Variáveis categóricas: 2 grupos Com duas amostras independentes / relacionadas de indivíduos queremos saber se na população as proporções de indivíduos com determinada característica em cada grupo são iguais. Teste de Qui-quadrado Amostras independentes Grupo1 Grupo2 Total Com a b a+b Sem c d c+d Total n1=a+c n2=b+d n Teste de Qui-quadrado Amostras independentes: Com um objectivo de comparar a prevalência de seropositivos para o HHV-8 entre os homens homossexuais e os heterossexuais analisaram-se 271 homens, obtendo-se os seguintes resultados: Homossexuais Heterossexuais HHV-8 + 14 (33%) 14 36 (16%) 36 HHV-8 - 29 (67%) 29 192192 (84%) Total 43 (100%) 43 228 228 (100%) Teste de Qui-quadrado Definimos a Hipótese H0: 1=2 H1: 12 Obtemos a estatística do teste com os dados de uma amostra 2 = (|O-E|-1/2)2/E segue uma distribuição de qui-quadrado com 1 grau de liberdade O – valores observado E – velores esperados Obtemos o valor de p Definimos o nível se significancia Interpretamos o valor de p Teste de Qui-quadrado H0: Na população a proporção de HHV8 + entre os homossexuais é igual à proporção de HHV8 + entre os heterossexuais 2 = (|O-E|-1/2)2/E segue HHV8 * coluna Crosstabulation uma distribuição de quiHomossexuais Heterossexuais Total quadrado com 1 grau de HHV8 + Count 14 36 50 Expected Count 7.9 42.1 50.0 liberdade Count 29 192 221 O – valores observado Expected Count 35.1 185.9 221.0 Total Count 43 228 271 E – valores esperados Expected Count 43.0 228.0 271.0 (43x50)/271=7.9 2 = 6.761 p = 0.009 Chi-Square Tests Pearson Chi-Square Continuity Correction a Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases Value 6.761b 5.692 6.002 6.736 df 1 1 1 1 Asymp. Sig. (2-sided) .009 .017 .014 Exact Sig. (2-sided) Exact Sig. (1-sided) .017 .011 .009 271 a. Computed only for a 2x2 table b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 7. 93. Teste de Qui-quadrado HHV8 * coluna Crosstabulation Homossexuais HHV8 + - Total Count Expected Count % within HHV8 % within coluna Count Expected Count % within HHV8 % within coluna Count Expected Count % within HHV8 % within coluna 14 7.9 28.0% 32.6% 29 35.1 13.1% 67.4% 43 43.0 15.9% 100.0% Heterossexuais 36 42.1 72.0% 15.8% 192 185.9 86.9% 84.2% 228 228.0 84.1% 100.0% Total 50 50.0 100.0% 18.5% 221 221.0 100.0% 81.5% 271 271.0 100.0% 100.0% Teste de Qui-quadrado Assumpções: Todos os valores esperados são maiores ou iguais a 5. Se algum valor esperado <5 – Teste exacto de Fisher Teste de McNemar Amostras emparelhadas: Foram avaliados 100 doentes com cefaleias frequentes. Os mesmos 100 dentes tomaram durante um mês um determinado medicamento A e no mês seguinte o medicamento B. Pediu-se aos doentes que registassem se durante cada mês tiveram ou não dores de cabeça. A – s/cefaleias A – c/cefaleias B - s/cefaleias 45 (w) 4 (x) B - c/cefaleias 17 (y) 34 (z) 62 38 Total Teste de McNemar Definimos a Hipótese H0: Na população a proporção com uma determinada característica é igual nos dois grupos Obtemos a estatística do teste com os dados de uma amostra 2 = (|x-y|-1)2/x+y segue uma distribuição de qui-quadrado com 1 grau de liberdade Obtemos o valor de p Definimos o nível se significancia Interpretamos o valor de p Teste de McNemar H0: A percentagem de doentes com cefaleias usando o medicamento A é igual a percentagem de doentes com cefaleias usando o medicamento B visual * RX Crosstabulation A RX visual B sem com Total Count Expected Count % within visual % within RX Count Expected Count % within visual % within RX Count Expected Count % within visual % within RX sem com Total 45 30.4 91.8% 72.6% 17 31.6 33.3% 27.4% 62 62.0 62.0% 100.0% 4 18.6 8.2% 10.5% 34 19.4 66.7% 89.5% 38 38.0 38.0% 100.0% 49 49.0 100.0% 49.0% 51 51.0 100.0% 51.0% 100 100.0 100.0% 100.0% Qual a % de dentes com cefaleias com o medicamento B? 51% 38% E usando o A? Chi-Square Tests Value McNemar Test N of Valid Cases 100 a. Binomial distribution used. Rejeito H0 Exact Sig. (2-sided) .007a Variáveis categóricas: mais de 2 categorias Os indivíduos podem ser classificados por dois factores. Por exemplo, quanto à severidade da doença e quanto ao grupo sanguíneo. Cada factor pode ter mais que duas categorias. Por exemplo, a severidade: baixa, moderada e alta; o grupo sanguíneo: A, B, O, AB. Variáveis categóricas: mais de 2 categorias Definimos a Hipótese H0: Não há associação entre as categorias de um factor e as categorias do outro factor Obtemos a estatística do teste com os dados de uma amostra 2 = (O-E)2/E segue uma distribuição de qui-quadrado com (r-1)(c-1) grau de liberdade O – valores observado E – velores esperados r e c – nº de categorias de cada uma dos factor respectivamente Obtemos o valor de p Definimos o nível se significancia Interpretamos o valor de p Variáveis categóricas: mais de 2 categorias Assumpções: Não mais de 20% das células da tabela de contingência têm valores esperados menores que 5. Se algum valor esperado <5 – Teste exacto de Fisher Variáveis categóricas: mais de 2 categorias Por vezes investigamos relações entre variáveis categóricas (factores) em que uma das variáveis é dicotómica (por exemplo sim/não) e a outras ordinal. Podemos testar não só se há uma associação (teste de qui-quadrado) mas também se existe uma tendência (crescente ou decrescente) da proporção de sins (teste de qui-quadrado para tendências).