Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Transcrição

1 Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br

2 Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação de parâmetros, TH Parte II Escola bayesaa Flosofa, metodologa Cocetos Aplcação a dados reas

3 Rotero O que é útl saber sobre ferêca estatístca em aplcações em dados médcos? Habldades Escolha do modelo estatístco Vsões frequetsta e bayesaa O lado flosófco das dferetes escolas Softwares

4 Iferêca estatístca Obter coclusões sobre algumas característcas de um cojuto de teresse, deomado população, com base a formação oruda de um cojuto de dados dspoíves, deomado amostra. População tamaho N amostra tamaho coclusões

5 Escolas Thomas Bayes Laplace Harold Jeffreys Karl Pearso Roald Fsher Jerzy Neyma

6

7 POPULAÇÃO: cojuto total de dvíduos sobre o qual se faz uma ferêca A população é o cojuto costtuído por todos os dvíduos que apresetam pelo meos uma característca comum.

8 POPULAÇÃO: cojuto total de dvíduos sobre o qual se faz uma ferêca Seja X uma varável de teresse. A méda populacoal da varável X, µ, é um parâmetro. A varâca populacoal da varável X, σ, é um parâmetro. Um parâmetro é uma característca umérca de uma população.

9 AMOSTRA: um subcojuto da população A amostra é um subcojuto, uma parte selecoada da totaldade de observações abragdas pela população, através da qual se faz uma ferêca sobre um ou mas parâmetros da população.

10 µ, a méda populacoal de X, é um parâmetro., a méda amostral de X, é uma estmatva de µ. População tamaho N amostra tamaho coclusões Estmatvas: quatdades calculadas da amostra com a faldade de represetar um parâmetro de teresse da população.

11 Palavras Iferêca estatístca População Amostra Parâmetro Estmatva

12 Iferêca estatístca Obter coclusões sobre algumas característcas de um cojuto de teresse, deomado população, com base a formação oruda de um cojuto de dados dspoíves, deomado amostra. População tamaho N amostra tamaho coclusões

13 Iferêca Estatístca Tas coclusões são bascamete obtdas por duas formas: -) Itervalos de cofaça quado o objetvo é estmar um parâmetro, ou seja, uma característca umérca da população. -) Testes de hpóteses quado há hpóteses sobre característcas umércas da população.

14 Iferêca Estatístca Base: procedmetos paramétrcos. Os parâmetros de teresse são parâmetros pertecetes a dstrbuções de probabldade com forma cohecda.

15 Dstrbuções de probabldade Cotíuas: mesurações Normal t de Studet Qu-quadrado Dscretas: dados de cotagem Beroull Bomal Posso

16 Dstrbuções dscretas Fução de probabldade (f.p.) f.p. f X () P(X ), A A f ( ) X

17 Dstrbuções dscretas Dstrbução de Beroull X ~ Beroull(p) P(X p) p ( p), 0,

18 Dstrbuções dscretas Dstrbução de Beroull P(X p) p ( p), 0, 0: o dvíduo é saudável : o dvíduo é doete p 30% 0,3 P(X 0) 0,3 0 0,7 0,7 P(X ) 0,3 0,7 0 0,3

19 Dstrbuções dscretas Dstrbução Bomal X ~ Bomal(,p) ( ) P X, p p ( p), 0,,,..., 5 pacetes p 30% 0,3 P 5 5 ( X ) 0,3 0,7 0, 3087

20 Dstrbuções dscretas Dstrbução Bomal X ~ Bomal(,p) 5 pacetes p 30% 0,3 P P P P P P ( X 0) 0,3 0,7 0, ( X ) 0,3 0,7 0, ( X ) 0,3 0,7 0, ( X 3) 0,3 0,7 0, ( X 4) 0,3 0,7 0, ( X 5) 0,3 0,7 0, 004 5

21 Dstrbuções dscretas Dstrbução de Posso X ~ Posso(λ) Seja X ~ Bomal(, p). Se e p 0 X ~ Posso(λ), tal que λ p

22 Dstrbuções dscretas Dstrbução Hpergeométrca ( ) K K N K M N M K M N X P 0,,,...,,,,

23 Dstrbuções dscretas Dstrbução Hpergeométrca P M N M K N K ( X N, M, K ), 0,,,..., K Por eemplo, uma caa tem N bolas M são vermelhas N M são verdes Se retro ao acaso K bolas (sem ver), qual a probabldade de bolas retradas serem vermelhas?

