Bioestatística Aplicada A Auditoria

_Toc433107203Apresentao ......................................................................................................
4
Aula 1: Conceitos fundamentais de estatstica ............................................................................. 4
Introduo ............................................................................................................................. 4
Contedo................................................................................................................................ 6
Estatstica na sade ........................................................................................................... 6
Elemento, universo e populao .................................................................................... 6
Amostra ............................................................................................................................... 8
Amostragem ....................................................................................................................... 8
Parmetros .......................................................................................................................... 9
Varivel e seus tipos ........................................................................................................ 10
Sries estatsticas ............................................................................................................. 11
Srie temporal, histrica, cronolgica ou marcha .................................................... 11
Srie geogrfica ou territorial ........................................................................................ 12
Srie especfica, especificativa ou categrica ............................................................ 13
Distribuio de frequncia ............................................................................................. 14
Frequncias ....................................................................................................................... 16
Atividade proposta .......................................................................................................... 18
Referncias............................................................................................................................... 18
Exerccios de fixao ............................................................................................................. 19
Chaves de resposta ..................................................................................................................... 22
Aula 1 ..................................................................................................................................... 22
Exerccios de fixao ....................................................................................................... 22
Aula 2: Medidas de posio (tendncia central), medidas de disperso e assimetria e
entendendo as separatrizes ........................................................................................................ 24
Introduo ........................................................................................................................... 24
Contedo.............................................................................................................................. 25
Medidas de posio (tendncia central) ..................................................................... 25
Mdia aritmtica .............................................................................................................. 25
Mediana (md).................................................................................................................... 26
Moda (mo) ......................................................................................................................... 28
Tendncia central ............................................................................................................ 29
Relao emprica entre a mdia, a mediana e a moda ............................................ 29
Medidas de disperso...................................................................................................... 30
Amplitude total................................................................................................................. 31
BIOESTTICA APLICADA A AUDITORIA 1

Varincia ............................................................................................................................ 31
Interpretao: ................................................................................................................... 32
Coeficiente de variao .................................................................................................. 32
Medidas separatrizes ....................................................................................................... 33
Quartis................................................................................................................................ 33
Amplitude Interquartis .................................................................................................... 34
Clculo dos quartis .......................................................................................................... 34
Decis ................................................................................................................................... 35
Centis ................................................................................................................................. 35
Atividade proposta .......................................................................................................... 35
Referncias............................................................................................................................... 35
Aula 2 ..................................................................................................................................... 42
Introduo ........................................................................................................................... 45
Contedo.............................................................................................................................. 46
Descobrindo a distribuio de probabilidade normal .............................................. 46
Distribuio Normal ........................................................................................................ 47
Distribuio Normal Padronizada................................................................................. 48
Tabela normal padronizada ........................................................................................... 49
Intervalos de confiana e erro padro da mdia....................................................... 50
Desvio padro................................................................................................................... 52
Exemplos de desvio padro ........................................................................................... 53
Teste de hipteses ........................................................................................................... 54
Nvel descritivo ou probabilidade de significncia (p-value) .................................. 58
Referncias........................................................................................................................... 59
Exerccios de fixao ......................................................................................................... 59
Aula 3 ..................................................................................................................................... 63
Aula 4: Representao grfica de dados, teste estatstico: x e construo de indicadores de
sade ........................................................................................................................................... 66
Introduo ........................................................................................................................... 66
Contedo.............................................................................................................................. 67
Representao grfica de dados ................................................................................... 67

Principais tipos de representaes grficas da rea ................................................. 67
Grficos de informao .................................................................................................. 67
Grficos de anlise........................................................................................................... 68
Grficos de barras ou colunas ....................................................................................... 68
Diagramas circulares ou por setores ........................................................................... 69
Histogramas ...................................................................................................................... 70
Grficos de linha ou sequncia ..................................................................................... 71
Polgonos de frequncia................................................................................................. 72
Grficos de ogiva ............................................................................................................. 72
Diagramas de disperso ................................................................................................. 73
Teste do Qui-Quadrado (X) .......................................................................................... 73
Objetivos do teste do Qui-Quadrado (X) ................................................................... 75
Frmulas do teste do X ................................................................................................. 75
Analisando dados conforme o teste do X ................................................................. 76
Estabelecendo a comparao ....................................................................................... 77
Aplicando o teste do X .................................................................................................. 78
Indicadores de sade ...................................................................................................... 80
Taxa de Mortalidade ........................................................................................................ 80
Taxa de Mortalidade Geral ............................................................................................. 81
Taxa de Mortalidade Especfica ..................................................................................... 81
Taxa de Mortalidade Infantil .......................................................................................... 81
Taxa de Mortalidade Infantil Neonatal ........................................................................ 83
Taxa de Mortalidade Materna ........................................................................................ 84
Referncias............................................................................................................................... 85
Aula 4 ..................................................................................................................................... 92

Introduo
A Estatstica um valioso instrumento de mensurao de dados. Como parte da
Matemtica Aplicada, a Estatstica trata da coleta, da anlise e da interpretao
de dados observados, assim, transformando em informao o que nos parecia
um emaranhado de dados. Estudando os mais variados fenmenos das diversas
reas do conhecimento, a Estatstica representa um valioso instrumento de
trabalho nos dias de hoje, em especial, na capacidade de permear todas as
cincias e, aqui, em especial, trataremos a Estatstica nas cincias biolgicas.
Pode-se at pensar que suas tcnicas nasceram neste mundo contemporneo
em que se valoriza cada vez mais a rapidez e a agilidade das informaes, de
um mundo onde o avano tecnolgico (atravs da criao de computadores
que processam uma imensa quantidade de dados em um "piscar de olhos")
constante, porm, a utilizao da estatstica como suporte para a tomada de
deciso muito antiga.
A Estatstica um instrumento fundamental quando se deseja realizar uma

pesquisa cientfica ou acessar um material cientfico para a obteno de
informaes. Trata-se de uma ferramenta indispensvel para qualquer
profissional que necessita analisar informaes em suas tomadas de decises,
seja no seu trabalho ou na sua vida pessoal.
Objetivo:
1. Conhecer os conceitos fundamentais de Estatstica;

2. Fazer leitura e construo de tabelas de dados.

Contedo
Estatstica na sade
Vamos comear a aula com o questionamento: Por que a Estatstica
necessria em sade?
Porque somos humanos!
Por mais que isso nos parea bvio, o ser homem, no seu af por conquistas,
busca respostas e solues para a longevidade com a maior qualidade de vida.
Na rea biomdica, os ensaios clnicos constituem-se numa poderosa
ferramenta para a avaliao de intervenes para a sade, sejam elas
medicamentosas ou no.
Um dos primeiros ensaios clnicos, nos moldes que hoje conhecemos, foi
publicado no final da dcada de 40 quando o estatstico Sir Austin Bradford Hill
alocou aleatoriamente pacientes com tuberculose pulmonar em dois grupos: os
que receberiam estreptomicina e os que no receberiam o medicamento.
Desta forma, ele pode avaliar, de maneira no tendenciosa, a eficcia do

medicamento. Isso se repete nos dias de hoje com inmeros assuntos das
reas biomdicas, ou seja, seremos incessantes descobridores ao realizarmos
ou participarmos de uma pesquisa cientfica ou, simplesmente, ser um usurio
dessas informaes.
Elemento, universo e populao

importante entender que todas as vezes que se recorre a uma pesquisa
estatstica preciso, como ponto inicial, identificar o elemento a ser
estudado/observado, ou seja, o pblico-alvo, ou ainda mais, o universo a ser
estudo e onde esses elementos esto inseridos, pois com base nesse
conjunto de elementos que os dados so coletados e analisados de acordo com
os princpios e objetivos da pesquisa.

Esse pblico-alvo recebe o nome de universo e constitui um conjunto de
elementos que apresenta caractersticas prprias, por exemplo: os usurios de
um plano de sade, os postos de sade de uma localidade, os membros de
uma equipe de futebol, as turmas de uma universidade, os funcionrios de uma
empresa, as habitaes de um pas*, e vrias situaes que envolvem um
grupo geral de elementos.
Ateno
Observe, tambm, que o elemento no se restringe a
pessoas/indivduos.
* O censo demogrfico tem como principal caracterstica a
observao de todos os elementos que, nesse caso, so os
domiclios/habitaes/residncias de onde se obtm o total de
habitantes de uma localidade.
Aprofundando mais sobre populao, a definirmos como um conjunto de

elementos com caractersticas e definidas no tempo e espao. Na Estatstica, a
populao pode ser classificada como finita ou infinita.
Populao finita
Quando o nmero de elementos de um universo no muito grande e a
entrevista e a anlise das informaes podem abordar a todos do grupo. Por
exemplo: os pacientes internados com determinada patologia, hospital e data.
Populao infinita
Quando o nmero de elementos muito elevado ou no h fim para a coleta
dos dados. Por exemplo: a populao de negros de uma grande cidade como
So Paulo ou os vitimados de violncia domstica que chegam a um hospital
municipal de uma grande cidade (sem especificar a data).

Amostra
Entrando para um campo mais especfico, temos a amostra, que qualquer
subconjunto do universo, frao ou uma parte do grupo que, de alguma forma,
representa o universo. Em alguns casos seria impossvel ou muito dispendioso
(de tempo ou outros recursos) entrevistar/observar todos os elementos de um
universo, assim, a amostra a parte que representar o todo.
Quando estamos interessados em observar o sangue de um paciente,

obviamente, no poderemos retirar todo o sangue e, assim, recorremos ao
princpio da Estatstica ao retirar uma amostra, por exemplo, de 5 ml como
representante de todo o sangue de sua corrente sangunea.
Amostragem
Trabalhar com amostra mais conveniente, pois a pesquisa torna-se mais fcil,
mais rpida e mais econmica, alm de que muitas vezes impossvel trabalhar
com todo o universo que se deseja alcanar. Pela importncia da
representatividade dessa parte amostra para com o todo, exige-se o uso de
tcnicas para obteno de amostras no tendenciosas e/ou imparciais. Existem
diversas tcnicas e, a seguir, veremos as mais comuns Amostras Aleatrias:
Amostra Aleatria Simples - quando todos os elementos do universo tem a

mesma chance de serem selecionados para a amostra, ou seja, neste tipo de
amostra a premissa de que cada componente do universo a ser estudado tem
a mesma probabilidade de ser escolhido para compor a amostra. Por exemplo,
o sorteio das bolinhas da MegaSena.
Amostra Aleatria Estratificada - quando o universo dividido em estratos

(subconjuntos do todo) e, em seguida, selecionada uma amostra aleatria de
cada estrato guardando-se suas propores, assim, a amostra mantm as
propores do universo. Esta geralmente aplicada quando o evento estudado
tem caractersticas distintas para diferentes categorias que dividem o universo a
ser estudado.

Por exemplo, quando o sorteio de pacientes num hospital feito
proporcionalmente ao tipo de internao.
Amostra Aleatria por Conglomerados - quando o universo dividido em

subconjuntos distintos (conglomerados) e sorteamos um ou mais
conglomerados, tal como na amostra aleatria simples e, ento, so observados
todos os elementos do(s) conglomerado(s) selecionado(s).
Por exemplo, quando o sorteio de pacientes em um hospital feito nos andares

pares.
Amostra Aleatria Sistemtica - quando se obedece ao mesmo princpio da

amostra aleatria simples, no entanto, prev a coleta de elementos ao longo de
um perodo de tempo e arbitra um ritmo para tomada de unidades da
populao para compor a amostra. A amostra sistemtica utilizada quando se
quer planejar um perodo de tempo para execuo da coleta de dados ou
quando se deseja cobrir um determinado perodo de tempo com a amostra
estudada. O nmero de observaes pode ser calculado, como na amostragem
aleatria simples e o intervalo sistemtico pode ser arbitrado a partir da
frequncia esperada do evento estudado.
Por exemplo, numa populao de atendimentos mdicos ambulatoriais, tomam-

se para amostra das primeiras pessoas que se apresentam para consulta
mdica. A partir de um nome sorteado, selecionamos um a cada dez indivduos
(o dcimo, vigsimo e assim por diante).
Parmetros
O ideal seria trabalharmos com todos os elementos do universo objeto de nosso
estudo estatstico. E, deste, representar os elementos pelos parmetros
estudados e necessrios para alcanar nossos objetivos. Assim, no
perguntaremos a altura de um indivduo se esse parmetro no importante
para o estudo/trabalho.

Varivel e seus tipos
Em Estatstica, uma varivel uma caracterstica qualquer de interesse
associada aos elementos do universo ou amostra e apresenta variao de
elemento para elemento. Assim, idade, altura, peso, sexo, quantidade de
plaquetas, opinio sobre um atendimento e bairro onde mora so variveis dos
elementos de um universo.
Varivel Qualitativa
Seus possveis valores so categorias, tem a qualidade como referncia e no
so mensuradas numericamente. Esta se subdivide em:
Varivel Qualitativa Ordinal - a que pode ser colocada em ordem.

Por exemplo, a classe social (A, B, C, D ou E).
Varivel Qualitativa Nominal - a que no pode ser hierarquizada ou

ordenada, no tem nenhuma ordem de variao.
Por exemplo, a cor dos olhos, o local de nascimento, sexo, carreira e regio
onde mora.
Varivel Quantitativa
So numericamente mensurveis, ou seja, suas observaes so valores que
podem ser uma contagem (discreta) ou medida (contnua). Esta se subdivide
em:
Varivel Quantitativa Discreta - a que apresenta uma contagem, sem que

se possa fracionar, ou seja, os resultados possveis podem ser enumerveis e
finitos. Por exemplo, nmero de filhos e alunos numa escola.
Varivel Quantitativa Contnua - a que expressa uma medida e forma um

intervalo ou unio de nmeros reais.
Por exemplo: peso, altura, presso sistlica e nvel de acar no sangue.

