SlideShare uma empresa Scribd logo
Paulo Novis Rocha Nefrologista Professor Adjunto do Depto. Medicina FMB-UFBA Professor Colaborador do PPgCS Coordenador da Disciplina de Bioestatística
 
SEMANA N o  AULA DATA ASSUNTO PROFESSOR 7 1 13/04/09 Estatística Descritiva Introdução Variáveis Banco de dados Organização de dados, freqüências Medidas de tendência central e de posição Medidas de dispersão Apresentação de resultados ( Tabelas, Figuras) Paulo Rocha 8 2 20/04/09 Bases da Estatística Inferencial - I Distribuições de frequências Erro padrão Inferência sobre uma média ( Teste z) Teste de hipóteses: o valor- p Paulo Rocha 9 3 27/04/09 Bases da Estatística Inferencial – II Erro tipo I, tipo II, poder Intervalo de confiança Inferência sobre duas médias ( Testes z, t, t´) Inferência sobre duas proporções ( X 2 , Fisher) Paulo Rocha 10 4 4/05/09 Técnicas de Amostragem e cálculo de tamanho amostral Paulo Rocha 11 5 11/05/09 ANOVA de uma via Neto 12 6 18/05/09 Outros testes não-paramétricos - Wilcoxon, Mann Whitney, Kruskal Wallis Neto 13 7 25/05/09 Correlação e regressão linear Neto 14 8 1/06/09 Análise de regressão logística – I Neto 15 9 8/06/09 Análise de regressão logística – II  Neto 16 10 15/06/09 Análise de sobrevida Neto 17 11 22/06/09 Avaliação final Paulo Rocha
Curso de Bioestatística Último dia de aulas 5-7-10  Provas finais 12 a 17-7-10
Bibliografia Sugerida Bioestatística sem segredos. Neto AMS. 1a Ed. Bahia, 2008. Bioestatística para profissionais de saúde. Guedes MLS, Guedes JS, Rio de Janeiro, Ao livro técnico, 1988. Intuitive Biostatistics. Motulsky HM. 1a Ed, Oxford University Press, New York, 1995 Fundamentals of Biostatistics. Hosner B. 5a Ed, Pacific Grove, Duxbury, 2000. Biostatistics: a foundation for analysis in the health sciences. Daniel WW. 7a Ed, New York: John Wiley, 1999 Nonparametric statistics for the behavioral sciences. Siegel S e Castellan Jr NJ. 2a Ed, New York, McGraw-Hill, 1988 Applied logistic regression. Hosmer DW e Lemeshow S, 2a Ed, New York, John Wiley, 2000
Pesquisa:  Software  Essencial Banco de dados SPSS, MS Excel, MS Access Análise estatística SPSS, MS Excel Figuras SPSS, MS Excel, MS Power Point, Adobe Photoshop Editor de texto MS Word: texto, tabelas Gerenciador de Referências Reference Manager , End Notes
Curso para “consumidores” de estatística. Objetivos: Entender artigos científicos Construir banco de dados e utilizar SPSS Dominar estatística descritiva Apresentar dados sob forma de gráficos, figuras, tabelas  Compreender estatística inferencial Realizar análises mais simples Dialogar com estatísticos (sem ajuda de intérprete!)
Porque precisamos de estatística ? Variabilidade biológica e/ou falta de precisão experimental dificultam a distinção entre diferenças reais e aleatórias Tendência à generalização “ A 3-year-old girl recently told her buddy: You can’t become a doctor; only girls can become doctors”  HM Motulsky. Intuitive Biostatistics. 1995
Podemos fazer pesquisa sem estatística (inferencial) ? Exemplo 1: Ciência básica Variabilidade biológica controlada (animais ou células geneticamente idênticos) Interesse em grandes diferenças Aforismas: “ If you need statistics to interpret your results, you have done the wrong experiment” “ If the data speak for themselves, don’t interrupt!” “ Researchers use statistics like a drunkard uses a lamp post: more for support than illumination” Norman & Streiner. PDQ Statistics. 1986 HM Motulsky. Intuitive Biostatistics. 1995
Podemos fazer pesquisa sem estatística (inferencial) ? Exemplo 2: Pesquisa clínica Enorme variabilidade biológica  Impossibilidade de controlar todas as variáveis relevantes Imprecisão de instrumentos de medida Interesse em efeitos pequenos (digamos, uma mudança de 20%) Difícil separar o sinal (efeito esperado) do ruído (variabilidade biológica e imprecisão)  HM Motulsky. Intuitive Biostatistics. 1995
Sobre a estatística CAPAZ DE FAZER INCAPAZ DE FAZER Conclusões gerais a partir de dados mais limitados AMOSTRA->POPULAÇÃO Controle de qualidade Pesquisas políticas Ensaios clínicos Controlar o erro aleatório Corrigir o erro sistemático Erros de amostragem Erros de medida
Etapas de um estudo do ponto de vista estatístico 1. Definir a população de interesse 2. Selecionar uma amostra da população 3. Coleta de dados 4. Estatística descritiva e analítica 5. Estatística inferencial
Neto, AMS 2008. Bioestatística Sem Segredos A Estatística pode ser dividida em três partes: Estatística Descritiva Descreve Caracterização dos indivíduos estudados Estatística Analítica Analisa Investigação das relações entre as características estudadas Estatística Inferencial Infere Avaliação da possibilidade de generalização
Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA DESCRITIVA Cálculo de freqüências simples, simples acumulada, relativa e relativa acumulada Cálculo de medidas de tendência central (moda, média aritmética, média ponderada, mediana) Cálculo de medidas de dispersão (amplitude, desvio médio, variância, desvio padrão, coeficiente de variação) Cálculo de medidas de posição (porcentis) Elaboração de tabelas univariáveis Elaboração de gráficos Avaliação da forma como as frequencias de uma variável se distribuem
Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA ANALÍTICA Elaboração de diagramas considerando mais de uma variável (ex. diagramas de dispersão) Elaboração de tabelas de contingência bivariáveis ou multivariáveis Cálculo de medidas de associação entre variáveis (razão ou diferença entre prevalências, entre incidências ou risco relativo ou atribuível, entre chances, coeficientes de correlação, coeficientes de regressão)  Análise estratificada Análise multivariável
Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA INFERENCIAL Teste Z para uma ou duas médias Cálculo do índice capa (Teste Z) Teste t para uma ou duas médias Análise de regressão linear (Testes F ou Z) Teste t para amostras emparelhadas Teste exato de Fisher Teste Z para uma ou duas proporções Teste do sinal Teste X 2  para duas ou mais proporções Teste de Wilcoxon Teste X 2  de Mantel e Haenszel Teste da mediana Teste para uma variância Teste de Mann-Whitney Teste F para duas variâncias Teste de Kruskal-Wallis Análise de variância (Teste F) Teste de Friedman Análise de correlação intraclasse (Teste F) Análise de correlação de Spearman Análise de correlação de Pearson (Teste t) Teste de McNemar Cálculo do alfa de Cronbach (Teste F) Elaboração do diagrama de barra de erro
Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS ESTATÍSTICAS NÃO ABORDADAS Técnicas de análise exploratória de dados Análise de regressão de Weibull Cálculo de medidas de associação (RR, RC, etc...) Análise de regressão de Poisson Cálculo do índice de concordância capa Análise de regressão binomial negativa Cálculo do alfa de Cronbach Análise de regressão log-linear Teste qui-quadrado de Mantel e Haenszel Análise de regressão hierárquica Teste para uma variância Análise discriminante Análise de variância  / An álise de correlação intra-classe Análise de variância multinomial (MANOVA) Teste do sinal Análise de correlação de Kendall Teste de Wilcoxon Análise de contingência Teste da mediana Análise de correlação canônica Teste de Mann-Whitney Análise de correlação parcial múltipla Teste de Kruskal-Wallis Análise de escala multidimensional Teste de Friedman Análise de componentes principais Teste de McNemar Análise de fator Análise de correlação de Spearman Análise de correspondência Análise de correlação de Pearson Análise de homogeneidade Análise de regressão linear Análise de agrupamento (“cluster analysis”) Análise de regressão logística Análise por redes neurais artificiais Análise de regressão de Cox
Variáveis: Características que variam entre os indivíduos estudados
CLASSIFICAÇÃO DE VARIÁVEIS Quanto à natureza Quanto à continuidade entre seus possíveis valores Quanto ao número de categorias Quanto ao seu grau de expressão quantitativa Quanto à posição no quadro de hipóteses
CLASSIFICAÇÃO DE VARIÁVEIS  I. Quanto à natureza: Qualitativa (ou categórica): raça, sexo Quantitativa: peso, altura, idade, glicemia
CLASSIFICAÇÃO DE VARIÁVEIS  II. Quanto à continuidade: Discreta: raça, sexo, estado civil, n ° filhos Contínua: peso, altura, idade, glicemia
CLASSIFICAÇÃO DE VARIÁVEIS   III. Quanto ao número de categorias: Dicotômica Ex: sexo, hábito de fumar (respostas sim / não) Policotômica Ex: grau de instrução, raça, religião, estado civil, inserção no processo produtivo Podem ser dicotomizadas para análise Neto, AMS 2008. Bioestatística Sem Segredos
CLASSIFICAÇÃO DE VARIÁVEIS   IV. Quanto ao grau de expressão quantitativa: Nominal:  não há critérios para ordenamento Ex: sexo, raça, CEP  Ordinal:  é possível ordenar, mas não há intervalos regulares Ex: grau de instrução Intervalar:  é possível ordenar, há intervalos regulares, valor ZERO não indica ausência do fenômeno Ex: temperatura. Outros exemplos são raros. De razão:  é possível ordenar, há intervalos regulares, valor ZERO indica ausência do fenômeno Ex: idade, peso, altura, número de filhos ou gestações Neto, AMS 2008. Bioestatística Sem Segredos
Misturando as classificações... NATUREZA CONTINUIDADE CATEGORIAS ESCALA Quantitativa Contínua Discreta Intervalar De razão Qualitativa (categórica) Discreta Dicotômica Policotômica Nominal Ordinal
CLASSIFICAÇÃO DE VARIÁVEIS   V. Quanto à posição no quadro de hipóteses: Variável independente principal Variável independente secundária Variável  dependente associação principal Variável  interveniente Neto, AMS 2008. Bioestatística Sem Segredos
Neto, AMS 2008. Bioestatística Sem Segredos CLASSIFICAÇÃO DAS VARIÁVEIS QUANTO À POSIÇÃO NO QUADRO DE HIPÓTESES Dependente Supõe-se que sua ocorrência depende da influência das variáveis independentes Independente Principal Variável de interesse do estudo Secundárias Podem influenciar a associação principal Interveniente Encontra-se no caminho causal entre a variável independente principal e a variável dependente do estudo
CLASSIFICAÇÃO DE VARIÁVEIS   VI. Quanto à fixação prévia das frequências: Fixa Igual número de casos e controles Presença ou ausência da doença (variável dependente) seria FIXA Aleatória Hábito de fumar (variável independente) seria ALEATÓRIA Neto, AMS 2008. Bioestatística Sem Segredos
CLASSIFICAÇÃO DE VARIÁVEIS  VII. Quanto à individualização da informação: Individualizada Ex: sexo (M ou F), hábito de fumar (S ou N) Agregada Ex: sexo (%M, %F), hábito de fumar (%S, %N) Ambiental Ex: nível de poluição do ar, de radioatividade Global Ex: Grau de industrialização, densidade populacional Neto, AMS 2008. Bioestatística Sem Segredos
Descrever para compreender.
Acute Renal Failure after Lung Transplantation:  Incidence, Predictors and Impact on Perioperative  Morbidity and Mortality. Rocha et al.  American Journal of Transplantation 2005; 5: 1469–1476
Tipos de dados estatísticos:  Frequências Medidas de tendência central, medidas de posição, medidas de dispersão Apresentação de resultados  Texto, quadros, tabelas, gráficos
TIPOS DE DADOS ESTATÍSTICOS Contagens Medições
Contagens Sexo, raça, etc... Codificação para banco de dados: Branco = 1  Negro = 2 Mulato = 3 Asiático = 4 Recodificação Branco = 1 Não-branco = 2 Medições Glicemia, TA, colesterol, etc... Transformação de medições em contagens: Categorização de variáveis contínuas
Neto, AMS 2008. Bioestatística Sem Segredos Banco de dados contendo 75 pacientes: variável idade
Banco de dados contendo 75 pacientes: variável idade Neto, AMS 2008. Bioestatística Sem Segredos
TIPOS DE FREQUENCIAS Simples Simples acumulada Relativa Relativa acumulada
Idade Frequência simples Frequência simples acumulada Frequência relativa  (%) Frequência relativa acumulada (%) 25 1 1 4,0 4,0 31 1 2 4,0 8,0 32 2 4 8,0 16,0 34 3 7 12,0 28,0 36 2 9 8,0 36,0 38 2 11 8,0 44,0 39 1 12 4,0 48,0 40 3 15 12,0 60,0 41 4 19 16,0 76,0 45 1 20 4,0 80,0 46 2 22 8,0 88,0 47 1 23 4,0 92,0 51 1 24 4,0 96,0 52 1 25 4,0 100,0
Histograma contendo a distribuição de frequências de idades dos 75 pacientes do banco Neto, AMS 2008. Bioestatística Sem Segredos
Objetivo: resumir os dados de variáveis contínuas, apresentar resultados de forma compreensível MEDIDAS DE TENDÊNCIA CENTRAL Moda Média Mediana
Moda Valor mais frequente Bimodal, trimodal, etc.. Média Aritmética Ponderada Geométrica – média aritmética de variáveis expressas em escala logarítmica Harmônica – pós-teste de ANOVA Mediana Número impar de observações: posição central Número par de observações: média aritmética dos dois valores centrais Posição: (n+1) / 2
VANTAGENS Simplicidade de cálculo Não é afetada por valores extremos Pode resumir variável nominal DESVANTAGENS Pode não ser única
População: (parâmetro) Amostra: (estatística)
População: (parâmetro) Amostra: (estatística)
VANTAGENS Simplicidade de cálculo Singularidade Muitas técnicas disponíveis para seu uso DESVANTAGENS Muito influenciada por valores extremos Não pode resumir variável nominal
Para o cálculo da mediana: Ordenar os valores em ordem crescente e encontrar o valor central (P 50 ) quando n é ímpar Quando n é par: média aritmética dos valores centrais
VANTAGENS Simplicidade de cálculo Singularidade Não é influenciada por valores extremos DESVANTAGENS Menos técnicas disponíveis para seu uso Não pode resumir variável nominal
* Não esquecer de checar a veracidade de valores extremos Dica: além das medidas de tendência central, checar máx. e mín. QUANDO UTILIZAR MODA, MÉDIA, MEDIANA MODA Série é unimodal MÉDIA Variável é contínua Série não contém valores extremos MEDIANA Variável é discreta e  n  é ímpar Série contém valores extremos*
MEDIDAS DE POSIÇÃO Média Mediana Porcentil
Separa os valores de uma série de observações em duas ou mais partes, delimitando um certo porcentual de valores abaixo, acima ou entre eles.  Ex: quartis Q1, P25 Q2, P50 (= mediana) Q3, P75 Aplicações: pediatria (peso, altura), academia (notas), categorização de variáveis contínuas (criação de intervalos de classe ou pontos de corte), amplitude interquartil, inferência estatística (P95, P 97,5)
Criação de intervalos de classe Qual o número ideal de intervalos de classe ? Depende... Dados da literatura: ex: DRC Fórmula de Sturges: k = 1 + 3,222 x log n k = número de intervalos de classe n = tamanho da amostra
 
