Documente Academic
Documente Profesional
Documente Cultură
Inferências
a respeito de uma população são feitas,
baseadas em uma amostra.
Estimação
Estimação Pontual
A média amostral é uma estimativa pontual da média
populacional
Estimação por Intervalos
Intervalos de Confiança
Teoria da Estimação
Em estatística, muitas vezes desejamos estimar
a proporção com que determinado evento
ocorre. Por exemplo:
Prevalência de diabéticos no munícipio de São Luís-
MA
Prevalência de fumo entre os estudantes de Medicina
da UFMA.
Se desejarmos saber tais prevalências, sem
erro aleatório, teremos que estudar toda a
população dos estudantes.
Teoria da Estimação
f
pˆ =
n
onde f é a freqüência do evento na amostra e n é o
tamanho da amostra
Estimativa por Intervalo
Neste caso, calculamos a margem de erro aleatório de
uma estimativa e construímos um intervalo.
pˆ .(1 − pˆ )
IC[π ; (1 − α )%] = pˆ ± zα / 2
n
(0,32)(0,68)
IC[π ;95%] = 0,32 ± 1,96 = [0,15;0,53]
25
COMANDO STATA
O comando usado para construir IC para proporção é
cii n f
com
n = tamanho da amostra
f = freqüência do evento na amostra
Para o exemplo anterior, temos:
cii 25 8
-- Binomial Exact --
Variable | Obs Mean Std. Err. [95% Conf. Interval]
-------------+---------------------------------------------------------------
| 25 .32 .0932952 .1494954 .5350007
p̂
IC
Intervalo de Confiança para a Média
Populacional
Caso 1: Grandes Amostras (n ≥ 30)
s
IC[ µ ; (1 − α )%] = x ± zα / 2
n
Caso 2: Pequenas Amostras (n < 30)
s
IC[ µ ; (1 − α )%] = x ± t( n −1;α / 2 )
n
Distribuição t Student
cii n me sd
com
n = tamanho da amostra
me = média amostral
sd = desvio padrão
Para o exemplo anterior temos:
. cii 16 13 4.6
S
x n IC
Testes de Hipóteses
(X −µ) Variabilidade
Zcal = das médias
(σ n)
Estatística
do teste
Passos para realizar um Teste de Hipóteses
Passo 3: Região Crítica
Unilateral à esquerda:
Ho: µ = 50
HA: µ > 50
Unilateral à direita:
Ho: µ = 50
HA: µ <50
Bilateral:
Ho: µ = 50
HA: µ ≠ 50
Passos para realizar um Teste de Hipóteses
O p
- valor é comparado ao nível de significância α pré-
determinado.
x − µ0 135 − 128 7
Z cal = = = = 2 ,28 .
σ 24 3,1
n 60
PASSO 4: Construir a Região de Rejeição (RR)
TESTE BILATERAL
RA
RR RR
Portanto, a amostra aleatória sugere que
medicamento M aumenta a PAS.
x − µ0
tcal = ~ t( n−1)
s n
Suposição do teste: A variável quantitativa é normalmente distribuída
na população.
Exemplo: Teste t
a ) H 0 : µ = 1,70m H A : µ ≠ 1,70m
x − µ 1, 72 − 1, 70
c) t = = = 1, 25
s 0 , 08
n 25
d) Decisão: Não há evidência para rejeitar H0.
Solução no STATA: contém 1,70m
One-sample t test
------------------------------------------------------------------------------
| Obs Mean Std. Err. Std. Dev. [95% Conf. Interval]
---------+--------------------------------------------------------------------
x | 25 1.72 .016 .08 1.686978 1.753022
------------------------------------------------------------------------------
mean = mean(x) t = 1.2500
Ho: mean = 1.70 degrees of freedom = 24
Ha: mean < 1.70 Ha: mean != 1.70 Ha: mean > 1.70
Pr(T < t) = 0.8883 Pr(|T| > |t|) = 0.2234 Pr(T > t) = 0.1117
tcal = 1,25
H 0 : µ 0 = 1,70m
p valor> 0,05
Teste de Hipótese para Proporção Populacional
zcal = 6,25
H 0:π = 0 ,2
p-valor <0,05
Comparação de Dois grupos
Na pesquisa médica, é muito freqüente
necessitarmos comparar médias ou proporções
de amostras diferentes (por ex. caso x
controle).
Amostras Pareadas
Num estudo pareado, novamente se tem duas
amostras, mas cada observação da primeira amostra é
pareada com uma observação da segunda amostra.
Dois grupos independentes (uma observação em cada
unidade amostral).
Exemplos
1. Dois produtos
2. Duas drogas terapêuticas
3. Duas marcas comerciais
4. Dois procedimentos cirúrgicos
5. Dois gêneros
Dois grupos pareados (duas observações em cada unidade
amostral).
Exemplos
1. Antes e depois de uma intervenção cirúrgica
2. Lados direito e esquerdo
3. Dois períodos diferentes
Teste t para duas amostras independentes
A variável de interesse é uma variável
quantitativa e normalmente distribuída.
H 0 :σ 1 = σ 2 H A :σ 1 ≠ σ 2
2 2 2 2
versus
1o Caso: Considere a situação em que as duas variâncias
populacionais são desconhecidas, mas é razoável assumir
que elas sejam iguais.
com ( n − 1) s 2
+ ( n − 1) s 2
s 2p = 1 1 2 2
n1 + n2 − 2
Exemplo: Duas amostras independentes
com variâncias iguais
Um pesquisador gostaria de testar a hipótese que os
homens são mais pesados que as mulheres à idade
adulta. Tomou ao acaso uma amostra de 35 alunos,
sendo 17 do sexo feminino e 18 do masculino.
Média n Variância
Masculino 76,8 18 334,18
Feminino 72,9 17 303,11
Solução:
a) H0 : µM = µF
b) H 1 : µ M > µ F
c ) α = 0 , 05 ; t 0 , 05 ; 33 g . l = 1, 69
x1 − x 2 76 ,8 − 72 ,9 3,9 3,9
d ) t cal = = = = = 0,645
1 1 1 1 17 ,86 0,338 6,04
s + 17 ,86 +
p
n1 n 2 18 17
Amostra 1 Amostra 2
x11 x12
x21 x22
x31 x32
x41 x42
. .
xn1 xn2
Usamos esses dados para criar novo conjunto de
observações que representam as diferenças dentro de
cada par:
d1=x11-x12
d2=x21-x22
d3=x31-x32
dn=xn1-xn2
A partir dessas diferenças calculamos a média
n
∑d i
d= i =1
n
n
e o desvio padrão ∑ (d i − d)
sd = i =1
n −1
d
Estatística do teste: tcal = ~ t( n −1)
sd
n
Teste de Hipóteses para Duas Proporções
Populacionais
Primeiramente, vamos considerar amostras independentes.
II c d c + d = n2
Total a + c = m1 b + d = m2 n1+ n2 = n
Exemplo
Os dados a seguir são referentes ao sexo e condição
de sobrevivência de uma amostra de recém - nascidos
com síndrome de desconforto idiopático grave.