Sries estatsticas
A princpio, toda tabela que apresenta um conjunto de dados estatsticos em
funo da poca, do local ou da espcie/fenmeno". O meio mais comum para
apresentao de resultados a tabela que deve ser clara e objetiva,
dispensando consulta a um texto. A finalidade bsica da tabela sintetizar
dados de maneira a fornecer o mximo de informao. Em geral, uma tabela
composta de:
Ex:
Ttulo: apresentado na parte superior da tabela deve informar trs questes: o

que se est sendo estudado, onde foi feito o estudo e quando este foi
realizado.
Cabealho: a parte superior da tabela, contendo informaes sobre o

contedo de cada coluna. Para grandezas fsicas, coloca-se tambm a unidade
utilizada, de modo que no corpo iro aparecer nmeros puros.
Coluna indicadora: indica o contedo das linhas. Normalmente colocada na

coluna mais esquerda.
Corpo: onde se coloca o resultado que se deseja relatar.
Muito comum, a tabela abaixo um exemplo de srie mista, por haver dupla
entrada evidenciada nas colunas (bebida preferida) e linhas (estado civil) e,
ambas, so variveis do tipo qualitativa.
Srie temporal, histrica, cronolgica ou marcha

Serie temporal uma sequncia de realizaes (observaes) de uma varivel
ao longo de um determinado tempo, ou seja, uma sequncia de observaes
(dados numricos) em ordem cronolgica, geralmente ocorrendo em intervalos
uniformes (iguais, por exemplo, diariamente, semanalmente, ou mensalmente).

Ex:
Portanto, uma srie temporal , to simplesmente, uma sequncia de nmeros

coletados em intervalos regulares durante um perodo de tempo. No exemplo
abaixo, alm de ser uma srie temporal, tambm apresentado mais de um
fenmeno/espcie (populao, bitos e incidncia) nas colunas, o que faz com
que ela tambm seja uma srie especfica (que veremos mais adiante).
Incidncia de bitos por AVC/1000 habitantes de 2000 a 2009 no Brasil
Srie geogrfica ou territorial

Elaborada a partir do registro de observaes de fatos ou ocorrncias num
determinado momento, mas em lugares distintos. Ento, o tempo e o
fenmeno so fixos e o que est apresentando variao o local, territrio ou
regio.

Alm de ser uma srie geogrfica, tambm uma srie especfica (que
veremos mais adiante) ao apresentar o sexo (masculino ou feminino) por
regio.
Srie especfica, especificativa ou categrica

Representa os fatos mencionando-os por grupos especficos ou categorias em
um determinado tempo e local.

Observe no ttulo que os tipos de causa de internao ocorrem no Hospital
Municipal de So Jos dos Campos em 2003. Tem-se uma tabela de dupla
entrada especfica, pois os tipos de causa (nas linhas) esto abertos nas
colunas por internaes, valor total, tempo mdio etc.
Alm das trs sries apresentadas, uma quarta srie estatstica, muito
importante, trabalha com as trs caractersticas (poca, local e fenmeno).
Trata-se da distribuio de frequncia. Vamos aprofundar mais sobre essa
quarta srie estatstica a seguir.
Distribuio de frequncia
Embora se apresentem fixas as trs caractersticas poca, local e fenmeno,
este ltimo (que, em sua maioria, uma varivel do tipo quantitativa contnua)
agrupado em classes mutuamente exclusivas, ou seja, um mesmo elemento
observado no pode estar em mais de uma das classes apresentadas.
De maneira sinttica, na primeira coluna de uma distribuio de frequncia

so apresentadas as classes e, na sequncia, o Ponto Mdio (PMi) e a
Frequncia Simples Absoluta (Fi) de cada uma das classes. Alm desses
princpios, as demais possveis colunas sero construdas na medida em que
forem necessrias.

Comumente, na sequncia, Frequncia Acumulada Absoluta (Fai),
Frequncia Relativa (Fri) e Frequncia Acumulada Relativa (Fari). As
Frequncias Relativas podem ser apresentadas em percentual (mais comum) ou
decimais de unidade. Acompanhe um exemplo a seguir.
Vejamos um exemplo apresentado num quadro de dados brutos e seu rol

abaixo da observao da taxa de colesterol (mg/dl) em 30 paciente internados
no Hospital ABC em mmm/aaaa:
Dados Brutos o conjunto dos dados que ainda no foram numericamente

organizados. Dados brutos da taxa de Colesterol (mg/dl) em pacientes
internados no Hospital ABC em mmm/aaaa:
Rol o conjunto organizado dos dados brutos por ordem de valor, podendo ser
crescente ou decrescente. ROL da taxa de Colesterol (mg/dl) em pacientes
internados no Hospital ABC em mmm/aaaa:
Observe que esto presentes a poca (mmm/aaaa), o local (Hospital ABC) e o

Fenmeno (taxa de colesterol em mg/dl). Agora, o Fenmeno ser agrupado
em classes mutuamente exclusivas de maneira em que se possa colocar cada
uma dessas taxas numa s classe. Para isso, usaremos intervalos de classe do
tipo fechada esquerda e aberta direita ( ), o que quer dizer que uma
observao ser considerada se estiver exatamente entre o limite inferior da

classe e "quase" no limite superior, afinal, observa-se que o limite superior de
uma classe o limite inferior da classe seguinte, onde ser considerada.
Frequncias
Continuando o raciocnio, as classes foram estabelecidas previamente com
intervalos iguais (32 mg/dl) de tal forma que chegamos a 6 classes (i). A
necessidade de trazer mais detalhes nos obrigaria a diminuir o intervalo para
que se possam ter mais classes. No necessariamente precisa que o limite
inferior da 1 classes seja o primeiro valor do rol (124 mg/dl). Estabelecidas as
classes, a coluna seguinte a do Ponto Mdio (PMi) que o valor que
representa a classe e encontrado calculando-se, meramente, a mdia aritmtica
simples entre os limites das classes (p.e.: Na 1 classes, 138 = [122 + 154 ] /
2; na 2 classes, 170 = [154 + 186 ] / 2 e assim, para cada uma das seis
classes). Na coluna seguinte apresentamos a Frequncia Simples Absoluta
(Fi); conhea agora cada uma das classes:
Frequncia Simples Absoluta (Fi) a quantidade de observaes em cada

uma das classes. Conte no rol a quantidade de observaes que esto entre
122 mg/dl (inclusive) e "quase" 154 mg/dl e veja como na 1 classe da
Distribuio de Frequncia informamos 7 na coluna Fi e ainda, na sequncia,
so informadas 5 observaes, contadas no rol, entre 154 mg/dl (inclusive) e

"quase" 186mg/dl, ento, a nica observao com 186 mg/dl no integra a 2
classe e, sim, a 3 classe e ser contadas nos 5 outros elementos encontrados
entre 186 mg/dl (inclusive) e "quase" 218 mg/dl. A prxima coluna, se
necessria, ser a Frequncia Acumulada Absoluta (Fai).
Frequncia Acumulada Absoluta (Fai) a soma das Frequncias Simples

Absolutas (Fi). Em quantos pacientes foi observado at (quase) 218 ml/dl? A
resposta est na coluna Fai que somou 17 = 7+5+5. Na sequncia das colunas
est a Frequncia Relativa (Fri).
Frequncia Relativa (Fri) que apresenta a relao (em sua maioria,

percentual) de cada quantidade observada na Frequncia Simples Absoluta (Fi)
em relao ao total de elementos observados, ou seja, a relao de cada
grupo de observaes da classe para com o total de observaes (em nosso
exemplo, 30 paciente/observaes). Ento, na 1 classe h 7 (Fi) observaes
que correspondem a 23,3% do total (30) e na 5 classe encontramos 20% =
0,20 = 6 / 30. E, finalmente, a Frequncia Acumulada Relativa (Fari).
Frequncia Acumulada Relativa (Fari) que, to simplesmente, corresponde

ao que verificamos na Frequncia Relativa (Fri) aplicada a Frequncia
Acumulada Absoluta (Fai), ou seja, observa-se que pouco mais da metade
(56,7%) das observaes tem at (quase) 218ml/dl e o clculo o mesmo da
coluna que a antecede - Frequncia Relativa (Fri). Vejamos que 40% = 0,40 =
12 / 30 dos pacientes tem at (quase) 186 ml/dl.
Ento, em nosso exemplo da Distribuio de Frequncia podemos ler, dentre

outras, as seguintes informaes:
Dois pacientes tm taxa de colesterol entre 218 mg/dll e (quase) 250 mg/dll;
Dezessete pacientes apresentam taxa de colesterol abaixo de (quase)

218mg/dll;

Vinte por cento dos pacientes tem entre 250 mg/dll e (quase) 282 mg/dll;
Quarenta por cento dos pacientes apresentam entre 154 mg/dll e (quase)
186mg/dll.
Atividade proposta
Discuta com os colegas quais as aes que devem ser tomadas para que as
organizaes sejam homologadas com grau 5 no CMMI.
Chave de resposta: O CMMI procura estabelecer um modelo nico para o

processo de melhoria corporativo, integrando diferentes modelos e disciplina.
Material complementar
Para saber mais sobre anlise de pesquisa e demais

caractersticas da bioestatstica, leia os textos disponveis em
nossa biblioteca virtual.
Referncias
CRESWELL, John W. Projeto de pesquisa: mtodos qualitativo, quantitativo e
misto. Porto Alegre: Artmed, 2010.
FIELD, Andy. Descobrindo a estatstica usando o SPSS. 2. ed. Porto

Alegre: Artmed, 2009.
BISQUERRA, Rafael; SARRIERA, Jorge Castell; MATNEZ, Francesc -

Introduo Estatstica - Enfoque Informtico com Pacote Estattico
SPSS - Editora Artmed, Maio 2004.

Exerccios de fixao
Questo 1
Classifique as seguintes variveis em Qualitativa, Quantitativa Discreta ou
Contnua:
O nmero de filhos de pacientes (p.e.: 0, 1, 2, 3);
A droga aplicada em pacientes (p.e.: Droga A, B, C ou placebo)
O teor de gordura medido em gramas por 24 horas nas fezes de crianas de 1 a
3 anos de idade (p.e.: 23,4 g).
a) (1) Quantitativa Discreta, (2) Qualitativa e (3) Quantitativa Contnua.
b) (1) Quantitativa Discreta, (2) Qualitativa, (3) Quantitativa Discreta.
c) (1) Qualitativa, (2) Quantitativa Contnua e (3) Quantitativa Discreta.
d) (1) Quantitativa Contnua, (2) Qualitativa e (3) Quantitativa Discreta.
e) (1) Quantitativa Contnua, (2) Quantitativa Contnua e (3) Qualitativa.
Questo 2
Desejando-se saber as horas de sono de alunos de uma determinada escola,
perguntou-se a hora em que se deitam e a hora que acordam a 250 alunos de
um total de 2600 alunos. Ento, marcando-se [F] Falso ou [V] Verdadeiro nas
sentenas abaixo, tem-se:
[] 250 a quantidade de elementos que foram coletados para a amostra;
[] 2.600 a quantidade de elementos do universo em estudo;
[] as horas em que deitaram e acordaram so os parmetros que levaro
os pesquisadores a encontrar a varivel tempo de sono dos alunos.
a) V - V - V
b) V - V - F
c) V - F - F
d) F - V - F
e) F - F - V
Questo 3
Um exemplo de Varivel do tipo Discreta :
a) Condies sanitrias de uma comunidade

b) Salrio de uma pessoa em dlares
c) Altura mdia das montanhas de uma cidade
d) Porcentagem de acertos ao alvo, de um atirador
e) Votos anulados em uma seo eleitoral
Questo 4
Ao nascerem, os bebs so pesados e medidos para saber se esto dentro das
tabelas-padro. Essas duas variveis (peso em quilos e altura em centmetros)
so variveis:
a) Ambas qualitativas
b) Ambas quantitativas discretas
c) Ambas quantitativas contnuas
d) Quantitativa Contnua e Discreta, respectivamente
e) Quantitativa Discreta e Contnua, respectivamente
Questo 5
Numa pesquisa de Estatstica, como designamos o grupo de elementos da
populao/universo convenientemente escolhida para represent-la e de onde
coletaremos os dados?
a) Varivel
b) Rol
c) Inferncia
d) Amostra
e) Atributo
Questo 6
Uma srie estatstica denominada temporal quando:
a) O local varia enquanto o tempo e o fenmeno so fixos.
b) O tempo varia enquanto o local e o fenmeno so fixos.
c) O fenmeno varia enquanto o local e o tempo so fixos.
d) O tempo apresentado em intervalos de classe.
e) O fenmeno apresentado em intervalos de classe.

Questo 7
Como chamamos a srie estatstica em que, embora se apresentem fixas as
trs caractersticas poca, local e fenmeno, o fenmeno agrupado em
classes mutuamente exclusivas?
a) Temporal ou Histrica
b) Especfica ou Categrica
c) Geogrfica ou Territorial
d) Distribuio de Frequncia
e) Mista ou Conjugada
Questo 8
Foram apuradas as quantidades de pacientes atendidos em um dia em diversas
especialidades de um hospital em mmm/aaaa que resultaram no seguinte: 364
pacientes foram atendidos no Pronto-Socorro, 286 na Pediatria, 127 na
Psicologia. 86 na Neurologia e 176 na Ginecologia. Pela descrio, podemos
construir uma srie estatstica:
a) Temporal ou Histrica
b) Especfica ou Categrica
c) De Dupla Entrada
d) Distribuio de Frequncia
e) Mista ou Conjugada
Questo 9
Com base na distribuio de frequncia apresentada, podemos afirmar que, dos
30 pacientes observados, 11 apresentaram taxa de Colesterol acima de 250
mg/dl. Sobre a base dessa informao podemos afirmar que:
a) a soma das frequncias absolutas simples das duas ltimas classes.
b) a subtrao das frequncias relativas simples das 3 e 4 classes mais
1 do erro estimado.
c) a mdia aritmtica ponderada das frequncias absolutas simples.
d) a moda mdia ponderada das frequncias absolutas simples.

e) a soma das frequncias relativas simples das 2 a 4 classes menos 1
do erro estimado.
Questo 10
Com base na distribuio de frequncia, qual o percentual de pacientes que
apresentaram mais de 250 ml/dl de colesterol?
a) 20%
b) 36,7%
c) 11%
d) 83,3%
e) 6,7%
Aula 1
Exerccios de fixao
Questo 1 - A
Justificativa: O nmero de filhos do tipo Quantitativa Discreta, a droga
aplicada do tipo Qualitativa e o teor de gordura do tipo Quantitativa
Contnua.
Questo 2 - A
Justificativa: Todas as trs sentenas so [V] verdadeiras.
Questo 3 - E
Justificativa: Votos anulados a nica varivel que no pode ser fracionada ou
apresentada em decimal de uma unidade e, por isso, trata-se de uma Varivel
do tipo Discreta.
Questo 4 - C
Justificativa: Por serem variveis que podem ser fracionadas, ambas so do tipo
Quantitativas Contnuas.