Cálculo do Primeiro Quartil (Q1)
Desorganizado Ordem Crescente
MEDIDAS DE DISPERSÃO Amplitude Amplitude interquartil Desvio médio Variância Desvio-padrão Coeficiente de variação
 
Número da criança na pesquisa Valores de altura (metros) 1 1,14 2 0,86 3 1,24 4 1,17 5 0,94 Número da criança na pesquisa Valores de altura (metros) 2 0,86 5 0,94 1 1,14 4 1,17 3 1,24
VANTAGENS Simplicidade DESVANTAGENS Considera apenas mínimo e máximo Menos técnicas estatísticas que a utilizam Influenciada por valores extremos * Deve ser usada como medida complementar
Utilização de porcentis para cálculo de uma medida de dispersão Distância entre o primeiro e o terceiro quartis AIQ = Q3 – Q1
 
Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
VANTAGENS Leva em conta todos os valores da série Ao somar os módulos dos desvios, expressa o total de variabilidade em torno da média DESVANTAGENS Cálculo menos simples que a amplitude Os desvios maiores não influenciam bem mais seu resultado do que os menores Menos técnicas estatísticas que o utilizam (comparado ao DP) Influenciado por valores extremos
População: (parâmetro) Amostra: (estatística)
Porque o denominador é 4 (n-1) e não 5? Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
Graus de liberdade Ao calcular a média, perdemos 1 grau de liberdade  Número da criança na pesquisa Valores de altura (metros) 1 1,14 2 0,86 3 1,24 4 1,17 5 0,94
Graus de liberdade: Cálculo Graus de liberdade =  n – r n = número de observações (em nosso exemplo, quantidade de números a serem selecionados, ou seja,  n  = 2) r = número de condições a serem atendidas por esses números
População: (parâmetro) Amostra: (estatística)
Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
VANTAGENS Levam em conta todos os valores da série Ao somar os quadrados dos desvios, expressam o total de variabilidade em torno da média Os desvios maiores influenciam bem mais seu resultado do que os menores Muitas técnicas estatísticas os utilizam DESVANTAGENS Cálculos menos simples que a amplitude Influenciados por valores extremos Variância é expressa em escala quadrática, à qual estamos menos acostumados
Permite comparar variações em dimensões diferentes (ex. peso, altura) Permite comparar variações em trechos distintos da escala de variação de uma variável Precisão de testes diagnósticos
Número da criança na pesquisa Valores de altura (metros) Valores de peso (kg) 1 1,14 20,70 2 0,86 15,40 3 1,24 21,40 4 1,17 21,10 5 0,94 17,45 Média 1,07 19,21 Desvio-padrão 0,17 2,66 Coeficiente de variação 15,89% 13,85%
Embora as medidas de dispersão consigam captar o desvio em torno do centro, não conseguem perceber o formato deste desvio. Se o desvio for igual para os dois lados da distribuição, diz-se que a distribuição é simétrica. As distribuições também podem ser mais alongadas ou mais achatadas. Assimetria: deve ser entre -1 a +1  Curtose: deve ser próxima de zero
Comparando-se a média com a mediana.  Pelo valor da medida de assimetria (skewness). Se o valor for negativo, a distribuição está desviada para a esquerda. Se o valor for positivo, está desviada para a direita. Uma distribuição razoavelmente simétrica tem coeficiente de assimetria variando entre –1 e +1. Visualmente no gráfico (histograma ou box plot, onde se verifica a presença de valores extremos “outliers”) e se pode verificar o formato da distribuição, identificando-se assimetria ou curtose. Por um teste que avalie a normalidade da distribuição (Kolmogorov-Smirnov ou Shapiro Wilk). Quando, nestes testes, o valor de  p  < 0.05 a distribuição não é normal.
Classificação de variáveis Estatística descritiva Medidas de tendência central Moda, Média, Mediana Medidas de posição Média, mediana, porcentis Medidas de dispersão Amplitude, Desvio-médio, Variância, DP, CV Medidas de Forma Assimetria e Curtose

Mais conteúdo relacionado

Mais procurados

Pesquisa Científica
Pesquisa CientíficaPesquisa Científica
Pesquisa Científica
sheilamayrink
 
Analise fatorial spss
Analise fatorial spssAnalise fatorial spss
Analise fatorial spss
Fernando Bortolozo
 
Pesquisa Qualitativa
Pesquisa QualitativaPesquisa Qualitativa
Pesquisa Qualitativa
Érica Rigo
 
Estatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formandoEstatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formando
Antonio Mankumbani Chora
 
Tipos de Pesquisa e Métodos Científicos
Tipos de Pesquisa e Métodos CientíficosTipos de Pesquisa e Métodos Científicos
Tipos de Pesquisa e Métodos Científicos
Francislaine Souza
 
Aula de Estatística Básica -Aula 4
Aula de Estatística Básica -Aula  4Aula de Estatística Básica -Aula  4
Aula de Estatística Básica -Aula 4
Luiz Martins Souza
 
Formulario inferencia estatistica - 1 e 2 populacoes
Formulario   inferencia estatistica - 1 e 2 populacoesFormulario   inferencia estatistica - 1 e 2 populacoes
Formulario inferencia estatistica - 1 e 2 populacoes
Pedro Casquilho
 
Técnicas de Pesquisa: Entrevista, Questionário e Formulário
Técnicas de Pesquisa: Entrevista, Questionário e FormulárioTécnicas de Pesquisa: Entrevista, Questionário e Formulário
Técnicas de Pesquisa: Entrevista, Questionário e Formulário
Universidade Federal do Ceará
 
Regressao linear
Regressao linearRegressao linear
Regressao linear
Mitsubishi Motors Brasil
 
Aula 13 teste de hipóteses
Aula 13   teste de hipótesesAula 13   teste de hipóteses
Aula 13 teste de hipóteses
Ariel Rennó Chaves
 
Tipos de-pesquisa
Tipos de-pesquisaTipos de-pesquisa
Tipos de-pesquisa
David Daniel Abacar
 
Bioestatistica basica completa-apresentacao
Bioestatistica basica completa-apresentacaoBioestatistica basica completa-apresentacao
Bioestatistica basica completa-apresentacao
Fabiano Reis
 
Etapas da pesquisa científica
Etapas da pesquisa científicaEtapas da pesquisa científica
Etapas da pesquisa científica
centrodeensinoedisonlobao
 
Outros testes não-paramétricos
Outros testes não-paramétricosOutros testes não-paramétricos
Outros testes não-paramétricos
guest422f98
 
Estatistica descritiva
Estatistica descritiva Estatistica descritiva
Estatistica descritiva
Geisla Maia Gomes
 
Estudos Observacionais (aula 7)
Estudos Observacionais (aula 7)Estudos Observacionais (aula 7)
Estudos Observacionais (aula 7)
Sandra Lago Moraes
 
Revisão bibliográfica
Revisão bibliográficaRevisão bibliográfica
Amostragem
AmostragemAmostragem
Amostragem
Walace Almeida
 
Tecnicas de coleta de dados e instrumentos- Material maravilhoso
Tecnicas de coleta de dados e instrumentos- Material maravilhosoTecnicas de coleta de dados e instrumentos- Material maravilhoso
Tecnicas de coleta de dados e instrumentos- Material maravilhoso
Rosane Domingues
 
Testes parametricos e nao parametricos
Testes parametricos e nao parametricosTestes parametricos e nao parametricos
Testes parametricos e nao parametricos
Rosario Cação
 

Mais procurados (20)

Pesquisa Científica
Pesquisa CientíficaPesquisa Científica
Pesquisa Científica
 
Analise fatorial spss
Analise fatorial spssAnalise fatorial spss
Analise fatorial spss
 
Pesquisa Qualitativa
Pesquisa QualitativaPesquisa Qualitativa
Pesquisa Qualitativa
 
Estatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formandoEstatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formando
 
Tipos de Pesquisa e Métodos Científicos
Tipos de Pesquisa e Métodos CientíficosTipos de Pesquisa e Métodos Científicos
Tipos de Pesquisa e Métodos Científicos
 
Aula de Estatística Básica -Aula 4
Aula de Estatística Básica -Aula  4Aula de Estatística Básica -Aula  4
Aula de Estatística Básica -Aula 4
 
Formulario inferencia estatistica - 1 e 2 populacoes
Formulario   inferencia estatistica - 1 e 2 populacoesFormulario   inferencia estatistica - 1 e 2 populacoes
Formulario inferencia estatistica - 1 e 2 populacoes
 
Técnicas de Pesquisa: Entrevista, Questionário e Formulário
Técnicas de Pesquisa: Entrevista, Questionário e FormulárioTécnicas de Pesquisa: Entrevista, Questionário e Formulário
Técnicas de Pesquisa: Entrevista, Questionário e Formulário
 
Regressao linear
Regressao linearRegressao linear
Regressao linear
 
Aula 13 teste de hipóteses
Aula 13   teste de hipótesesAula 13   teste de hipóteses
Aula 13 teste de hipóteses
 
Tipos de-pesquisa
Tipos de-pesquisaTipos de-pesquisa
Tipos de-pesquisa
 
Bioestatistica basica completa-apresentacao
Bioestatistica basica completa-apresentacaoBioestatistica basica completa-apresentacao
Bioestatistica basica completa-apresentacao
 
Etapas da pesquisa científica
Etapas da pesquisa científicaEtapas da pesquisa científica
Etapas da pesquisa científica
 
Outros testes não-paramétricos
Outros testes não-paramétricosOutros testes não-paramétricos
Outros testes não-paramétricos
 
Estatistica descritiva
Estatistica descritiva Estatistica descritiva
Estatistica descritiva
 
Estudos Observacionais (aula 7)
Estudos Observacionais (aula 7)Estudos Observacionais (aula 7)
Estudos Observacionais (aula 7)
 
