Bioestatística ou Estatística
Bioestatística e É a aplicação dos métodos estatísticos à
Bioinformática
Prof. Ms. Vinicius de Oliveira Damasceno
A Estatística é compreendida da seguinte forma:
solução de problemas biológicos. (Callegari-
Jacques, 2003)
Ciência que tem por objetivo orientar a coleta, o
resumo, a apresentação, a análise e a
interpretação de dados. (Barrow, 2003)
É uma coleção de métodos para planejar
experimentos, obter os dados, organizá-los,
resumi-los, analisá-los, interpretá-los e deles
extrair concluões. (Triola, 1999)
Estatísticas: Termos Operacionais
População: é a coleção completa de todos
elementos a serem estudados.
Censo: é uma coleção de dados relativos a
todos os elementos de uma população
Amostra: é uma subcoleção de elementos
extraídos de uma população.
Parâmetro/Estatística: é uma medida
numérica que descreve uma característica
da população ou amostra.
(Triola, 1999)
1
 Natureza dos Dados Natureza dos Dados: Dados
Quantitativos
Dados Quantitativos: Consistem em
números que representam contagens ou Dados Discretos: São aquelas em que os dados
somente podem apresentar determinados valores, em
medidas.
geral, números inteiros.
Ex.: massa corporal (kg); %G; IMC; número de São limitados a valores específicos;
repetições;. Raramente são espressos em fração ou decimais.
Dados Qualitativos: Podem ser separados Exemplos:
em diferentes categorias que se distinguem Freqüência Cardíaca;
por alguma característica não-numérica. Escala de Borg;
Número de arremessos;
Ex.: Cor de olhos; tipo de atividade; objetivo
Número de saques.
para atividade.
Número de vezes por semana que pratica atividade
física.

Natureza dos Dados: Dados

Quantitativos
Dados contínuos (numéricos): São aquelas
cujos dados podem apresentar qualquer
valor dentro de um intervalo de variação
possível.
Número infinito de valores
Precisão das medidas é limitada pela precisão
do instrumento de medida.
Entre dois valores, há possibilidade infinita de
ocorrer outros valores.
Exemplo: tempo registrado (s ou min); estatura, etc

2
 O que é a Escala de Medida? O que é a Escala de Medida?
Há 4 escalas de medidas: Escala de Proporção
Proporção; Mais sofisticada
Intervalada; Possui um verdadeiro e significativo
Ordinal; Possui intervalos de resultados constantes
Nominal. Pode ser ordenada logicamente pelo
tamanho
Pode ser utilizada para classificar ou
identificar

O que é a Escala de Medida? O que é a Escala de Medida?

Escala Intervalada Escala Ordinal
Possui intervalos de resultados constantes Pode ser ordenada logicamente pelo
Pode ser ordenada logicamente pelo tamanho
tamanho Pode ser utilizada para classificar ou
Pode ser utilizada para classificar ou identificar
identificar

3
 CARACTERÍSTICA DAS ESCALAS DE
O que é a Escala de Medida? MEDIDA

Escala de Escala Escala Escala

CARACTERÍSITCAS
Escala Nominal Proporção Intervalada Ordinal Nominal

Pode ser utilizada para classificar ou Possui um

identificar verdadeiro e
significativo
Possui intervalos
de resultados
constantes
Pode ser
ordenada
logicamente pelo
tamanho
Pode ser utilizada
para classificar ou
identificar

Amostras AMOSTRAGEM PROBABILÍSTICA

Amostra aleatória simples:

Composta por elementos retirados ao acaso da população
(tabelas, sorteios);
Amostra 1
Amostra 2 Todos os elementos têm a mesma chance de ocorrer.

3218-3803
3216-5461
3234-2123
3212-1714
População 8814-5461
3217-7888

4
 AMOSTRAGEM PROBABILÍSTICA
AMOSTRAGEM PROBABILÍSTICA
Amostra sistemática ou intervalar: Amostra Estratificada:
Composta por elementos provenientes dos estratos da
Os elementos são escolhidos por um sistema;
população
Definir o intervalo para a escolha da amostra; Exemplo: podemos estratificar nossa população de aves
em machos e fêmeas ou em jovens e adultos
Técnica Amostral Técnica Amostral
Aleatória Homens Aleatória
Mulheres