Questo 5 - D
Justificativa: Amostra qualquer subconjunto do universo, frao ou uma parte
do grupo que, de alguma forma, representa o universo.
Questo 6 - B
Justificativa: O tempo o nico elemento que varia numa srie temporal.
Questo 7 - D
Justificativa: A distribuio de frequncia a nica srie estatstica em que,
embora se apresentem fixas as trs caractersticas poca, local e fenmeno,
este ltimo agrupado em classes mutuamente exclusivas.
Questo 8 - B
Justificativa: A srie estatstica especfica a que se deve aplicar nesse caso
apresentado.
Questo 9 - A
Justificativa: Basta somar as frequncias absolutas simples das duas ltimas
classes para encontrar os 11 elementos que apresentaram taxa de colesterol
acima de 250 ml/dl.
Questo 10 - B
Justificativa: Soma-se as Frequncia Relativa (Fri) das duas ltimas classes que
equivalem aos pacientes que apresentaram colesterol acima de 250 ml/dl.

Introduo
A Bioestatstica visa capacitar os profissionais da sade sobre os conhecimentos
estatsticos bsicos, proporcionando-lhes os meios necessrios para anlise e
compreenso de variveis, relacionadas com a rea de atuao dos mesmos,
bem como aplicar os conhecimentos estatsticos no desenvolvimento de suas
atividades profissionais.
Objetivo:
1. Desenvolver a habilidade do manuseio de dados e medidas estatsticas
utilizadas na sade;
2. Introduzir o pensamento estatstico por meio da discusso de conceitos
bsicos e instrumentalizao em ferramentas estatsticas;
3. Aprender as medidas separatrizes.

Contedo
Medidas de posio (tendncia central)

So medidas que visam localizar o centro de um conjunto de dados, isto ,
identificar um valor em torno do qual os dados tendem a se agrupar. As
medidas de posio ou de tendncia central mais utilizadas so: mdia
aritmtica, mediana e moda. Vamos aprofundar em cada uma delas a
seguir.
Mdia aritmtica
A mdia aritmtica o ponto de equilbrio dos dados, isto , tendo um conjunto
de n valores x1, x2, ..., xn de uma varivel X, o quociente entre a soma
desses valores e o nmero deles.
A mdia aritmtica pode ser representada pela seguinte frmula matemtica: x

= xi / n => a soma de todas as observaes dividida pelo nmero de
acordo com o material bruto.
Exemplo:
Nvel de colesterol de um conjunto de 10 pacientes clnicos (mg/1.000 ml):
233 291 312 250 246 197 268 224 239 239
Colesterol: 233+291+312+250+246+197+268+224+239+239 = 249,90

mg/1.000 ml
mdio 10
Numa amostra seriada os valores x1, x2, ..., xk ocorrem n1, n2, ..., nk vezes,
respectivamente, a mdia aritmtica ser x = ni.xi / n = fi.xi
Vamos acompanhar agora os dois dados agrupados da mdia aritmtica:
Sem intervalos de classe:

Com intervalos de classe:
Mediana (md)
o valor que ocupa a posio central dos dados ordenados; o valor que deixa
metade dos dados abaixo e metade acima dele, dispostos segundo uma ordem
(crescente ou decrescente). Se o nmero de observaes for par, a mediana
ser a mdia aritmtica dos dois valores centrais.
Exemplo 1:
Dada uma srie de valores como, por exemplo: { 5, 2, 6, 13, 9, 15, 10 }
De acordo com a definio de mediana, o primeiro passo a ser dado o da
ordenao (crescente ou decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 }

O valor que divide a srie acima em duas partes iguais igual a 9, logo a Md =
9.
Mtodo prtico para o clculo da Mediana:
Se a srie dada tiver nmero mpar de termos, o valor mediano ser o termo de
ordem dado pela frmula:
(n+1)/2
Exemplo 2:
Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 2, 5 }
1 - ordenar a srie { 0, 0, 1, 1, 2, 2, 3, 4, 5 }
n = 9 logo (n + 1)/2 dado por (9+1) / 2 = 5, ou seja, o 5 elemento da srie
ordenada ser a mediana
A mediana ser o 5 elemento = 2
Se a srie dada tiver nmero par de termos, o valor mediano ser o termo de
ordem dado pela frmula:
[( n/2 ) +( n/2+ 1 )] / 2
Obs.: n/2 e (n/2 + 1) sero termos de ordem e devem ser substitudos pelo
valor correspondente.
Exemplo 3:
Calcule a mediana da srie { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }
1 - ordenar a srie { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }
n = 10 logo a frmula ficar: [( 10/2 ) + (10/2 + 1)] / 2
[( 5 + 6)] / 2 ser na realidade (5 termo+ 6 termo) / 2
5 termo = 2
6 termo = 3
A mediana ser = (2+3) / 2 ou seja, Md = 2,5. A mediana no exemplo ser a
mdia aritmtica do 5 e 6 termos da srie.
A mediana dever ser utilizada quando:

Se deseja conhecer o ponto mdio exato da distribuio;
Existem resultados extremos que afetariam grandemente a mdia. Importa
salientar que a mediana no influenciada pelos resultados extremos.
Exemplo: na srie 10, 13, 15, 16, 18, 19, 21, tanto a mdia como a mediana
so 16; se substituirmos 21 por 50 e os restantes resultados permanecerem os
mesmos, a mediana 16 e a mdia ser de 20,1;
A distribuio truncada, isto , incompleta nas extremidades exemplo:
desejamos medir os tempos de reao em Psicologia e as vrias respostas
ultrapassam as capacidades de medida do aparelho; vemonos, assim,
impossibilitados de calcular a mdia, j que no dispomos de todos os valores
da varivel, sendo, no entanto, possvel calcular o valor da mediana, j que
conhecemos o nmero de medidas efetuadas.
Moda (mo)
A moda (ou valor modal) de uma srie de n valores x1, x2, ..., xn de uma
varivel X o valor onde a frequncia atinge o mximo (relativo) ou o valor
mais frequente na distribuio.
Exemplo:
O conjunto de tempo de servio (em anos) de cinco funcionrios: 3, 7, 8, 8 e
11. Qual a moda deste conjunto de dados.
Mo = 8 => distribuio unimodal ou modal
O conjunto de tempo de servio (em anos) de seis funcionrios: 3, 3, 7, 8, 8 e
11. Qual a moda deste conjunto de dados?
Mo = 3
Mo = 8 Distribuio bimodal
A moda utilizada quando desejamos obter uma medida rpida e aproximada

de posio ou quando a medida de posio o valor mais tpico da distribuio.
J a mdia aritmtica a medida de posio que possui a maior estabilidade.
A moda dever ser utilizada quando:

Uma medida rpida e aproximada da tendncia central for suficiente;
Se deseja conhecer o valor mais tpico de uma distribuio. Exemplos:
descrever o estilo de vestido usado pela mulher mdia, salrio preponderante
em determinada empresa, etc.
de salientar que, apesar das vantagens apresentadas para a moda, esta tem
a desvantagem de ser de determinao imprecisa, no caso das variveis
contnuas.
Tendncia central
A medida de tendncia central mais usada a mdia aritmtica, que apresenta
em relao mediana e moda vantagens apreciveis, tais como:
Relao emprica entre a mdia, a mediana e a moda

Existem diversos modos, todos obtidos empiricamente, de se calcular o
coeficiente de assimetria (AS), para as distribuies unimodais e
moderadamente assimtricas:
1 Coeficiente de Pearson
1 Coeficiente de Pearson: AS = (mdia - moda) desvio-padro

Quando:
AS = 0 temos que a distribuio simtrica;
AS > 0 temos que a distribuio assimtrica positiva;

AS < 0 temos que a distribuio assimtrica negativa
2 Coeficiente de Pearson
2 Coeficiente de Pearson: AS = 3 (Mdia Mediana) desvio-padro

Assim, quando:
AS = 0 temos que a distribuio simtrica;
AS > 0 temos que a distribuio assimtrica positiva;
AS < 0 temos que a distribuio assimtrica negativa.
Vejamos a relao existente entre essas trs medidas no caso das figuras,
conforme abaixo:
Curva assimtrica direita (positivamente)
Caractersticas: Mdia > Moda

Mdia > Mediana => Mdia > Mediana > Moda
Mediana > Moda
Curva assimtrica esquerda (negativamente)
Caractersticas: Moda > Mediana

Moda > Mdia => Moda > Mediana > Mdia
Mediana > Mdia
Medidas de disperso
Vamos acompanhar agora as ferramentas estatsticas. Uma medida de
tendncia central no nos d, por si s, uma informao exaustiva da
distribuio considerada; pelo contrrio, a capacidade que se lhe atribui de
representar os elementos de uma distribuio depende do modo como estes se
concentram ou dispersam em torno dela.

Assim, podemos dizer que os parmetros de tendncia central no so
suficientes para caracterizar uma srie estatstica, apesar de a mediana e os
quantis darem j uma ideia sumria do modo como esto distribudas as
observaes. Assim, para melhor caracterizarmos uma distribuio, temos de
considerar, alm das medidas de tendncia central, uma outra medida que
exprima o grau de disperso ou variabilidade dos dados.
Amplitude total
A amplitude total a diferena entre o maior e o menor valor, isto , a
amplitude total de uma varivel estatstica a diferena entre o valor mximo e
o valor mnimo dos valores observados. a forma mais simples de avaliar a
disperso dos dados, de tal modo que quanto maior for a amplitude total maior
a disperso dos dados.
A amplitude total pode ser tambm denominada de intervalo total ou campo de

variao; representase, habitualmente, por A e apenas usa valores extremos.
Numa amostra seriada:

A = Valor maior Valor menor
Exemplo:
233 291 312 250 246 197 268 224 239 239
Amplitude = 312 197 = 115 mg/1.000 ml
Varincia
Outra maneira de eliminarmos os sinais dos desvios consiste em elev-los ao
quadrado. Por isso, em vez da mdia dos valores absolutos dos desvios
considera-se a mdia dos quadrados dos desvios. Obtm-se, assim, uma outra
medida de disperso bastante usada - a varincia.

Dados n valores x1, x2, ..., xn de uma varivel X, chama-se varincia e
representa-se, habitualmente, por S2, a mdia dos quadrados dos desvios
dos valores a contar da mdia, isto : S2 = (xi - x)2 / (n - 1)
o desvio padro elevado ao quadrado. A varincia uma medida que tem

pouca utilidade como estatstica descritiva, porm extremamente importante
na inferncia estatstica e em combinaes de amostras.
Exemplo:
233 291 312 250 246 197 268 224 239 239
Interpretao:
Para eliminarmos o quadrado da unidade de medida, extramos a raiz quadrada
do resultado da varincia, que d origem 3 medida de disperso, chamada
de Desvio-padro.
Desvio-padro (S) = S2 = 1.097,88 mg2 /1.000 ml2 = 33,13 mg/1.000 ml
Frmula do desvio-padro:
Coeficiente de variao
Coeficiente de Variao (CV) - coeficiente de variao de Pearson:
Trata-se de uma mdia relativa disperso. til para a comparao e
observao em termos relativos do grau de concentrao em torno da mdia de
sries de dados distintos.

Coeficiente = desvio-padro x 100% = 33,13 mg / 1.000ml x 100% =
13,26% de variao mdia 249,90 mg / 1.000 ml
Caractersticas do CV:
Medida relativa da disperso;
til para comparar a variabilidade de dados expressos em unidades distintas;
til para comparar a variabilidade de dados que so expressos nas mesmas
unidades, mas que apresentam valores distintos.
Medidas separatrizes
So nmeros que dividem uma sequncia ordenada de dados em partes que
contm a mesma quantidade de elementos da srie.
Desta forma, a mediana que divide a sequncia ordenada em dois grupos, cada
um deles contendo 50% dos valores da sequncia, tambm uma medida
separatriz.
Alm da mediana, as outras medidas separatrizes so: quartis, quintis, decis

e percentis.
Quartis
Os quartis dividem a srie ordenada em 4 partes iguais, contendo cada uma
delas 1/4 ou 25% das observaes (elementos). Os elementos que separam
esses grupos so chamados de quartis.
Q1 = 1 quartil (corresponde ao quantil de ordem p=1/4)

O 1 quartil (Q1) separa a sequncia ordenada deixando 25% de seus valores
esquerda e 75% de seus valores direita.
O 2 quartil (Q2) separa a sequncia ordenada deixando 50% de seus valores

esquerda e 50% de seus valores direita.
O 3 quartil (Q3) obedece mesma regra dos anteriores.
Amplitude Interquartis
Os quartis fornecem indicao quanto forma como as observaes se
distribuem em torno da mediana.
Como o 1 e o 3 quartis representam valores abaixo dos quais esto, grosso

modo, respectivamente, 25% e 75% das observaes, entre eles existiro,
assim, 50% das observaes centrais. Consequentemente, quanto mais
aproximados estiverem esses quartis, maior ser a concentrao das
observaes em torno da mediana.
A amplitude interquartis (intervalo interquartil) definida como a diferena

entre o Quartil 3 e o Quartil 1 (Q1 - Q3).
Clculo dos quartis

As notas dos testes de 15 funcionrios matriculados em um curso de
treinamento so listadas a seguir. Encontre o primeiro, o segundo e o terceiro
quartis das notas dos testes.
13 9 18 15 14 21 7 10 11 20 5 18 37 16 17
Em primeiro lugar necessrio ordenar os dados em ordem crescente:
Q1 Q2 Q3

Determinar a posio dos quartis:
Decis
Os decis dividem a srie ordenada em 10 partes iguais, contendo cada uma
delas 1/10 ou 10% das observaes (elementos). Os elementos que separam
esses grupos so chamados de decis.
D1=1 decil (corresponde ao quantil de ordem p=1/10)

D2=2 decil (corresponde ao quantil de ordem p=2/10)
O 1 decil (D1) separa a sequncia ordenada deixando 10% de seus valores
esquerda e 90% de seus valores direita. De modo anlogo so definidos os
outros decis.
Centis
Os centis dividem a srie ordenada em 100 partes iguais, contendo cada uma
delas 1/100 ou 1% das observaes.
C1=1 centil (corresponde ao quantil de ordem p=1/100)

C2=2 centil (corresponde ao quantil de ordem p=2/100)
Atividade proposta
Discuta com os colegas quais as aes que devem ser tomadas para que as
organizaes sejam homologadas com grau 5 no CMMI.
Chave de resposta: O CMMI procura estabelecer um modelo nico para o

processo de melhoria corporativo, integrando diferentes modelos e disciplina.
Referncias
CRESWELL, John W. Projeto de pesquisa: mtodos qualitativo, quantitativo e

misto. Porto Alegre: Artmed, 2010.

