Beruflich Dokumente
Kultur Dokumente
Aula 8
Categorizao
Dados Categorizados:
Contagem de frequncia de uma varivel classificada ou subdividida em categorias. Tipicamente procedimento aplicado variveis qualitativas.
Ex.: Varivel Sexo Masculino e Feminino
Tabelas de Contingncia
Tipicamente, dados categorizados so apresentados em tabelas de contingncia:
Fator Discriminado B B1 A1 Fator Discriminante A A2
M
B2 O12 O22
M
Bs O1s O2s
M
O11 O21
M
Ar Totais B
Or1 TB1
Or2 TB2
Ors TBs
TAr T
3
Tabelas de Contingncia
A varivel A foi denominada de fator discriminante
A partir das mudanas nas categorias de A deseja-se verificar o comportamento da varivel B, chamada fator discriminado. Assim,
Varivel A a varivel independente. Varivel B a varivel dependente.
Testes Categorizados
O objetivo dos testes para dados categorizados determinar se o fator discriminante exerce alguma influncia sobre o fator discriminado.
A hiptese nula:
H0 pA1 = pA2 = pAr
As categorias de A exercem a mesma influncia sobre B
Contra H1:
Pelo menos uma categoria apresenta diferenaem relao a B.
5
O O
il
kj
Eij =
l =1 s r
k =1 lk
O
l =1 k =1
TAi TB j T
i =1 j =1
(O
ij
Eij ) Eij
=
2 c i =1 j =1
(O
ij
Exemplo
Um grupo de 154 pacientes que apresentaram dor abdominal foram divididos em dois grupos:
Grupo de Tratamento (T) Grupo de Controle (C)
Permanncia da Dor Abdominal Grupo T C Total Sim 6 30 36 No 57 61 118 Total 63 91 154
10
Exemplo
Hipteses:
Hiptese Nula:
H0 pC=pT
Ou seja, os resultados do grupo de controle so iguais ao grupo de tratamento.
Hiptese Alternativa:
H1 pC pT
11
Exemplo
Construo da Matriz E
E11 = (63 . 36) / 154 14,73 E12 = (63 . 118) / 154 48,27 E21 = (91 . 36) / 154 21,27 E22 = (91.118) / 154 69,73
12
Exemplo
Quantificao das diferenas entre as matrizes O e E:
c2 =
i =1 j =1 s r
(O
ij Eij )
Eij
c2 = 11,4290
13
Exemplo
O nmero de graus de liberbuiade ser (21)(2-1) = 1.
Assim para este grau de liberdade, os valores da distribuio Qui-Quadrado ser:
10% 5% 1% 0,0724% t2 2,7056 3,8416 6,6354 11,4290
14
Distribuio F
A razo entre duas duas distribuies QuiQuadradas tem uma distribuio F.
2 (n ) n F ( n, m ) = 2 (m ) m Se cada uma das ditribuies qui-quadradas tm graus de liberdade n e m, ento a distribuio F ter dois valores de graus de liberdade. 15 Ditribuio F F(n,m)
Teste F
Dado duas somas quadradas, SSi e SSj, com grau de liberdade vi e vj.
Assim, a hiptese de que SSi menor ou igual a SSj rejeitada com significncia se a razo SSi
vi SSj
maior que 1 Ou seja, SSi maior que SSj caso F computado seja maior que o F tabelado!
16
Vj F[1;vi,vj]
Passo 3:
p = FO + FX 1 + FX 2
18
19
Exemplo
Suponha um grupo de 16 ratos, divididos em dois grupos, Experimental e Normal.
O grupo Experimental formado por 9 ratos geneticamente modificados. Aps um ano e meio o n de ratos vivos do grupo Experimental e do Normal seja:
Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 5 1 6 Mortos 2 8 10 Total 7 9 16
20
Exemplo
O Teste de Fisher consiste em elaborar, com base nos totais marginais do fator discriminante, duas tabelas, X1 e X2 (Matrizes Extremas)
X1 a matriz em que todos os animais mortos pertencem ao grupo normal
Observe: so 10 mortos, mas o grupo normal s tem 7 ratos!
Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 0 6 6 Mortos 7 3 10 Total 7 9 16
21
Exemplo
X2 corresponde a uma matriz com os mesmos totais marginais, mas com todos os animais vivos no grupo normal
Sobrevida +1,5 anos Grupo Normal Experimental Total Vivos 6 0 6 Mortos 1 9 10 Total 7 9 16
22
Exemplo
Observe que:
Foi escolhida a condio Normal (A1) como referncia
Para esta, foi considerados primeiramente todos os animais mortos (B2), gerando a matriz X1, e depois a condio vivos (B1) para a elaborao da matriz X2
Caso a condio Experimental (A2) tivesse sido escolhida como referncia e o fator B1 tivesse sido usado para obter X1 e B2 para X2 os resultados seriam idnticos!
23
Exemplo
Calculando-se a estatstica F:
7!9!10!6! = 0,02360 Matriz Original: F0 = 2!5!8!1!16! 7!9!10!6! = 0,01050 FX 1 = Matriz X1: 0!7!6!3!16! 7!9!10!6! Matriz X2: F0 = = 0,0009 6!1!0!9!16!
24
Exemplo
Finalmente, o valor de p:
p = F0 + FX1 + FX2 =0,0236+0,0105+0,0009 = 0,0350 ou 3,5% Assim, possvel afirmar que a sobrevivncia dos ratos alterados menor que a dos ratos normais envolve uma probabilidade de 3,5% de erro
Logo, ao nvel de 3,5% de significncia, rejeita-se H0.
25
Referncias
Livro Texto: Bioestatstica. Teoriaia e Computacional (Hctor G. Arango). Guanaba
Captulo 9
Leituras Complementares:
Livro: Bioestatstica. Princpios e Aplicaes (Sidia M. Callegari-Jaqcques)
Captulo 15.