K=3

= 36

AMOSTRAGEM PROBABILÍSTICA AMOSTRAGEM PROBABILÍSTICA

Amostragem Estratificada Proporcional
Amostragem Estratificada Uniforme
Exemplo: podemos estratificar nossa população de aves em machos, que
representam 70% da população, e fêmeas, que representam 30% da Exemplo: mesmo tendo maior quantidade de machos,
população. Desta forma, nossa amostra de tamanho 25 seria formada por para formarmos a amostra deveremos retirar número igual
17 machos e 8 fêmeas. Sendo que tanto os machos quanto às fêmeas são de machos e fêmeas.
escolhidos por seleções aleatórias.
Técnica Amostral Técnica Amostral
Técnica Amostral Técnica Amostral Aleatória Homens Aleatória
Aleatória Homens Aleatória

Mulheres
Mulheres

5
 AMOSTRAGEM PROBABILÍSTICA Amostragem Aleatória Simples

Amostragem por Conglomerados

Chamamos conglomerado a um grupo de elementos na Amostragem Estratificada
população.
Exemplo: uma população de aves que se agrupa em Amostragem Sistemática
determinadas porções do ambiente, cada subgrupo
equivale a um conglomerado de aves. Amostragem por Conglomerado

Amostragem por conveniência

Tipos de Pesquisa
PESQUISA ANALÍTICA: Tipos de Pesquisa
Pesquisa Histórica - é uma procura do passado por
meio de arquivos com o objetivo de determinar o que PESQUISA ANALÍTICA:
aconteceu e o porquê. Sintese de Pesquisa (Meta análise) - consiste em
estudar a produção de pesquisa de uma área ou de um
Pesquisa Filosófica - Uma meta
problema apresentando (definindo) um consenso, tendência
fundamental da filosofia é examinar
ou princípio
a realidade utilizando procedimentos
reflexivos, e não ferramentas
empíricas da ciência.

6
 Tipos de Pesquisa
PESQUISA DESCRITIVA:
Estudo de caso - é usado para fornecer informações
detalhadas sobre um indivíduo, uma instituição, ou uma
comunidade.
Estudo de trabalho ( job analysis) - Semelhante com o
estudo de caso, porém é designado para determinar a
natureza de um trabalho particular e dos tipos de
treinamento, preparação e atitudes necessárias para o
sucesso no trabalho.
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Pesquisa normativa - É feito com o uso de testes
estabelecidos e objetivos. A escolha da amostra aproxima a
população total, e a descrição detalhada na seleção da
amostra deve ser com cuidado extremo em estudo normativo,
para garantir a validade.
Exemplo: Eurofit
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Levantamento ( status study) - O objetivo é colher
informações a respeito de variáveis, mais do que informações
a respeito das pessoas.
I nvestigação ( survey) - Podem ser usadas não somente
para descrever condições atuais, mas também para a
comparação destas condições com critérios predeterminados
ou para avaliação da eficiência dos programas.
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Estudo longitudinal - A mesma amostra é estudada
durante um período de tempo. Os testes devem ser repetidos
de períodos em períodos. Permite estudos mais precisos dos
indivíduos, porque o pesquisador reúne dados das mesmas
pessoas em níveis diferentes.
Estudo transversal - A amostra é estudada num tempo
pontual, bem determinado, não se acompanha a amostra por
um período de tempo, conseqüentemente não tem as
mesmas dificuldades do estudo longitudinal, mas também se
perde informação valiosa quanto à variação individual.
7
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Perfil - É utilizado para mostrar vários padrões de
características. O indivíduo é colocado em uma escala de
teste de um número de características e traçar seu perfil.
Análise de tendências ( trend analysis) - Tendo em
vista o planejamento mais eficiente, escolas, institutos de
pesquisa, centros de treinamento necessitam estabelecer as
demandas de suas atividades no futuro.
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Estudo correlacional - Estudo descritivo para determinar a
extensão do relacionamento existente entre duas variáveis. Nos
permite afirmar até que ponto a variação de uma variável
corresponde a mudanças em outra variável.
Pesquisa ex post facto.
Análise de meta ( meta analysis) - A metanálise consiste
em estudar a produção de pesquisa de uma área ou de um
problema apresentando (definindo) um consenso, tendência ou
princípio.
Entrevista telefônica (telephone interview).
Tipos de Pesquisa
PESQUISA DESCRITIVA:
Análise de documentos ( documentary analysis) -
Realizadas a partir de informações obtidas de registros de
documentos.
Estudo de acompanhamento ( follow up study) - São
direcionados para a pesquisa do desenvolvimento
subseqüente dos sujeitos após um tratamento específico. De
alguma forma ele se parece com o estudo longitudinal
Tipos de Pesquisa
PESQUISA EXPERIMENTAL:
Mais científica de todas as pesquisa;
Manipulação de variáveis;
Controle dos fatores ou variáveis;
Variável I ndependente ( X) : São as variáveis que
podemos classificar como CAUSAIS. Essas variáveis
produzem causas e efeitos. Variáveis que podem ser
manipuladas (Ex. tipo de treinamento, de dieta e etc.)
Variável Dependente ( Y) : As variáveis dependentes são
os efeitos, conseqüências de uma variável independente.
São os resultados (valores) do tratamento (Ex: % de
gordura, VO2 máx, AVD`s e etc.)
8
 Delineamentos de
Fontes de Invalidação
Pesquisa
-Validade Interna:
- História, -Segundo Campbell & Stanley (1963), os
- Maturação, delineamentos são classificados em:
- Testagem, Instrumentação,
- Mortalidade experimental - PRÉ-EXPERIMENTAL;
- Interação seleção-maturação;
- QUASE-EXPERIMENTAIS;
- Validade Externa:
- Efeitos reativos ou interativos da testagem;
- EXPERIMENTAIS.
- Tendências na seleção e tratamento experimental;
- Interferência de tratamento múltiplo.
(CAMPBELL & STANLEY, 1963; THOMAS & NELSON, 2002)