FIELD, Andy. Descobrindo a estatstica usando o SPSS. 2. ed. Porto
Alegre: Artmed, 2009.
BISQUERRA, Rafael; SARRIERA, Jorge Castell; MATNEZ, Francesc -

Introduo Estatstica - Enfoque Informtico com Pacote Estattico
SPSS - Editora Artmed, Maio 2004.
NETO, Silvany, Bioestatstica sem segredos, AM. 1a Ed. Bahia, 2008.
Exerccios de fixao
Questo 1
Mdia, mediana e moda so medidas estatsticas de:
a) Disperso
b) Assimetria
c) Separatriz
d) Posio
e) Curtose
Questo 2
Na srie 10, 20, 40, 50, 70, 80 a mediana ser:
a) 30
b) 35
c) 40,5
d) 40
e) 45
Questo 3
50% dos dados de um distribuio situam-se:
a) Abaixo da mdia.
b) Acima da mediana.
c) Abaixo da moda.
d) Acima da mdia.

e) Acima da moda.
Questo 4
Assinale a resposta CORRETA.
a) Uma distribuio de dados simtrica apresenta a mdia, a moda e a
mediana iguais.
b) Se o histograma de uma varivel apresenta uma cauda mais alongada
esquerda do que direita, ento essa varivel possui assimetria positiva.
c) Numa distribuio assimtrica esquerda, o valor da moda menor que
o valor da mediana e menor que o valor da mdia.
d) Numa distribuio assimtrica direita, o valor da moda maior que o
valor da mediana e menor que o valor da mdia.
e) O intervalo interquartil no uma medida de disperso dos dados
observados.
Questo 5
Sejam duas distribuies de probabilidade fortemente assimtricas: A e B. A
distribuio A apresenta moda > mediana > mdia. A distribuio B apresenta
mdia > mediana > moda. Com essas afirmaes pode-se, corretamente,
afirmar que:
a) A distribuio A negativamente assimtrica.
b) A distribuio B negativamente assimtrica.
c) A distribuio A assimtrica esquerda.
d) As distribuies A e B so positivamente assimtricas.
e) Os valores das medidas de tendncia central da distribuio A so
maiores do que os de B.
Questo 6
A tabela a seguir mostra a mdia e desvio-padro das notas dos alunos em um
exame nacional em cinco Estados diferentes:
Mdia Desvio-padro

Estado I 500 100
Estado II 600 120
Estado III 500 140
Estado IV 450 120
Estado V 600 100
Assinale a opo que indica o Estado que apresentou o menor coeficiente de

variao das notas.
a) I
b) II
c) III
d) IV
e) V
Questo 7
Com base na tabela acima, pode-se afirmar que a(s):

I - menor disperso das notas ocorre no grupo dos alunos concluintes;
II - amplitude total das notas menor no grupo dos concluintes;
III - varincia das notas menor no grupo de ingressantes;
IV - medidas de posio na distribuio de notas so menores no grupo dos
ingressantes.
So verdadeiras APENAS as afirmaes:
a) I e III
b) I e IV
c) II e III

d) II e IV
e) III e IV
Questo 8
Numa pesquisa na rea de sade foram avaliados os nveis de colesterol

(mg/dg), glicemia (mg/dl), triglicrides (mg/dl) e hemoglobina (g/dl) de um
grupo de adultos numa determinada comunidade. Os resultados so
apresentados na tabela:
Com base nos resultados da tabela acima, a varivel que apresentou a maior
variao foi?
a) Colesterol (LDL)
b) Glicemia
c) Triglicrides
d) Hemoglobina
e) Colesterol (HDL)
Questo 9
Para melhor caracterizarmos uma distribuio, temos de considerar, alm das
medidas de tendncia central, calcular uma medida que expresse o grau de
disperso ou variabilidade dos dados. Neste caso, a estatstica mais apropriada
:
a) Varincia
b) Amplitude total
c) Coeficiente de variao
d) Desvio-padro
e) Amplitude relativa

Questo 10
Um casal tem 4 filhos com idades de 1, 6, 8 e 15 anos, respectivamente. O
desvio-padro das idades dos filhos de, aproximadamente:
a) 30
b) 15
c) 14
d) 7,5
e) 7
Questo 11
A fim de incentivar os funcionrios a participarem de um programa de
emagrecimento, fez-se um levantamento dos pesos dos 150 funcionrios de
determinado departamento. Os resultados esto na tabela a seguir:
Peso (kg) Percentagem

60 | 70 8
70 | 80 18
80 | 90 30
90 | 100 22
100 | 110 16
110 | 120 6
O 20 percentil dessa distribuio , aproximadamente, igual a:

a) 78,7
b) 76,7
c) 74,7
d) 72,7
e) 70,7
Questo 12
A amplitude interquartil ser determinada pela?

a) Diferena entre o Quartil 4 e o Quartil 1 (Q143).
b) Diferena entre o Quartil 3 e o Quartil 1 (Q1Q3).
c) Diferena entre o Quartil 4 e o Quartil 2 (Q2Q4).
d) Diferena entre o Quartil 3 e o Quartil 2 (Q2Q3).
e) Diferena entre o Quartil 4 e o Quartil 3 (Q3Q4).
Questo 13
As medidas separatrizes so nmeros que dividem uma sequncia ordenada de
dados em partes que contm a mesma quantidade de elementos da srie, em
relao (ao):
a) Mdia
b) Moda
c) Mediana
d) Desvio-padro
e) Varincia
Questo 14
Os Quartis dividem os dados em:
a) Cem partes iguais.
b) Dez partes iguais.
c) Cinco partes iguais.
d) Quatro partes iguais.
e) Duas partes iguais.
Questo 15
Considere o conjunto de valores que representa as idades de um grupo de
crianas de uma comunidade. Determine a idade que corresponde a 25% das
crianas (Q1).
a) Q1=3
b) Q1=5
c) Q1=4
d) Q1=6

e) Q1=8
Aula 2
Exerccios de fixao
Questo 1 - D
Justificativa: So medidas que visam localizar o centro de um conjunto de
dados, isto , identificar um valor em torno do qual os dados tendem a se
agrupar.
Questo 2 - E
Justificativa: Como a srie tem um nmero par de termos, a mediana: (40+50)
/ 2 = 45.
Questo 3 - B
Justificativa: A mdia o valor que deixa metade dos dados abaixo e metade
acima dele.
Questo 4 - A
Justificativa: Quando a distribuio de dados for simtrica, as trs medidas de
posio (mdia, moda e mediana) apresentam o mesmo valor.
Questo 5 - B
Justificativa: Quando a distribuio dos dados a Moda; Mediana; Mdia, ela
assimtrica esquerda ou negativamente assimtrica.
Questo 6 - E
Justificativa: Aplicando-se a frmula do coeficiente de variao: (desvio-padro
/ mdia) x 100%. Neste caso, o coeficiente de variao do Estado V ser (100 /
600) x 100% = 16,7%.

Questo 7 - E
Justificativa: A afirmativa I est incorreta porque a menor disperso, medida
pelo desvio-padro, de ingressantes. A afirmativa II est incorreta porque a
amplitude total, medida pelo erro padro da mdia, menor na coluna total.
Questo 8 - D
Justificativa: Quando se compara a variabilidade de dados expressos em
unidades distintas, utiliza-se o coeficiente de variao.
Questo 9 - D
Justificativa: Porque expressa a variabilidade mdia dos dados em relao sua
mdia.
Questo 10 - C
Justificativa: Calculando-se a amplitude total, que a diferena entre o maior e
o menor valor, chegamos a: 15 1 = 14.
Questo 11 - B
Justificativa: A classe que conter o 20 percentil (20%) da distribuio ser a
2 classe (70 | 80), pois at a 1 classe temos apenas 8% da distribuio.
Para encontrar o valor do P20, atravs de interpolao, fazendo uma simples
proporo: 18 = 12 => X = 6,7
10 X
A frequncia na classe (18) est para a amplitude de classe (10) assim como a
frequncia procurada (12), o que falta para chegar a 20, considerando a
frequncia acumulada da classe anterior) est para uma amplitude x (que
desejamos descobrir). Para encontrar o valor do P20, basta acrescentar o valor
encontrado (x = 6,7) ao limite inferior da classe do P20, que igual a 70.
Portanto: P20 = 70 + 6,7 = 76,7
Questo 12 - B

Justificativa: A amplitude interquartil definida pela diferena entre Quartil 3 e
o Quartil 1 (Q1Q3).
Questo 13 - B
Justificativa: Como as medidas separatrizes dividem os dados em partes iguais,
neste caso elas mantm relao com a mediana.
Questo 14 - D
Justificativa: Os quartis dividem a srie ordenada em 4 partes iguais, contendo
cada uma delas 1/4 ou 25% das observaes (elementos).
Questo 15 - C
Justificativa: Primeiro, ordenamos os dados {2, 3, 3, 4, 4, 5, 5, 6, 6, 8, 9, 9, 10,
11}. Aplicando-se a frmula, Q1 = 1 / 4 x ( n+1) = 0,25 x (14+1) = 3,75.

Introduo
O objetivo de uma pesquisa , sempre, fazer afirmaes sobre as
caractersticas de uma populao, ou saber o efeito geral de algum fator sobre
a referida caracterstica, de forma a poder tomar uma deciso vlida a toda a
populao. Pelo exposto, seria sempre necessrio fazer um censo (pesquisa em
todos os elementos), o que difcil de fazer por muitos fatores.
A inferncia estatstica fornece mecanismos que permitem, a partir de uma

amostra aleatria, obter concluses vlidas para a populao.
Como um fundamental instrumento de mensurao de dados, a estatstica gera

informaes para as tomadas de decises e, ento, o que a estatstica trata
como inferncia.
habitual a utilizao da estatstica como suporte para a tomada de deciso,

tendo como base as ferramentas de inferncia que veremos nesta aula.
Objetivo:
1. Conhecer a Probabilidade e a Distribuio de Probabilidade Normal;
2. Entender as ferramentas de Inferncia, tais como, Intervalo de Confiana e
Teste de Hipteses.

Contedo
Descobrindo a distribuio de probabilidade normal
Probabilidade vem da palavra em latim "probare" que significa testar, provar,
ento, trata-se de uma palavra utilizada em circunstncias nas quais no temos
a certeza de que algo ir ocorrer e so associadas chances a cada ocorrncia
possvel.
A probabilidade est em nosso dia a dia quando pensamos:
"Ser que amanh vai chover?"
" provvel que esse avio chegue atrasado."
" pequena a chance deste time ganhar este jogo!
Ao pensarmos dessas formas, associamos a existncia de que existe uma

chance de ocorrer um determinado evento (favorvel ou no).
As probabilidades so teis quando uma varivel observada em um

experimento aleatrio.
O comportamento de uma varivel chamada de aleatria pode ser representado

atravs da distribuio de probabilidades. Isto significa que seria necessrio
achar a referida distribuio para cada problema/varivel em estudo. Porm,
algumas situaes padres podem ser identificadas, gerando os chamados
modelos probabilsticos.
A Distribuio Normal ou curva Normal, tambm chamada de Distribuio de

Gauss ou Gaussiana e, at mesmo, conhecida como "Curva em forma de Sino"
ou de "Montanha" a mais usada devido s propriedades matemticas que a
tornam a base de grande parte da teoria da inferncia.

