Glossário de termos estatísticos

Os termos em inglês são indicados entre parênteses.

Alfa de Cronbach (Cronbach's alpha)

Uma medida de confiabilidade de consistência interna. Calcula a correlação média entre todos os itens de uma escala ou questionário.

Amostra (Sample)

Um subconjunto da população escolhido para análise.

Amostra aleatória (Random sample)

Uma amostra em que todos os membros da população têm a mesma probabilidade de ser selecionados, e a seleção de cada membro é independente da seleção de todos os outros membros.

Amostragem (Sampling)

O processo de selecionar um subconjunto adequado de elementos da população completa, de modo que esse subconjunto possa ser usado para fazer inferências sobre a população como um todo.

Amostragem estratificada (Stratified sampling)

Um método de amostragem que consiste em dividir a população em subgrupos e extrair amostras de cada subgrupo.

Amostragem por conglomerados (Cluster sampling)

São selecionados aleatoriamente conglomerados ou grupos, e não indivíduos, para a análise.

Amplitude (Range)

Os valores mínimo e máximo, ou a diferença entre os valores máximo e mínimo de um conjunto de dados.

Amplitude interquartil (AIQ) (Interquartile range (IQR))

Uma medida de dispersão estatística, calculada como a diferença entre o primeiro (Q1) e o terceiro (Q3) quartil.

Análise de séries temporais (Time series analysis)

Uma técnica estatística que trata dados ordenados no tempo para identificar tendências e padrões sazonais.

Análise de sobrevivência (Survival analysis)

A análise de sobrevivência é um método estatístico usado para analisar dados de tempo até o evento, em que o evento de interesse é muitas vezes o óbito, a progressão da doença ou a recuperação. Ela estima o tempo até a ocorrência de um evento e leva em conta a censura.

Análise de variância (regressão) (Analysis of variance (regression))

A tabela de análise de variância divide a variação total da variável dependente em dois componentes: um que pode ser atribuído ao modelo de regressão (rotulado Regressão) e outro que não pode (rotulado Residual), e calcula a estatística F correspondente.

Análise de variância de dois fatores (Two-way analysis of variance)

Método para analisar o efeito de dois fatores qualitativos sobre uma variável dependente.

Análise de variância de um fator (One-way analysis of variance)

Ver ANOVA (análise de variância).

Análise fatorial (Factor analysis)

Uma técnica usada para reduzir os dados a um conjunto menor de variáveis-resumo e identificar relações subjacentes.

Análise multivariada (Multivariate analysis)

Um método estatístico usado para analisar dados que envolvem diversas variáveis, a fim de compreender suas relações.

ANCOVA (análise de covariância) (ANCOVA (Analysis of covariance))

Um modelo linear geral com uma variável de desfecho contínua (quantitativa) e uma ou mais variáveis-fator (qualitativas).

ANOVA (análise de variância) (ANOVA (Analysis of variance))

A ANOVA é usada para comparar as médias de vários grupos, a fim de determinar se pelo menos uma das médias de grupo difere significativamente das demais.

ANOVA de medidas repetidas (Repeated measures ANOVA)

Compara médias em vários momentos ou condições nos mesmos indivíduos.

Área parcial sob a curva ROC (Partial area under ROC curve)

A área parcial sob a curva ROC resume uma parte da curva ROC sobre um intervalo de interesse previamente especificado. Esse intervalo pode ser um intervalo de especificidade ou de sensibilidade.

Área sob a curva ROC (AUC) (Area Under the ROC curve (AUC))

A área sob a curva ROC (AUC) mede a capacidade de um classificador de distinguir entre classes, variando de 0,5 (aleatório) a 1,0 (discriminação perfeita).

Assimetria (Skewness)

A assimetria é uma medida do grau de simetria da distribuição da variável.

Boxplot (Box plot)

Ver Diagrama de caixa e bigode.

Censura (Censoring)

Na análise de sobrevivência, ocorre censura quando o momento exato do evento (por exemplo, óbito, recidiva da doença) é desconhecido para alguns indivíduos de um estudo. Isso acontece porque o estudo termina antes de o evento ocorrer, porque o participante é perdido no seguimento ou porque ele se retira do estudo.

Coeficiente beta (Beta Coefficient)

Uma medida da influência de uma variável independente sobre uma variável dependente na análise de regressão.

Coeficiente de contingência (Coefficient of contingency)

Uma medida de associação baseada no qui-quadrado. Esse coeficiente está sempre entre 0 e 1, mas em geral não pode atingir o valor 1. O valor máximo possível depende do número de linhas e colunas da tabela.

Coeficiente de correlação (Correlation coefficient)

Uma medida da força e da direção da relação entre duas variáveis.

Coeficiente de correlação de ordem zero (Zero order correlation coefficient)

O coeficiente de correlação simples entre a variável dependente e cada uma das variáveis independentes separadamente.

Coeficiente de correlação de Pearson (Pearson correlation coefficient)

Mede a correlação linear entre duas variáveis, produzindo um valor entre −1 e 1.

Coeficiente de determinação (Coefficient of determination)

Na análise de regressão, o coeficiente de determinação indica a proporção da variância de uma variável que pode ser associada à variância da outra variável. Pode variar de 0 a 1.

Coeficiente de repetibilidade (Coefficient of repeatability)

Definido como 1,96 vez o desvio padrão das diferenças entre duas medições (ver Diagrama de Bland-Altman).

Coeficiente de variação (Coefficient of variation)

Ver Desvio padrão relativo (DPR).

Coeficientes de regressão (Regression coefficients)

Os coeficientes de regressão indicam a variação esperada na variável dependente para uma variação de uma unidade na variável independente. Por exemplo, na equação de regressão múltipla $ y = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 +\ …\ + b_k x_k $, os valores $b_1\ … \ b_k$ são os coeficientes de regressão.

