Curso de Estatística - Compreendendo o Stata

CURSO DE BIOESTATÍSTICA
COMPREENDENDO O STATA
Facilitadora: Hellen Christina Neves

Orientadoras: Professora Drª Maria do Rosário G. Peixoto
Professora Drª Ana Tereza Vaz de Souza Freitas
2019
Análise descritiva
Medidas de Posição + Dispersão: usadas para descrever a amostra
Medidas de Posição (ou de Tendência Central):
Média: Somatório de todos os elementos da série divididos pelo número de

elementos.
 A média aritmética é a soma de todas as observações divididas pelo

número de observações.
 Às vezes, em casos de valores extremos pode ser uma medida ruim da
localização central porque não reflete o centro da amostra.
Moda: valor que ocorre mais vezes ou com maior frequência.
Mediana (percentil50):
 Metade (50%) dos dados tem valores maiores e a outra metade valores
menores (50%).
 É o valor central de uma distribuição.
 Amostras com um tamanho de amostra ímpar têm um ponto central
único.
Valor mínimo e máximo: O menor e o maior valor da série.
Distribuição simétrica: moda=mediana=média
Medidas de Dispersão:
 Amplitude (Intervalo): Diferença entre o valor máximo e mínimo

(maiores e menores observações em uma amostra).
Ex: 3, 4, 5, 5, 5, 6, 7, 8, 9  Amplitude: 9-3= 6
 Quartis: Valores que dividem a série ordenada dos valores de uma

variável em quatro partes de mesmo tamanho.
• O segundo quartil (50%) é a mediana;
• O intervalo entre o primeiro (25%) e o terceiro (75%) quartil é uma medida de

dispersão (inclui 50% das observações).
 Variância:
Média dos desvios ao quadrado dividida pela quantidade de elementos da
série menos 1 (n-1).
- Se existir grande dispersão dos dados a variância é grande.
 Desvio Padrão: É uma medida de dispersão e o seu valor reflete a

variabilidade das observações em relação à média. Raiz da variância.
 Medida do grau de dispersão em relação à média.
 Conforme se aumenta o tamanho amostral o desvio-padrão fica menor.

 A média e o desvio padrão são as medidas de localização e
disseminação mais utilizadas na literatura. Uma das principais razões
para isso é que a distribuição normal (ou em forma de sino) é definida
explicitamente em termos desses dois parâmetros.
 Erro Padrão: Medida da precisão das médias.

 Ele diminui com o aumento do tamanho da amostra.
 Intervalo Interquartil: Avalia o grau de dispersão dos dados em torno

da medida de centralidade.
 GRÁFICOS: gráficos de barra são usados para mostrar a distribuição de

variáveis categóricas, enquanto histogramas e box-plots são usados
para mostrar a distribuição de variáveis quantitativas.
Comandos para gráficos:
Histograma:
histogram idade, bin(10) ou
 hist idade, bin(10) normal freq. (para que seja visualizada a curva de
distribuição normal) ou
histogram idade, bin(10) percent norm normopts(lcolor(red)
lwidth(thick))
Box plot: graph box idade

SINAIS DO STATA
Operadores Lógicos
&→e
| → ou
~ → não
Operadores Relacionais
= → igual (Obs: Após o comando “if” deve-se usar == )
!= → diferente
> maior >= maior/igual
< menor <=menor/igual
Operadores aritméticos
+ soma
- subtração
* multiplicação
/ divisão
^ elevado à potência
Outras funções:
Operador if (se): condiciona a informação de interesse
Operador & (e): realiza a interseção de informações
 Operador by: condiciona o comando ou função de acordo com uma variável

categórica
Criar variáveis: generate

* Obs.: forma abreviada: gen
Exemplo: gen catfam=0 if fam<27 & sexo==1
Substituir valores:
Exemplo: replace abep=0 if abep<15
Renomear uma variável:

Exemplo: rename abep abep1
Organizar o banco conforme uma variável: sort
Exemplo: sort imc
Excluir uma variável ou conjunto de variáveis do banco: drop
Exemplo: drop tab
Excluir observações
Exemplo:
 Sort abep1
 drop in 1/3
COMANDOS UTILIZADOS PARA ESTATÍSTICA DESCRITIVA
Summarize: calcula medidas de tendência central (média, desvio padrão,

mínimo, máximo, etc).
Comando: sum ou summ
Tabulate indica o valor das observações para uma dada variável e sua
frequência.
Comando Tab produzem tabelas simples ou cruzadas
TESTE DE NORMALIDADE
Shapiro-wilk
Comando: swilk idade
P<0.05 DADOS COM DISTRIBUIÇÃO NÃO NORMAL
p>0.05 DADOS COM DISTRIBUIÇÃO NORMAL

COMANDOS – PASSO A PASSO
1º passo: organizar o banco de dados
2° passo: teste de normalidade Shapiro wilk
Comando: swilk idade imc cb2 fam1, tgp
3° passo: Criar gráficos (comandos descritos anteriormente)
4° passo: Calcular a média e desvio padrão ou mediana e intervalo interquartil

(IIQ) – variáveis quantitativas - e tabelas de frequência para variáveis
categóricas.
Comandos:
- summ idade, imc, fam, cb
- sum idade, imc, fam, detail
5° passo: categorizar a variável de interesse (variável contínua).
Comandos:
Exemplo:
FAM para homens: <27kg mulheres: <16kg/ Sexo M: 1; Sexo F: 2
gen catfam=0 if fam<27 & sexo==1 (fam inadequada 0)
replace catfam=1 if fam>=27 & sexo==1 (fam adequada 1)
replace catfam=0 if fam<16 & sexo==2 (fam inadequada 0)
replace catfam=1 if fam>=16 & sexo==2 (fam adequada  1)
6º passo: tabelar a variável categorizada
Comando: tab catfam
7º passo: aplicar os testes de comparação de médias

Para variáveis com distribuição normal
Comparação de uma média com um valor de referência

Teste T de uma amostra:
Comando: ttest idade = 50
Comparação de médias de amostras com observações pareadas

Teste T de student paredo :
Comando: ttest estatura1=estatura2
Comparação entre médias de duas amostras independentes

(Comparação de médias de amostras com observações independentes)
Teste T de Student para amostras independentes:
Suponha que estamos avaliando se a idade média difere segundo a
força do aperto de mão. Neste caso, utiliza-se a opção by(catfam):
Comando: ttest idade, by(catifam)
OBSERVAÇÕES: O teste T assume que a distribuição da variável

resposta (IDADE) é aproximadamente normal e o desvio padrão é o mesmo em
cada grupo a ser comparado.
Esta suposição precisa ser verificada:
COMANDO: sdtest idade, by(catfam)
Quando o teste acima (teste de homocedasticidade) indicar que as
variâncias não são iguais nos dois grupos (são diferentes), devemos usar um
teste que considere esta desigualdade utilizando o comando:
COMANDO: ttest idade, by(catfam) unequal
Teste de homogeneidade de variâncias:
H0= variância1 = variância 2 (amostras homocedásticas)
H1= variância 1 ≠ variância 2 (amostras heterocedásticas)
Para variáveis com distribuição não normal
1- Teste U de Mann-Whitney
Comando: ranksum asg, by(catfam)
2- Teste de Wilcoxon signed-rank
Comando: signrank est1 = est2
Teste de correlação
1- Criar o gráfico
Comando: scatter fam imc
2- Para traçar a reta de regressão:

Comando: scatter fam imc, ||lfit fam imc, lcolor(red)
 Correlação linear de Pearson: para variáveis com distribuição normal.
Comando: pwcorr fam imc, sig
 Correlação de Spearman: para variáveis com distribuição não normal.
Comando: spearman fam asg, pw star(.05)
VARIÁVEIS CATEGÓRICAS
 Teste Qui-quadrado de Pearson
Comando: tabulate catasg sexo, chi2 ou
tab catasg sexo, row col chi2
 Teste exato de Fisher
Comando: tab life sleep, col row exact