Delineamentos de Pesquisa

Delineamentos de Pesquisa
-TIPOS DE DELINEAMENTOS PRÉ-EXPERIMENTAIS:

-Delineamentos PRÉ-EXPERIMENTAIS 1 ESTUDO DE UM ÚNICO CASO SEM CONTROLE

- MENOR VALOR CIENTÍFICO;

- DEFICIENTES; X O
- NÃO CONTROLA ASPECTOS DE VALIDADE
EXPOSIÇÃO AO
PROCESSO DE
EVENTO
INTERNA; OBSERVAÇÃO
EXPERIMENTAL

9
 Delineamentos de Pesquisa Delineamentos de Pesquisa

-TIPOS DE DELINEAMENTOS PRÉ-EXPERIMENTAIS: TIPOS DE DELINEAMENTOS PRÉ-EXPERIMENTAIS:

2 PRÉ-TESTE E PÓS-TESTE APLICADOS A UM GRUPO. 3 COMPARAÇÃO DE GRUPO ESTÁTICO.

O1 X O2 X O1

O2
Observação Observação após
antes do tratamento
tratamento experimental
experimental OBS.: NÃO SÃO GRUPOS ALEATÓRIOS.

Delineamentos de Pesquisa
Delineamentos de
Pesquisa -TIPOS DE DELINEAMENTOS EXPERIMENTAIS:

-Pesquisa experimental verdadeira: 1 PRÉ-TESTE E PÓS-TESTE APLICADOS A UM GRUPO

EXPERIMENTAL E A GRUPO CONTROLE.
- Amostra Aleatória (distribuição idêntica ao
universo);
A O1 X O2
- Grupo controle com as mesmas características
ao grupo experimental;
A O3 O4
- Incluí pré-teste, manipulação e pós-teste.
A ALEATÓRIOS, ASSEGURANDO A EQUIVALÊNCIA DOS GRUPOS

10
 Delineamentos de Pesquisa Delineamentos de Pesquisa

-TIPOS DE DELINEAMENTOS EXPERIMENTAIS: -TIPOS DE DELINEAMENTOS EXPERIMENTAIS:

2 DELINEAMENTO DE QUATRO GRUPOS DE 3 DELINEAMENTO COM GRUPO CONTROLE E PÓS-
SOLOMON. TESTE

A O1 X O2
A O3 O4 A X O1

A X O5 A O2
A O6

Abusos da Estatística Avaliação

Pequenas Amostras Delimitação do estudo;
Perguntas tendenciosas Tipo de pesquisa utilizada;
Amostras intencionais Problema do estudo;
Gráficos enganosos
Hipótese (s) do estudo;
Pressão do Pesquisador
Variável (is) do estudo;
Objetivo geral do estudo;

11
 Descrição do Dados: Estatística Ferramentas utilizadas pela
Descritiva Estatística Descritiva
Importância da Estatística Descritiva: Histogramas;
Permite melhor entendimento do seu Tabelas;
conjunto de dados; Gráficos ramo-e-folhas;
Permite sua forma distribuição dos Gráfico em Setores;
dados; Gráficos de Dispersão;
Valores centrais e medidas de dispersão Box-plots.
ou variação.