Controle estatístico de qualidade (CEQ) (Statistical quality control (SQC))

Um conjunto de técnicas e ferramentas usadas para monitorar e controlar um processo, a fim de garantir que ele funcione em todo o seu potencial.

Correção de Yates (Yates' correction)

Uma correção de continuidade aplicada nos testes qui-quadrado, em particular em tabelas de contingência 2x2.

Correlação (Correlation)

A correlação entre duas variáveis x e y é uma medida de quão estreitamente relacionadas elas estão, ou de quão linearmente relacionadas elas estão. A correlação mede o grau em que uma mudança em uma variável aleatória tende a corresponder a uma mudança na outra variável aleatória.

Correlação de postos (Rank correlation)

Método para estudar a relação entre duas variáveis que não têm distribuição normal ou entre variáveis ordinais.

Correlação de postos de Spearman (Spearman’s rank correlation)

Uma medida não paramétrica de correlação que avalia quão bem a relação entre duas variáveis pode ser descrita por uma função monotônica.

Correlação parcial (Partial correlation)

Examina a relação entre duas variáveis controlando o efeito de uma terceira.

Covariância (Covariance)

Uma medida da variabilidade conjunta de duas variáveis aleatórias.

Curtose (Kurtosis)

A curtose é uma medida do peso das caudas da distribuição da variável.

Curva de Kaplan-Meier (Kaplan-Meier curve)

Um gráfico em degraus que estima a probabilidade de sobrevivência ao longo do tempo e que leva em conta os dados censurados.

Curva de precisão-revocação (Precision-recall curve)

A curva de precisão-revocação é um gráfico da precisão (valor preditivo positivo, eixo Y) em função da revocação (sensibilidade, eixo X) para diferentes limiares. É uma alternativa à curva ROC.

Curva ROC (ROC curve)

A curva ROC (Receiver Operating Characteristic) é um gráfico que ilustra o desempenho de um modelo classificador binário em diferentes valores de limiar.

d de Cohen (Cohen's d)

Uma medida de tamanho do efeito que expressa a diferença entre as médias de dois grupos em unidades de desvio padrão.

Dados nominais (Nominal data)

Observações codificadas alfanumericamente, mas sem uma ordem óbvia, por exemplo, grupo sanguíneo, masculino/feminino. Ver também Dados ordinais.

Dados ordinais (Ordinal data)

Dados ordinais são dados categóricos que podem assumir valores passíveis de ser ordenados ou classificados de forma lógica. Ver também Dados nominais.

Dados qualitativos (Qualitative data)

Dados qualitativos são medidas de “tipos” e podem ser representados por um nome, um símbolo ou um número. Ver também Dados quantitativos.

Dados quantitativos (Quantitative data)

Dados quantitativos são medidas de valores ou contagens e são expressos como números. Ver também Dados qualitativos.

Desvio padrão (Standard deviation)

O desvio padrão é a raiz quadrada da variância. Fornece uma medida da distância média de cada ponto de dados em relação à média.

$$s = \sqrt{\frac{\sum_{}^{}{(x-\bar{x})^2}}{n-1}} $$

Desvio padrão relativo (DPR) (Relative standard deviation (RSD))

É o desvio padrão dividido pela média. Quando apropriado, esse número pode ser expresso como porcentagem, multiplicando-o por 100, para obter o coeficiente de variação

Desvio padrão residual (Residual standard deviation)

O desvio padrão dos resíduos na análise de regressão.

Diagrama de Bland-Altman (Bland & Altman plot)

Método gráfico para avaliar a concordância entre duas técnicas de medição.

Diagrama de caixa e bigode (Box-and-whisker plot)

Resumo estatístico gráfico de uma variável: mediana, quartis, amplitude e eventuais valores extremos (valores discrepantes). Ver também Diagrama de caixa e bigode com entalhes.

Diagrama de caixa e bigode com entalhes (Notched box-and-whisker plot)

Um diagrama de caixa e bigode com entalhes que representam intervalos para as medianas, permitindo a comparação das medianas duas a duas com um nível de confiança de 95%. Se os entalhes de duas medianas não se sobrepõem, as medianas são – aproximadamente – significativamente diferentes com um nível de confiança de cerca de 95%.

Diagrama de dispersão (Scatter diagram)

Um gráfico que ilustra a relação entre duas variáveis quantitativas.

Diagrama de floresta (Forest plot)

Na metanálise, o diagrama de floresta representa visualmente os tamanhos de efeito e os intervalos de confiança de vários estudos.

Diagrama de Youden (Youden plot)

Um método gráfico para analisar dados interlaboratoriais, em que todos os laboratórios analisaram 2 amostras.

Diagrama normal (Normal plot)

O diagrama normal é uma ferramenta gráfica para avaliar a normalidade da distribuição dos dados amostrais. Em um diagrama normal, os escores z esperados são representados em função dos dados observados. Uma amostra aleatória de uma distribuição normal formará uma linha quase reta.

Diagrama Q-Q (Q-Q plot)

O diagrama Q-Q (diagrama quantil-quantil) é uma ferramenta gráfica usada para comparar a distribuição de um conjunto de dados com uma distribuição teórica (por exemplo, a distribuição normal).

Diferença absoluta (Absolute difference)

A diferença entre dois valores, sem levar em conta o sinal.

Distribuição amostral (Sampling distribution)

A distribuição de probabilidade de uma estatística obtida a partir de um grande número de amostras extraídas da mesma população.

Distribuição assimétrica (Skewed distribution)

Uma distribuição que não é simétrica.

Distribuição bimodal (Bimodal distribution)

Uma distribuição com duas modas ou picos distintos.

Distribuição binomial (Binomial distribution)

Uma distribuição de probabilidade discreta que representa o número de sucessos em um número fixo de ensaios independentes, cada um com a mesma probabilidade de sucesso.