A Distribuio Normal muito usada quando a varivel em estudo
apresenta valores concentrados em torno de um valor, como
mostrado a seguir.
A Distribuio Normal meramente definida por dois parmetros, a Mdia (u =

letra grega chamada de Mi) e o Desvio Padro (o = letra grega chamada de
Sigma).
Como vimos na aula anterior, a Mdia (u) define a posio em torno da qual se
encontram os demais valores e o Desvio Padro (o) expressa a disperso dos
valores em torno da Mdia (u).
Distribuio Normal
um modelo terico e tem forma de Sino ou Montanha;
simtrica em relao Mdia (), que tambm a de mxima frequncia

(Moda);
Dada a simetria, 50% dos valores so inferiores Mdia () e os outros 50%

so superiores. Ento, a rea sob a curva igual a 1 = 100% de probabilidade;
unimodal e, no seu pico, coincidem a Moda, a Mdia () e a Mediana;
Fica completamente especificada pela Mdia () e Desvio Padro () da varivel

e, assim, h uma curva Normal para cada combinao de Mdia () e Desvio
Padro ().
A funo matemtica que define essa curva :

O que, para o clculo de qualquer probabilidade, num determinado intervalo,
teramos que recorrer integral da funo.
Distribuio Normal Padronizada

a Distribuio Normal transformada para uma distribuio com Mdia = 0
(zero) e Varincia = 1, representada por N(0,1). A transformao se d pela
frmula abaixo e as probabilidades acumuladas para essa distribuio
encontram-se em tabela, como a apresentada no final desta aula.
Nota-se que a tabela de Z apresenta a rea a partir do nmero de desvios

padro, os quais so encontrados, assim: Z = A, BC onde A o inteiro lido na
1 coluna, B o decimal lido tambm na 1 coluna e C a centsima lida na
1 linha da tabela. Ento, por exemplo, quando achamos Z = 1,25, percorre-se
a 1 coluna at 1,2 (A,B_) e encontre o valor da interseo com a coluna 5
(_,_C) e veja que a probabilidade acumulada entre 0 (zero) e 1,25 desvios
padro igual a 0,39435 = 39,44%.
Assista ao vdeo sobre distribuio da probabilidade e conhea mais sobre:
Propriedades da distribuio normal;

Tipos de tabela;
Exemplos de uso de tabela.
O vdeo mostra como usar a tabela da distribuio normal para calcular

probabilidades.
possvel (e recomendado) a converso (ou reduo) de qualquer Distribuio

Normal para uma Normal Padro e este procedimento comumente chamado
de padronizao, passando a ser uma forma muito mais simples de encontrar o

resultado da probabilidade de um determinado intervalo pela padronizao e
consulta da tabela da probabilidade acumulada.
Como exemplo, suponha que a quantidade de colesterol em 100ml de plasma

sanguneo humano tem Distribuio Normal com Mdia = 200mg e Desvio
Padro = 20mg. Pergunta-se, qual a probabilidade de uma pessoa apresentar
entre 200mg e 225mg de colesterol por 100ml de plasma?
Vejamos, X ~ N (200mg;20mg) ... Z ~ (0;1)
Tabela normal padronizada

Ento, ao consultarmos a tabela da Normal Padronizada, encontramos que a
probabilidade igual a 0,3944, que se escreve, P ( 0; Z; 1,25 ) = 0,3944 =
39,44%. Sobre as mesmas condies da quantidade de colesterol em 100ml de
plasma sanguneo humano, tem Distribuio Normal com Mdia = 200mg e
Desvio Padro = 20mg, uma outra pergunta: qual a probabilidade de uma
pessoa apresentar menos do que 180mg de colesterol por 100ml de plasma?
Vejamos:
Como o resultado negativo, est se querendo uma probabilidade antes da

mdia = 200mg. Ento, como na tabela a probabilidade em Z = 1,00 igual a
0,3413, temos que subtrair da rea antes da mdia (0,50 = 50%) a
probabilidade encontrada de 0,3413 = 34,13%. Ento, escreve-se P ( X <
180mg ) = P ( Z < - 1,00 ) = 0,50 - P ( 0; Z; -1 ) = 0,50 0,3413 = 0,1587 =
15,87%.

Intervalos de confiana e erro padro da mdia
Mdias, Moda e Medianas so estimativas pontuais, pois so valores nicos e
absolutos e, at ento, caractersticas que nos davam a posio dos valores de
um grupo em estudo.

Existem tambm as estimativas por intervalos, que so expressas por limites
(inferior e superior) entre os quais se acredita estar o verdadeiro valor do
parmetro em estudo. Por exemplo, num estudo em pacientes hipertensos,
pode-se dizer que a presso arterial (PA) Mdia 87,5, variando de 85,7 a 89,3
(intervalo de confiana = [ 85,7 ; 89,3 ]).
Uma das utilidades dos intervalos dar a ideia da disperso ou variabilidade

(visto na aula anterior) das estimativas expressas pelo tamanho desse intervalo.
Um intervalo muito grande indica que a estimativa calculada no to acurada
quanto outra com intervalo menor, ou seja, quanto maior a amplitude do
intervalo, menor a confiabilidade da estimativa.
Existem vrios mtodos para expressar intervalos, sendo exemplos o valor

mximo e o valor mnimo e os intervalos de percentis (visto na aula anterior),
como o intervalo 25% - 75%.
O mais conhecido e o mais correto tecnicamente o Intervalo de Confiana

que permite incorporar uma probabilidade de erro. Esta probabilidade de erro
inferida a partir de um conhecimento do modelo de Distribuio de Frequncias
do fenmeno estudado.
O modelo que mais habitualmente se ajusta ocorrncia de fenmenos

biolgicos o de distribuio normal (que vimos logo no incio dessa aula), cujo
intervalo de confiana envolve para sua construo o conhecimento da
varincia de onde chegaremos ao desvio padro.
Os intervalos podem ser construdos com diferentes coeficientes de confiana,

sendo em geral mais utilizados os coeficientes de 95% ou 99%
(matematicamente, no possvel aplicar 100% de confiana).

De maneira simples, podemos expressar o Intervalo de Confiana (IC) como IC
= estimativa pontual (Mdia) valor crtico da distribuio * desvio padro da
estimativa.
Quando se constri um intervalo de confiana para se descrever a variabilidade

de uma medida, o desvio padro utilizado o da medida em questo, mas
quando se constri um intervalo de confiana para valores possveis de uma
estimativa pontual, por exemplo, uma mdia, o desvio padro utilizado uma
estimativa do desvio padro para uma suposta srie de mdias como se as
mdias formassem um grupo em estudo.
Desvio padro
Este um caso especial de desvio padro que recebe o nome de erro padro
da mdia. Veja agora um pequeno resumo de algumas importantes
consideraes:
O comprimento do intervalo de confiana est associado preciso, quanto

menor for o comprimento mais precisa a mdia;
Se diminuirmos a, isto , aumentarmos 1a (grau de confiana), mantendo fixo

n (tamanho da amostra), vai aumentar e consequentemente, tambm, o
comprimento do intervalo. No possvel fazer a = 0.
Quando aumentamos n, mantendo a fixo, diminui-se o comprimento do

intervalo.
Graficamente, podemos ilustrar:
Ento, tal como ilustrado e expresso em nosso texto, a frmula que define o
Intervalo de Confiana :

Assim, o Intervalo de Confiana para a mdia, neste caso, entre 83,14 e
86,86.
Exemplos de desvio padro

De experincias passadas, sabe-se que o Desvio Padro da altura de crianas
da 5 srie 5cm. Colhendo uma amostra de 36 dessas crianas, observou-se a
mdia de 150 cm. Calcule um intervalo de 95% de confiana para a altura
mdia dessas crianas.
Calculando, tem-se: n = 36; Mdia = 150cm; Desvio Padro = 5cm e Confiana

de 95%.

Com Confiana de 95%, divide-se pelos dois lados da curva e, ento, busca-se
0,475 na tabela Normal e encontra-se Z = 1,96.
Assim, com coeficiente de confiana de 95%, o Intervalo de Confiana para a

altura das crianas da 5 srie entre 148,37cm e 151,63cm.
E se, com base nesse mesmo caso, trabalhssemos com uma

confiana de 90%?
O que se espera para o intervalo de confiana, mais, ou menos amplo?

Menos amplo, porque reduzindo-se a probabilidade de confiana, pode-se ter
um intervalo menor. Vejamos:
Com Confiana de 90%, divide-se pelos dois lados da curva e, ento, busca-se
0,45 na tabela Normal e encontra-se Z = 1,64, calculemos:
Assim, com coeficiente de confiana de 90%, o Intervalo de Confiana para a

altura das crianas da 5 srie entre 148,63cm e 151,37cm.
Teste de hipteses
Muitas anlises estatsticas envolvem comparaes entre tratamentos ou
procedimentos, ou entre grupos de indivduos. Pode-se definir como hipteses
questes levantadas relacionadas ao problema em estudo e que, se
respondidas, podem ajudar a solucion-lo.
O principal objetivo da hiptese na pesquisa cientfica sugerir explicaes

para os fatos.

Uma vez formuladas as hipteses, estas devem ser comprovadas (ou no)
atravs do estudo com a ajuda de testes estatsticos.
Num teste de hipteses estatstico, so formuladas duas hipteses chamadas

hiptese nula (H0) e hiptese alternativa (H1). Hiptese nula (H0) a que
colocamos prova, enquanto que a hiptese alternativa (H1) a que poder
ser aceita caso a hiptese nula (H0) seja rejeitada.
Ou seja, todo o procedimento de teste de hiptese est baseado na suposio

de que a hiptese nula (H0) verdadeira. Se isto verdade, ento, espera-se
que os dados confirmem a referida hiptese. Caso contrrio, o critrio de
deciso previamente definido levar rejeio da hiptese nula (H0), o que
implicar na aceitao da hiptese alternativa (H1).
Nos casos mais simples da rea biomdica, a hiptese nula (H0) pode estar
associada a uma igualdade entre mdias ou propores que podem indicar a
no associao (independncia) entre fatores de interesse.
Imagine, por exemplo, um estudo sobre fatores de risco para doenas

cardiovasculares, uma hiptese nula (H0) poderia ser a proporo de
doentes cardiovasculares entre hipertensos igual proporo entre
no hipertensos ou, de uma outra forma, a chance da doena
cardiovascular a mesma para hipertensos e no hipertensos.
Esta anlise poderia nos levar a dizer que no existe associao entre
hipertenso e doena cardiovascular.
Outro exemplo, desta vez considerando igualdade de mdias, pode ser descrito
por um estudo sobre tempo de recuperao de pacientes transplantados.
Supondo que desejamos comparar trs procedimentos cirrgicos diferentes,
uma possvel hiptese seria o tempo mdio de recuperao o mesmo nos

trs procedimentos cirrgicos, ou seja, o tipo de procedimento cirrgico no
influencia no tempo de recuperao do paciente.
Todo o teste de hiptese possui erros associados a ele. Um dos mais

importantes chamado erro do tipo I que corresponde rejeio da hiptese
nula quando esta for verdadeira. No exemplo da doena cardiovascular, a
probabilidade do erro do tipo I seria a probabilidade de se concluir que h
associao quando, na verdade, no h, ou seja, afirmar uma associao que
no existe (que devida ao acaso). No exemplo do tempo de recuperao, o
erro do tipo I corresponderia a dizer que o tipo de procedimento cirrgico
influencia no tempo de recuperao quando, na realidade, o tempo mdio o
mesmo nos trs procedimentos. A probabilidade do erro do tipo I chama-se
nvel de significncia e expressa atravs da letra grega . Os nveis de
significncia usualmente adotados so 5%, 1% e 0,1%.
Numa tabela, podemos resumir o que foi dito:
Hiptese
colocada prova Verdadeira Falsa
( )
CONCLUSO Erro Tipo II

ACEITAR
CORRETA
Erro Tipo I CONCLUSO

REJEITAR
( ) CORRETA
Tambm podemos ilustrar graficamente os tipos de erro:

Se o parmetro de interesse for representado como e o efeito como 0,
ento, possvel definir uma entre as trs opes de hipteses:
1 opo: H0: = 0 contra H1: 0

2 opo: H0: 0 contra H1: < 0
3 opo: H0: 0 contra H1: > 0
Na 1 opo, a hiptese alternativa bilateral, pois caso a hiptese nula seja

rejeitada, a hiptese alternativa leva a valores maiores ou menores a 0. Nos
outros dois casos, existe s uma alternativa, o verdadeiro valor do parmetro
menor a 0, hiptese alternativa unilateral esquerda, ou maior a 0, hiptese
alternativa unilateral direita.
A definio das hipteses nula e alternativa demanda cuidado especial devido

s consequncias da deciso final e recomendvel que esta definio seja
feita previamente coleta dos dados. Uma vez definidas as hipteses,
necessrio um critrio para decidir qual das duas a verdadeira.
Este critrio deve usar a informao amostral. Nas cincias biomdicas,

costume usar o valor p como um critrio de deciso, podendo ser calculado
para qualquer teste. De forma alternativa ao valor p, pode ser definido um
procedimento baseado na existncia de dois tipos de erros (I e II, conforme
vimos no incio desse tpico).

Nvel descritivo ou probabilidade de significncia (p-value)
Em trabalhos cientficos, recorrente o uso do nvel descritivo (p-value), que
o que est associado ao que chamamos de Testes de Hipteses. Ento,
formalmente, o nvel descritivo definido como o menor nvel de significncia
(a) que pode ser assumido para se rejeitar H0.
De maneira muito generalizada, os pesquisadores ao rejeitarem a hiptese nula

costumam dizer que existe significncia estatstica ou que o resultado
estatisticamente significante. Poderamos definir o nvel descritivo (p)
como a probabilidade mnima de erro ao concluir que existe significncia
estatstica.
importante ressaltar que o nvel de significncia (a) um valor arbitrado

previamente pelo pesquisador, enquanto que o nvel descritivo (p) calculado
de acordo com os dados obtidos.
Fixado a e calculado o p, a pergunta :
ser que posso dizer com segurana que o resultado

estatisticamente significante?.
Para responder a esta questo, necessrio avaliar se a probabilidade de erro

aceitvel ou no, isto , se o valor do p pequeno o suficiente para
concluir que existe significncia estatstica dentro de uma margem de erro
tolervel.
Mas saber o que pequeno ou grande depende do nvel de significncia

adotado, portanto, a deciso do pesquisador sempre estar baseada na
comparao entre os dois valores. Se o valor do p for menor que o nvel de
significncia (), deve-se concluir que o resultado significante, pois o erro
est dentro do limite fixado.

