e-Book | Consultoria
Capa
Sobre o autor
Dedicatória
Agradecimentos
Prefácio
Parte 1 - Fundamentos
1
Pensamento probabilístico
1.1
Experimento
1.1.1
O que é um experimento?
1.2
Espaço amostral e eventos discretos
1.2.1
O que é espaço amostral discreto?
1.2.2
O que é evento discreto?
1.2.3
O que é espaço de eventos discretos?
1.3
Espaço amostral e eventos contínuos
1.3.1
O que é espaço amostral contínuo?
1.3.2
O que é evento contínuo?
1.3.3
O que é espaço de eventos contínuo?
1.4
Probabilidade
1.4.1
O que é probabilidade?
1.4.2
Quais são os axiomas da probabilidade?
1.5
Independência e probabilidade
1.5.1
O que é independência em estatística?
1.5.2
O que é probabilidade marginal?
1.5.3
O que é probabilidade conjunta?
1.5.4
O que é probabilidade condicional?
1.6
Leis dos números anômalos
1.6.1
O que é a lei dos números anômalos?
1.7
Leis dos pequenos números
1.7.1
O que é a lei dos pequenos números?
1.7.2
Quais são as versões da lei dos pequenos números?
1.8
Leis dos grandes números
1.8.1
O que é a lei dos grandes números?
1.8.2
Quais são as versões da lei dos grandes números?
1.9
Teorema central do limite
1.9.1
O que é teorema central do limite?
1.9.2
Quais as condições de validade do teorema central do limite?
1.9.3
Qual a relação entre a lei dos grandes números e o teorema central do limite?
1.9.4
Qual a relevância do teorema central do limite para a análise estatística?
1.10
Regressão para a média
1.10.1
O que é regressão para a média?
1.10.2
Qual a causa da regressão para a média?
1.10.3
Por que detectar o fenômeno de regressão para a média?
1.10.4
Com detectar o fenômeno de regressão para a média?
1.10.5
Como o fenômeno de regressão para a média pode ser evitado?
2
Pensamento estatístico
2.1
População
2.1.1
O que é população?
2.2
Amostra
2.2.1
O que é amostra?
2.2.2
Por que usar dados de amostras?
2.3
Unidade de análise
2.3.1
O que é unidade de análise?
2.3.2
Por que identificar a unidade de análise de um estudo?
2.3.3
Que medidas podem ser obtidas da unidade de análise de um estudo?
2.4
Amostragem
2.4.1
O que é amostragem?
2.4.2
Quais métodos de amostragem são usados para obter uma amostra da população?
2.4.3
O que é erro de amostragem?
2.5
Reamostragem
2.5.1
O que é reamostragem?
2.5.2
Por que utilizar reamostragem?
2.5.3
Quais procedimentos de reamostragem podem ser realizados?
2.6
Subamostragem e superamostragem
2.6.1
O que é subamostragem?
2.6.2
O que é superamostragem?
3
Pensamento metodológico
3.1
Metodologia da pesquisa
3.1.1
O que é metodologia da pesquisa?
3.2
Relação Estatística-Metodologia
3.2.1
Qual a relação entre estatística e metodologia da pesquisa?
3.3
Reprodutibilidade
3.3.1
O que é reprodutibilidade?
3.3.2
Por que reprodutibilidade é importante?
3.4
Robustez
3.4.1
O que é robustez?
3.5
Replicabilidade
3.5.1
O que é replicabilidade?
3.6
Generalização
3.6.1
O que é generalização?
4
Paradoxos e falácias
4.1
Paradoxos estatísticos
4.1.1
O que são paradoxos estatísticos?
4.1.2
O que é o paradoxo de Abelson?
4.1.3
O que é o paradoxo de Berkson?
4.1.4
O que é o paradoxo de
Big Data
?
4.1.5
O que é o paradoxo de Ellsberg?
4.1.6
O que é o paradoxo de Freedman?