Distribuição de Poisson (Poisson distribution)

Uma distribuição de probabilidade discreta que expressa a probabilidade de um dado número de eventos ocorrer em um intervalo fixo de tempo ou de espaço.

Distribuição exponencial (Exponential distribution)

Uma distribuição de probabilidade que descreve o tempo entre eventos em um processo de Poisson.

Distribuição gaussiana (Gaussian Distribution)

Outro nome para a distribuição normal.

Distribuição normal (Normal distribution)

Uma distribuição de probabilidade simétrica caracterizada por uma curva em forma de sino, definida por sua média $\mu$ e seu desvio padrão $\sigma $. A distribuição normal é dada pela fórmula

$$ f(x) = \frac{1}{\sqrt{2\pi\sigma^2} } e^{-\frac{(x-\mu)^2}{2\sigma^2}} $$

Distribuição normal padronizada (Standardized Normal distribution)

Uma distribuição normal com média 0 e desvio padrão 1. Uma distribuição normal pode ser convertida em uma distribuição normal padronizada substituindo todos os valores x por (x−média)/DP.

Distribuição nula (Null distribution)

A distribuição de probabilidade de uma estatística sob a hipótese nula.

Distribuição uniforme (Uniform distribution)

Uma distribuição de probabilidade em que todos os resultados são igualmente prováveis.

Distribuições de probabilidade (Probability distributions)

As distribuições de probabilidade descrevem como as probabilidades se distribuem sobre os valores de uma variável aleatória. Ver Distribuição normal, Distribuição binomial, Distribuição de Poisson.

Eliminação para trás (Backward elimination)

Uma técnica de regressão por etapas que começa com todos os preditores e remove iterativamente os menos significativos. Ver também Seleção para frente, Seleção por etapas.

Ensaio clínico randomizado (ECR) (Randomized controlled trial (RCT))

Um experimento que distribui os participantes aleatoriamente entre um grupo de tratamento e um grupo controle.

Equação de regressão (Regression equation)

A equação de regressão descreve a relação entre duas variáveis. Por exemplo, na equação de regressão linear $y = a + bx $, em que $y$ é a variável dependente e $x$ é a variável independente, o coeficiente $b$ é a inclinação e $a$ é o intercepto no eixo y. Ver também Regressão múltipla, Regressão quadrática.

Erro absoluto (Absolute error)

O erro absoluto de uma observação x é o desvio absoluto de x em relação ao seu valor “verdadeiro”. Ver também Erro relativo.

Erro padrão (Standard error)

Uma medida de quanto o valor de uma estatística de teste pode variar de amostra para amostra. É o desvio padrão da distribuição amostral de uma estatística.

Erro padrão da média (EPM) (Standard error of the mean (SEM))

O EPM é calculado dividindo o desvio padrão pela raiz quadrada do tamanho da amostra.

$$SEM = \frac{s}{\sqrt{n}} $$

Erro quadrático médio (EQM) (Mean Squared Error (MSE))

A média dos quadrados dos erros ou desvios, que representa a diferença quadrática média entre os valores estimados e o valor real.

Erro relativo (Relative error)

O erro absoluto dividido pelo valor verdadeiro.

Erro tipo I (Type I Error)

O erro de rejeitar a hipótese nula quando ela é, na verdade, verdadeira (falso positivo).

Erro tipo II (Type II Error)

O erro de não rejeitar a hipótese nula quando ela é, na verdade, falsa (falso negativo).

Escore z (Z-score)

Uma medida que descreve a relação de um valor com a média de um grupo de valores, expressa em desvios padrão.

$$ z = \frac{x-\bar{x}}{s} $$

Especificidade (Specificity)

Probabilidade de que o resultado de um teste seja negativo quando a doença não está presente (taxa de verdadeiros negativos). Ver também Sensibilidade.

Estatística (Statistics)

A estatística é a disciplina que usa teorias e metodologias matemáticas para coletar, analisar, interpretar, apresentar e organizar dados. Ela fornece uma estrutura para a tomada de decisões e para fazer inferências sobre populações com base em dados amostrais.

Estatística (medida amostral) (Statistic)

Uma característica ou medida numérica de uma amostra.

Estatística descritiva (Descriptive statistics)

Resume e descreve as características de um conjunto de dados, incluindo medidas de tendência central e de variabilidade.

Estatística inferencial (Inferential statistics)

Procedimentos para fazer generalizações sobre uma população a partir do estudo de uma amostra dessa população.

Estimador não viesado (Unbiased estimator)

Para que um estimador seja não viesado, é necessário que, em média, ele produza o valor verdadeiro do parâmetro desconhecido.

Estimativa de máxima verossimilhança (EMV) (Maximum Likelihood Estimate (MLE))

A estimativa de máxima verossimilhança de um parâmetro é o valor possível do parâmetro para o qual a probabilidade de observar os dados é a maior.

Estrato (Stratum)

Na amostragem aleatória, às vezes a amostra é extraída separadamente de diferentes subconjuntos disjuntos da população. Cada um desses subconjuntos é chamado de estrato.

Estudo caso-controle (Case-Control study)

Um estudo observacional destinado a ajudar a determinar se uma exposição está associada a um desfecho.

Estudo controlado (Controlled study)

Um estudo que avalia o efeito de um tratamento comparando os indivíduos tratados com um grupo controle, que não recebe o tratamento. Ver também Estudo transversal, Estudo longitudinal.

Estudo de coorte (Cohort study)

Um tipo de estudo observacional que acompanha um grupo de pessoas ao longo do tempo para determinar como certas exposições afetam seus desfechos.

Estudo experimental (Experimental study)

Um estudo experimental é um estudo em que os fatores considerados são controlados, de modo a obter informações sobre sua influência na variável de interesse.