Revisão bibliográfica
Revisão bibliográficaRevisão bibliográfica
Revisão bibliográfica
 
Amostragem
AmostragemAmostragem
Amostragem
 
Tecnicas de coleta de dados e instrumentos- Material maravilhoso
Tecnicas de coleta de dados e instrumentos- Material maravilhosoTecnicas de coleta de dados e instrumentos- Material maravilhoso
Tecnicas de coleta de dados e instrumentos- Material maravilhoso
 
Testes parametricos e nao parametricos
Testes parametricos e nao parametricosTestes parametricos e nao parametricos
Testes parametricos e nao parametricos
 

Semelhante a Estatística Descritiva

Aula7
Aula7Aula7
Apresentacao quanti v4
Apresentacao quanti v4Apresentacao quanti v4
Apresentacao quanti v4
Procambiental
 
Bioestatistica
BioestatisticaBioestatistica
Bioestatistica
Bruno Gomes
 
2012 aula1 (1)
2012 aula1 (1)2012 aula1 (1)
2012 aula1 (1)
Fernando Lira Lira
 
estatistica aula 1.pdf
estatistica aula 1.pdfestatistica aula 1.pdf
estatistica aula 1.pdf
EspecializaoEngenhar
 
1-bioestatstica-140320051658-phpapp02.pdf
1-bioestatstica-140320051658-phpapp02.pdf1-bioestatstica-140320051658-phpapp02.pdf
1-bioestatstica-140320051658-phpapp02.pdf
LuizAntnioDosSantos3
 
bioestatística - 1 parte
bioestatística - 1 partebioestatística - 1 parte
bioestatística - 1 parte
Robson Odé
 
Uma Breve Revisão sobre Bioestatística no GESME
Uma Breve Revisão sobre Bioestatística no GESMEUma Breve Revisão sobre Bioestatística no GESME
Uma Breve Revisão sobre Bioestatística no GESME
Rilva Lopes de Sousa Muñoz
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
Stefania Helena
 
Aula 1
Aula 1Aula 1
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.pptCurso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
ssuser2b53fe
 
Probabilidade estatatìstica e contabilidade
Probabilidade estatatìstica e contabilidadeProbabilidade estatatìstica e contabilidade
Probabilidade estatatìstica e contabilidade
Leonel Boano
 
Fundamentos da bioestatística
Fundamentos da bioestatísticaFundamentos da bioestatística
Fundamentos da bioestatística
Juliano van Melis
 
Estatística para Ciências Sociais
Estatística para Ciências SociaisEstatística para Ciências Sociais
Estatística para Ciências Sociais
Vinicius Barreiro Funicelli
 
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.pptCurso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
ssuser2b53fe
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
Thaize Armas
 
Estatistica_______________Inferencial.pdf
Estatistica_______________Inferencial.pdfEstatistica_______________Inferencial.pdf
Estatistica_______________Inferencial.pdf
Marcos Boaventura
 
23126 estatisticaaplicada manualtecnicoformando
23126 estatisticaaplicada manualtecnicoformando23126 estatisticaaplicada manualtecnicoformando
23126 estatisticaaplicada manualtecnicoformando
Instituto Politécnico da UFRJ
 
Poder Amostral e Estatística
Poder Amostral e EstatísticaPoder Amostral e Estatística
Poder Amostral e Estatística
Sandro Esteves
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
Fleides Teodoro de Lima
 

Semelhante a Estatística Descritiva (20)

Aula7
Aula7Aula7
Aula7
 
Apresentacao quanti v4
Apresentacao quanti v4Apresentacao quanti v4
Apresentacao quanti v4
 
Bioestatistica
BioestatisticaBioestatistica
Bioestatistica
 
2012 aula1 (1)
2012 aula1 (1)2012 aula1 (1)
2012 aula1 (1)
 
estatistica aula 1.pdf
estatistica aula 1.pdfestatistica aula 1.pdf
estatistica aula 1.pdf
 
1-bioestatstica-140320051658-phpapp02.pdf
1-bioestatstica-140320051658-phpapp02.pdf1-bioestatstica-140320051658-phpapp02.pdf
1-bioestatstica-140320051658-phpapp02.pdf
 
bioestatística - 1 parte
bioestatística - 1 partebioestatística - 1 parte
bioestatística - 1 parte
 
Uma Breve Revisão sobre Bioestatística no GESME
Uma Breve Revisão sobre Bioestatística no GESMEUma Breve Revisão sobre Bioestatística no GESME
Uma Breve Revisão sobre Bioestatística no GESME
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
 
Aula 1
Aula 1Aula 1
Aula 1
 
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.pptCurso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
 
Probabilidade estatatìstica e contabilidade
Probabilidade estatatìstica e contabilidadeProbabilidade estatatìstica e contabilidade
Probabilidade estatatìstica e contabilidade
 
Fundamentos da bioestatística
Fundamentos da bioestatísticaFundamentos da bioestatística
Fundamentos da bioestatística
 
Estatística para Ciências Sociais
Estatística para Ciências SociaisEstatística para Ciências Sociais
Estatística para Ciências Sociais
 
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.pptCurso_de_Estatística_Aplicada_Usando_o_R.ppt
Curso_de_Estatística_Aplicada_Usando_o_R.ppt
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
 
Estatistica_______________Inferencial.pdf
Estatistica_______________Inferencial.pdfEstatistica_______________Inferencial.pdf
Estatistica_______________Inferencial.pdf
 
23126 estatisticaaplicada manualtecnicoformando
23126 estatisticaaplicada manualtecnicoformando23126 estatisticaaplicada manualtecnicoformando
23126 estatisticaaplicada manualtecnicoformando
 
Poder Amostral e Estatística
Poder Amostral e EstatísticaPoder Amostral e Estatística
Poder Amostral e Estatística
 
Apostila curso estatistica_goes
Apostila curso estatistica_goesApostila curso estatistica_goes
Apostila curso estatistica_goes
 

Mais de Federal University of Bahia

Análise de Sobrevivência
Análise de SobrevivênciaAnálise de Sobrevivência
Análise de Sobrevivência
Federal University of Bahia
 
Regressão Logística
Regressão LogísticaRegressão Logística
Regressão Logística
Federal University of Bahia
 
Regressão Linear Simples
Regressão Linear SimplesRegressão Linear Simples
Regressão Linear Simples
Federal University of Bahia
 
Correlação
CorrelaçãoCorrelação
Hiponatremia
HiponatremiaHiponatremia
Acute Kidney Injury in Nephrotic Syndrome
Acute Kidney Injury in Nephrotic SyndromeAcute Kidney Injury in Nephrotic Syndrome
Acute Kidney Injury in Nephrotic Syndrome
Federal University of Bahia
 
Hiponatremia revisão geral em 20 min
Hiponatremia   revisão geral em 20 minHiponatremia   revisão geral em 20 min
Hiponatremia revisão geral em 20 min
Federal University of Bahia
 
Distúrbio
DistúrbioDistúrbio
Avaliação hemodinâmica no paciente criticamente enfermo
Avaliação hemodinâmica no paciente criticamente enfermoAvaliação hemodinâmica no paciente criticamente enfermo
Avaliação hemodinâmica no paciente criticamente enfermo
Federal University of Bahia
 
Suporte Nutricional No Paciente com Lesão Renal Aguda
Suporte Nutricional No Paciente com Lesão Renal AgudaSuporte Nutricional No Paciente com Lesão Renal Aguda
Suporte Nutricional No Paciente com Lesão Renal Aguda
Federal University of Bahia
 
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 AnosO Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
Federal University of Bahia
 
Estratificação da Lesão Renal Aguda
Estratificação da Lesão Renal AgudaEstratificação da Lesão Renal Aguda
Estratificação da Lesão Renal Aguda
Federal University of Bahia
 
Amostragem
AmostragemAmostragem
Amostragem
AmostragemAmostragem
Princípios de Estatística Inferencial - II
Princípios de Estatística Inferencial - IIPrincípios de Estatística Inferencial - II
Princípios de Estatística Inferencial - II
Federal University of Bahia
 
Princípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - IPrincípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - I
Federal University of Bahia
 
Uso de Bicarbonato na Acidose Metabólica
Uso de Bicarbonato na Acidose MetabólicaUso de Bicarbonato na Acidose Metabólica
Uso de Bicarbonato na Acidose Metabólica
Federal University of Bahia
 
