gripe 289 100 565

[representao grfica diagrama de disperso]

Dada uma amostra bivariada de dimenses ( ,  ), , ( ,  ), define-se uma

medida de variabilidade conjunta existente entre as variveis em estudo que a
covarincia amostral.


789

 
:
; 
 
; 




Se houver associao linear positiva [variveis variam no mesmo sentido; 

elevado corresponde a  elevado] entre as variveis, predominam parcelas
tais que <
; =<
; = > 5 covarincia positiva

Se houver associao linear negativa [variveis variam em sentido oposto]

entre as variveis, predominam parcelas tais que <
; =<
; = ? 5
covarincia negativa

Grande inconveniente: depende da unidade de medida usada [Kg/m e Kg/cm a

covarincia vem com valores diferentes]

[s medem associao linear]

Coeficiente de Correlao Amostral ou Coeficiente de Correlao de Pearson

 A medida mais usada para medir o grau de associao linear entre 2 variveis
quantitativas o coeficiente de correlao dado por:

789


@A  C
)$ 4
)B


; 
 
; 


A 

D 

 


O Coeficiente de correlao no depende de medidas das variveis;

r toma valores no intervalo [-1, 1];
O valor do coeficiente de correlao mede a intensidade da associao linear
entre as variveis;
Quando r = 0 no existe associao linear entre as variveis, mas elas podem
estar associadas no linearmente;
O coeficiente de correlao no uma medida resistente [est dependente da
mdia].

O coeficiente de correlao pode ser calculado como:

  4    4 
A 

  )$ 4 )B
Correlao elevada indica apenas associao estatstica. um erro grave confundir
associao estatstica com causalidade.

[Exemplo: O consumo de gelados e os fogos florestais apresentam uma relao de

associao estatstica, no de causalidade]

[Podem existir variveis de confundimento]

Regresso

Uma das variveis esta sob o controlo do investigador e a outra varivel pode
ser considerada uma resposta.

 varivel controlada, independente ou explicativa

 varivel resposta ou dependente

Quando o diagrama de disperso reala a existncia de associao linear entre

2 variveis quantitativas  e  possvel resumir atravs de uma recta a forma como
uma varivel resposta  influenciada por uma varivel explicativa .

Recta de Regresso
Pretende-se exprimir a varivel resposta como funo da varivel independente
atravs de um modelo de regresso regresso linear simples

Os valores observados podem ser escritos como:

  E
 F  G 
H  F

[Resduos:
Idealmente F  5, quando os pontos pertencem todos recta;
so quantidades aleatrias]

Recta dos mnimos quadrados

Para que um conjunto de dados ( ,  ), , ( ,  ) que seguem um padro
linear vamos ajustar uma recta na forma E  G  H. Um dos mtodos mais
conhecidos para ajustar uma recta aos dados usar o critrio dos mnimos quadrados.

Determinar os coeficientes da recta de modo que a soma dos quadrados dos

desvios entre os valores observados  e os valores E obtidos a partir da recta que se
pretende ajustar seja mnima, ou seja, minimizar a soma dos quadrados dos resduos.
  

: I 
:  E 
 

Determinar os coeficientes a e b tais que Q(a,b) =   G  H
seja mnimo.

O declive da recta da regresso


; 
 
; 
    
 

 

G 


 

   
  

E a ordenada na origem H 
E 
G.

A recta dos mnimos quadrados uma medida pouco resistente.

A recta de regresso frequentemente utilizada para fazer predio. Para um
novo valor da varivel  que no foi usada na construo da recta, pretende-se estimar
o valor de  que lhe corresponder.

[predio considerar um valor de  que no amostra e calcular o y esperado

atravs da recta dos mnimos quadrados]

Uma forma de verificar o modelo ajustado adequado atravs dos resduos.

Se o modelo ajustado for adequado:

Os resduos devem dispor-se aleatoriamente, sem um padro definido,

em torno de zero.
de esperar que o resduo quadrado mdio seja moderado.

No contexto da regresso, os outliers so valores a que correspondem grandes

resduos.
Note-se que, teoricamente, a soma dos resduos quadrados zero. Na prtica,
devido aos arredondamentos, a soma pode no ser nula, mas ter sempre um valor
muito prximo de zero.

O valor de r2 representa a proporo da variabilidade de y que explicada pela

recta de regresso; uma medida de preciso da recta.

r2 designa-se por coeficiente de determinao.

[-1 r 1 0 r2 1

Resduos = yobservado ypredicto]