Estudo longitudinal (Longitudinal study)

Um estudo que observa os mesmos indivíduos durante um longo período de tempo. Ver também Estudo controlado, Estudo transversal.

Estudo observacional (Observational study)

Um estudo observacional é um estudo em que o pesquisador observa e registra comportamentos ou desfechos sem manipular nenhuma variável.

Estudo transversal (Cross-sectional study)

O estudo transversal é um tipo de delineamento de pesquisa em que se coletam dados de muitos indivíduos diferentes em um único momento. Na pesquisa transversal, as variáveis são observadas sem que se interfira nelas. Ver também Estudo controlado, Estudo longitudinal.

Extrapolar (Extrapolate)

A extrapolação é uma forma de estimar valores além dos dados conhecidos. Padrões e gráficos podem ser usados para determinar outros pontos de dados possíveis que não foram efetivamente medidos. Ver também Interpolar.

Faixa central de 80% (80% central range)

A faixa entre os percentis 10 e 90 (nessa faixa se encontram 80% dos valores).

Faixa central de 90% (90% central range)

A faixa entre os percentis 5 e 95 (nessa faixa se encontram 90% dos valores).

Faixa central de 95% (95% central range)

A faixa entre os percentis 2,5 e 97,5 (nessa faixa se encontram 95% dos valores).

Faixa de normalidade (Normal range)

Ver Intervalo de referência.

Falso negativo (False Negative)

Um erro tipo II no teste de hipóteses, em que a hipótese nula é aceita incorretamente. Ver também Falso positivo.

Falso positivo (False Positive)

Um erro tipo I no teste de hipóteses, em que a hipótese nula é rejeitada incorretamente. Ver também Falso negativo.

Fator (Factor)

Uma variável independente que define grupos de casos.

Frequência cumulativa (Cumulative frequency)

A soma das frequências de todos os valores até um determinado valor.

Frequência relativa (Relative frequency)

A frequência relativa descreve o número de vezes que determinado valor de uma variável foi observado em relação ao número total de valores dessa variável.

Função de verossimilhança (Likelihood function)

Uma função dos parâmetros de um modelo estatístico que mede quão bem o modelo explica os dados observados.

Função logit (Logit function)

A função logit é a inversa da função sigmoide (logística) e é usada na regressão logística e em outros modelos estatísticos. Ela transforma probabilidades $p$ em valores de $-\infty$ a $+\infty$, o que a torna útil para modelar desfechos binários.

$$ \operatorname{logit}(p)= \ln\left( \frac{p}{1-p} \right) $$

Gráfico da distribuição de frequência cumulativa (Cumulative frequency distribution graph)

Um gráfico em que, para cada valor da característica, é representada a porcentagem de elementos iguais ou inferiores a esse valor. Os pontos são então ligados por segmentos de reta.

Gráfico de barras (Bar chart)

Um gráfico que apresenta dados categóricos por meio de barras retangulares que representam a frequência ou o valor de cada categoria.

Gráfico de controle (Control chart)

O gráfico de controle é uma ferramenta estatística usada no controle de qualidade para monitorar e analisar o desempenho de um processo ao longo do tempo.

Gráfico de frequência (Frequency chart)

Uma representação gráfica de uma tabela de frequências.

Gráfico de funil (Funnel plot)

Uma ferramenta gráfica para detectar viés na metanálise.

Gráfico de violino (Violin plot)

Um gráfico de violino representa distribuições de dados numéricos de um ou mais grupos por meio de curvas de densidade. A largura de cada curva corresponde à frequência aproximada dos pontos de dados em cada região.

Graus de liberdade (GL) (Degrees of Freedom (DF))

O número de valores ou quantidades independentes que podem variar em uma análise sem violar nenhuma restrição.

Grupo controle (Control group)

Os indivíduos de um estudo controlado que não recebem o tratamento.

Hipótese (Hypothesis)

Uma explicação proposta para um fenômeno, em geral formulada no contexto de um teste estatístico.

Hipótese alternativa (H1) (Alternative hypothesis (H1))

A afirmação que contradiz a hipótese nula, indicando a presença de um efeito ou de uma diferença.

Hipótese nula (H0) (Null hypothesis (H0))

Uma afirmação de que não há efeito ou diferença, usada como ponto de partida do teste de hipóteses.

Hipóteses nula e alternativa (Null and Alternative Hypotheses)

Hipótese nula (H0): pressupõe ausência de efeito ou de diferença.|Hipótese alternativa (H1): pressupõe que existe um efeito ou uma diferença.

Histograma (Histogram)

Representação gráfica da distribuição de uma variável numérica. O número de observações pertencentes a cada intervalo da escala horizontal é representado pela altura de uma barra erguida sobre esse intervalo. (Observação: se os intervalos não tiverem a mesma largura, o número de observações é representado pela área da barra).

IC de 95% para a média (95% CI for the mean)

Um intervalo de valores que contém a média populacional com probabilidade de 95%.

IC de 95% para a mediana (95% CI for the median)

Um intervalo de valores que contém a mediana populacional com probabilidade de 95%.

IC de 95% para o coeficiente de correlação (95% CI for the correlation coefficient)

O intervalo de valores que contém o “verdadeiro” coeficiente de correlação com 95% de confiança.

Inclinação (Slope)

Um número que indica a inclinação ou o declive de uma reta em um gráfico.

Inferência bayesiana (Bayesian inference)

Um método de inferência estatística em que o teorema de Bayes é usado para atualizar a probabilidade de uma hipótese à medida que mais evidências ou informações se tornam disponíveis.

Inferência causal (Causal inference)

O processo de chegar a uma conclusão sobre uma relação causal com base nas condições em que um evento ocorre.