Discurso Paraninfia FMB-UFBA 2008.1
Discurso Paraninfia FMB-UFBA 2008.1Discurso Paraninfia FMB-UFBA 2008.1
Discurso Paraninfia FMB-UFBA 2008.1
Federal University of Bahia
 
Ira No Ofidismo
Ira No OfidismoIra No Ofidismo
Hiponatremia
HiponatremiaHiponatremia

Mais de Federal University of Bahia (20)

Análise de Sobrevivência
Análise de SobrevivênciaAnálise de Sobrevivência
Análise de Sobrevivência
 
Regressão Logística
Regressão LogísticaRegressão Logística
Regressão Logística
 
Regressão Linear Simples
Regressão Linear SimplesRegressão Linear Simples
Regressão Linear Simples
 
Correlação
CorrelaçãoCorrelação
Correlação
 
Hiponatremia
HiponatremiaHiponatremia
Hiponatremia
 
Acute Kidney Injury in Nephrotic Syndrome
Acute Kidney Injury in Nephrotic SyndromeAcute Kidney Injury in Nephrotic Syndrome
Acute Kidney Injury in Nephrotic Syndrome
 
Hiponatremia revisão geral em 20 min
Hiponatremia   revisão geral em 20 minHiponatremia   revisão geral em 20 min
Hiponatremia revisão geral em 20 min
 
Distúrbio
DistúrbioDistúrbio
Distúrbio
 
Avaliação hemodinâmica no paciente criticamente enfermo
Avaliação hemodinâmica no paciente criticamente enfermoAvaliação hemodinâmica no paciente criticamente enfermo
Avaliação hemodinâmica no paciente criticamente enfermo
 
Suporte Nutricional No Paciente com Lesão Renal Aguda
Suporte Nutricional No Paciente com Lesão Renal AgudaSuporte Nutricional No Paciente com Lesão Renal Aguda
Suporte Nutricional No Paciente com Lesão Renal Aguda
 
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 AnosO Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
O Que Mudou no Tratamento da Lesão Renal Aguda nos úLtimos 10 Anos
 
Estratificação da Lesão Renal Aguda
Estratificação da Lesão Renal AgudaEstratificação da Lesão Renal Aguda
Estratificação da Lesão Renal Aguda
 
Amostragem
AmostragemAmostragem
Amostragem
 
Amostragem
AmostragemAmostragem
Amostragem
 
Princípios de Estatística Inferencial - II
Princípios de Estatística Inferencial - IIPrincípios de Estatística Inferencial - II
Princípios de Estatística Inferencial - II
 
Princípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - IPrincípios de Estatística Inferencial - I
Princípios de Estatística Inferencial - I
 
Uso de Bicarbonato na Acidose Metabólica
Uso de Bicarbonato na Acidose MetabólicaUso de Bicarbonato na Acidose Metabólica
Uso de Bicarbonato na Acidose Metabólica
 
Discurso Paraninfia FMB-UFBA 2008.1
Discurso Paraninfia FMB-UFBA 2008.1Discurso Paraninfia FMB-UFBA 2008.1
Discurso Paraninfia FMB-UFBA 2008.1
 
Ira No Ofidismo
Ira No OfidismoIra No Ofidismo
Ira No Ofidismo
 
Hiponatremia
HiponatremiaHiponatremia
Hiponatremia
 

Último

reconquista sobre a guerra de ibérica.docx
reconquista sobre a guerra de ibérica.docxreconquista sobre a guerra de ibérica.docx
reconquista sobre a guerra de ibérica.docx
felipescherner
 
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdfA Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
Falcão Brasil
 
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
Centro Jacques Delors
 
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONALEMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
JocelynNavarroBonta
 
Mini livro sanfona - Minha Escola Tem História.
Mini livro  sanfona - Minha Escola Tem História. Mini livro  sanfona - Minha Escola Tem História.
Mini livro sanfona - Minha Escola Tem História.
Mary Alvarenga
 
Infografia | Presidência húngara do Conselho da UE
Infografia | Presidência húngara do Conselho da UEInfografia | Presidência húngara do Conselho da UE
Infografia | Presidência húngara do Conselho da UE
Centro Jacques Delors
 
Fotossíntese e respiração: conceitos e trocas gasosas
Fotossíntese e respiração: conceitos e trocas gasosasFotossíntese e respiração: conceitos e trocas gasosas
Fotossíntese e respiração: conceitos e trocas gasosas
MariaJooSilva58
 
Guerra de reconquista da Península ibérica
Guerra de reconquista da Península ibéricaGuerra de reconquista da Península ibérica
Guerra de reconquista da Península ibérica
felipescherner
 
Marinha do Brasil (MB) Politíca Naval.pdf
Marinha do Brasil (MB) Politíca Naval.pdfMarinha do Brasil (MB) Politíca Naval.pdf
Marinha do Brasil (MB) Politíca Naval.pdf
Falcão Brasil
 
Slide para aplicação da AVAL. FLUÊNCIA.pptx
Slide para aplicação  da AVAL. FLUÊNCIA.pptxSlide para aplicação  da AVAL. FLUÊNCIA.pptx
Slide para aplicação da AVAL. FLUÊNCIA.pptx
LeilaVilasboas
 
quadro de rotina semanal da coord.docx.pdf
quadro de rotina semanal da coord.docx.pdfquadro de rotina semanal da coord.docx.pdf
quadro de rotina semanal da coord.docx.pdf
marcos oliveira
 
A experiência do professor. Publicado EM 08.07.2024
A experiência do professor. Publicado EM 08.07.2024A experiência do professor. Publicado EM 08.07.2024
A experiência do professor. Publicado EM 08.07.2024
Espanhol Online
 
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
Sandra Pratas
 
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
principeandregalli
 
Os Setores Estratégicos da END - O Setor Cibernético.pdf
Os Setores Estratégicos da END - O Setor Cibernético.pdfOs Setores Estratégicos da END - O Setor Cibernético.pdf
Os Setores Estratégicos da END - O Setor Cibernético.pdf
Falcão Brasil
 
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdfGeotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
Falcão Brasil
 
apresentação metodologia terapia ocupacional
apresentação metodologia terapia ocupacionalapresentação metodologia terapia ocupacional
apresentação metodologia terapia ocupacional
shirleisousa9166
 
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
Falcão Brasil
 
UFCD_5673_Segurança nos transportes_índice.pdf
UFCD_5673_Segurança nos transportes_índice.pdfUFCD_5673_Segurança nos transportes_índice.pdf
UFCD_5673_Segurança nos transportes_índice.pdf
Manuais Formação
 

Último (20)

reconquista sobre a guerra de ibérica.docx
reconquista sobre a guerra de ibérica.docxreconquista sobre a guerra de ibérica.docx
reconquista sobre a guerra de ibérica.docx
 
TALENTOS DA NOSSA ESCOLA .
TALENTOS DA NOSSA ESCOLA                .TALENTOS DA NOSSA ESCOLA                .
TALENTOS DA NOSSA ESCOLA .
 
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdfA Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
A Atuação das Forças Armadas na Garantia da Lei e da Ordem (GLO).pdf
 
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
Slide | Eurodeputados Portugueses (2024-2029) - Parlamento Europeu (atualiz. ...
 
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONALEMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
EMOCIONES PARA TRABAJAR EN LA AREA SOCIOEMOCIONAL
 
Mini livro sanfona - Minha Escola Tem História.
Mini livro  sanfona - Minha Escola Tem História. Mini livro  sanfona - Minha Escola Tem História.
Mini livro sanfona - Minha Escola Tem História.
 