Ferramentas:Estatística Descritiva Histogramas

60
Polígonos de Freqüência ou Histogramas
Polígonos de Freqüência: São gráficos na 50
Freqüência Absoluta

forma de linhas de uma distribuição de

freqüência nos quais os valores ou os 40
intervalos de resultados são projetados no
eixo horizontal e as freqüências associadas 30
são fornecidas no eixo vertical.
20
Vantagens: Fácil visualização da distribuição
dos dados. 10
Desvantagens: em dados contínuos e
intervalares pode resultar um um histograma 0
-2 -1 0 1 2 3 4 5 6 7 8
confuso; não permite visualizar os dados
Silhueta Ideal
quando apresentados em intervalos de dados

12
 40

Histogram (dados antropometricos imagem corporal final 18v*276c)

35 33
imc
= 168*2*normal(x; 24,5308; 3,2033)
60

30 29
50

25 23
Freqüência

40

20 19

No of obs
17 30
16
15 14
20

10
10

5 4
3 3 3 3
1 0
16,0 18,0 20,0 22,0 24,0 26,0 28,0 30,0 32,0 34,0 36,0 38,0 40,0 42,0
0 imc
-6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6
Silhueta Atual

Histogram (dados antropometricos imagem corporal final 18v*276c)

Histogram (dados antropometricos imagem corporal final 18v*276c)
24
140
122,0 22
120
20
100
18
Cu
No of obs

80 16
60 14
i da
do
No of obs

12
40
27,0 co
20 15,0 10
m
0
1,0 2,0 1,0 8 da
do
Hipertrofia e Emagrecimento
Hipertrofia

Saúde

CFG
Emagrecimento

Enrijecimento

6
s
4
co
2 nt
ín
0
uo
18,2098765

19,7719343

21,3339921

22,8960499

24,4581077

26,0201655

27,5822233

29,1442810

30,7063388

32,2683966

33,8304544

35,3925122

36,9545700

38,5166277

imc

13
Ferramentas:Estatística Descritiva Tabelas
Count Cumulative Percent Cumul % % of all Cumul %
-6 3 3 1,78571 1,7857 1,78571 1,7857
Distribuição de Freqüência -5 3 6 1,78571 3,5714 1,78571 3,5714
É um método de tabulação ou organização dos -4 4 10 2,38095 5,9524 2,38095 5,9524
resultados a fim de possibilitar o entendimento e -3 16 26 9,52381 15,4762 9,52381 15,4762
melhor visualização do padrão dos seus dados. -2 23 49 13,69048 29,1667 13,69048 29,1667
-1 14 63 8,33333 37,5000 8,33333 37,5000
Pode ser realizada com dados discretos e
0 1 64 0,59524 38,0952 0,59524 38,0952
contínuos. 1 17 81 10,11905 48,2143 10,11905 48,2143
Desvantagens: podem ser confusas se não houver 2 33 114 19,64286 67,8571 19,64286 67,8571
categorização das variáveis contínuos e 3 29 143 17,26190 85,1190 17,26190 85,1190
intervalares. 4 19 162 11,30952 96,4286 11,30952 96,4286
5 3 165 1,78571 98,2143 1,78571 98,2143
6 3 168 1,78571 100,0000 1,78571 100,0000
total 0 168 0,00000 0,00000 100,0000

22,675736961 1 47 0,60 27,98

22,822305212 1 48 0,60 28,57
22,857142857 1 49 0,60 29,17
22,878588853 1 50 0,60 29,76
Nível de 22,981901752 1 51 0,60 30,36
Insatisfação Freq. Freq. Ac % % Ac
C23,054564672
ui
1 52 0,60 30,95