Interpolação linear (Linear interpolation)

A interpolação linear é um método para estimar um valor desconhecido entre dois valores conhecidos sobre uma reta. Dados dois pontos conhecidos $(x_1,y_1)$ e $(x_2,y_2)$, o valor interpolado $y$ no ponto $x$ entre eles é

$$ y = y_1 + \frac{(x - x_1)(y_2 - y_1)}{x_2 - x_1} $$

Interpolar (Interpolate)

A interpolação é uma forma de estimar dados. Ao interpolar, estimam-se os dados entre duas observações ou medições conhecidas. Ver também Extrapolar.

Intervalo de confiança (IC) (Confidence Interval (CI))

Um intervalo de valores que provavelmente contém o parâmetro populacional com um nível de confiança especificado (por exemplo, 95%).

Intervalo de confiança de 95% (95% confidence interval)

Um intervalo de valores que, em 95% das vezes, contém o valor (verdadeiro) da população.

Intervalo de confiança de 95% (regressão) (95% confidence interval (regression))

Curvas que representam um intervalo de confiança de 95% para a linha de regressão. Esse intervalo contém a verdadeira linha de regressão com probabilidade de 95%.

Intervalo de previsão de 95% (regressão) (95% prediction interval (regression))

Curvas que representam o intervalo de previsão de 95% para a curva de regressão. Para qualquer valor dado da variável independente, esse intervalo representa a faixa em que se encontram, com probabilidade de 95%, os valores da variável dependente.

Intervalo de referência (Reference interval)

O intervalo de referência (faixa de referência, faixa de normalidade) de um parâmetro é o intervalo em que se encontram os 95% centrais dos valores de indivíduos aparentemente saudáveis.

Jittering

Uma técnica de visualização de dados que adiciona ruído aleatório aos pontos de dados para reduzir a sobreposição em diagramas de dispersão.

Kappa

Uma medida da concordância entre dois sistemas de classificação (diagnóstica), após correção para a concordância devida ao acaso.

Levantamento (Survey)

Um método de coleta de dados que consiste em fazer perguntas às pessoas para reunir informações.

Limpeza de dados (Data cleaning)

O processo de corrigir ou remover dados errôneos de um conjunto de dados.

Linha de regressão (Regression line)

Uma representação gráfica da equação de regressão. Normalmente combinada com um diagrama de dispersão.

Máximo (Maximum)

O maior valor assumido por uma variável.

Média (Mean)

A média é o valor médio calculado somando todos os valores e dividindo pelo número de valores.

$$ \bar{x} = \frac{x_1+x_2+\cdots +x_n}{n} = {1 \over n} \sum_{i=1}^{n}{x_i} = {1 \over n} \sum_{}^{}{x} $$

Ver também Média geométrica, Média harmônica.

Média aparada (Trimmed mean)

A média aparada é uma medida estatística que calcula a média após a remoção de uma determinada porcentagem de valores extremos de ambas as extremidades da amostra.

Média geométrica (Geometric mean)

A média geométrica é a raiz de índice n do produto de n observações.

$$\left ( \prod_{i=1}^n{x_i} \right ) ^\tfrac1n = \sqrt[n]{x_1 x_2 \cdots x_n} = \exp\left[\frac1n\sum_{i=1}^n\ln x_i\right] $$

Ver também Média, Média harmônica.

Média harmônica (Harmonic mean)

A média harmônica é definida como o inverso da média dos inversos dos valores dados.

$$\frac{n}{\frac1{x_1} + \frac1{x_2} + \cdots + \frac1{x_n}} = \frac{n}{\sum\limits_{i=1}^n \frac1{x_i}} $$

Ver também Média, Média geométrica.

Mediana (Median)

A mediana é o valor central de um conjunto de dados ordenado. Se houver um número par de observações, é a média dos dois valores centrais. A mediana é igual ao percentil 50.

Medidas de dispersão (Measures of dispersion)

Essas medidas indicam a dispersão ou variabilidade dentro de um conjunto de dados. Exemplos: amplitude, variância, desvio padrão.

Medidas de tendência central (Measures of central tendency)

As medidas de tendência central ajudam a resumir um conjunto de dados em um único valor. Exemplos: média, mediana.

Metanálise (Meta-analysis)

Um método estatístico que combina os resultados de vários estudos para identificar tendências gerais.

Mineração de dados (Data mining)

A prática de examinar grandes conjuntos de dados para descobrir padrões e extrair informações valiosas.

Mínimo (Minimum)

O menor valor assumido por uma variável.

Mínimos quadrados (Least squares)

Usado para estimar parâmetros em modelos estatísticos, como os que ocorrem na análise de regressão. As estimativas dos parâmetros são obtidas minimizando a soma dos quadrados das diferenças entre os valores observados e os valores previstos pelo modelo.

Moda (Mode)

A moda é o valor que ocorre com mais frequência em um conjunto de dados. Um conjunto de dados pode ter uma moda, mais de uma moda ou nenhuma moda.

Modelo completo (Full Model)

Um modelo de regressão que inclui todas as variáveis preditoras potenciais.

N

Número de casos em uma amostra.

Nível de significância (Significance level)

O nível de significância (alfa) define o limiar para decidir se H0 deve ser rejeitada.

Número necessário para tratar (NNT) (Number Needed to Treat (NNT))

O número necessário para tratar (NNT) é o número estimado de pacientes que precisam ser tratados com o novo tratamento, em vez do tratamento padrão (ou de nenhum tratamento), para que um paciente adicional seja beneficiado.

Parâmetro (Parameter)

Uma característica ou medida numérica de uma população.

Percentil (Percentile)

Um percentil é o valor abaixo do qual se encontra uma determinada porcentagem dos dados numéricos. O percentil p é igual à observação com número de ordem

$$ R(p) = 0.5 + \frac {p \times n} {100} $$

Percentil 25 (25^th percentile)

O valor abaixo do qual se encontram 25 por cento dos casos observados e acima do qual se encontram 75 por cento dos casos observados.