4.1.7
O que é o paradoxo de Hand?
4.1.8
O que é o paradoxo de Lindley?
4.1.9
O que é o paradoxo de Lord?
4.1.10
O que é o paradoxo de Proebsting?
4.1.11
O que é o paradoxo de Simpson?
4.1.12
O que é o paradoxo de Stein?
4.1.13
O que é o paradoxo de Okie?
4.1.14
O que é o paradoxo da acurácia?
4.1.15
O que é o paradoxo do falso positivo?
4.1.16
O que é o paradoxo da caixa de Bertrand?
4.1.17
O que é o paradoxo do elevador?
4.1.18
O que é o paradoxo da amizade?
4.1.19
O que é o paradoxo do menino ou menina?
4.1.20
O que é o paradoxo do teste surpresa?
4.1.21
O que é o paradoxo do nó da gravata?
4.1.22
O que é o paradoxo da Bela Adormecida?
4.2
Falácias estatísticas
4.2.1
O que são falácias estatísticas?
4.2.2
O que é a falácia do jogador?
4.2.3
O que é a falácia da mão quente?
5
Vieses metodológicos
5.1
Vieses metodológicos
5.1.1
O que são vieses metodológicos?
Parte 2 - Estatística Básica
6
Computação estatística
6.1
Programas de computador
6.1.1
O que é R?
6.1.2
Por que usar R?
6.1.3
O que é RStudio?
6.1.4
Que programas de computador podem ser usados para análise estatística com R?
6.2
Scripts computacionais
6.2.1
O que são R scripts?
6.3
Pacotes
6.3.1
O que são pacotes?
6.3.2
Quais práticas são recomendadas na redação de scripts?
6.4
Manuscritos reproduzíveis
6.4.1
O que são manuscritos reproduzíveis?
6.4.2
Por que usar manuscritos reproduzíveis?
6.4.3
O que é RMarkdown?
6.4.4
Como manuscritos reprodutíveis contribuem para a ciência?
6.4.5
Como contribuir para a reprodutibilidade?
6.5
Compartilhamento
6.5.1
Por que compartilhar scripts?
6.5.2
O que pode ser compartilhado?
6.5.3
Como preparar dados para compartilhamento?
6.5.4
Como preparar scripts para compartilhamento?
6.5.5
O que incluir no arquivo README?
7
Medidas e instrumentos
7.1
Escalas
7.1.1
O que são escalas?
7.2
Medição e Medidas
7.2.1
O que é medição?
7.2.2
O que são medidas diretas?
7.2.3
O que são medidas derivadas?
7.2.4
O que são medidas por teoria?
7.2.5
O que são medidas únicas?
7.2.6
O que são medidas repetidas?
7.2.7
O que são medidas seriadas?
7.2.8
O que são medidas múltiplas?
7.3
Erros de medida
7.3.1
O que são erros de medida?
7.3.2
Quais fontes de variabilidade são comumente investigadas?
7.4
Instrumentos
7.4.1
O que são instrumentos?
7.5
Acurácia e precisão
7.5.1
O que é acurácia?
7.5.2
O que é precisão?
7.6
Viés e variabilidade
7.6.1
Qual é a relação entre viés e variabilidade?
8
Dados,
big data
e metadados
8.1
Dados
8.1.1
O que são dados?
8.1.2
O que são dados primários e secundários?
8.1.3
O que são dados quantitativos e qualitativos?
8.2
Big data
8.2.1
O que são
big data
?
8.3
Metadados
8.3.1
O que são metadados?
8.3.2
Quais são as recomendações para os metadados de um banco de dados?
9
Dados perdidos e imputados
9.1
Dados perdidos
9.1.1
O que são dados perdidos?
9.1.2
Qual o problema de um estudo ter dados perdidos?
9.1.3
Quais os mecanismos geradores de dados perdidos?
9.1.4
Como identificar o mecanismo gerador de dados perdidos em um banco de dados?