Infografia | Presidência húngara do Conselho da UE
Infografia | Presidência húngara do Conselho da UEInfografia | Presidência húngara do Conselho da UE
Infografia | Presidência húngara do Conselho da UE
 
Fotossíntese e respiração: conceitos e trocas gasosas
Fotossíntese e respiração: conceitos e trocas gasosasFotossíntese e respiração: conceitos e trocas gasosas
Fotossíntese e respiração: conceitos e trocas gasosas
 
Guerra de reconquista da Península ibérica
Guerra de reconquista da Península ibéricaGuerra de reconquista da Península ibérica
Guerra de reconquista da Península ibérica
 
Marinha do Brasil (MB) Politíca Naval.pdf
Marinha do Brasil (MB) Politíca Naval.pdfMarinha do Brasil (MB) Politíca Naval.pdf
Marinha do Brasil (MB) Politíca Naval.pdf
 
Slide para aplicação da AVAL. FLUÊNCIA.pptx
Slide para aplicação  da AVAL. FLUÊNCIA.pptxSlide para aplicação  da AVAL. FLUÊNCIA.pptx
Slide para aplicação da AVAL. FLUÊNCIA.pptx
 
quadro de rotina semanal da coord.docx.pdf
quadro de rotina semanal da coord.docx.pdfquadro de rotina semanal da coord.docx.pdf
quadro de rotina semanal da coord.docx.pdf
 
A experiência do professor. Publicado EM 08.07.2024
A experiência do professor. Publicado EM 08.07.2024A experiência do professor. Publicado EM 08.07.2024
A experiência do professor. Publicado EM 08.07.2024
 
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
EBBOK_HORA DO CONTO_O SONHO DO EVARISTO_PAULA FRANCISCO_22_23
 
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
Guia Genealógico da Principesca e Ducal Casa de Mesolcina, 2024
 
Os Setores Estratégicos da END - O Setor Cibernético.pdf
Os Setores Estratégicos da END - O Setor Cibernético.pdfOs Setores Estratégicos da END - O Setor Cibernético.pdf
Os Setores Estratégicos da END - O Setor Cibernético.pdf
 
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdfGeotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
Geotecnologias Aplicadas na Gestão de Riscos e Desastres Hidrológicos.pdf
 
apresentação metodologia terapia ocupacional
apresentação metodologia terapia ocupacionalapresentação metodologia terapia ocupacional
apresentação metodologia terapia ocupacional
 
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
Apresentação Institucional do Centro Gestor e Operacional do Sistema de Prote...
 
UFCD_5673_Segurança nos transportes_índice.pdf
UFCD_5673_Segurança nos transportes_índice.pdfUFCD_5673_Segurança nos transportes_índice.pdf
UFCD_5673_Segurança nos transportes_índice.pdf
 