Percentil 50 (50^th percentile)

O valor acima e abaixo do qual se encontra metade dos valores observados de uma variável (= a mediana).

Percentil 75 (75^th percentile)

O valor abaixo do qual se encontram 75 por cento dos valores observados de uma variável e acima do qual se encontram 25 por cento dos valores observados dessa variável.

Poder de um teste (Power of a test)

A probabilidade de que o teste rejeite corretamente uma hipótese nula falsa (1 menos a probabilidade de um erro tipo II).

População (Population)

O conjunto completo de itens a partir do qual os dados podem ser selecionados, ou o grupo completo de indivíduos ou itens que os pesquisadores têm interesse em estudar.

Possibilidades (Odds)

Uma forma de representar a probabilidade de ocorrência de um evento. Possibilidades de m:n a favor de um evento significam que esperamos que o evento ocorra m vezes para cada n vezes em que ele não ocorre.

Pressupostos da ANOVA (ANOVA Assumptions)

O conjunto de pressupostos que devem ser atendidos para que os resultados da ANOVA sejam válidos, incluindo independência, normalidade e homogeneidade de variâncias.

Probabilidade (Probability)

A probabilidade de um evento é a razão entre o número de resultados que incluem o evento e o número total de resultados possíveis.

Probabilidade condicional (Conditional probability)

A probabilidade condicional é a probabilidade de um evento ocorrer, dado que outro evento ocorreu.

Qualidade do ajuste (Goodness of fit)

Quantificação de quão bem um modelo se ajusta aos dados observados.

Quartis (Quartiles)

Os quartis dividem um conjunto de dados ordenado em quatro partes iguais. Correspondem aos percentis 25, 50 e 75.

R ajustado (R-adjusted)

O coeficiente de determinação (múltipla) ajustado para o número de variáveis independentes no modelo de regressão. O R ajustado pode diminuir se forem incluídas no modelo variáveis que não contribuem significativamente para o ajuste do modelo.

R ao quadrado (R-squared)

Uma estatística que fornece uma indicação da qualidade do ajuste de um modelo de regressão.

Razão (Ratio)

Uma comparação de duas quantidades por divisão. Uma razão compara a frequência de um valor de uma grandeza com outro valor dessa mesma grandeza. Ver também Taxa.

Razão de possibilidades (Odds ratio)

A razão entre as possibilidades do desfecho em dois grupos. A razão de possibilidades compara as possibilidades de um evento ocorrer em um grupo com as possibilidades de ele ocorrer em outro grupo. Ver também Risco relativo.

Razão de riscos (Risk ratio)

Ver Risco relativo.

Razão de riscos instantâneos (Hazard ratio)

A razão de riscos instantâneos (hazard ratio) é uma medida estatística usada principalmente na análise de sobrevivência para comparar, entre dois grupos, a probabilidade de ocorrência de um evento em qualquer momento dado.

Razão de verossimilhança negativa (Negative likelihood ratio)

Razão entre a probabilidade de um resultado de teste negativo na presença da doença e a probabilidade de um resultado de teste negativo na ausência da doença. Ver também Razão de verossimilhança positiva.

Razão de verossimilhança positiva (Positive likelihood ratio)

Razão entre a probabilidade de um resultado de teste positivo na presença da doença e a probabilidade de um resultado de teste positivo na ausência da doença. Ver também Razão de verossimilhança negativa.

Reamostragem bootstrap (Bootstrap resampling)

Um método de reamostragem que consiste em extrair repetidamente amostras com reposição a partir dos dados, a fim de estimar estatísticas. Ver também Reamostragem jackknife, Simulação de Monte Carlo.

Reamostragem jackknife (Jackknife resampling)

Uma técnica de reamostragem usada para estimar o viés e a variância de um estimador estatístico. Ver também Reamostragem bootstrap.

Regressão (Regression)

Uma técnica estatística que modela a relação entre uma variável dependente e uma ou mais variáveis independentes.

Regressão de Cox (Cox regression)

A regressão de Cox (ou regressão de riscos proporcionais de Cox) é um método estatístico para analisar o efeito de vários fatores de risco sobre a sobrevivência ou, de modo geral, sobre o tempo até a ocorrência de um evento específico.

Regressão linear (Linear regression)

Um método de análise de regressão que modela a relação entre duas variáveis ajustando uma equação linear.

Regressão linear simples (Simple linear regression)

Ver regressão linear.

Regressão logística (Logistic regression)

Um método de análise de regressão usado para modelar a relação entre uma variável dependente binária e uma ou mais variáveis independentes. A análise de regressão logística gera os coeficientes de uma fórmula para prever uma transformação logit da probabilidade de presença da característica de interesse.

$$ logit(p) = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 + … + b_n x_n $$

Regressão múltipla (Multiple regression)

A regressão múltipla avalia a relação entre uma variável dependente e várias variáveis independentes.

$$ y = b_0 + b_1 x_1 + b_2 x_2 + b_3 x_3 +\ …\ + b_k x_k $$

Regressão polinomial (Polynomial Regression)

A regressão polinomial é um tipo de regressão que modela a relação entre uma variável independente $x$ e uma variável dependente $y$ como um polinômio de grau n.

$$ Y = b_0 + b_1 x + b_2 x^2 + b_3 x^3 + \ … \ + b_n x^n $$

Regressão quadrática (Quadratic regression)

A regressão quadrática é um tipo de regressão polinomial usado para modelar a relação entre uma variável dependente e uma variável independente quando os dados apresentam um padrão parabólico (em forma de U ou de U invertido). É uma técnica de regressão não linear, mas ainda é considerada um modelo linear porque é linear em relação aos coeficientes.

$$y = a x^2 + b x + c $$

Resíduos (Residuals)

As diferenças entre os valores observados e os previstos. Os resíduos representam a variação não explicada (ou residual) após o ajuste de um modelo de regressão. O resíduo é a diferença entre o valor observado da variável e o valor sugerido pelo modelo de regressão.