9.1.5
Que estratégias podem ser utilizadas na coleta de dados quando há expectativa de perda amostral?
9.1.6
Que estratégias podem ser utilizadas na análise quando há dados perdidos?
9.1.7
Que estratégias podem ser utilizadas na redação de estudos em que há dados perdidos?
9.2
Dados imputados
9.2.1
O que são dados imputados?
9.2.2
Quando a imputação de dados é indicada?
9.2.3
Quais os métodos de imputação de dados?
10
Dados anonimizados e sintéticos
10.1
Dados anonimizados
10.1.1
O que são dados anonimizados?
10.1.2
Com anonimizar os dados de um banco?
10.2
Dados sintéticos
10.2.1
O que são dados sintéticos?
11
Tabulação de dados
11.1
Planilhas eletrônicas
11.1.1
Qual a organização de uma tabela de dados?
11.1.2
Qual a estrutura básica de uma tabela para análise estatística?
11.1.3
O que usar para organizar tabelas para análise computadorizada?
11.1.4
O que não usar para organizar tabelas para análise computadorizada?
11.1.5
O que é recomendado e o que deve ser evitado na organização das tabelas para análise?
12
Variáveis e fatores
12.1
Variáveis
12.1.1
O que são variáveis?
12.1.2
Como são classificadas as variáveis?
12.1.3
Por que é importante classificar as variáveis?
12.2
Transformação de variáveis
12.2.1
O que é transformação de variáveis?
12.2.2
Por que transformar variáveis?
12.2.3
Quais transformações podem ser aplicadas?
12.3
Categorização de variáveis contínuas
12.3.1
O que é categorização de uma variável?
12.3.2
Por que não é recomendado categorizar variáveis contínuas?
12.3.3
Quais são as alternativas à categorização de variáveis contínuas?
12.4
Dicotomização de variáveis contínuas
12.4.1
O que são variáveis dicotômicas?
12.4.2
Quais argumentos são usados para defender a categorização ou dicotomização de variáveis contínuas?
12.4.3
Por que não é recomendado dicotomizar variáveis contínuas?
12.4.4
Quais cenários legitimam a dicotomização das variáveis contínuas?
12.4.5
Quais métodos são usados para dicotomizar variáveis contínuas?
12.5
Fatores
12.5.1
O que são fatores?
12.5.2
O que são níveis de um fator?
13
Distribuições e parâmetros
13.1
Distribuições de probabilidade
13.1.1
O que são distribuições de probabilidade?
13.1.2
Como representar distribuições de probabilidade?
13.1.3
Quais características definem uma distribuição?
13.1.4
Quais são as distribuições mais comuns?
13.1.5
Quais são as funções de uma distribuição?
13.1.6
O que é a distribuição normal?
13.1.7
Que métodos podem ser utilizados para identificar a normalidade da distribuição?
13.1.8
O que são distribuições não-normais?
13.2
Parâmetros
13.2.1
O que são parâmetros?
13.2.2
O que é uma análise paramétrica?
13.2.3
O que é uma análise não paramétrica?
13.2.4
Por que as análises paramétricas são preferidas?
13.2.5
Que parâmetros podem ser estimados?
13.3
Tendência central
13.3.1
Que parâmetros de tendência central podem ser estimados?
13.3.2
Como escolher o parâmetro de tendência central?
13.4
Dispersão
13.4.1
Que parâmetros de dispersão podem ser estimados?
13.4.2
Como escolher o parâmetro de dispersão?
13.5
Proporção
13.5.1
Que parâmetros de proporção podem ser estimados?
13.6
Distribuição
13.6.1
Que parâmetros de distribuição podem ser estimados?
13.7
Extremos
13.7.1
Que parâmetros extremos podem ser estimados?
13.8
Valores discrepantes
13.8.1
O que são valores discrepantes (
outliers
)?
13.8.2
Como conduzir análises com valores discrepantes?
