A tendência central é uma medida de valores numa amostra que identifica os diferentes pontos centrais nos dados, muitas vezes referidos coloquialmente como “médias”. As medidas maisMAISAndrogen Insensitivity Syndrome comuns de tendência central são a média, a mediana e a moda. A identificação do valor central permite que outros valores sejam comparados a ele, mostrando a dispersão ou o agrupamento da amostra, o que é conhecido como dispersão ou distribuição. Estas medidas de dispersão são categorizadas em 2 grupos: medidas de dispersão baseadas em percentis e medidas de dispersão baseadas na média (que é frequentemente conhecida como desvio padrão). A análise da distribuição dos dados determina se os dados têm uma tendência central forte ou fraca com base na sua dispersão. Quando a distribuição dos dados é simétrica e a média = mediana = moda, diz-se que os dados têm uma distribuição normal. Também são possíveis outros tipos de distribuições, e são conhecidas como distribuições não normais.
Medidas de tendência central são valores únicos que tentam descrever um conjunto de dados identificando o valor central ou “típico” desse conjunto de dados.
Em qualquer conjunto de dados, os dados são distribuídos num determinado intervalo.
Com base nessa distribuição, pode se determinar o quão próximo a maioria dos dados está da média ou quão dispersos estão os dados; esta dispersão pode ser medida de várias maneiras, incluindo:
Percentis
Desvio padrão
Normalmente, certos pontos de dados são maisMAISAndrogen Insensitivity Syndrome comuns no conjunto de dados (aqueles próximos da média), enquanto outros são raros (ou seja, discrepantes ou outliers).
A distribuição destes pontos de dados pode ser classificada como:
Normal
Não normal
As distribuições normais têm certas características que podem ajudar os médicos a determinar quão “anormal” é um determinado achado: Por exemplo, um determinado resultado laboratorial está dentro da faixa de “normal” ou o achado sugere um estado de doença?
Média, Mediana e Moda
Média
Definição:
A média é a soma de todas as medições num conjunto de dados dividida pelo número de medições nesse conjunto de dados.
Se o número de valores na amostra for parPARThe PAR is the attributable risk for an entire population. It represents the fraction of cases that would not occur in a population if the exposure was eliminated.Measures of Risk, então a mediana é a média dos 2 números no meio.
A mediana e a moda são as únicas medidas de tendência central que podem ser usadas para dados ordinais.
Equação:
Para encontrar a mediana, organize os valores do menor para o maior e, de seguida, use a seguinte equação para determinar qual a “posição” na ordem que representa a mediana:
onde n = o número de valores no conjunto de dados.
Exemplo:
Encontre a mediana do seguinte conjunto de dados: 1, 5, 1, 19, 3, 1, 7, 5.
Resposta: Existem 8 números neste conjunto de dados. Para encontrar a mediana, primeiro organize os números por ordem: 1, 1, 1, 3, 5, 5, 7, 19. De seguida, determine qual a “posição” que representa a mediana. Para fazer isto, use a fórmula ( n + 1) / 2. Existem 8 números neste conjunto de dados, então n = 8. Portanto, a mediana será: (8 + 1) / 2 = 4,5. A mediana está entre o 4º e o 5º números, que são 3 e 5 (visualmente: 1, 1, 1, 3, 5 , 5, 7, 19). Portanto, a mediana neste conjunto de dados é 4.
Para encontrar a moda, complete uma tabela de frequências para determinar qual o valor que ocorre com maisMAISAndrogen Insensitivity Syndrome frequência no conjunto de dados (veja o exemplo abaixo).
A única tendência central que pode ser usada com dados nominais
Menos afetada por outliers
Não pode ser obtida por equações matemáticas
Exemplo:
Encontre a moda do seguinte conjunto de dados: 1, 5, 1, 19, 3, 1, 7, 5.
Resposta: Identifique o número que aparece com maisMAISAndrogen Insensitivity Syndrome frequência. Isto pode ser feito completando uma tabela de frequências:
Tabela: Tabela de frequências
Ponto de dados
Frequência (com que frequência o ponto de dados ocorre na amostra)
1
3
3
1
5
2
7
1
19
1
O número 1 é encontrado no conjunto de dados com mais frequência (3 vezes): 1, 5, 1, 19, 3, 1, 7, 5. A moda desta amostra é 1.
Mnemónica:
MOde is the value that is in the set MOst often (a moda é o valor que está no conjunto maisMAISAndrogen Insensitivity Syndrome frequentemente).
Resumo
Tabela: Resumo da média, mediana e moda
Tipo
Descrição
Exemplo
Resultado
Média
Soma total de números dividida pelo número de valores
(8 + 4 + 10 + 4 + 4 + 5 + 4 + 5 + 6) / 9
5,5
Mediana
Valor médio que separa a metade superior da metade inferior
A dispersão é o tamanho da distribuição de valores num conjunto de dados. Várias medidas de dispersão incluem um intervalo, quantis (por exemplo, quartis ou percentis) e desvios padrão.
