estude, se capacite...

1. Universidade Privada de Angola
Docente : Valeriano Chimuco Kapingala
Disciplina :Bioestatística Informática II
9,10,11,12.Aula Data : 25,26|03|024
Sumário : Parâmetrico

2. Objectivos Geral :
Desenvolver Habilidade aos Discentes e
raciono lógico para aplicação dos Métodos
Estatístico Parâmetrico Manuais e Informático
na descrição e explicação da utilidade em
saúde .

3. Parâmetro: é a medida usada para escrever uma
característica numérica populacional.
Genericamente é representado por θ. A média
(µ), a variância (σ2) e o coeficiente de correlação
(ρ) são alguns exemplos de parâmetros
populacionais.

4. Estimador: também denominado estatística de um
parâmetro populacional. É uma característica
numérica determinada na amostra, uma função de
seus elementos. Genericamente, é representado
por θ’. A média amostral (x) e a variância amostral
(s2) são alguns dos exemplos de estimadores.

5. Diagrama de dispersão
O diagrama de dispersão é um gráfico cartesiano
em que cada um dos eixos corresponde às
variáveis correlacionadas. A variável dependente
(Y) situa-se no eixo vertical e o eixo das abscissas
é reservado para a variável independente (X). Os
pares ordenados formam uma nuvem de pontos.

6. A configuração geométrica do diagrama de
dispersão pode estar associada a uma linha reta
(correlação linear), uma linha curva (correlação
curvilínea) ou, ainda, ter os pontos dispersos de
maneira que não definam nenhuma configuração
linear; nesta última situação, não há correlação.

7. 0
1
0
2
0
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
0 1 2 3 4 5 6
0
2
4
6
8
1
0
1
2
1
4
1
6
1
8
0 1 2 3 4 5
Figura 9.1. Diagramas de dispersão

8. Relações Estatísticas e Correlações
São relações estabelecidas após uma pesquisa.
Com base nos resultados da pesquisa, são feitas
comparações que eventualmente podem
conduzir (ou não) à ligação entre as variáveis.

9. Correlação Linear
Correlação linear é uma correlação entre duas
variáveis, cujo gráfico aproxima-se de uma linha.
É uma linha de tendência, porque procura
acompanhar a tendência da distribuição de
pontos, que pode corresponder a uma reta ou a
uma curva. Por outro lado, é, também, uma linha
média, porque procura deixar a mesma
quantidade de pontos abaixo e acima da linha.

10. Coeficiente de Correlação Linear (r)
O coeficiente de correlação linear pode ser
apresentado como uma medida de correlação, pois
tem como objetivo indicar o nível de intensidade
que ocorre na correlação entre as variáveis. O
coeficiente de correlação linear pode ser positivo
ou negativo.

11. . O sinal positivo do coeficiente de correlação linear
indica que o sentido da correlação corresponde a uma
reta de inclinação descendente, e o sinal negativo
corresponde a uma reta de inclinação ascendente. Uma
das formas de medir o coeficiente de correlação linear
foi desenvolvido por Pearson e recebe o nome de
coeficiente de correlação de Pearson. O coeficiente de
correlação de Pearson mede o grau de ajustamento dos
valores em torno de uma reta.

12. R= 𝑛 𝑥𝑦− 𝑥 𝑦
𝑛 𝑥)2−( 𝑥)2 𝑛 𝑦2−( 𝑦)2

13. R= =1 𝑥𝑖−𝑥− 𝑥 𝑦𝑖−𝑦−
𝑛
𝑖
=1(𝑥𝑖−𝑥−)2
𝑛
𝑖 𝑥 =1(𝑦𝑖−𝑦−)2
𝑛
𝑖

14. Coeficiente de Correlação de Pearson (r): ()
Temos
r = o coeficiente de Pearson
n = o número de observações
xi = variável independente
yi =variável dependente

15. O valor do coeficiente de correlação r tem a
variação entre +1 e –1, ou seja, está limitado entre
os valores do Intervalo[-1,+1].
r = +1 (correlação positiva entre as variáveis);
r = - 1 (correlação perfeita negativa entre as
variáveis);
r = 0 (não há correlação entre as variáveis ou,
ainda, a correlação não é linear, caso exista).

16. Quanto mais próximo o valor de r estiver do valor
“1”, mais forte a correlação linear.
Quanto mais próximo o valor de r estiver do valor
“0”, mais fraca a correlação linear.
Em geral, multiplica-se o valor de r por 100; dessa
forma, o resultado passa a ser expresso em
porcentagem. Na prática, estabelecem-se critérios
para verificar os diversos níveis do fraco ao forte,
chegando até o perfeito:

17. 0<|r|<0,3 : a correlação é fraca e fica difícil estabelecer
relação entre as variáveis. Em porcentagem: 0<|r|<
30%;
0,3≤|r|< 0,6 : a correlação é fraca, porém, podemos
considerar a existência de relativa correlação entre as
variáveis. Em porcentagem: 30%≤|r| <60%;
0,6≤|r| <1 : a correlação é de média para forte; a
relação entre as variáveis é significativa, o que permite
coerência com poucos conflitos na obtenção das
conclusões. Em porcentagem: 60%≤|r|≤100%.

18. 0
5
1
0
1
5
2
0
2
5
0 1 2 3 4 5 6
0
1
0
2
0
3
0
4
0
5
0
6
0
7
0
8
0
9
0
1
0
0
0 1 2 3 4 5 6
Correlação Linear positiva Correlação Linear negativa

19. 5
5 , 5
6
6 , 5
7
7 , 5
8
8 , 5
0 2 4 6 8 1
0
1
2
1
4
0
2
4
6
8
1
0
1
2
1
4
1
6
1
8
0 1 2 3 4
Não há correlação Relação curvilínea direta

20. Para definir se a correlação entre as variáveis
corresponde a uma linha reta ou a uma curva, pode-se
utilizar modos qualitativos ou quantitativos.
No modo qualitativo, vai imperar o “bom senso” do
pesquisador para verificar qual o grau de intensidade
na correlação entre as variáveis; isso significa o
estabelecimento de uma relação numérica que medirá
o nível da correlação.

21. Exemplo:
Uma pesquisa pretende verificar se há correlação
significativa entre o peso total do lixo descartado,
por dia, numa empresa com o peso do papel
contido nesse lixo.

23. De acordo com os dados, fazemos a representação gráfica.
Os pares ordenados formam o diagrama de dispersão.
0
2
4
6
8
1
0
1
2
1
4
1
0
2
0
3
0
4
0
5
0
6
0
7
0
Peso total do lixo

24. Para se verificar o grau de correlação entre as variáveis,
calcula-se o coeficiente de correlação linear pela fórmula do
coeficiente de correlação de Pearson: