2.2
Dados: Tipos e Distribuição
Na bioestatística, os dados são as observações coletadas para análise. Existem dois tipos principais: paramétricos e não paramétricos. Dados paramétri…
Em bioestatística, os dados referem-se às observações coletadas que estão sujeitas a análise. Os dados podem ser paramétricos ou não paramétricos.
Os dados não paramétricos não seguem nenhuma distribuição específica. Inclui dados categóricos, tanto nominais, como gênero, quanto ordinais, como classificações da escala de dor.
Os dados paramétricos ou quantitativos assumem um padrão de distribuição específico. Inclui dados numéricos, tanto contínuos, como peso, quanto discretos, como número de comprimidos.
As distribuições em bioestatística indicam a disposição dos pontos de dados em um gráfico.
A distribuição normal ou gaussiana é uma distribuição simétrica onde média, mediana e moda coincidem. Por exemplo, o peso do bebê ao nascer normalmente segue uma distribuição normal.
As distribuições assimétricas têm pontos de dados distribuídos assimetricamente em torno da média.
Uma inclinação positiva indica uma cauda longa para a direita, exemplificada por concentrações de metabólitos de drogas no sangue de um paciente.
Uma inclinação negativa mostra uma longa cauda para a esquerda, um exemplo disso é o custo dos medicamentos de marca.
View the full transcript and gain access to JoVE Core videos
Q1: What is the difference between parametric and nonparametric data in biostatistics?
Parametric data assumes a specific distribution pattern and includes numerical observations like weight or tablet counts. Nonparametric data does not follow any specific distribution and comprises categorical observations such as gender or pain scale ratings. Understanding parametric versus nonparametric data is essential for selecting appropriate statistical analysis methods.
Q2: What are examples of continuous and discrete data types?
Continuous data represents measurements that can take any value within a range, such as patient weight or drug concentration levels. Discrete data consists of countable whole numbers, like the number of tablets administered or patient count. Both are parametric data types used in biostatistical analysis.
Q3: How do nominal and ordinal data differ?
Nominal data categorizes observations without any inherent order, such as gender or drug type classifications. Ordinal data has a meaningful sequence or ranking, like pain scale ratings from mild to severe. Both are nonparametric categorical data types commonly used in biostatistics.
Q4: What is a normal distribution and why is it important in biostatistics?
Normal or Gaussian distribution is a symmetrical arrangement where mean, median, and mode coincide. Baby birth weights exemplify this pattern. Normal distribution is fundamental in biostatistics because many parametric statistical tests assume data follows this distribution pattern for valid analysis.
Q5: What does a positive skew indicate in a data distribution?
A positive skew shows data asymmetrically distributed with a long tail extending toward the right. Drug metabolite concentrations in patient blood exemplify positive skew, where most values cluster lower but some extremely high values pull the tail rightward, creating asymmetry.
Q6: How does negative skew differ from positive skew?
Negative skew has a long tail extending toward the left, indicating most data points cluster higher with some extremely low values. The cost of branded drugs demonstrates negative skew. Both skewed distributions represent asymmetrical data arrangements unlike the symmetrical normal distribution.
Q7: Why is understanding data distribution important for biostatistical analysis?
Data distribution determines which statistical methods to analyze parametric data are appropriate for analysis. Parametric tests require normally distributed data, while nonparametric tests suit skewed or non-normal distributions. Recognizing whether data follows normal, positive, or negative skew patterns ensures accurate interpretation.