Satisfeito 37 37 22,0 22,0

da
23,087974874 1 53 0,60 31,55
do
23,100907029 1 54 0,60 32,14

Pouco Insatisfeito 50 87 29,8 51,8 co 1 55

23,120623596 0,60 32,74
23,205336908m 1 56 0,60 33,33
23,216326531 1da 57 0,60 33,93
Insatisfeito 26 113 15,5 67,3
23,255018638 1
do58 0,60 34,52
s
Muito Insatisfeito 2 168 32,7 100,00 23,289616009 1 59 co 0,60 35,12
23,306363966 1 60 n0,60
tín 35,71
23,323418064 1 61 0,60u 36,31
Total 168 100,0
os
23,337684427 1 62 0,60 36,90
23,355636915 1 63 0,60 37,50
23,392147330 1 64 0,60 38,10
23,423557406 1 65 0,60 38,69
23,434903047

14
Tabela de freqüência absoluta Ferramentas:Estatística Descritiva

Gráfico Ramo-e-folhas
A grande vantagem deste tipo de representação é
que se permite maiores detalhes na distribuição
dos dados, perdidos nos histogramas e tabelas de
distribuição.
Tabela de freqüência relativa
Não pode ser usado em dados nominais.
Desvantagem: recurso altamente técnico;
apresentação visual fraca.

Gráfico de ramo-e-folhas Class n Percentiles

-6 000 3
Class n Percentiles
-5 000 3
-5 0 1
-4 0000 4
-4 00000 5 -3 0000000000000000 16
-3 0000000000000000 16 -2 00000000000000000000000 23 25%
-2 0000000000000000000000000 25 25% -1 00000000000000 14
-1 00000000000000000 17 median 0 0 1
0 000 3 1 00000000000000000 17
1 000000000000 12 2 000000000000000000000000000000000 33 median
2 00000000000000 14 75% 3 00000000000000000000000000000 29 75%
3 000000000000 12 4 0000000000000000000 19
4 000 3 5 000 3
6 000 3
Total N: 108
Total N: 168

15
 Class n Percentiles
18 2 1 Ferramentas:Estatística Descritiva
18 9 1
19 0 1
20 2 1
20 55668 5 Gráfico em Setores
21 0111233444 10
21 55666667779999 14
São gráficos utilizados para ilustrar dados
22 224444 6 qualitativos e nominais.
22 555556668889 12 25%
23 0011222233333444 16
Pode-se utilizar para dados quantitativos, uma vez
23 555556666777778899999 21 median que se faça a categorização da variável.
24 00000112233334444444 20
24 566777888 9
Não se recomenda utilizar mais de 7 classes para
25 112223444 9 o gráfico em setores.
25 668899 6 75%
26 012344 6
27 1334 4
27 67799 5
28 000044 6
28 57 2
min = 18,20988 max = 39,03732 Total N: 168

Gráfico de Setores Pie Chart (dados antropometricos imagem corporal final 18v*276c)

Case
Case276
Case
Case
Case7911
17

Emagrecimento e Enrijecimento; 9
Cu Case Case269
Case
Case
270
Case
Case
Case 271 275
273
272 Case
Case
Case
Case
Case
Case18
Case21
22
Case
Case24
Case25
27
28
29
30
33
Case
Case
Case3435 36
iCase
da261
Case265
Case
Case
Case
264
262
267
266
Case
Case
Case
Case
Case
Case
Case
37
39
40
4243
Case46
44
48
Hipertrofia e Emagrecimento; 26 Case 260
Case 258 o
Case 259 d Case
Case
Case
Case
52
54
56
Case 5962
CFG;51 Case 63
Saúde; Case 256
Case 255
Case 253 c o
Case
Case
Case
64
Case 6667
68
69
Enrijecimento; 17
Case 252
Case 251
Case 250
248 m Case
Case 70
Case
Case
71
74
75
76
Case 242
Case
Case
246
241
Case 239
Case 234
d ad
Case
Case 77
Case
Case 81
Case
Case 85
78
80
82
83
84
Case 232
Case 231
Case 230
Case 226
o s
Case 89
Case
Case 94
Case
Case 98
86
91
92
93
95
96
Case
Case 225
224
Case 223 Q Case
Case
Case 101
99
100
Hipertrofia; 150 Case
Case
Case
Case
222
221
220
219
218 u a
Case 105
Case
Case
Case
104
106
108
110
Case
Case
Case
217
215
Case213
212 ntCase Case
Case 122
116
Case
Case
Case
206
Case
205
Case201
197
192
i140
Case
Case
Case 125
t136 127
a131130
Emagrecimento; 68 Case
Case
Case
Case
190
185
181
179
Case
Case
Case
Case178
177
Case
Case176
Case175
Case174
Case
Case173
168
Case167
Case166
163Case
Case
Case
Case
Case
161
Case
159
Case
Case
Case
Case
155
156
157
158 152
153
154
Case
Case
Case
Case
144
145
146
141
133
t ivo
s
%G