Fixado a e calculado o p, a pergunta :
ser que posso dizer com segurana que o resultado
estatisticamente significante?.
Por outro lado, se o valor de p for superior a significa que o menor erro que
podemos estar cometendo ainda maior do que o erro mximo permitido, o
que nos levaria a concluir que o resultado no significante, pois o risco de
uma concluso errada seria acima do que se deseja assumir.
A grande vantagem de se utilizar o nvel descritivo a possibilidade de

quantificar a significncia, ou seja, no lugar de uma resposta do tipo sim
ou no, temos a informao de quanto.
Material complementar
Para saber mais sobre distribuio normal, hiptese e intervalo

de confiana leia os textos disponveis em nossa biblioteca virtual.
Referncias
PAES, Angela Tavares. Itens essenciais em Bioestatstica. Disponvel em:
http://lee.dante.br/pesquisa/metodologia/itens-bio.pdf e acessado em
29/maro/2015 e acessado em 29/maro/2015.
Exerccios de fixao
Questo 1
Quando pensamos: ''Ser que amanh vai chover?", " provvel que esse avio
chegue atrasado" ou " pequena a chance deste time ganhar este jogo!,
estamos associando a eventos possveis (ou no) e, assim, isso um dos
princpios da(o):
a) Probabilidade
b) ndice de Significncia

c) Varincia
d) Desvio Padro
e) Moda
Questo 2
Sobre a Distribuio Normal, podemos afirmar que:
( ) um modelo terico e tem forma de Sino ou Montanha;
( ) simtrica em relao Mdia (), que tambm o de mxima frequncia
(Moda) e Mediana;
( ) Dada a simetria, 50% dos valores so inferiores Mdia () e os outros
50% so superiores. Ento, a rea sob a curva igual a 1 = 100% de
probabilidade.
a) V - F - F
b) V - V - F
c) V - V - V
d) F - V - F
e) F - F - V
Questo 3
Sabendo-se que a quantidade de colesterol em 100ml de plasma sanguneo
humano tem Distribuio Normal com Mdia = 200mg e Desvio Padro =
20mg, qual a probabilidade de uma pessoa apresentar menos de 210mg de
colesterol por 100ml de plasma?
a) 50% = 0,50
b) 69,15% = 0,6915
c) 19,15% = 0,1915
d) 30,85% = 0,3085
e) 38,30% = 0,3830
Questo 4
Os prazos de durao de gravidez tm Distribuio Normal com Mdia de 268
dias e Desvio Padro de 15 dias. Definindo-se como prematura uma criana que

nascer com menos de 247 dias de gestao, qual a probabilidade de uma
criana ser prematura?
a) 50% = 0,50
b) 91,92% = 0,9192
c) 19,15% = 0,1915
d) 8,08% = 0,0808
e) 80,80% = 0,8080
Questo 5
Os escores de Q.I. (Quociente de Inteligncia) tm Distribuio Normal com
mdia de 100 pontos e Desvio Padro de 15 pontos. Definindo como gnio
uma pessoa que tenha seu escore de Q.I. situado entre os 1% mais altos, qual
seria o valor aproximado para o escore de Q.I. que separaria os gnios das
demais pessoas?
a) 100 pontos
b) 90 pontos
c) 120 pontos
d) 150 pontos
e) 135 pontos
Questo 6
Ao afirmar que uma determinada populao apresenta a presso arterial (PA)
entre 85,7 e 89,3, o pesquisador usou para esse resultado os princpios do(a):
a) Distribuio Qui-Quadrada.
b) Erro Padro da Mdia.
c) Teste de Hiptese.
d) Nvel descritivo (p).
e) Intervalo de Confiana.

Questo 7
Uma amostra de 10 medidas do dimetro da cintura acusa Mdia de 60,7cm e
Desvio Padro de 1,52cm. Determine um intervalo de 99% de confiana para o
dimetro da cintura dessa amostra.
a) [ 58,12cm ; 63,28cm ]
b) [ 59,46cm ; 61,94cm ]
c) [ 59,18cm ; 62,22cm ]
d) [ 50,70cm ; 70,70cm ]
e) [ 59,88cm ; 61,52cm ]
Questo 8
Sabendo-se que o Desvio Padro do peso das pessoas adultas de sexo
masculino de uma determinada regio 12kg. Em uma amostra de 36 pessoas,
foi encontrada uma Mdia de 63,4kg, ento, determinar o intervalo de
confiana de 90% para a Mdia dos pesos dessas pessoas.
a) [ 60,10 ; 66,70 ]
b) [ 61,75 ; 65,05 ]
c) [ 63,12 ; 63,67 ]
d) [ 62,95 ; 63,85 ]
e) [ 51,40 ; 75,40 ]
Questo 9
Sobre Intervalo de Confiana, podemos afirmar que:
[ ] O comprimento do est associado variabilidade, quanto menor for o
comprimento, menor a variabilidade em relao Mdia;
[ ] Se diminumos a, isto , aumentarmos o grau de confiana (1a),
mantendo fixo o tamanho da amostra (n), aumentar o comprimento do
intervalo e
[ ] Quando aumentamos o tamanho da amostra (n), mantendo a fixo,
diminui-se o comprimento do intervalo, pois, quanto maior o tamanho da
amostra, mais acurado ser o intervalo.
a) V - F - F

b) V - V - F
c) V - V - V
d) F - V - F
e) F - F - V
Questo 10
Qual o instrumento de inferncia estatstica que considera uma questo
colocada prova e designada de nula (H0) e que se tem, ento, uma
alternativa (H1) que poder ser aceita caso a nula (H0) seja rejeitada?
a) Hipteses da Confiana.
b) Teste de Confiana Nula e Alternativa.
c) Nvel Descritivo (p).
d) Teste de Hipteses.
e) Intervalo de Confiana.
Aula 3
Exerccios de fixao
Questo 1 - A
Justificativa: Probabilidade vem da palavra em latim "probare, que significa
testar, provar. Ento, trata-se de uma palavra utilizada em circunstncias nas
quais no temos a certeza de que algo ir ocorrer e so associadas chances a
cada ocorrncia possvel.
Questo 2 - C
Justificativa: Todas as trs sentenas so verdadeiras, por serem propriedades
da Distribuio Normal.

Questo 3 - B
X 210 200
Justificativa: Padronizando, calcula-se Z 0,5 e encontra-se
20
0,1915 na interseo da tabela e soma-se com 0,50 = 50% do lado esquerdo
da tabela. Ento, a probabilidade de uma pessoa apresentar menos de 210mg
de colesterol por 100ml de plasma de 0,6915 = 69,15% e, tecnicamente, se
escreve: P(X<210mg) = P(Z<0,5) = 0,6915 = 69,15%.
Questo 4 - D
X 247 268
Justificativa: Padronizando, calcula-se Z 1,40 e encontra-
15
se 0,4192 na interseo da tabela para Z=1,40 e, como Z negativo, essa a
rea entre a Mdia (268 dias) e os 247 dias definidos como prematuros. Dessa
forma, teremos que subtrair a probabilidade de 50% (metade da curva) dos
0,4192, que resulta em 0,0808 = 8,08%, o que pode ser escrito como
P(X<247dias) = P(Z<1,40) = 0,6915 = 69,15%.
Questo 5 - E
Justificativa: Tendo-se 1% como probabilidade, deve-se encontrar o X e, na
tabela, buscar a probabilidade mais prxima de 0,49 = 0,50 0,01, tem-se Z =
2,33 e, da frmula da padronizao, calcula-se
X X 100
2,33 X 134,95 135 o que pode ser escrito como
15
P(X>135) = P(Z>2,33) = 0,01 = 1%.
Questo 6 - E
Justificativa: O Intervalo de Confiana uma estimativa expressa por limites
(inferior e superior) entre os quais se acredita estar o verdadeiro valor do
parmetro em estudo. Uma das utilidades dos intervalos dar a ideia da
disperso ou variabilidade das estimativas expressas pelo tamanho desse
intervalo. Um intervalo muito grande indica que a estimativa calculada no
to acurada quanto outra com intervalo menor, ou seja, quanto maior a
amplitude do intervalo, menor a confiabilidade da estimativa.

Questo 7 - B
Justificativa: Calculando, tem-se: n = 10; Mdia = 60,7cm; Desvio Padro =
1,52cm e Confiana de 99% que se divide pelos dois lados da curva e, ento,
busca-se 0,495 na tabela Normal e encontra-se Z = 2,58.
2,58
60,7 .1,52 60,7 0,816 . 1,52 60,7 1,24
10
Assim, o Intervalo com 99% de Confiana para a altura das crianas da 5 srie
entre 59,46cm e 61,94cm.
Questo 8 - B
Justificativa: Calculando, tem-se: n = 36; Mdia = 63,4kg; Desvio Padro =
12kg e Confiana de 90% que se divide pelos dois lados da curva e, ento,
busca-se 0,450 na tabela Normal e encontra-se Z = 1,65.
1,65
63,4 . 12 63,4 0,275 . 12 63,4 3,30
36
Assim, o Intervalo com 90% de Confiana para o peso das pessoas adultas do
sexo masculino de uma determinada regio entre 60,1kg e 66,7kg.
Questo 9 - C
Justificativa: Todas as trs sentenas so verdadeiras e so importantes
consideraes sobre o comportamento do Intervalo de Confiana em relao ao
grau de confiana e o tamanho da amostra.
Questo 10 - B
Justificativa: Num teste de hipteses estatstico so formuladas duas hipteses
chamadas hiptese nula (H0) e hiptese alternativa (H1). Hiptese nula (H0) a
que colocamos prova, enquanto que a hiptese alternativa (H1) a que
poder ser aceita caso a hiptese nula (H0) seja rejeitada. Ou seja, todo o
procedimento de teste de hiptese est baseado na suposio de que a
hiptese nula (H0) verdadeira.

Introduo
Nesta aula voc ser apresentado aos principais grficos utilizados na anlise e
interpretao de dados estatsticos na sade.
Alm de conhecer a representao grfica de dados, voc entrar em contato

com o teste estatstico: X e a construo de indicadores de sade. Preparado
para iniciar a aula?
Bons estudos!
Objetivo:
1. Conhecer os principais grficos aplicados na organizao, anlise e
interpretao de dados na rea de sade;
2. Aplicar, analisar e interpretar teste no paramtrico em dados estatsticos na
rea de sade;
3. Construir, analisar e interpretar indicadores utilizados na rea de sade.

Contedo
Representao grfica de dados

Representaes grficas de dados so representaes visuais dos dados
estatsticos que devem corresponder s tabelas estatsticas, mas nunca
substitu-las.
Caractersticas: essas representaes tm por caractersticas o uso de escalas,

de sistema de coordenadas, bem como a simplicidade, a clareza e a veracidade.
Agora voc conhecer os principais tipos de representaes grficas utilizados

na rea.
Principais tipos de representaes grficas da rea
Conhea mais a fundo cada um dos tipos na sequncia.
Grficos de informao
Grficos de informao so destinados majoritariamente ao pblico em geral,
objetivando proporcionar uma visualizao rpida e clara do tema abordado.
So grficos tipicamente expositivos, dispensando comentrios explicativos
adicionais. As legendas podem ser omitidas, desde que as informaes
desejadas estejam presentes.

Grficos de anlise
Grficos de anlise se prestam melhor ao trabalho estatstico, fornecendo
elementos teis fase de anlise dos dados, sem deixar de ser tambm
informativos. Os grficos de anlise, com frequncia, vm acompanhados de
uma tabela estatstica. Inclui-se, muitas vezes, um texto explicativo, chamando
a ateno do leitor para os pontos principais revelados pelo grfico.
Grficos de barras ou colunas

Grficos de barras ou colunas so representao de uma srie estatstica por
meio de retngulos, dispostos verticalmente (em colunas) ou horizontalmente
(em barras). Todos os retngulos devem apresentar a mesma largura, ficando
os seus comprimentos proporcionais aos respectivos dados. Normalmente esses
grficos so mais empregados nas sries qualitativas ou cronolgicas.
Para construir um grfico de barras, representamos os valores da varivel no

eixo das abscissas e as suas frequncias ou porcentagens no eixo das
ordenadas. Para cada valor da varivel desenhamos uma barra com altura
correspondendo sua frequncia ou porcentagem. Esse tipo de grfico
interessante para as variveis qualitativas ordinais ou quantitativas discretas,
pois permite investigar a presena de tendncia nos dados.
Nmero e proporo (%) de bitos, segundo o sexo e regies

Veja o grfico de barras criado a partir dos dados da tabela.
Colunas ou Barras Mltiplas so empregados, geralmente, quando queremos

representar, simultaneamente, dois ou mais fenmenos, com o propsito de
comparao.
Diagramas circulares ou por setores

Para construir um diagrama circular ou grfico de pizza, repartimos um disco
em setores circulares correspondentes s porcentagens de cada valor
(calculadas multiplicando-se a frequncia relativa por 100). Esse tipo de grfico
adapta-se muito bem para as variveis qualitativas nominais.

Proporo (%) de internaes de homens adultos, segundo motivos
de hospitalizao.
regio centro-oeste, 1999.
Ateno
Normalmente os setores dos grficos de barras, ou por setores,
so construdos, do maior para o menor, no sentido horrio.
Histogramas
Os histogramas consistem em retngulos contguos com base nas faixas de
valores da varivel e com rea igual frequncia relativa da respectiva faixa.
Dessa forma, a altura de cada retngulo denominada densidade de frequncia
ou simplesmente densidade definida pelo quociente da rea pela amplitude da
faixa. Alguns autores utilizam a frequncia absoluta ou a porcentagem na
construo do histograma, o que pode ocasionar distores (e,
consequentemente, ms interpretaes) quando amplitudes diferentes so
utilizadas nas faixas.