Risco relativo (Relative risk)

A razão entre as proporções de casos com desfecho positivo em dois grupos. O risco relativo compara a probabilidade de um evento ocorrer no grupo exposto com a probabilidade de ele ocorrer no grupo não exposto. Ver também Razão de possibilidades.

Seleção para frente (Forward selection)

Uma técnica de regressão por etapas que começa sem nenhum preditor e acrescenta iterativamente os estatisticamente mais significativos. Ver também Eliminação para trás, Seleção por etapas.

Seleção por etapas (Stepwise selection)

Na regressão, uma combinação de seleção para frente e eliminação para trás.

Sensibilidade (Sensitivity)

Probabilidade de que o resultado de um teste seja positivo quando a doença está presente (taxa de verdadeiros positivos). Ver também Especificidade.

Significância estatística (Statistical significance)

Um resultado é estatisticamente significativo quando seria improvável ocorrer apenas por acaso se a hipótese nula fosse verdadeira, ou seja, quando o valor P é menor que o nível de significância escolhido (geralmente 0,05).

Simulação de Monte Carlo (Monte Carlo simulation)

Uma técnica computacional que usa a aleatoriedade para obter resultados numéricos, em geral para avaliar riscos e incertezas. Ver também Reamostragem bootstrap.

Sobreajuste (Overfitting)

Um erro de modelagem que ocorre quando o modelo captura o ruído em vez do padrão subjacente. Ver também Subajuste.

Subajuste (Underfitting)

Um erro de modelagem que ocorre quando o modelo é simples demais para captar a tendência subjacente dos dados. Ver também Sobreajuste.

Tabela de frequências (Frequency table)

Uma tabela que mostra o número de casos pertencentes a categorias distintas, ou simultaneamente a duas ou mais categorias distintas, por exemplo, pacientes classificados ao mesmo tempo por sexo e faixa etária, ou por tratamento e categoria de resultado.

Tabulação cruzada (Crosstabulation)

Um método de análise quantitativa da relação entre várias variáveis que exibe as distribuições das variáveis em formato de matriz.

Tamanho da amostra (Sample size)

O número de casos (observações) na amostra.

Tamanho do efeito (Effect size)

Uma medida quantitativa da magnitude de um fenômeno ou da força de uma relação.

Tau de Kendall (Kendall’s tau)

Uma estatística que mede a associação ordinal entre duas grandezas medidas.

Taxa (Rate)

Uma medida da quantidade de uma coisa em relação a outra. A taxa compara duas quantidades diferentes, medidas em unidades diferentes. Ver também Razão.

Técnicas de amostragem (Sampling techniques)

As técnicas de amostragem são métodos usados para selecionar indivíduos de uma população para participar de um estudo. Ver Amostragem aleatória, Amostragem estratificada.

Tempo mediano de sobrevivência (Median survival time)

A sobrevivência mediana é o menor tempo em que a probabilidade de sobrevivência cai para 0,5 (50%) ou menos.

Tempo médio de sobrevivência (Mean survival time)

O tempo médio de sobrevivência é estimado como a área sob a curva de sobrevivência no intervalo de 0 a t_max. Ver também Tempo médio de sobrevivência restrito.

Tempo médio de sobrevivência restrito (Restricted mean survival time)

O tempo médio de sobrevivência restrito (RMST) é definido como a área sob a curva de sobrevivência até um determinado momento. Ver também Tempo médio de sobrevivência.

Teorema do limite central (Central Limit Theorem)

Um teorema estatístico segundo o qual a distribuição das médias amostrais se aproxima de uma distribuição normal à medida que o tamanho da amostra aumenta, independentemente da distribuição da população.

Termo de erro (Error term)

Uma variável que representa a parte da variação da variável dependente que não pode ser explicada pela(s) variável(is) independente(s).

Teste de Cochran-Mantel-Haenszel (Cochran-Mantel-Haenszel test)

O teste de Cochran-Mantel-Haenszel calcula uma razão de possibilidades levando em conta um fator de confusão.

Teste de Friedman (Friedman test)

Alternativa não paramétrica à ANOVA de medidas repetidas.

Teste de hipóteses (Hypothesis testing)

O teste de hipóteses é um método para testar uma suposição sobre um parâmetro populacional com base em dados amostrais.

Teste de Jonckheere-Terpstra (Jonckheere-Terpstra Test)

Um teste estatístico não paramétrico para tendências em dados ordinais.

Teste de Kolmogorov-Smirnov (Kolmogorov-Smirnov test)

Compara a distribuição de uma amostra com uma distribuição de referência (por exemplo, a distribuição normal) ou compara duas distribuições.

Teste de Kruskal-Wallis (Kruskal-Wallis test)

Alternativa não paramétrica à ANOVA para comparar três ou mais grupos. Uma extensão do teste U de Mann-Whitney.

Teste de Levene (Levene’s test)

Testa a igualdade das variâncias entre vários grupos.

Teste de McNemar (McNemar test)

Compara dados categóricos emparelhados (por exemplo, delineamentos antes/depois com desfechos binários).

Teste de normalidade (Normality test)

Um teste estatístico que avalia se um conjunto de dados tem distribuição normal.

Teste de soma de postos com sinal de Wilcoxon (Wilcoxon signed-rank test)

Testa diferenças entre amostras emparelhadas, avaliando se os postos médios das respectivas populações diferem. Alternativa não paramétrica ao teste t emparelhado.

Teste exato de Fisher (Fisher's exact test)

Um teste de significância estatística usado para analisar tabelas de contingência, especialmente quando os tamanhos de amostra são pequenos.

