Iniciação à Pesquisa Científica em Saúde /REPOSITÓRIO DE EXERCÍCIOS RESOLVIDOS/ Exercício 31: Inteligência II

Origem: Wikilivros, livros abertos por um mundo aberto.
Saltar para a navegação Saltar para a pesquisa

Questão 31: Inteligência II[editar | editar código-fonte]

Cientistas brasileiros descobriram que temos cerca de 86 bilhões de neurônios em nosso cérebro. Suponha que um estudo pretenda associar o número de neurônios e a inteligência humana. Para isto, o escore de QI e o número estimado de neurônios, por exames de imagem, foram obtidos em 15 voluntários adultos.

Cerebro sistema.png

Base de dados - Número estado de neurônios e escore de QI em adultos

Escore de QI Numero estimado de neurônios (Bilhões)
110 85,5
96 85,8
90 85,9
94 85,9
128 85,9
110 86,0
105 86,1
103 86,3
110 86,4
112 86,4
112 86,4
120 86,5
100 86,8
115 86,8
104 87,1
118 97,2

(dados fictícios)

Analise os dados estatisticamente e com testes adequados e responda as questões seguintes, apresentando como você obteve elementos para as respostas:

a) Os dados apresentam distribuição de frequência que se aproxima da normal? faça os histogramas de frequência

b) Construa um gráfico associando o número estimado de neurônios ao escore de QI

b) Qual é o teste de hipótese mais adequado para verificar a correlação entre estas variáveis?

c) Há evidências de que existe correlação entre o número de neurônios ao escore de QI (utilize 95% de confiança)?

Resposta da questão:[editar | editar código-fonte]

a) O histograma é uma das maneiras de representação gráfica de uma distribuição de frequências, ou seja, é uma das formas gráficas adequadas à apresentação da distribuição de uma variável quantitativa contínua ou de variável discreta com muitos valores. Um histograma permite inferir se a distribuição dos dados em questão é normal, ou seja, se segue a curva de Gauss. Tanto para a variável "escore de QI", quanto para a variável "número estimado de neurônios", os histogramas revelam distribuição normal ou Gaussiana dos dados, já que estes seguem a linha normal de distribuição. No caso do 2º gráfico (frequência x número estimado de neurônios), há um ligeiro desvio da distribuição dos dados por conta de uma amostra (97,2 bilhões de neurônios), mas ainda assim os dados seguem a distribuição normal.

Histograma do QI
Histograma do número de neurônios

b) Como, na questão, temos 2 variáveis quantitativas (escore de QI e número aproximado de neurônios) e se pretende correlacioná-las, ou seja, observar se há tendência de variação conjunta das variáveis (em outras palavras, observar se com o aumento de uma delas, há aumento - relação direta - ou redução da outra - relação inversa), o melhor gráfico é o diagrama de dispersão (Scatter Plot).

Dispersão de QI x Número de neurônios

c) Como se pretende correlacionar duas variáveis quantitativas/numéricas, de modo a observar se existe, de fato, relação linear, seja direta, inversa, ou nula, o teste de hipótese mais adequado é o de correlação linear de Pearson (além disso, as duas variáveis apresentam distribuição normal, o que é preciso assumir para se utilizar a correlação de Pearson). O coeficiente de correlação de Pearson quantifica a intensidade de associação linear existente entre as variáveis.

d) Em estatística descritiva, o coeficiente de correlação de Pearson mede o grau da correlação (e a direção dessa correlação - se positiva ou negativa) entre duas variáveis numéricas/quantitativas. Interpretando o valor do coeficiente (p) de correlação: 0 a 0.3, positivo ou negativo, indica uma correlação desprezível; 0.3 a 0.5, positivo ou negativo, indica uma correlação fraca; 0.5 a 0.7, positivo ou negativo, indica correlação moderada; 0.7 a 0.9, positivo ou negativo, indica correlação forte; e 0.9 para mais ou para menos indica uma correlação muito forte entre as variáveis. Na questão, o valor p encontrado foi de 0,284, o qual indica a existência de uma correlação desprezível entre o escore de QI e o número estimado de neurônios.

Descriptive Statistics
Mean Std. Deviation N
Escore_QI 107,9375 10,04967 16
N Neuronios 86,9375 2,76909 16


Correlations
Escore_QI N_Neuronios
Escore_QI
Pearson Correlation 1 ,284
Sig. (1-tailed) ,143
Sum of Squares and Crossproducts 1514,938 118,538
Covariance 100,996 7,903
N 16 16
N_Neuronios
Pearson Correlation ,284 1
Sig. (1-tailed) ,143
Sum of Squares and Crossproducts 118,538 115,018
Covariance 7,903 7,668
N 16 16

Indexadores do tema deste exercício[editar | editar código-fonte]

Estatística descritiva

Distribuição de frequência de dados em saúde

A distribuição normal(Gaussiana)

Apresentação de dados científicos sobre saúde

Preparação e análise de gráficos sobre dados de saúde

Teste de correlação linear simples

Bibliografia utilizada[editar | editar código-fonte]

https://pt.wikipedia.org/wiki/Distribui%C3%A7%C3%A3o_normal

https://pt.wikipedia.org/wiki/Coeficiente_de_correla%C3%A7%C3%A3o_de_Pearson

http://www.aurea.uac.pt/pdf_MBA/coef_correl_Pearson.pdf

Análise Exploratória de Dados - Rejane Sobrino Pinheiro, Tânia Zdenka Guillen de Torres - Capítulo 18 do livro Epidemiologia - 2ª Edição.      

VOLTAR À PAGINA PRINCIPAL[editar | editar código-fonte]