Distribuio de recm-nascidos acometidos da sndrome de
desconforto idioptico grave segundo o peso ao nascer (g)
Grficos de linha ou sequncia

Os grficos de linha se utilizam da linha poligonal para representar uma srie
estatstica. So adequados para apresentar observaes medidas ao longo do
tempo (sries cronolgicas), enfatizando sua tendncia ou periodicidade, onde
a varivel tempo representada no eixo horizontal e as quantidades
respectivas, no eixo vertical.
Taxa de fecundidade total - brasil, 1970 a 2000

Polgonos de frequncia
A partir do histograma pode-se construir o polgono de frequncia, que consiste
em unir atravs de segmento de reta as ordenadas correspondentes aos pontos
mdios das bases superiores dos retngulos correspondentes a cada uma das
classes.
Grficos de ogiva
Grficos de ogiva apresentam uma distribuio de frequncias acumuladas.
Pautam-se por uma poligonal ascendente, utilizando os pontos extremos.
Distribuio de mulheres idosas segundo a altura

Diagramas de disperso
Diagramas de disperso so adequados para descrever o comportamento
conjunto de duas variveis quantitativas. Cada ponto do grfico representa um
par de valores observados.
Teste do Qui-Quadrado (X)

O Qui-Quadrado (X) um teste estatstico, no paramtrico. Esse teste de
aderncia consiste em comparar os dados obtidos experimentalmente com os

dados esperados de acordo com a lei. Das comparaes surgem diferenas que
podem ser grandes ou pequenas: se forem grandes, a hiptese nula (H0)
que pressupe um bom ajustamento dever ser rejeitada em favor da
hiptese alternativa (Ha); se forem pequenas, a hiptese nula no ser
rejeitada e as diferenas so atribuveis ao acaso.
O X de independncia serve para ajudar a decidir se as duas variveis esto

ou no vinculadas uma outra por alguma relao de dependncia.
O teste utilizado quando os dados so nominais. Por isso, em vez de se

medirem resultados dos sujeitos, apenas se pode distribuir os sujeitos por uma
ou mais categorias.

Ateno
Usos do Teste Qui-Quadrado (X)
O Qui-Quadrado (X) testa a hiptese experimental que prev
quantos sujeitos de cada grupo so distribudos por uma
determinada categoria.
O X um teste estatstico no paramtrico, sendo um dos mais
utilizados e bastante aplicados em diferentes planejamentos
experimentais. O X muito usado mesmo ao nvel da estatstica
multivariada (no sentido de obter o grau de aderncia entre o
modelo obtido e o terico).
Objetivos do teste do Qui-Quadrado (X)

A ideia central do teste comparar frequncias observadas com frequncias
tericas ou esperadas, ou seja, verificar o seu grau de aproximao, que pode
ser grande (= 0) ou pequeno (> 0).
Assim, o objetivo comparar as frequncias observadas em cada uma das

clulas de uma tabela de contingncia com as diferenas esperadas. O teste
compara o nmero de sujeitos que se distribuem por uma determinada
categoria com o nmero de sujeitos que se esperaria se distribussem por essa
mesma categoria, caso no existissem diferenas.
Frmulas do teste do X
O teste do X reflete o tamanho das diferenas entre as frequncias observadas
e esperadas.
Para tanto, calculam-se as frequncias esperadas (E) para cada clula,

multiplicando os dois totais parciais relevantes para cada uma e dividindo pelo
nmero total de sujeitos.
Vamos a um exemplo prtico?

(O - E)2
X2 = ______________ (frmula 1)
E
em que:
O = frequncias observadas para cada clula;
E = frequncias esperadas para cada clula.
Calcula-se os graus de liberdade:

g.l. = (r - 1) (c - 1) - (frmula 2)
sendo:
r = nmero de linhas da tabela de contingncia
c = nmero de colunas da tabela de contingncia
Se X2 observado > X2 crtico rejeita-se H0
Se X2 observado < X2 crtico no se rejeita H0
Analisando dados conforme o teste do X

Exemplo: Suponha que queiramos testar se h alguma diferena entre 4
remdios antigripais concorrentes. No se garante que qualquer um deles seja
eficaz, apenas cada um promete reduzir as chances de contrair uma gripe.
Portanto o n de pessoas que tomam cada remdio e contraem gripe pode ser
considerado como uma varivel aleatria. Suponha que tenhamos testado uma
amostra de 495 pessoas. Perguntamos a cada uma delas que remdio tomou, e
se contraiu gripe ou no. Os resultados esto demonstrados na Tabela 01, a
seguir.

Vamos analisar a tabela
A tabela mostrada de contingncia, no caso, com 2 linhas e 4 colunas, com 8

clulas (cada clula uma interseo entre linhas e colunas).
Podemos verificar, pela tabela 1, que o remdio 3 parece ser o mais eficaz;
porque 8,5% (= 9/105) daqueles que tomaram contraram gripe. Todavia, h
muitos outros fatores a considerar. Possivelmente, as pessoas que tomaram o
remdio 3 estiveram menos expostas ao vrus, neste caso, o fato delas terem
contrado menos gripe uma ocorrncia aleatria que nada tem a ver com o
fato de terem tomado o remdio 3.
Por outro lado, nossa hiptese nula seria: no h diferena bsica entre os 4
remdios antigripais. As diferenas observadas so devidas, exclusivamente, ao
acaso.
Devemos agora estabelecer uma estatstica de teste para verificar essa

hiptese. Podemos ver que, na amostra total, a frao que contraiu gripe foi de
12,9% (= 64/495), e a frao que no contraiu gripe foi de 87,1% (=
431/495).
Estabelecendo a comparao
Se realmente no h diferena entre os 4 remdios vistos na Tabela 01, ento
as fraes dos que contraram gripe ou no, em cada grupo, devem estar
prximas desses valores.
Podemos construir uma tabela, comparando os valores efetivos e previstos para

o n de pessoas em cada grupo, conforme Tabela 02, a seguir.

Aplicando o teste do X
Vamos basear nossa estatstica de teste na diferena entre as frequncias
observadas e as frequncias previstas para cada caso de no haver diferena
entre os remdios. Se a diferena for pequena, podemos aceitar a hiptese de
no haver diferena entre os remdios antigripais. No entanto, se a diferena
for grande, devemos rejeitar a hiptese.
Em nosso exemplo, temos 8 clulas, e o valor da estatstica de teste, aplicando-

se a FRMULA 1, ser:
X2 = (15 16,254) 2
+ (26 17,157) 2
+ ( 9 13,545) 2
+ (14 16,899) 2
+
16,254 17,157 13,545 16,899
2 2 2
+ (111 109,746) + (107 115,843) + (96 91,455) + (117
2
114,101) =
109,746 115,843 91,455 114,101
= 7,666
Acontece que, se a hiptese nula verdadeira, essa estatstica de teste tem

aproximadamente distribuio qui-quadrado. O n de graus de liberdade,
aplicando-se a FRMULA 2, dado por:

Graus de liberdade = (n de linhas 1) x (n de colunas 1) = (2 1)
x (4 1) = 3
Agora que dispomos da estatstica de teste, devemos procurar os valores

crticos nas tabelas de Qui-Quadrado.
Uma varivel aleatria X23 tem uma chance de 5% de ser superior a 7,8%.
Como nossa estatstica de teste (7,666) inferior a este valor (7,8), no
podemos rejeitar a hiptese ao nvel de 5%. Com base nesses dados no
podemos afirmar que haja qualquer diferena entre os 4 remdios antigripais.
Entretanto, o valor de 7,666 da estatstica de teste observada quase igual a
7,8, e assim os dados indicam que h maior variao entre os 4 remdios do
que seria esperado.
Em resumo, os dados sugerem que devemos aprofundar nossa

investigao.
Ateno
Note que o teste Qui-Quadrado um teste unilateral,
porque rejeitamos a hiptese nula somente se a
estatstica de teste calculada for muito grande.
Em geral, aplica-se o teste Qui-Quadrado para testar se dois
fatores so independentes, ou seja, se o conhecimento da
ocorrncia de um deles nada nos diz sobre a ocorrncia do
outro. No exemplo dado, o objetivo era testar se o conhecimento
de um fator (que remdio foi tomado) dava qualquer informao
sobre o outro fator (se a pessoa contraiu gripe), isto ,
estvamos procurando testar se os dois fatores eram, ou no,
independentes.

Indicadores de sade
Indicadores de sade so medidas usadas para avaliar as condies de sade
em uma rea geogrfica e em perodos delimitados.
Alguns indicadores demogrficos so tambm considerados indicadores de

sade. Os principais so aqueles relacionados com as condies de reproduo
das populaes.
Taxa de Mortalidade
Mortalidade um dos mais importantes indicadores de sade. A mortalidade
expressa:
Final do processo vital;

Falha completa do sistema de sade (falha na rede de assistncia em todos
os momentos ao longo da vida do indivduo);
Qualidade da sade pblica, para medir mortalidade, os registros devem estar
consolidados numa base de dados. No Brasil, para o estudo da mortalidade
utiliza-se o Sistema de Informaes de Mortalidade (SIM), que tem como
principal documento a Declarao de bito (DN).
H vrias taxas ligadas a esse indicador. Entre elas:

Taxa de Mortalidade Geral
O coeficiente de mortalidade geral mede o risco de morte para o total da
populao, independendo de sexo, idade ou causa de bito.
TMG = n de bitos x 1.000

populao total
um indicador muito influenciado pela distribuio etria da populao.

Populaes muito envelhecidas podem ter altas taxas de mortalidade, pois
espera-se que os indivduos morram em idades avanadas. Por outro lado,
populaes muito jovens tambm apresentam alta mortalidade geral devido
mortalidade infantil quase sempre muito alta.
Taxa de Mortalidade Especfica

A Taxa de Mortalidade Especfica mede o risco de morte para uma frao da
populao. Como exemplos mais comuns de TME temos as por sexo, faixa
etria e causa de bito.
TME = n de bitos de um sexo x 1.000

populao total desse sexo
TME X = n de bitos pela causa X x 1.000

populao sob risco para a causa
TME idade = n de bitos de uma faixa etria x 1.000

populao total dessa faixa etria
Taxa de Mortalidade Infantil

A Taxa de Mortalidade Infantil mede o risco de morte no primeiro ano de vida.
um dos indicadores mais sensveis das condies de vida e sade de uma
populao.

TMI = bitos em menores de 1 ano x 1.000
total de nascidos vivos
O nmero de nascidos vivos utilizado como denominador, pois ele produz

uma estimativa mais acurada do total de pessoas-tempo que o da populao
menor de um ano, no meio do perodo.
Em relao Taxa de Mortalidade Infantil, espera-se que nenhuma criana

morra, principalmente no primeiro ano de vida. Por outro lado, podemos nos
perguntar, possvel reduzir a TMI a zero? Por qu?
No possvel zerar a TMI, pois algumas crianas nascem com doenas to

graves que a tecnologia mdica disponvel ainda no capaz de salvar suas
vidas (ex.: anencefalia).
Todos os demais casos so em decorrncia de:
Ms condies socioeconmicas que tragam prejuzo nutrio, higiene e

cuidados gerais;
Falta de acesso a servios de sade infantil como imunizao, puericultura,

reidrataro oral etc.;
Falta de acesso correto assistncia perinatal como pr-natal, parto e ateno

neonatal.

Taxa de Mortalidade Infantil Neonatal
Aps parto e at 28 dias de vida
importante, para poder aplicar o indicador da Taxa de Mortalidade Infantil
Neonatal, conhecer as seguintes subdivises:
Subdivises do perodo infantil
22 semanas de gestao parto 7 dias 28 dias

1 ano
|---------------------------------|-----------------------|----------------------|---------------------------------|
perodo neonatal perodo neonatal
precoce tardio
\-------------- perodo neonatal --------- ||--- perodo ps-neonatal --|
|----- perodo perinatal -----|
|---------------------------- perodo infantil --------------------------------|
Causas da Mortalidade Infantil Neonatal e Ps-Neonatal

A mortalidade infantil desdobrada em Neonatal e Ps-Neonatal - as causas de
morte so diferentes nesses dois perodos. A seguir voc vai entender um
pouco mais sobre o primeiro.
Causas da Mortalidade Infantil Neonatal (incio da vida extrauterina):

Agresses sofridas intratero;
Condies do parto;
Condies de assistncia ao recm-nato ps-neonatal;
Predominam os determinantes socioeconmicos.
importante, para poder aplicar o indicador da Taxa de Mortalidade Infantil

Neonatal, conhecer os critrios sobre os conceitos a seguir.
1) Critrio de Nascido vivo: produto da concepo com 22 semanas ou mais

de gestao, ou pelo menos 500 gramas, extrado do corpo da me com algum
sinal de vida.]

2) Critrio de Natimorto (ou bito fetal): produto da concepo com 22
semanas ou mais de gestao, ou pelo menos 500 gramas, extrado do corpo
da me sem nenhum sinal de vida.
3) Critrio de Abortamento: produto da concepo com menos de 22

semanas, ou menos 500 gramas.
TMI PN = bitos de 22 semanas de gestao a 6 dias de vida completos x

1.000
nascimentos totais (nascidos vivos + bitos fetais)
Taxa de Mortalidade Materna

A TMM um outro caso especial de TME por causa. Ela mede o risco de morte
de mulheres por causas maternas (causas relacionadas gravidez, ao parto e
ao puerprio).
TMM = bitos por causa materna x 1.000

total de nascimentos vivos
um instrumento de anlise das condies de assistncia pr-natal e

obsttrica.
Nota: Para o clculo da TMM utiliza-se o nmero de nascidos vivos na rea e

no perodo de interesse (partindo do pressuposto que o nmero de natimortos
desprezvel comparado ano nmero de nascidos vivos).
O agrupamento de causas de bitos tradicional o preconizado pela

Classificao Internacional de Doenas (CID-10).
Cap Descrio Cap. Descrio

.
I Algumas doenas XII Doenas da pele e do tecido celular subcutneo

infecciosas e parasitrias
II Neoplasias [Tumores] XIII Doenas do sistema osteomuscular e do tecido
conjuntivo
III Doenas do sangue e dos XIV Doenas do aparelho geniturinrio
rgos hematopoiticos e
alguns transtornos
imunitrios
IV Doenas endcrinas, XV Gravidez, parto e puerprio
nutricionais e metablicas.
V Transtornos mentais e XVI Algumas afeces originadas no perodo perinatal
comportamentais
VI Doenas do sistema XVII Malformaes congnitas, deformadas e anomalias
nervoso cromossmicas
VII Doenas do olho e anexos XVIII Sintomas, sinais e achados anormais de exames
clnicos e de laboratrio, no classificados em outra
parte.
VIII Doenas do ouvido e da XIX Leses, envenenamentos e algumas outras
apfise mastoide consequncias de causas externas.
IX Doenas do aparelho XX Causas externas de morbidade e de mortalidade
circulatrio
X Doenas do aparelho XXI Fatores que influenciam o estado de sade e o
respiratrio contato com os servios de sade
XI Doenas do aparelho
digestivo
Referncias
GUEDES JS, GUEDES MLS Bioestatstica para profissionais de sade, Rio
de Janeiro, Ao livro tcnico, 1988.
MOTULSKY Harvey J Intuitive Biostatistics.. 3a Ed, Oxford University Press,

New York, 2014.