16
 8

Ferramentas:Estatística Descritiva
6

Box Plots 4

Outro recurso pirotécnico,

é o box-plot. 2

Vantagens: São úteis para

0
visualizar uma distribuição
de dados
-2

-4
Median = 2
25%-75%
-6 = (-2, 3)
Non-Outlier Range
= (-6, 6)
-8

Ferramentas:Estatística Descritiva
6
Gráfico de Dispersão
r=1,00
4
É um gráfico dos dados
emparelhados (x, y),
com um eixo x
2
horizontal e um eixo y
vertical. r=0,80
0
Determinar se existe
algum relacionamento
-2
entre duas variáveis.
-4
Quanto maior o r, maior
Median
25%-75%
é o relacionamento
-6
Non-Outlier Range
Outliers
entre as variáveis
s_atual S_ideal

17
 14
Insatisfação (Silhueta Ideal - Silhueta Atual)

12

10

-2
-8 -6 -4 -2 0 2 4 6 8

Silhueta Atual (SA)

30

25
25

20
l
17
C entra
Freqüência

16
15 14
n d ê ncia
e
de T
12 12

10
idas
5
Med
5
3 3
1
0
-5 -4 -3 -2 -1 0 1 2 3 4
Silhuetas

18
 Medidas de Tendência Central:
Medidas de Tendência Central
Média
É um valor no centro ou no meio do seu É, de modo geral, a mais importante de todas as
conjunto de dados. mensurações numéricas descritivas.
A Média Aritmética de um conjunto de valores
Média
(dados) é o valor obtido somando-se todos os
Mediana valores deste conjunto e dividindo-se o total desta
Moda soma pelo número (quantidade) de valores.
Ponto médio

Medidas de Tendência Central: Medidas de Tendência Central:

Média Média
Média dos valores de %G dos alunos masculinos
matriculados na Academia X, no horário noturno.

Temos que:
n = 30
= 276 : X = 276 X = 9,2 %G
30

Vantagens: ótimo preditor de medida central.

Sempre utilizada.
Desvantagens: afetada por valores extremos.

19
 Medidas de Tendência Central: Medidas de Tendência Central:
Mediana Mediana
É o valor central de um conjunto de dados, quando Cálculo da mediana
estes estão dispostos de maneira crescente ou 1 Passo Ordenar os valores na ordem crescente
decrescente. ou decrescente
Preferencialmente utilizada com dados nominais e 34,5 / 33,1 / 21,0 / 39,0 / 35,0 / 39,1 / 33,2 / 34,0 /
ordinais. 19,0 / 17,0 / 35,0 / 36,0 / 22,0 / 39,2 / 39,4 / 33,0 /
38,7 / 14,5.
Ex.: Valores do teste de sentar e alcançar em cm de 14,5 / 17,0 / 19,0 / 21,0 / 22,0 / 33,0 / 33,1 / 33,2 /
alunos da academia X. 34,0 / 34,5 / 35,0 / 35,0 / 36,0 / 38,7 / 39,0 / 39,1 /
34,5 / 33,0 / 21,0 / 22,0/ 35,0 / 33,1 / 33,2 / 34,0 / 39,2 / 39,4.
19,0 / 17,0 / 35,0 / 36,0 / 39,0 / 39,2 / 39,4 / 39,1/ N = 18 elementos n/2 = 9 X = 34,0 cm
38,7 / 14,5 X 31 cm

Medidas de Tendência Central: Medidas de Tendência Central:

Moda Moda
Cálculo da Moda
É o que ocorre com maior freqüência em um 1 Passo Ordenar os valores na ordem crescente
conjunto de dados. ou decrescente
Quando dois valores ocorrem com a mesma 14,5 / 17,0 / 19,0 / 21,0 / 22,0 / 33,0 / 33,1 / 33,2 /
frequencia máxima, cada um deles é uma moda, e o 34,0 / 34,5 / 35,0 / 35,0 / 36,0 / 38,7 / 39,0 / 39,1 /
conjunto se diz Bimodal. 39,2 / 39,4.
Se mais de dois valores ocorrem com frequencia M = 35,0 cm (duas vezes)
máxima, cada um deles é uma moda, é o conjunto é
Multimodal Média = 31,0 cm
Mediana = 33,2 cm
Moda = 35,0 cm