24 Dstrbuções dscretas Dstrbução Hpergeométrca Por eemplo, uma caa tem N 30 bolas M 6 são vermelhas N M 4 são verdes Se retro ao acaso K 8 bolas (sem ver), qual a probabldade de 3 bolas retradas serem vermelhas? P ( X 3 ) 0, 45

25 Dstrbuções dscretas Dstrbução Hpergeométrca Na MEGASENA, há N 60 dezeas M 6 são boas N M 54 são verdes Se aposto K 6 dezeas, qual a probabldade de acertar 6? P ( X 6 ) 0,

26 Dstrbuções dscretas Dstrbução Hpergeométrca Na MEGASENA, há N 60 dezeas M 6 são boas N M 54 são verdes O que é mas provável? P(X 0) P(X ) P(X )?

27 Dstrbuções dscretas Dstrbução Hpergeométrca Na MEGASENA, há N 60 dezeas M 6 são boas N M 54 são verdes P(X 0) 0, P(X ) 0, P(X ) 0, P(X 3) 0, P(X 4) 0, P(X 5) 0, P(X 6) 0,

28

29 Dstrbuções dscretas Gahar com aposta: probabldade 0, Gahar com apostas: probabldade 0, Gahar com 0 apostas: probabldade 0,

30 Dstrbuções cotíuas Fução dstrbução de probabldade (f.d.p.) P b ( a < X < b) f ( ) d, a < a X b f X ( ) d a b

31

32 Métodos de estmação Potual Método dos mometos Método da máma verossmlhaça Algortmo EM Itervalar Método da quatdade pvotal Métodos eatos Bootstrap

33 AA:,,..., Dstrbução dos dados: Método da máma verossmlhaça P(X θ ) f X () se dscreta se cotíua Fução de verossmlhaça L L ( θ ) P( X θ ) ( θ ) f X ( ) se dscreta se cotíua

34 Método da máma verossmlhaça AA:,,..., Dstrbução de Posso: P ( X λ) e λ λ!, 0,,... λ > 0

35 Método da máma verossmlhaça barplot(dpos(0:0,),ames.arg0:0,las) λ λ λ λ λ

36 Método da máma verossmlhaça AA:,,..., ( ),... 0,,! e X P λ λ λ ( ) e e L!! λ λ λ λ λ ( ) + + L! l l l λ λ λ ( ) λ λ λ + L d d l

37 Método da máma verossmlhaça ( ) λ λ λ + L d d l X X + ˆ 0 λ λ λ (gualado a zero...) (Estmador de MV)

38 AA:,,..., Dstrbução ormal: Método da máma verossmlhaça f ( ) ( µ ) σ ep µ,, < πσ σ < < µ <, σ > 0

39 Método da máma verossmlhaça ( ) ( ) ( ) ( ) ( ) < < L f ep ep,, ep, σ µ πσ σ µ πσ σ µ σ µ πσ σ µ

40 Método da máma verossmlhaça ( ) ( ) ( ) ( ) ( ) L L l, l ep, σ µ πσ σ µ σ µ πσ σ µ

41 Método da máma verossmlhaça ( ) ( ) ( ) ( ) ( ) L L, l l, l µ σ σ µ µ σ µ πσ σ µ

42 Método da máma verossmlhaça ( ) ( ) ( ) ( ) ( ) ( ) ( ) X X L L ˆ 0 0 0, l l, l µ µ µ µ σ µ σ σ µ µ σ µ πσ σ µ mplca que (Estmador de MV)

43 Método da máma verossmlhaça ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) X L L ˆ ˆ 0, l l, l µ σ µ σ σ µ σ µ σ σ σ µ σ σ µ πσ σ µ (Estmador de MV)

44 Iferêca Estatístca Tas coclusões são bascamete obtdas por duas formas: -) Itervalos de cofaça quado o objetvo é estmar um parâmetro, ou seja, uma característca umérca da população. -) Testes de hpóteses quado há hpóteses sobre característcas umércas da população.