Com base em quantis
Um quantil divide um conjunto de dados em proporções iguais e representa a proporção de dados nesse ponto ou abaixo dele; quantis especiais são:
Quartis: O conjunto de dados é dividido em 4 quartos.
Quintis: O conjunto de dados é dividido em 5 secções.
Percentis: O conjunto de dados é dividido em 100 secções.
Por exemplo:
O percentil 50 é a mediana.
O percentil 75 é o ponto abaixo do qual são encontrados 75% dos valores no seu conjunto de dados.
O percentil 25 é o ponto abaixo do qual são encontrados 25% dos valores em seu conjunto de dados.
O conjunto de dados entre os percentis 25 e 75 (o 1º e o 3º quartis) é conhecido como intervalo interquartil.
Os quantis podem ser aplicados a qualquer conjunto de dados contínuo.
Os usos incluem:
Clínico: curvas de crescimento
Investigação: gráficos de caixa (exibições gráficas de dados que demonstram o intervalo de resultados numéricos observados num estudo)
Representação gráfica de quartis, percentis importantes e o intervalo interquartil
Definição: O desvio padrão (DP) é uma medida de quão longe cada valor observado está da média num conjunto de dados.
O desvio padrão é normalmente abreviado como DP (ou SDSDThe standard deviation (SD) is a measure of how far each observed value is from the mean in a data set.Measures of Central Tendency and Dispersion, pela sigla em inglês de standard deviationStandard deviationThe standard deviation (SD) is a measure of how far each observed value is from the mean in a data set.Measures of Central Tendency and Dispersion), ou pode ser representado pela letra grega minúscula sigma (σ).
Pode ser usado quando a distribuição dos dados é aproximadamente normal, representando uma curva de sino
Um DP baixo significa que os dados estão agrupados em redor da média.
Os desvios padrãopodem ser apreciados visualmente como a área sob a curva (AUC, pela sigla em inglês):
1σ = aproximadamente 34% da AUC = aproximadamente 68% dos resultados estão dentro de 1 DP da média
2σ = aproximadamente 48% da AUC = aproximadamente 95% dos resultados estão dentro de 2 DP da média
3σ = aproximadamente 49,8% da AUC = aproximadamente 99,7% dos resultados estão dentro de 3 DP da média
Demonstração das poercentagens associadas a cada desvio padrão da média: Quanto mais se “achatar a curva”, mais dispersos os dados estarão no conjunto e, portanto, maiores serão os desvios padrão calculados.
Imagem: “Demonstration of the percentages associated with standard deviation” por M. W. Toews. Licença: CC BY 2.5
Equação:
Matematicamente, o DP pode ser calculado usando a seguinte equação:
A distribuição de dados descreve como os seus dados se agrupam (ou não se agrupam). Os dados tendem a agrupar-se em determinados padrões, conhecidos como padrões de distribuição. Existe um padrão de distribuição “normal” e vários padrões não normais. São usados testesTestesGonadal Hormones estatísticos diferentes para padrões de distribuição diferentes.
Distribuição de dados
As distribuições normais diferem de acordo com a sua média e variância, mas partilham as seguintes características:
Forma de “curva de sino” simétrica clássica:
Todas as medidas de tendência central são iguais (média = mediana = moda).
50% dos valores são inferiores à média; 50% dos valores são superiores à média.
Segue o teorema do limite central, que funciona da seguinte forma:
Pegue numa amostra da população e calcule a média; de seguida, coloque essa amostra de volta na população, pegue numa nova amostra e calcule a média; faça isso repetidamente.
Algumas médias serão muito comuns, representando a verdadeira média da população. Outras médias serão muito incomuns; estas estão maisMAISAndrogen Insensitivity Syndrome distantes da verdadeira média da população.
Se você representar graficamente a frequência de cada média obtida, gerará a forma clássica da curva normal.
Todas as distribuições normais têm a mesma forma porque têm a mesma distribuição de dados:
Cerca de 68% dos valores estão dentro de 1 DP da média.
95% dos dados estão dentro de 2 DP da média.
99,7% dos dados estão dentro de 3 DP da média.
A área sob a curva representa a probabilidade de obter um determinado valor, então a área total sob a curva = 1.
Katz, D., et al. (2014). Describing variation in data. In Katz, D. et al. (Eds.), Jekel’s Epidemiology, Biostatistics, Preventive Medicine, and Public Health. Elsevier. Pp. 105–118.
¡Crea tu cuenta gratis o inicia una sesión para seguir leyendo!
A Lecturio Medical complementa o teu estudo através de métodos de ensino baseados em evidência, vídeos de palestras, perguntas e muito mais – tudo combinado num só lugar e fácil de usar.
User Reviews
Details
×
Obtenha Premium para testar os seus conhecimentos
Lecturio Premium dá-lhe acesso total a todos os conteúdos e características
Obtenha Premium para ver todos os vídeos
Verifique agora o seu e-mail para obter um teste gratuito.
Crie uma conta gratuita para testar os seus conhecimentos
Lecturio Premium dá-lhe acesso total a todos os conteúdos e características - incluindo o Qbank de Lecturio com perguntas actualizadas ao estilo do board-.