20
 Leva em conta Afetada
Medidas de Tendência Central: Medida Definição Existência todo conjunto
pelos Vantagens e
valores Desvantagens
Ponto Médio de dados? extremos
Existe sempre Sim Sim Sempre
X= x usada
Média
Ponto Médio é o valor que está a meio caminho n
entre o maior valor e o menor.
Valor do Existe sempre Não Não Boa escolha
meio se há valores
Mediana extremos

Valor mais Não; pode Não Não Melhor usada

frequente haver mais de em dados
Moda uma moda nominais

Alto + Baixo Não Sim Muito sensível

Ponto 2 a valores
Médio extremos

Assimetria Assimetria Negativa

Uma conjunto de dados é
assimétrico quando não é
simétrico (Triola, 1999). Conceito: A média e a moda
estão à esquerda da moda
Uma distribuição
simétrica é quando a
Média Moda
metade esquerda é
Mediana
aproximadamente a
imagem-espelho da
metade direita.
Média = Moda = mediana Média < Mediana < Moda

21
 Assimetria Positiva Simetria
É quando a distribuição dos
dados é semelhante. Também
Conceito: A média e a moda chamada de distribuiçào
estão à direita da moda normal ou curva de Gauss
Calcule a média, moda e
mediana deste conjunto de
dados:

-2 2 6 2 2 -2 2 8 2 -2
Moda
Média
Mediana Média = 2
Média = Moda = mediana Mediana = 2
Média > Mediana > Moda Moda = 2

Medidas de Variação
A importância das medidas de variação:
Os conjunto de número com valores mais
próximos uns dos outros têm baixas medidas
ari ação de variação, enquanto valores mais dispersos

as de V têm maior medida de dispersão.

edi d
M As medidas de variação podem ser:
Amplitude
Desvio-padrão
Coeficiente de Variação

22
 Medidas de Variação: Amplitude Medidas de Variação:
Devio-padrão
A amplitude é a diferença entre o maior valor
do seu conjunto de dados e o seu menor É uma medida de variação dos valores em relação
valor. a média
Exemplo: Em uma academia o teste de 1RM
para o supino Reto, tem como maior Valor
250kg e 80kg. Vantagem leva em consideração todos os
Amplitude 250 80 = 170 kg valores
O teste de 1 RM no supino reto têm uma Desvantagem isto torna o calculo dificil
amplitude de 170Kg Maneiras de resolver esta desvantagem é a
Desvantagem: Não leva em consideração utilização de ferramentas específicas como o
todos os valores Excel, MatLab, SPSS, Statistica, Minitab, etc.

Medidas de Variação: Devio-padrão Medidas de Variação: Devio-padrão

Entendendo o Desvio-padrão Entendendo o Desvio-padrão
Valores próximos uns dos outros dão origem a
desvios-padrões menores.
95% estão dentro de 3 DP
Valores muito afastados uns dos outros originam
desvios-padrões maiores.

s=0 s = 0,8 s = 3,0 95% estão dentro de 2 DP

68% estão
dentro de 1 DP
1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

x - 3s x - 2s x-s x+s x + 2s x + 3s
O desvio-padrão cresce quando a dispersão dos dados aumenta
x

23
 Medidas de Variação: Medidas de Variação: Devio-padrão
Devio-padrão x x-x (x x)2
6,5 - 0,65 0,4225
6,6 - 0,55 0,3025
Cálculo do Desvio-Padrão:
6,7 - 0,45 0,2025
Achar a média 6,8 - 0,35 0,1225
7,1 - 0,05 0,0025
Subtrair a média de cada valor individual
7,3 0,15 0,0225
Evelar ao quadrado as diferenças 7,4 0,25 0,0625
obtidas para cada valor 7,7 0,55 0,3025
7,7 0,55 0,3025
Somar todas os quadrados obtidos 7,7 0,55 0,3025
Dividir por n-1 71,5 =0 = 2,0450
x= 7,15 min/km
Extrair a Raiz do resultado s= 2,0450 = 0,48 min/km
10 - 1

Medidas de Variação: Medidas de Variação: Coeficiente

Devio-padrão de Variação
O Coeficiente de variação (CV) é uma medida
Regra prática para o cálculo do Desvio- de dispersão independente da unidade de
Padrão: mensuração da variável.
Amplitude/4 Quando se analisa a mesma variável em duas
amostras, pode-se comparar os desvios
7,7 6,5/ 4 = 0,3 s = 0,3 min/km padrão observados e verificar a variação é
maior em variáveis diferentes.