Curso de Estatística - Compreendendo o Stata

Enviado por

Direitos autorais:

Formatos disponíveis

Curso de Estatística - Compreendendo o Stata

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Curso de Estatística - Compreendendo o Stata

Enviado por

Direitos autorais:

Formatos disponíveis

CURSO DE BIOESTATÍSTICA

Facilitadora: Hellen Christina Neves

Medidas de Posição + Dispersão: usadas para descrever a amostra

Medidas de Posição (ou de Tendência Central):

Média: Somatório de todos os elementos da série divididos pelo número de

 A média aritmética é a soma de todas as observações divididas pelo

Moda: valor que ocorre mais vezes ou com maior frequência.

Valor mínimo e máximo: O menor e o maior valor da série.

Distribuição simétrica: moda=mediana=média

 Amplitude (Intervalo): Diferença entre o valor máximo e mínimo

Ex: 3, 4, 5, 5, 5, 6, 7, 8, 9  Amplitude: 9-3= 6

 Quartis: Valores que dividem a série ordenada dos valores de uma

• O segundo quartil (50%) é a mediana;

• O intervalo entre o primeiro (25%) e o terceiro (75%) quartil é uma medida de

- Se existir grande dispersão dos dados a variância é grande.

 Desvio Padrão: É uma medida de dispersão e o seu valor reflete a

 Medida do grau de dispersão em relação à média.

 Conforme se aumenta o tamanho amostral o desvio-padrão fica menor.

 Erro Padrão: Medida da precisão das médias.

 Intervalo Interquartil: Avalia o grau de dispersão dos dados em torno

 GRÁFICOS: gráficos de barra são usados para mostrar a distribuição de

Comandos para gráficos:

Box plot: graph box idade

= → igual (Obs: Após o comando “if” deve-se usar == )

> maior >= maior/igual

< menor <=menor/igual

Operador if (se): condiciona a informação de interesse

Operador & (e): realiza a interseção de informações

 Operador by: condiciona o comando ou função de acordo com uma variável

Criar variáveis: generate

Exemplo: gen catfam=0 if fam<27 & sexo==1

Renomear uma variável:

Excluir uma variável ou conjunto de variáveis do banco: drop

Exemplo: drop tab

COMANDOS UTILIZADOS PARA ESTATÍSTICA DESCRITIVA

Summarize: calcula medidas de tendência central (média, desvio padrão,

Comando: sum ou summ

Comando Tab produzem tabelas simples ou cruzadas

Comando: swilk idade

P<0.05 DADOS COM DISTRIBUIÇÃO NÃO NORMAL

p>0.05 DADOS COM DISTRIBUIÇÃO NORMAL

1º passo: organizar o banco de dados

2° passo: teste de normalidade Shapiro wilk

Comando: swilk idade imc cb2 fam1, tgp

3° passo: Criar gráficos (comandos descritos anteriormente)

4° passo: Calcular a média e desvio padrão ou mediana e intervalo interquartil

- summ idade, imc, fam, cb

- sum idade, imc, fam, detail

5° passo: categorizar a variável de interesse (variável contínua).

FAM para homens: <27kg mulheres: <16kg/ Sexo M: 1; Sexo F: 2

gen catfam=0 if fam<27 & sexo==1 (fam inadequada 0)

replace catfam=1 if fam>=27 & sexo==1 (fam adequada 1)

replace catfam=0 if fam<16 & sexo==2 (fam inadequada 0)

replace catfam=1 if fam>=16 & sexo==2 (fam adequada  1)

6º passo: tabelar a variável categorizada

Comando: tab catfam

7º passo: aplicar os testes de comparação de médias

Comparação de uma média com um valor de referência

Comparação de médias de amostras com observações pareadas