14
Análise inicial de dados
14.1
Análise inicial de dados
14.1.1
O que é análise inicial de dados?
14.1.2
Como conduzir uma análise inicial de dados?
14.1.3
Quais problemas podem ser detectados na análise inicial de dados?
15
Análise exploratória de dados
15.1
Análise exploratória de dados
15.1.1
O que é análise exploratória de dados?
15.1.2
Por que conduzir a análise exploratória de dados?
15.1.3
Quais etapas constituem a análise exploratória de dados?
16
Análise descritiva
16.1
Análise descritiva
16.1.1
O que é análise descritiva?
16.1.2
Como apresentar os resultados descritivos?
16.2
Apresentação de resultados numéricos
16.2.1
O que são casas decimais?
16.2.2
O que são dígitos significativos?
16.2.3
Como arredondar dados numéricos?
16.3
Tabelas
16.3.1
Por que usar tabelas?
16.3.2
Que informações incluir nas tabelas?
16.3.3
Quais são os erros mais comuns de preenchimento de tabelas?
16.4
Tabela 1
16.4.1
O que é a ‘Tabela 1’?
16.4.2
Qual a utilidade da ‘Tabela 1’?
16.4.3
O que é a falácia da ‘Tabela 1’?
16.4.4
Como construir a ‘Tabela 1’?
16.5
Tabela 2
16.5.1
Qual a utilidade da ‘Tabela 2’?
16.5.2
O que é a falácia da ‘Tabela 2’?
16.5.3
Como construir a ‘Tabela 2’?
16.6
Gráficos
16.6.1
O que são gráficos?
16.6.2
Que elementos incluir em gráficos?
16.6.3
Para que servem as barras de erro em gráficos?
16.6.4
Quais são as boas práticas na elaboração de gráficos?
16.6.5
Como exportar figuras em formato TIFF?
17
Análise causal
17.1
Causalidade
17.1.1
O que é análise causal?
18
Análise inferencial
18.1
Raciocínio inferencial
18.1.1
O que é análise inferencial?
18.1.2
Quais são os tipos de raciocínio inferencial?
18.1.3
Quais são as questões fundamentais da análise inferencial?
18.2
Hipóteses científicas
18.2.1
O que é hipótese científica?
18.2.2
Quais são as fontes de ideias para gerar hipóteses científicas?
18.3
Hipóteses estatísticas
18.3.1
O que é hipótese nula?
18.3.2
O que é hipótese alternativa?
18.3.3
Qual hipótese está sendo testada?
18.4
Testes de hipóteses
18.4.1
Quais são os tipos de teste de hipóteses?
18.4.2
O que é uma família de hipóteses?
18.4.3
O que são testes
ad hoc
e
post hoc
?
18.4.4
Como ajustar a análise inferencial para hipóteses múltiplas?
18.4.5
O que são testes unicaudais e bicaudais?
18.4.6
O que reportar após um teste de hipótese?
18.5
Poder do teste
18.5.1
O que é poder do teste?
18.5.2
O que é análise de poder do teste?
18.5.3
Quando realizar a análise de poder do teste?
18.5.4
Por que a análise de poder do teste
post hoc
é inadequada?
18.5.5
O que pode ser realizado ao invés da análise de poder?
18.6
Inferência visual
18.6.1
O que é inferência visual?
18.6.2
Por que usar intervalos de confiança para inferência visual?
18.6.3
Como interpretar intervalos de confiança?
18.7
Interpretação de análise inferencial
18.7.1
Como interpretar uma análise inferencial?
18.7.2
O que são resultados ‘positivos’ e ‘negativos’ ou inconclusivos em teste de hipótese?
18.7.3
Qual a importância de resultados ‘negativos’?
18.7.4
Resultados inconclusivos: Ausência de evidência ou evidência de ausência?
18.8
Erros de inferência
18.8.1
O que são erros de inferência estatística?
18.8.2
O que são erros Tipo I e Tipo II?