SIEGEL S e CASTELLAN Jr Nonparametric statistics for the behavioral
sciences. NJ. 2a Ed, New York, McGraw-Hill, 1988.
HOSMER DW e LEMESHOW S Applied logistic regression., 2a Ed, New York,

John Wiley, 2000.
Exerccios de fixao
Questo 1
O grfico mostra o nmero de casos notificados de dengue, a precipitao de
chuva e a temperatura mdia, por semestre, dos anos de 2007 a 2010 em uma
cidade brasileira. Podemos afirmar que:
A) O perodo de maior precipitao foi o de maior temperatura mdia e com o

maior nmero de casos de dengue notificados.
B) O perodo com menor nmero de casos de dengue notificados tambm foi o
de maior temperatura mdia.
C) O perodo de maior temperatura mdia foi tambm o de maior precipitao.
D) O perodo de maior precipitao no foi o de maior temperatura mdia e
teve o maior nmero de casos de dengue notificados.

E) Quanto maior a precipitao em um perodo, maior o nmero de casos de
dengue notificados.
Questo 2
O hemograma um exame laboratorial que informa o nmero de hemcias,
glbulos brancos e plaquetas presentes no sangue. A tabela apresenta os
valores considerados normais para adultos. Os grficos mostram os resultados
do hemograma de 5 estudantes adultos. Todos os resultados so expressos em
nmero de elementos por mm3 de sangue.
Valores normais para adultos

Hemcias 4,5 a 5,9 milhes/mm 3
Glbulos brancos 5 a 10 mil/mm 3
Plaquetas 200 a 400 mil/mm 3
Podem estar ocorrendo deficincia no sistema de defesa do organismo,

prejuzos no transporte de gases respiratrios e alteraes no processo de
coagulao sangunea, respectivamente, com os estudantes:
A) Maria, Jos e Roberto.
B) Roberto, Jos e Abel.
C) Maria, Lusa e Roberto.
D) Roberto, Maria e Lusa.
E) Lusa, Roberto e Abel.

Questo 3
Quando um pesquisador quer verificar num experimento se h alguma
tendncia ao longo do tempo, na relao causa e efeito, neste caso, ele dever
utilizar o grfico de?
A) barras
B) circular
C) linha
D) histograma
E) disperso
Questo 4
O termo agronegcios no se refere apenas agricultura e pecuria, pois as
atividades ligadas a essa produo incluem fornecedores de equipamentos,
servios para a zona rural, industrializao e comercializao dos produtos.
O grfico mostra a participao percentual do agronegcio no PIB
brasileiro
Esse grfico foi usado em uma palestra na qual o orador ressaltou uma queda
da participao do agronegcio no PIB brasileiro e a posterior recuperao
dessa participao, em termos percentuais. Segundo o grfico, o perodo de
queda ocorreu entre os anos de:
a) 1998 e 2001.
b) 2001 e 2003.
c) 2003 e 2006.

d) 2003 e 2007.
e) 2003 e 2008.
Questo 5
Marque a alternativa correta:
A) O valor o nvel de insignificncia do teste no paramtrico, que arbitrado pelo
pesquisador.
B) H0 a hiptese que o pesquisador quer verificar a sua aceitao.
C) H1 a hiptese alternativa que ser testada para verificar a sua rejeio.
D) Se num teste Qui-Quadrado, 2 observado > 2 crtico, aceita-se a hiptese H0.
E) Se num teste Qui-Quadrado, 2 observado < 2 crtico, aceita-se a hiptese H1.
Questo 6
Num estudo da associao entre a ocorrncia de tromboembolismo e grupo sanguneo, 200
mulheres usurias de contraceptivo oral foram classificadas quanto presena de
tromboembolismo (doente ou sadia) e quanto ao grupo sangneo (A, B, AB ou O). Os
resultados dessa classificao foram reproduzidos na tabela:
Tromboembolismo
Grupo sanguneo Doente Sadia Total
A 32 47 79
B 8 19 27
AB 7 14 21
O 9 64 73
Total 56 144 200
Fazendo um teste Qui-Quadrado para se verificar a hiptese de que a ocorrncia de

tromboembolismo em mulheres devido ao tipo sanguneo, neste caso, com quantos graus
de liberdade deveremos utilizar?
A) 16
B) 12
C) 8
D) 7
E) 3

Questo 7
Deseja-se saber se a populao dos vacinados difere da dos no vacinados no
que se refere ao fato de terem ou no sido atacados de clera. Para tanto
selecionada uma amostra dos resultados de vacinao contra a clera num
conjunto de 279 indivduos escolhidos aleatoriamente entre os vacinados, e
num conjunto de 539 indivduos escolhidos aleatoriamente entre os no vacinados,
cujos resultados encontarm-se na tabela:
Vacinados No-vacinados Total

Atacados 3 66 69
No-atacados 276 473 749
Total 279 539 818
Aps o pesquisador realizar o teste Qui-Quadrado, com um nvel de

significncia de 5% e 1 grau de liberdade, encontrou o valor de 2 observado =
29,8, enquanto o valor 2 crtico = 7,88. Neste caso:
A) aceita-se a hiptese H0.
B) rejeita-se a hiptese H1.
C) rejeita-se a hiptese H0.
D) o tamanho da amostra pequeno.
E) o nvel de significncia no adequado.
Questo 8
Considere a tabela a seguir, na qual esto os resultados de um estudo que
investiga a efetividade dos capacetes de segurana de bicicleta na preveno
de leses na cabea. Os dados consistem de uma amostra aleatria de 793
indivduos envolvidos em acidentes ciclsticos durante um perodo especificado
de um ano. Para examinar a efetividade dos capacetes de segurana de
bicicleta, desejamos saber se h associao entre o incidente de leso na
cabea e o uso dos capacetes pelos indivduos envolvidos em acidentes. Foi
feito um teste Qui-Quadrado, com nvel de significncia de 5% e 2 graus de

2
liberdade, para se verificar a aceitao ou a rejeio da hiptese H0. O
observado = 9,821, enquanto o valor 2 crtico = 10,59. Neste caso?
A) aceita-se a hiptese H0
B) rejeita-se a hiptese H1
C) rejeita-se a hiptese H0
D) aceita-se a hiptese H1
E) o nvel de significncia no adequado
Questo 9
O indicador de sade utilizado para determinar a mortalidade infantil, no
perodo ps-neonatal compreende os bitos ocorridos?
A) de 0 a 6 dias.
B) de 7 a 27 dias.
C) de 0 a 27 dias.
D) de 28 a 364 dias.
E) at 364 dias.
Questo 10
Em um pas da frica com uma populao de 6 milhes de pessoas, ocorreram
30.000 mortes durante o ano de 2014. Entre esses bitos encontram-se 6.000
por AIDS em 150.000 indivduos com a doena. A mortalidade proporcional por
AIDS em 2014 foi?
A) 1 bito para cada 1.000.
B) 5 bitos para cada 1.000.
C) 25 bitos para cada 1.000.
D) 40 bitos por 1.000.
E) 200 bitos por 1.000.

Aula 4
Exerccios de fixao
Questo 1 - B
Justificativa: 1 semestre/2007, 2 semestre/2007, 2 semestre/2008 e 2
semestre/2009, foram os perodos de menor incidncia de casos notificados de
dengue com picos de temperaturas mdias altas.
Questo 2 - A
Justificativa: Maria: glbulos brancos 3,5 mil/ mm3 < 5,0 mil/ mm3
Jos: hemcias 3,2 milhes/ mm3 < 4,5 milhes/ mm3
Roberto: plaquetas 80 mil/ mm3 < 200 mil/ mm3
Questo 3 - C
Justificativa: O grfico de linha usado para representar uma srie estatstica,
adequado para apresentar observaes medidas ao longo do tempo (sries
cronolgicas), enfatizando sua tendncia ou periodicidade, onde a varivel
tempo representada no eixo horizontal e as quantidades respectivas, no eixo
vertical.
Questo 4 - B
Justificativa: Como podemos verificar no grfico, no perodo de 2001 a 2003,
ocorreu um crescimento, demonstrando uma tendncia.
Questo 5 - B
Justificativa: A hiptese H0 a hiptese que ser testada de modo a evitar o erro I, ou seja,
rejeitar a hiptese sendo ela verdadeira.
Questo 6 - E

Justificativa: Frmula do clculo de graus de liberdade no teste Qui-Quadrado = (n de
linhas 1) x (n de colunas 1) = (4 1) x (2 1) = 3 x 1 = 3
Questo 7 - C
Justificativa: Se X2 observado > X2 crtico rejeita-se H0.
Questo 8 - A
Justificativa: Se X2 observado < X2 crtico aceita-se H0.
Questo 9 - D
Justificativa: Conforme definio do Ministrio da Sade, o perodo ps-
neonatal est compreendido de 28 dias a 1 ano de idade.
Questo 10 - D
Justificativa: Frmula: TME X = n de bitos pela causa X x 1.000
populao sob risco para a causa
TME aids = 6.000 x 1.000 = 40
150.000


Bioestatística Aplicada A Auditoria

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Bioestatística Aplicada A Auditoria

Transféré par

Droits d'auteur :

Formats disponibles

_Toc433107203Apresentao ......................................................................................................

BIOESTTICA APLICADA A AUDITORIA 1

BIOESTTICA APLICADA A AUDITORIA 2

BIOESTTICA APLICADA A AUDITORIA 3

A Estatstica um instrumento fundamental quando se deseja realizar uma

BIOESTTICA APLICADA A AUDITORIA 4

BIOESTTICA APLICADA A AUDITORIA 5

Porque somos humanos!

Desta forma, ele pode avaliar, de maneira no tendenciosa, a eficcia do

Elemento, universo e populao

BIOESTTICA APLICADA A AUDITORIA 6

Aprofundando mais sobre populao, a definirmos como um conjunto de

BIOESTTICA APLICADA A AUDITORIA 7

Quando estamos interessados em observar o sangue de um paciente,

Amostra Aleatria Simples - quando todos os elementos do universo tem a

Amostra Aleatria Estratificada - quando o universo dividido em estratos

BIOESTTICA APLICADA A AUDITORIA 8

Amostra Aleatria por Conglomerados - quando o universo dividido em

Por exemplo, quando o sorteio de pacientes em um hospital feito nos andares

Amostra Aleatria Sistemtica - quando se obedece ao mesmo princpio da

Por exemplo, numa populao de atendimentos mdicos ambulatoriais, tomam-

BIOESTTICA APLICADA A AUDITORIA 9

Varivel Qualitativa Ordinal - a que pode ser colocada em ordem.

Varivel Qualitativa Nominal - a que no pode ser hierarquizada ou

Varivel Quantitativa Discreta - a que apresenta uma contagem, sem que

Varivel Quantitativa Contnua - a que expressa uma medida e forma um

BIOESTTICA APLICADA A AUDITORIA 10

Ttulo: apresentado na parte superior da tabela deve informar trs questes: o

Cabealho: a parte superior da tabela, contendo informaes sobre o

Coluna indicadora: indica o contedo das linhas. Normalmente colocada na

Corpo: onde se coloca o resultado que se deseja relatar.

Srie temporal, histrica, cronolgica ou marcha

BIOESTTICA APLICADA A AUDITORIA 11

Portanto, uma srie temporal , to simplesmente, uma sequncia de nmeros

Incidncia de bitos por AVC/1000 habitantes de 2000 a 2009 no Brasil

Srie geogrfica ou territorial

BIOESTTICA APLICADA A AUDITORIA 12

Srie especfica, especificativa ou categrica

BIOESTTICA APLICADA A AUDITORIA 13

De maneira sinttica, na primeira coluna de uma distribuio de frequncia

BIOESTTICA APLICADA A AUDITORIA 14

Vejamos um exemplo apresentado num quadro de dados brutos e seu rol

Dados Brutos o conjunto dos dados que ainda no foram numericamente

Observe que esto presentes a poca (mmm/aaaa), o local (Hospital ABC) e o

BIOESTTICA APLICADA A AUDITORIA 15

Frequncia Simples Absoluta (Fi) a quantidade de observaes em cada

BIOESTTICA APLICADA A AUDITORIA 16

Frequncia Acumulada Absoluta (Fai) a soma das Frequncias Simples

Frequncia Relativa (Fri) que apresenta a relao (em sua maioria,

Frequncia Acumulada Relativa (Fari) que, to simplesmente, corresponde

Ento, em nosso exemplo da Distribuio de Frequncia podemos ler, dentre

Dezessete pacientes apresentam taxa de colesterol abaixo de (quase)

BIOESTTICA APLICADA A AUDITORIA 17

Chave de resposta: O CMMI procura estabelecer um modelo nico para o

Para saber mais sobre anlise de pesquisa e demais

FIELD, Andy. Descobrindo a estatstica usando o SPSS. 2. ed. Porto

BISQUERRA, Rafael; SARRIERA, Jorge Castell; MATNEZ, Francesc -

BIOESTTICA APLICADA A AUDITORIA 18

BIOESTTICA APLICADA A AUDITORIA 19

BIOESTTICA APLICADA A AUDITORIA 20

BIOESTTICA APLICADA A AUDITORIA 21

BIOESTTICA APLICADA A AUDITORIA 22