Estatística Descritiva

  • 1. Paulo Novis Rocha Nefrologista Professor Adjunto do Depto. Medicina FMB-UFBA Professor Colaborador do PPgCS Coordenador da Disciplina de Bioestatística
  • 2.  
  • 3. SEMANA N o AULA DATA ASSUNTO PROFESSOR 7 1 13/04/09 Estatística Descritiva Introdução Variáveis Banco de dados Organização de dados, freqüências Medidas de tendência central e de posição Medidas de dispersão Apresentação de resultados ( Tabelas, Figuras) Paulo Rocha 8 2 20/04/09 Bases da Estatística Inferencial - I Distribuições de frequências Erro padrão Inferência sobre uma média ( Teste z) Teste de hipóteses: o valor- p Paulo Rocha 9 3 27/04/09 Bases da Estatística Inferencial – II Erro tipo I, tipo II, poder Intervalo de confiança Inferência sobre duas médias ( Testes z, t, t´) Inferência sobre duas proporções ( X 2 , Fisher) Paulo Rocha 10 4 4/05/09 Técnicas de Amostragem e cálculo de tamanho amostral Paulo Rocha 11 5 11/05/09 ANOVA de uma via Neto 12 6 18/05/09 Outros testes não-paramétricos - Wilcoxon, Mann Whitney, Kruskal Wallis Neto 13 7 25/05/09 Correlação e regressão linear Neto 14 8 1/06/09 Análise de regressão logística – I Neto 15 9 8/06/09 Análise de regressão logística – II Neto 16 10 15/06/09 Análise de sobrevida Neto 17 11 22/06/09 Avaliação final Paulo Rocha
  • 4. Curso de Bioestatística Último dia de aulas 5-7-10 Provas finais 12 a 17-7-10
  • 5. Bibliografia Sugerida Bioestatística sem segredos. Neto AMS. 1a Ed. Bahia, 2008. Bioestatística para profissionais de saúde. Guedes MLS, Guedes JS, Rio de Janeiro, Ao livro técnico, 1988. Intuitive Biostatistics. Motulsky HM. 1a Ed, Oxford University Press, New York, 1995 Fundamentals of Biostatistics. Hosner B. 5a Ed, Pacific Grove, Duxbury, 2000. Biostatistics: a foundation for analysis in the health sciences. Daniel WW. 7a Ed, New York: John Wiley, 1999 Nonparametric statistics for the behavioral sciences. Siegel S e Castellan Jr NJ. 2a Ed, New York, McGraw-Hill, 1988 Applied logistic regression. Hosmer DW e Lemeshow S, 2a Ed, New York, John Wiley, 2000
  • 6. Pesquisa: Software Essencial Banco de dados SPSS, MS Excel, MS Access Análise estatística SPSS, MS Excel Figuras SPSS, MS Excel, MS Power Point, Adobe Photoshop Editor de texto MS Word: texto, tabelas Gerenciador de Referências Reference Manager , End Notes
  • 7. Curso para “consumidores” de estatística. Objetivos: Entender artigos científicos Construir banco de dados e utilizar SPSS Dominar estatística descritiva Apresentar dados sob forma de gráficos, figuras, tabelas Compreender estatística inferencial Realizar análises mais simples Dialogar com estatísticos (sem ajuda de intérprete!)
  • 8. Porque precisamos de estatística ? Variabilidade biológica e/ou falta de precisão experimental dificultam a distinção entre diferenças reais e aleatórias Tendência à generalização “ A 3-year-old girl recently told her buddy: You can’t become a doctor; only girls can become doctors” HM Motulsky. Intuitive Biostatistics. 1995
  • 9. Podemos fazer pesquisa sem estatística (inferencial) ? Exemplo 1: Ciência básica Variabilidade biológica controlada (animais ou células geneticamente idênticos) Interesse em grandes diferenças Aforismas: “ If you need statistics to interpret your results, you have done the wrong experiment” “ If the data speak for themselves, don’t interrupt!” “ Researchers use statistics like a drunkard uses a lamp post: more for support than illumination” Norman & Streiner. PDQ Statistics. 1986 HM Motulsky. Intuitive Biostatistics. 1995
  • 10. Podemos fazer pesquisa sem estatística (inferencial) ? Exemplo 2: Pesquisa clínica Enorme variabilidade biológica Impossibilidade de controlar todas as variáveis relevantes Imprecisão de instrumentos de medida Interesse em efeitos pequenos (digamos, uma mudança de 20%) Difícil separar o sinal (efeito esperado) do ruído (variabilidade biológica e imprecisão) HM Motulsky. Intuitive Biostatistics. 1995
  • 11. Sobre a estatística CAPAZ DE FAZER INCAPAZ DE FAZER Conclusões gerais a partir de dados mais limitados AMOSTRA->POPULAÇÃO Controle de qualidade Pesquisas políticas Ensaios clínicos Controlar o erro aleatório Corrigir o erro sistemático Erros de amostragem Erros de medida
  • 12. Etapas de um estudo do ponto de vista estatístico 1. Definir a população de interesse 2. Selecionar uma amostra da população 3. Coleta de dados 4. Estatística descritiva e analítica 5. Estatística inferencial
  • 13. Neto, AMS 2008. Bioestatística Sem Segredos A Estatística pode ser dividida em três partes: Estatística Descritiva Descreve Caracterização dos indivíduos estudados Estatística Analítica Analisa Investigação das relações entre as características estudadas Estatística Inferencial Infere Avaliação da possibilidade de generalização
  • 14. Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA DESCRITIVA Cálculo de freqüências simples, simples acumulada, relativa e relativa acumulada Cálculo de medidas de tendência central (moda, média aritmética, média ponderada, mediana) Cálculo de medidas de dispersão (amplitude, desvio médio, variância, desvio padrão, coeficiente de variação) Cálculo de medidas de posição (porcentis) Elaboração de tabelas univariáveis Elaboração de gráficos Avaliação da forma como as frequencias de uma variável se distribuem
  • 15. Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA ANALÍTICA Elaboração de diagramas considerando mais de uma variável (ex. diagramas de dispersão) Elaboração de tabelas de contingência bivariáveis ou multivariáveis Cálculo de medidas de associação entre variáveis (razão ou diferença entre prevalências, entre incidências ou risco relativo ou atribuível, entre chances, coeficientes de correlação, coeficientes de regressão) Análise estratificada Análise multivariável
  • 16. Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS MAIS UTILIZADAS NA ESTATÍSTICA INFERENCIAL Teste Z para uma ou duas médias Cálculo do índice capa (Teste Z) Teste t para uma ou duas médias Análise de regressão linear (Testes F ou Z) Teste t para amostras emparelhadas Teste exato de Fisher Teste Z para uma ou duas proporções Teste do sinal Teste X 2 para duas ou mais proporções Teste de Wilcoxon Teste X 2 de Mantel e Haenszel Teste da mediana Teste para uma variância Teste de Mann-Whitney Teste F para duas variâncias Teste de Kruskal-Wallis Análise de variância (Teste F) Teste de Friedman Análise de correlação intraclasse (Teste F) Análise de correlação de Spearman Análise de correlação de Pearson (Teste t) Teste de McNemar Cálculo do alfa de Cronbach (Teste F) Elaboração do diagrama de barra de erro
  • 17. Neto, AMS 2008. Bioestatística Sem Segredos TÉCNICAS ESTATÍSTICAS NÃO ABORDADAS Técnicas de análise exploratória de dados Análise de regressão de Weibull Cálculo de medidas de associação (RR, RC, etc...) Análise de regressão de Poisson Cálculo do índice de concordância capa Análise de regressão binomial negativa Cálculo do alfa de Cronbach Análise de regressão log-linear Teste qui-quadrado de Mantel e Haenszel Análise de regressão hierárquica Teste para uma variância Análise discriminante Análise de variância / An álise de correlação intra-classe Análise de variância multinomial (MANOVA) Teste do sinal Análise de correlação de Kendall Teste de Wilcoxon Análise de contingência Teste da mediana Análise de correlação canônica Teste de Mann-Whitney Análise de correlação parcial múltipla Teste de Kruskal-Wallis Análise de escala multidimensional Teste de Friedman Análise de componentes principais Teste de McNemar Análise de fator Análise de correlação de Spearman Análise de correspondência Análise de correlação de Pearson Análise de homogeneidade Análise de regressão linear Análise de agrupamento (“cluster analysis”) Análise de regressão logística Análise por redes neurais artificiais Análise de regressão de Cox
  • 18. Variáveis: Características que variam entre os indivíduos estudados
  • 19. CLASSIFICAÇÃO DE VARIÁVEIS Quanto à natureza Quanto à continuidade entre seus possíveis valores Quanto ao número de categorias Quanto ao seu grau de expressão quantitativa Quanto à posição no quadro de hipóteses
  • 20. CLASSIFICAÇÃO DE VARIÁVEIS I. Quanto à natureza: Qualitativa (ou categórica): raça, sexo Quantitativa: peso, altura, idade, glicemia
  • 21. CLASSIFICAÇÃO DE VARIÁVEIS II. Quanto à continuidade: Discreta: raça, sexo, estado civil, n ° filhos Contínua: peso, altura, idade, glicemia
  • 22. CLASSIFICAÇÃO DE VARIÁVEIS III. Quanto ao número de categorias: Dicotômica Ex: sexo, hábito de fumar (respostas sim / não) Policotômica Ex: grau de instrução, raça, religião, estado civil, inserção no processo produtivo Podem ser dicotomizadas para análise Neto, AMS 2008. Bioestatística Sem Segredos
  • 23. CLASSIFICAÇÃO DE VARIÁVEIS IV. Quanto ao grau de expressão quantitativa: Nominal: não há critérios para ordenamento Ex: sexo, raça, CEP Ordinal: é possível ordenar, mas não há intervalos regulares Ex: grau de instrução Intervalar: é possível ordenar, há intervalos regulares, valor ZERO não indica ausência do fenômeno Ex: temperatura. Outros exemplos são raros. De razão: é possível ordenar, há intervalos regulares, valor ZERO indica ausência do fenômeno Ex: idade, peso, altura, número de filhos ou gestações Neto, AMS 2008. Bioestatística Sem Segredos
