PERGUNTAS FREQUENTES

Neste página você terá acesso às perguntas mais comuns.
Verifique se suas dúvidas estão entre elas.

QUAL O TAMANHO ADEQUADO DA AMOSTRA PARA MINHA PESQUISA?

Não existe resposta mágica para esta pergunta. Seria o mesmo se eu perguntasse para você: “Qual a roupa que devo vestir esta noite?”. Sem saber aonde vou, o que vou fazer, se estará calor ou frio, você não consegue responder corretamente. 
Para calcular o tamanho da amostra é preciso saber ter algumas informações:
- Qual o objetivo da pesquisa (descrição da população, comparação entre médias populacionais, etc.).
- Qual é a principal variável de desfecho (variável primária) da pesquisa, e seu tipo (qualitativa nominal, qualitativa ordinal ou quantitativa).
- Grau de confiança na estimativa populacional (normalmente devemos definir os erros Alfa (Erro Tipo I) e Beta(Erro Tipo II), em biologia o mais utilizado é Alfa= 5% e Beta= 20%).
- No caso de comparação entre populações devemos saber qual a menor diferença entre as populações que tem importância clínica, e consequentemente é importante de ser detectada pela pesquisa.
- É preciso também de estimativa da variabilidade da variável primária nas populações estudadas (p.ex. no caso de variável quantitativa qual o desvio padrão na população).
Sem estas informações é impossível determinar o tamanho adequado da amostra.

O QUE É “PODER DO TESTE”?

O que é “Poder do teste”?
Resposta: Poder estatístico de um teste é a probabilidade do teste realmente rejeitar a hipótese de nulidade quando esta for falsa. No teste de hipóteses, o erro Beta (Erro tipo II) é a probabilidade de se aceitar a hipótese de nulidade quando na realidade esta é falsa, logo o poder do teste é dado por 1 – Beta.
Determinar o poder do teste desejado para se calcular o tamanho da amostra é um critério importante. Em biologia são valores usuais se adotar poder de 80% ou 90% (Beta = 20% ou Beta = 10%) na determinação do tamanho da amostra, lembrando que quanto maior o poder adotado maior será o tamanho de amostra necessário.

QUAL A MANEIRA CORRETA DE TABULAR OS DADOS DA MINHA PESQUISA PARA FAZER ANÁLISE ESTATÍSTICA?

Existe um vídeo no Canal PESQUISE no youtube que trás orientações e exemplos de tabulação de dados para análise estatística. Além disso, essas normas também estão disponíveis no site da Faculdade de Odontologia de Bauru-USP.

UM DOS CORPOS DE PROVA DE MINHA PESQUISA APRESENTOU VALOR MUITO DISCREPANTE EM RELAÇÃO AOS OUTROS. POSSO SIMPLESMENTE DESCARTÁ-LO NA ANÁLISE ESTATÍSTICA?

Valores discrepantes (outliers) podem ocorrer por vários motivos.  É importante identificar o que ocorreu antes de descartar o valor de um, ou alguns, corpos de prova.
Primeiramente é necessário verificar se não ocorreu alguma falha metodológica na confecção ou medição do corpo de prova. Caso tenha havido este tipo de problema relate o ocorrido no relatório da pesquisa e descarte o valor da análise. Caso isto tenha ocorrido em vários corpos de prova é melhor rever a metodologia utilizada, pois ela não está mantendo uma boa padronização.
Se não for identificado problema metodológico e os valores discrepantes ocorreram em apenas um, ou alguns poucos casos, existe algumas fórmulas estatísticas para identificar se podemos considerar os valores como discrepantes e retira-los da análise.

O QUE É ERRO SISTEMÁTICO E ERRO CASUAL?

Quando realizamos medições por métodos que podem ter interferência do sujeito que faz a medição é sempre interessante avaliarmos se a interferência do sujeito se mantém em níveis aceitáveis. Para avaliarmos o “erro de medição” fazemos a repetição da medição de alguns casos. Quando a repetição é feita pelo mesmo sujeito teremos o cálculo do “erro intra- examinador”, e quando a repetição é feita por outro sujeito teremos o cálculo do “erro inter- examinadores”. Nas medições quantitativas normalmente avaliamos dois tipos de erro a que as medições estão sujeitas: 1- “Erro sistemático”- queremos verificar se a segunda repetição das medições tem, em média, uma diferença significativa da primeira medição, o ideal é que não haja diferença significativa, pois isso indicaria que sistematicamente as medidas de uma das repetições são maiores que da outra. 2- “Erro casual”- queremos verificar qual a diferença entre o provável valor real da medida e o valor que o sujeito obter ao fazer a medição, ou seja, se as diferenças individuais em cada elemento da pesquisa são grandes ou pequenas quando a medida é repetida. No erro casual o resultado é dado na unidade da grandeza que está sendo medida (p.ex. mm, cm, etc.) e não se a diferença é significativa ou não.

COMO INTERPRETO O COEFICIENTE DE CORRELAÇÃO ENTRE DUAS VARIÁVEIS?

O coeficiente de correlação (r) é uma medida do grau de relação entre duas variáveis. Ele varia de -1 a 1, sendo que valores positivos indicam que as duas variáveis (x e y) crescem no mesmo sentido, assim quando x cresce y também cresce (p.ex. quanto mais velha uma criança mais alta ela é). Já valores negativos de correlação indicam que x e y crescem em sentidos opostos, isto é, quando x cresce y decresce (p.ex. quanto mais rico um país menor a mortalidade infantil). Quanto ao valor do coeficiente, quanto mais próximo de -1 ou 1 maior o grau de correlação entre as duas variáveis, e quanto mais próximo de 0 (zero) menor o grau de correlação. Assim um valor de r = 0,92 indica uma forte correlação entre x e y e um valor r = 0,11 indica uma correlação fraca entre x e y.
Normalmente é feito um teste estatístico para verificar se o r é estatisticamente significante e, portanto um valor de p acompanha o valor de r. É importante saber que o teste tem como hipótese de nulidade que a correlação é nula na população. Assim um valor de p < 0,05 indica apenas que a correlação entre x e y na população não é zero. O valor de p significativo não indica que a correlação seja forte, mas apenas que ela não é nula. Em amostras grandes um valor r = 0,11 pode dar significante (p < 0,05) e nem por isso ser uma correlação forte.

UTILIZEI A ESTATÍSTICA KAPPA PARA VERIFICAR O GRAU DE CONCORDÂNCIA ENTRE DOIS AVALIADORES DE UMA VARIÁVEL QUALITATIVA NOMINAL E EMBORA A PORCENTAGEM DE CONCORDÂNCIA TENHA DADO ALTA O VALOR DE KAPPA DEU MUITO BAIXO, POR QUÊ?

Isto pode ocorrer principalmente se uma das categorias da variável ocorre um número muito pequeno de vezes e nestas ocorrências não há concordância entre os avaliadores. P. ex. se em uma avaliação de 100 casos o avaliador A classifica 98 casos como “Sim” e 2 casos como “Não” e o avaliador B classifica os 100 casos como “Sim” a porcentagem de concordância será de 98% mas o kappa dá 0,00 (zero). Devemos entender que o kappa avalia se há uma boa concordância ao longo de todas as categorias em que os casos podem ser classificados, e no exemplo acima teríamos uma boa concordância quando a classificação é “Sim”, mas uma péssima concordância quando é “Não”, resultando em um baixo valor de kappa.