CV = s x 100
x

24
 Medidas de Posição
As medidas de posição são os Quartis,
Decis e Percentis.
os ição QUARTIS (Q)
P
i das de É a divisão do conjunto de dados ordenados
M ed de ordem crescente em quatro parte iguais.

Q1 (25%) Q2 (50%) Q3 (75%)

MEDIANA

8
Medidas de Posição
6
PERCENTIS (P)
4 É a divisão do conjunto de dados
ordenados de ordem crescente em 100
2
grupos com cerca de 1% em cada
0
grupo.
Exemplo de utilização:
-2
92 percentil quer dizer que o valor
-4 contido nesta posição está superior a
Median = 2 92% do conjunto de dados
25%-75%
-6 = (-2, 3)
Non-Outlier Range
= (-6, 6)
-8

25
 Medidas de Posição
PERCENTIS (P)
Calculando o Percentil do valor:
Percentil do valor x = n de valores inferiores a x
n total de valores (n)
Ex.:
234 crianças
triceps + panturrilha = 34 mm
198 valores abaixo do valor procurado
P = 198 = 0,84 x 100 = 84 percentil
234
COMPARANDO GRUPOS COMPARANDO GRUPOS
TESTES MAIS COMUNS
Teste T para amostras independentes:comparação de
médias para grupos independentes. Ex: masculino x
feminino; grupo 1 x grupo 2
Teste T para amostras pareadas:comparação de médias
de um grupo em situações distintas. Ex: grupo antes x grupo
depois
Análise de Variância:comparação de mais de dois grupos.
Ex: 5a série x 6a série x 7a série x 8a série
Qui-quadrado:teste para comparar proporções no caso de
variáveis discretas ou nominais.
COMPARANDO GRUPOS COMPARANDO GRUPOS
A variável alvo deve ser analisada em relação àsua:
Natureza (qualitativa ou quantitativa): variáveis
qualitativas exigem testes não paramétricos, que não
exigem a condição de normalidade para sua execução.
Distribuição(normal ou não): condição essencial para
determinação do teste (como apontado no item anterior).
Continuidade(contínua ou discreta): normalmente as
variáveis contínuas aceitam testes paramétricos.
Instabilidade(muito ou pouco instável): elemento de
decisão para eleição do teste. Utiliza-se, normalmente, o
valor do coeficiente de variação (cv).
COMPARANDO GRUPOS
Vários testes são utilizados para verificar a
existência de diferença significativa entre as
proporções/médias.
Deve-se definir a hipótese de teste, onde:H0: p1
= p2 = p3 = pN A hipótese de teste éque os valores
são iguais. Assim, se p<0.05existe diferença
significativa entre as variáveis
A região de rejeição(rr) édeterminada pelo valor
tabelado e se o valor calculado cair dentro dela, a
hipótese nula (H0: p1 = p2 = p3 = p4) érejeitada.
26
Para verificar se as
proporções/médias são
iguais, compara-se o
valor calculado com o
valor tabelado. Se o
primeiro ( 2calc) for maior
que o segundo ( 2tab) a
hipótese de igualdade é
rejeitada (ver gráficos)
CORRELAÇÃO: Conceitos CORRELAÇÃO:
Conceitos
Quando deseja-se saber se a variação de uma
variável acompanha proporcional ou inversamente
a variação de outra.
É representada pelo valor de r que pode variar
no intervalo de 1 a +1
r = 1 indica correlação perfeita positiva(x
acompanha proporcionalmente y)
r = -1 indica correlação perfeita negativa(x
inversamente proporcional a y)
r = 0 indica que não haveria correlação alguma
entre as variáveis
27
This document was created with Win2PDF available at http://www.daneprairie.com.
The unregistered version of Win2PDF is for evaluation or non-commercial use only.