  • 24. Misturando as classificações... NATUREZA CONTINUIDADE CATEGORIAS ESCALA Quantitativa Contínua Discreta Intervalar De razão Qualitativa (categórica) Discreta Dicotômica Policotômica Nominal Ordinal
  • 25. CLASSIFICAÇÃO DE VARIÁVEIS V. Quanto à posição no quadro de hipóteses: Variável independente principal Variável independente secundária Variável dependente associação principal Variável interveniente Neto, AMS 2008. Bioestatística Sem Segredos
  • 26. Neto, AMS 2008. Bioestatística Sem Segredos CLASSIFICAÇÃO DAS VARIÁVEIS QUANTO À POSIÇÃO NO QUADRO DE HIPÓTESES Dependente Supõe-se que sua ocorrência depende da influência das variáveis independentes Independente Principal Variável de interesse do estudo Secundárias Podem influenciar a associação principal Interveniente Encontra-se no caminho causal entre a variável independente principal e a variável dependente do estudo
  • 27. CLASSIFICAÇÃO DE VARIÁVEIS VI. Quanto à fixação prévia das frequências: Fixa Igual número de casos e controles Presença ou ausência da doença (variável dependente) seria FIXA Aleatória Hábito de fumar (variável independente) seria ALEATÓRIA Neto, AMS 2008. Bioestatística Sem Segredos
  • 28. CLASSIFICAÇÃO DE VARIÁVEIS VII. Quanto à individualização da informação: Individualizada Ex: sexo (M ou F), hábito de fumar (S ou N) Agregada Ex: sexo (%M, %F), hábito de fumar (%S, %N) Ambiental Ex: nível de poluição do ar, de radioatividade Global Ex: Grau de industrialização, densidade populacional Neto, AMS 2008. Bioestatística Sem Segredos
  • 30. Acute Renal Failure after Lung Transplantation: Incidence, Predictors and Impact on Perioperative Morbidity and Mortality. Rocha et al. American Journal of Transplantation 2005; 5: 1469–1476
  • 31. Tipos de dados estatísticos: Frequências Medidas de tendência central, medidas de posição, medidas de dispersão Apresentação de resultados Texto, quadros, tabelas, gráficos
  • 32. TIPOS DE DADOS ESTATÍSTICOS Contagens Medições
  • 33. Contagens Sexo, raça, etc... Codificação para banco de dados: Branco = 1 Negro = 2 Mulato = 3 Asiático = 4 Recodificação Branco = 1 Não-branco = 2 Medições Glicemia, TA, colesterol, etc... Transformação de medições em contagens: Categorização de variáveis contínuas
  • 34. Neto, AMS 2008. Bioestatística Sem Segredos Banco de dados contendo 75 pacientes: variável idade
  • 35. Banco de dados contendo 75 pacientes: variável idade Neto, AMS 2008. Bioestatística Sem Segredos
  • 36. TIPOS DE FREQUENCIAS Simples Simples acumulada Relativa Relativa acumulada
  • 37. Idade Frequência simples Frequência simples acumulada Frequência relativa (%) Frequência relativa acumulada (%) 25 1 1 4,0 4,0 31 1 2 4,0 8,0 32 2 4 8,0 16,0 34 3 7 12,0 28,0 36 2 9 8,0 36,0 38 2 11 8,0 44,0 39 1 12 4,0 48,0 40 3 15 12,0 60,0 41 4 19 16,0 76,0 45 1 20 4,0 80,0 46 2 22 8,0 88,0 47 1 23 4,0 92,0 51 1 24 4,0 96,0 52 1 25 4,0 100,0
  • 38. Histograma contendo a distribuição de frequências de idades dos 75 pacientes do banco Neto, AMS 2008. Bioestatística Sem Segredos
  • 39. Objetivo: resumir os dados de variáveis contínuas, apresentar resultados de forma compreensível MEDIDAS DE TENDÊNCIA CENTRAL Moda Média Mediana
  • 40. Moda Valor mais frequente Bimodal, trimodal, etc.. Média Aritmética Ponderada Geométrica – média aritmética de variáveis expressas em escala logarítmica Harmônica – pós-teste de ANOVA Mediana Número impar de observações: posição central Número par de observações: média aritmética dos dois valores centrais Posição: (n+1) / 2
  • 41. VANTAGENS Simplicidade de cálculo Não é afetada por valores extremos Pode resumir variável nominal DESVANTAGENS Pode não ser única
  • 44. VANTAGENS Simplicidade de cálculo Singularidade Muitas técnicas disponíveis para seu uso DESVANTAGENS Muito influenciada por valores extremos Não pode resumir variável nominal
  • 45. Para o cálculo da mediana: Ordenar os valores em ordem crescente e encontrar o valor central (P 50 ) quando n é ímpar Quando n é par: média aritmética dos valores centrais
  • 46. VANTAGENS Simplicidade de cálculo Singularidade Não é influenciada por valores extremos DESVANTAGENS Menos técnicas disponíveis para seu uso Não pode resumir variável nominal
  • 47. * Não esquecer de checar a veracidade de valores extremos Dica: além das medidas de tendência central, checar máx. e mín. QUANDO UTILIZAR MODA, MÉDIA, MEDIANA MODA Série é unimodal MÉDIA Variável é contínua Série não contém valores extremos MEDIANA Variável é discreta e n é ímpar Série contém valores extremos*
  • 48. MEDIDAS DE POSIÇÃO Média Mediana Porcentil
  • 49. Separa os valores de uma série de observações em duas ou mais partes, delimitando um certo porcentual de valores abaixo, acima ou entre eles. Ex: quartis Q1, P25 Q2, P50 (= mediana) Q3, P75 Aplicações: pediatria (peso, altura), academia (notas), categorização de variáveis contínuas (criação de intervalos de classe ou pontos de corte), amplitude interquartil, inferência estatística (P95, P 97,5)
  • 50. Criação de intervalos de classe Qual o número ideal de intervalos de classe ? Depende... Dados da literatura: ex: DRC Fórmula de Sturges: k = 1 + 3,222 x log n k = número de intervalos de classe n = tamanho da amostra
  • 51.  
  • 52. Cálculo do Primeiro Quartil (Q1)
  • 54. MEDIDAS DE DISPERSÃO Amplitude Amplitude interquartil Desvio médio Variância Desvio-padrão Coeficiente de variação
  • 55.  
  • 56. Número da criança na pesquisa Valores de altura (metros) 1 1,14 2 0,86 3 1,24 4 1,17 5 0,94 Número da criança na pesquisa Valores de altura (metros) 2 0,86 5 0,94 1 1,14 4 1,17 3 1,24
  • 57. VANTAGENS Simplicidade DESVANTAGENS Considera apenas mínimo e máximo Menos técnicas estatísticas que a utilizam Influenciada por valores extremos * Deve ser usada como medida complementar
  • 58. Utilização de porcentis para cálculo de uma medida de dispersão Distância entre o primeiro e o terceiro quartis AIQ = Q3 – Q1
  • 59.  
  • 60. Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
  • 61. VANTAGENS Leva em conta todos os valores da série Ao somar os módulos dos desvios, expressa o total de variabilidade em torno da média DESVANTAGENS Cálculo menos simples que a amplitude Os desvios maiores não influenciam bem mais seu resultado do que os menores Menos técnicas estatísticas que o utilizam (comparado ao DP) Influenciado por valores extremos
  • 63. Porque o denominador é 4 (n-1) e não 5? Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
  • 64. Graus de liberdade Ao calcular a média, perdemos 1 grau de liberdade Número da criança na pesquisa Valores de altura (metros) 1 1,14 2 0,86 3 1,24 4 1,17 5 0,94
  • 65. Graus de liberdade: Cálculo Graus de liberdade = n – r n = número de observações (em nosso exemplo, quantidade de números a serem selecionados, ou seja, n = 2) r = número de condições a serem atendidas por esses números
  • 67. Número da criança na pesquisa Valores de altura (metros) Média de altura Desvio em relação à média Soma dos desvios 1 1,14 1,07 + 0,07 0,00 2 0,86 - 0,21 3 1,24 + 0,17 4 1,17 + 0,10 5 0,94 - 0,13
  • 68. VANTAGENS Levam em conta todos os valores da série Ao somar os quadrados dos desvios, expressam o total de variabilidade em torno da média Os desvios maiores influenciam bem mais seu resultado do que os menores Muitas técnicas estatísticas os utilizam DESVANTAGENS Cálculos menos simples que a amplitude Influenciados por valores extremos Variância é expressa em escala quadrática, à qual estamos menos acostumados
  • 69. Permite comparar variações em dimensões diferentes (ex. peso, altura) Permite comparar variações em trechos distintos da escala de variação de uma variável Precisão de testes diagnósticos
  • 70. Número da criança na pesquisa Valores de altura (metros) Valores de peso (kg) 1 1,14 20,70 2 0,86 15,40 3 1,24 21,40 4 1,17 21,10 5 0,94 17,45 Média 1,07 19,21 Desvio-padrão 0,17 2,66 Coeficiente de variação 15,89% 13,85%
  • 71. Embora as medidas de dispersão consigam captar o desvio em torno do centro, não conseguem perceber o formato deste desvio. Se o desvio for igual para os dois lados da distribuição, diz-se que a distribuição é simétrica. As distribuições também podem ser mais alongadas ou mais achatadas. Assimetria: deve ser entre -1 a +1 Curtose: deve ser próxima de zero
  • 72. Comparando-se a média com a mediana. Pelo valor da medida de assimetria (skewness). Se o valor for negativo, a distribuição está desviada para a esquerda. Se o valor for positivo, está desviada para a direita. Uma distribuição razoavelmente simétrica tem coeficiente de assimetria variando entre –1 e +1. Visualmente no gráfico (histograma ou box plot, onde se verifica a presença de valores extremos “outliers”) e se pode verificar o formato da distribuição, identificando-se assimetria ou curtose. Por um teste que avalie a normalidade da distribuição (Kolmogorov-Smirnov ou Shapiro Wilk). Quando, nestes testes, o valor de p < 0.05 a distribuição não é normal.
  • 73. Classificação de variáveis Estatística descritiva Medidas de tendência central Moda, Média, Mediana Medidas de posição Média, mediana, porcentis Medidas de dispersão Amplitude, Desvio-médio, Variância, DP, CV Medidas de Forma Assimetria e Curtose