Teste F (F-test)

Um teste estatístico usado para comparar as variâncias de duas populações ou para avaliar a significância global de um modelo de regressão.

Teste H (H-test)

Ver Teste de Kruskal-Wallis.

Teste logrank (Logrank test)

O teste logrank, ou teste log-rank, é um teste de hipóteses para comparar as distribuições de sobrevivência de duas amostras.

Teste Q de Cochran (Cochran’s Q test)

Testa diferenças entre proporções em grupos relacionados.

Teste qui-quadrado (Chi-Squared test)

Um teste estatístico usado para determinar se existe uma associação significativa entre variáveis categóricas.

Teste t (T-test)

Um teste estatístico usado para comparar as médias de dois grupos.

Teste t de Welch (Welch’s T-test)

Versão do teste t usada quando dois grupos têm variâncias e/ou tamanhos de amostra diferentes.

Teste t emparelhado (Paired t-test)

Compara as médias de duas amostras relacionadas (por exemplo, antes e depois do tratamento).

Teste U de Mann-Whitney (Mann-Whitney U test)

Alternativa não paramétrica ao teste t para comparar dois grupos independentes.

Testes não paramétricos (Non-parametric tests)

Testes não paramétricos são testes que não pressupõem uma distribuição específica para os dados. Ver Teste U de Mann-Whitney, Teste de soma de postos com sinal de Wilcoxon, Teste de Kruskal-Wallis.

Testes paramétricos (Parametric tests)

Testes estatísticos que pressupõem que os dados seguem determinada distribuição (por exemplo, a distribuição normal).

Transformação logarítmica (Logarithmic transformation)

A transformação logarítmica é uma técnica estatística que consiste em aplicar um logaritmo a cada ponto de um conjunto de dados para estabilizar a variância e aproximar a distribuição de uma distribuição normal.

Validação cruzada (Cross-validation)

Um método estatístico usado para estimar o desempenho de um modelo em dados não vistos.

Valor absoluto (Absolute value)

O valor de um número sem levar em conta o seu sinal algébrico.

Valor atípico extremo (Far out value)

Um valor atípico extremo é definido como um valor menor que o quartil inferior menos 3 vezes a amplitude interquartil, ou maior que o quartil superior mais 3 vezes a amplitude interquartil (limites externos) (ver também Diagrama de caixa e bigode).

Valor discrepante (Outlier)

Uma observação considerada incomum e possivelmente errônea porque não segue o padrão geral dos dados da amostra.

Valor externo (Outside value)

Um valor externo é definido como um valor menor que o quartil inferior menos 1,5 vez a amplitude interquartil, ou maior que o quartil superior mais 1,5 vez a amplitude interquartil (limites internos) (ver também Diagrama de caixa e bigode).

Valor médio (Average)

Ver Média.

Valor P (P-value)

A probabilidade de obter um valor da estatística de teste igual ou mais extremo que o observado, supondo que a hipótese nula seja verdadeira.

Valor preditivo negativo (Negative predictive value)

Probabilidade de que a doença esteja ausente quando o teste é negativo. Ver também Valor preditivo positivo.

Valor preditivo positivo (Positive predictive value)

Probabilidade de que a doença esteja presente quando o teste é positivo. Ver também Valor preditivo negativo.

Valor previsto (Predicted value)

Valor da variável dependente previsto pelo modelo de regressão.

Variação explicada (regressão) (Explained variation (regression))

A parte da variabilidade total observada na variável dependente que é explicada pela regressão.

Variação não explicada (regressão) (Unexplained variation (regression))

A soma dos quadrados das diferenças entre os valores observados e os valores estimados ou previstos.

Variação total (regressão) (Total variation (regression))

A soma dos quadrados das diferenças entre os valores observados e a média aritmética da variável dependente.

Variância (Variance)

Uma medida da dispersão de um conjunto de valores, calculada como a soma dos quadrados das diferenças em relação à média, dividida pelo número de valores menos 1.

$$s^2 = \frac{\sum_{}^{}{(x-\bar{x})^2}}{n-1} $$

Variável (Variable)

Uma quantidade que varia.

Variável aleatória (Random variable)

Uma variável cujos valores são determinados pelos resultados de um fenômeno aleatório.

Variável contínua (Continuous variable)

Uma variável aleatória que pode assumir qualquer valor dentro de um determinado intervalo.

Variável de confusão (Confounding variable)

Uma variável que influencia tanto a variável dependente quanto a variável independente, levando a uma associação espúria.

Variável dependente (Dependent variable)

Na regressão, a variável cujos valores supostamente são explicados pelas variações da(s) outra(s) variável(is) (as variáveis independentes ou explicativas). Geralmente representada por $y$. Ver também Variável independente.

Variável dicotômica (Dichotomous variable)

Uma variável que só pode assumir 2 valores.

Variável discreta (Discrete variable)

Um tipo de variável aleatória que pode assumir um número finito ou infinito enumerável de valores.

Variável explicativa (Explanatory variable)

Ver Variável independente.

Variável independente (Independent variable)

Na regressão, as variáveis independentes são aquelas que supostamente explicam a variável dependente. Geralmente representadas por $x$ ou $x_i$.

Variável X (X-variable)

Frequentemente usada para designar a variável independente na análise de regressão.

Variável Y (Y-variable)

Geralmente representa a variável dependente em um modelo matemático ou estatístico. Ver Regressão.

Viés de amostragem (Sampling bias)

Um viés que ocorre quando a amostra coletada não é representativa da população.

Visualização de dados (Data visualization)

A representação gráfica de dados para identificar padrões, tendências e percepções.

X barra ($ \bar{X}$) (X-bar ($ \bar{X}$))

A média amostral.

Ver também

• Notação e símbolos