45 Testes de hpóteses Amostra Retro desta população uma amostra de elemetos. méda µ População Uma hpótese é uma suposção sobre um parâmetro. varâca σ

46 Qual é a temperatura ormal? Em 860, após aalzar a temperatura da regão alar de apromadamete 5 ml pessoas, Carl Wuderlch detfcou a temperatura méda de adultos saudáves como 37,0º C ou 98,6º F. Determou-se que 37,0º C ou 98,6º F sera uma temperatura ormal para um dvíduo. Wuderlch também estabeleceu que uma temperatura superor a 38,0º C ou 00,4º F sera um lmte superor de ormaldade para a temperatura corporal, sedo que um dvíduo com temperatura maor que este lmte sera classfcado como portador de febre.

47 Qual é a temperatura ormal? Determou-se que 37,0º C ou 98,6º F sera uma temperatura ormal a regão alar para um dvíduo.

48 População geral dos adultos saudáves méda µ 37,0ºC Fo estabelecdo que a população de adultos saudáves, a temperatura méda a regão alar é 37,0ºC.

49 Em 99, Mackowak, Wasserma e Leve pergutaram... Será que a temperatura méda de adultos saudáves é mesmo 37,0ºC? População geral dos adultos saudáves méda µ 37,0ºC JAMA, 68():578-80,99.

50 Será que a temperatura méda de adultos saudáves é mesmo 37,0ºC? Perguta: µ 37,0ºC??? População geral dos adultos saudáves méda µ 37,0ºC

51 Será que a temperatura méda de adultos saudáves é mesmo 37,0ºC? Hpótese do pesqusador: µ 37,0ºC População geral dos adultos saudáves

52 Será que a temperatura méda de adultos saudáves é mesmo 37,0ºC? Hpótese do pesqusador: µ 37,0ºC Um teste estatístco de hpóteses é uma regra utlzada para decdr quado rejetar uma hpótese. Esta regra é sempre baseada em uma amostra.

53 Amostra População geral dos adultos saudáves Com base os resultados de uma amostra aleatóra tamaho, tomamos a decsão de rejetar ou ão rejetar uma hpótese formulada sobre um parâmetro de teresse.

54 Hpóteses ula e alteratva Na prátca, cosderamos duas hpóteses: Hpótese alteratva (H A ) A temperatura méda de adultos saudáves é dferete de 37,0ºC. É a hpótese do pesqusador, aqulo que ele deseja verfcar. Hpótese ula (H 0 ) É o complemeto da hpótese alteratva.

55 Hpóteses ula e alteratva Na prátca, cosderamos duas hpóteses: Hpótese alteratva (H A ) A temperatura méda de adultos saudáves é dferete de 37,0ºC. H A : µ 37,0ºC Hpótese ula (H 0 ) H 0 : µ 37,0ºC

56 Amostra População geral dos adultos saudáves H 0 : µ 37,0ºC H A : µ 37,0ºC Uma defção mas completa... Com base os resultados de uma amostra aleatóra tamaho, tomamos a decsão de rejetar ou ão rejetar a hpótese ula.

57 Estaremos assm sujetos a dos tpos de erros...

58 A-) ERRO TIPO I : rejeto H 0, mas H 0 é verdadera B-) ERRO TIPO II : ão rejeto H 0, mas H 0 é falsa

59 Decsão H 0 é verdadera H 0 é falsa Rejeto H 0 erro tpo I sem erro Não rejeto H 0 sem erro erro tpo II

60 A probabldade de se cometer um erro tpo I é geralmete chamada ível de sgfcâca do teste e é deotada por α. A probabldade de se cometer um erro tpo II é deotada por β. Na Medca, a quatdade - β é geralmete chamada poder (ou potêca) do teste.

61 O ível de sgfcâca do teste (α) é fado ates da coleta dos dados. Na Medca, é muto comum far α 5%. A probabldade de se cometer um erro tpo II (β ) é geralmete usada para o cálculo do tamaho amostral. Escolhas comus: β 5%, 0% ou 0%.

62