Notas do Editor

  1. Alternativas: Prova I após aula de amostragem Prova I junta com Prova II Prova I em outra data à combinar
  2. SPSS Level of measurement: scale (intervalar, ratio), ordinal, nominal
  3. Qualitativa: sempre discretas Dicotômica nominal: sexo Policotômica nominal: orientação sexual Policotômica ordinal: grau de instrução Quantitativa: contínua ou discreta Contínua discreta: temperatura Contínua de razão: peso, altura, idade, glicemia Discreta de razão: número de filhos, número de gestações
  4. Ex 1: Hipótese: fumar leva a câncer de pulmão Variável dependente = câncer de pulmão Variável independente principal = hábito de fumar Variável independente secundária = idade Ex 2: Hipótese: condição social se associa a maior mortalidade por pneumonia em crianças Variável dependente = mortalidade por pneumonia Variável independente principal = condição social da família Variável interveniente = peso ao nascer Outros exemplos: Sepse  IRA Pneumonia  Ventilação mecânica
  5. 568 720
  6. Média Ponderada: peso 6x(média das 3 avaliações) + peso 4x(nota prova final); dividi-se este resultado pela soma dos pesos (10).
  7. O quartil 2, ou porcentil 50 = mediana Cálculo: ¼ ou ½ ou ¾ (n +1). Revelará a posição onde se encontram estes quartis. Em seguida, determinar o valor.
  8. Séries podem ser diferentes, mas ter a mesma média (e ou mediana). Dispersão = variabilidade Amplitude = valor máximo – valor mínimo Amplitude interquartil Desvio médio, variância e desvio padrão medem o quanto, em média, os valores da série afastam-se da média aritmética dos valores. Variância é o quadrado do desvio-padrão.
  9. Mede a amplitude de variação dos valores mais centrais da série (enquanto a AMPLITUDE mede os extremos)
  10. Mede-se o quanto cada valor se desviou da média Soma-se o módulo destes valores Divide-se pelo número de indivíduos da série (deveria ser n-1, mas, como não é utilizado para inferência estatística, isso tem pouca importância)
  11. Além de anular o sinal, elevar ao quadrado aumenta a influência dos desvios maiores.
  12. Além de anular o sinal, elevar ao quadrado aumenta a influência dos desvios maiores.
  13. Mede-se o quanto cada valor se desviou da média Soma-se o quadrado destes valores Divide-se pelo número de indivíduos da série MENOS 1 (n-1): 1 indivíduo (ou valor) não teve a chance (liberdade) de variar. Em notações populacionais, pode dividir apenas por N (pois, se a população for muito grande, a subtração de 1 não vai alterar o resultado) O desvio-padrão é a raiz quadrada da variância
  14. COEFICIENTE DE ASSIMETRIA: mede a assimetria de uma distribuição. Se a distribuição for razoavelmente simétrica assumirá um valor entre –1 e +1. Se a distribuição for assimétrica à esquerda, a cauda é mais longa deste lado. Neste caso o coeficiente terá um valor negativo. A assimetria à direita é positiva. CURTOSE: mede o achatamento de uma distribuição. Quanto menor o valor da curtose, mais curta, mais achatada é a distribuição (platicúrtica). Se a curtose for positiva, significa que a distribuição é mais alongada (leptocúrtica). Se a distribuição não for nem chata nem alongada sua curtose será igual a zero (mesocúrtica).