18.8.3
O que são erros Tipo S e Tipo M?
19
Tamanho do efeito e P-valor
19.1
Tamanho do efeito
19.1.1
O que é o tamanho do efeito?
19.1.2
Quais são os tipos de tamanho do efeito?
19.1.3
Como converter um tamanho de efeito em outro?
19.1.4
Como interpretar um tamanho do efeito?
19.2
Efeito fixo
19.2.1
O que é efeito fixo?
19.3
Efeito aleatório
19.3.1
O que é efeito aleatório?
19.4
Efeito principal
19.4.1
O que é efeito principal?
19.5
Efeito de modificação
19.5.1
O que é um modificador de efeito?
19.5.2
O que é efeito de modificação?
19.6
Efeito de interação
19.6.1
O que é efeito de interação?
19.7
Efeito de mediação
19.7.1
O que é um mediador de efeito?
19.7.2
O que é efeito de mediação?
19.7.3
O que é efeito direto?
19.7.4
O que é efeito indireto?
19.7.5
O que é efeito total?
19.8
Efeitos brutos e padronizados
19.8.1
O que é efeito bruto?
19.8.2
O que é efeito padronizado?
19.9
P-valor
19.9.1
O que é significância estatística?
19.9.2
Como justificar o nível de significância estatística de um teste?
19.9.3
O que é o P-valor?
19.9.4
Como interpretar o P-valor?
19.9.5
O que o P-valor não é?
19.9.6
Qual a origem do ‘P<0,05’?
19.9.7
Quais são os complementos ou alternativas ao P-valor?
19.10
P-haking
19.10.1
O que é P-haking?
Parte 3 - Estatística Aplicada
20
Seleção de testes
20.1
Multiverso de análises estatísticas
20.1.1
Por que escolher o teste é um problema?
20.2
Escolha de testes para análise inferencial
20.2.1
Como selecionar os testes para a análise estatística inferencial?
21
Testes estatísticos
21.1
Testes de Qui-quadrado (
\(\chi^2\)
)
21.2
Teste exato de Fisher
22
Plano de análise
22.1
Plano de análise estatística
22.1.1
O que é plano de análise estatística?
23
Descrição
23.1
Análise de descrição
23.1.1
O que é análise de descrição de dados?
23.2
Estimação
23.2.1
O que é estimativa?
23.2.2
O que é estimativa pontual?
23.2.3
O que é estimativa intervalar?
23.2.4
O que é estimativa de parâmetro?
24
Comparação
24.1
Análise inferencial de comparação
24.1.1
O que é análise de comparação de dados?
25
Correlação
25.1
Análise inferencial de correlação
25.1.1
O que é covariância?
25.1.2
O que é correlação?
25.1.3
Qual é a interpretação das medidas de correlação?
25.1.4
Quais precauções devem ser tomadas na interpretação de medidas de correlação?
25.2
Coeficientes de correlação
25.2.1
Quais coeficientes podem ser usados em análises de correlação?
26
Redes
26.1
Análise de redes
26.1.1
O que é análise de rede?
27
Associação
27.1
Análise inferencial de associação
27.1.1
O que é análise de associação?
27.2
Associação bivariada
27.2.1
O que são análises de associação bivariada?
27.2.2
Quais testes podem ser usados para análises de associação bivariada?
27.3
Associação multivariada
27.3.1
O que são análises de associação multivariada?
27.3.2
Quais testes podem ser usados para análises de associação multivariada?
28
Modelos
28.1
Modelos estatísticos
28.1.1
O que são modelos?
28.2
Predição via modelagem
28.2.1
O que são predições?
28.3
Suposições dos modelos
28.3.1
Quais suposições são feitas para modelagem?
28.3.2
Como avaliar as suposições de um modelo?
28.4
Avaliação de modelos
28.4.1
O que é qualidade de ajuste de um modelo?
28.4.2
Como avaliar a qualidade de ajuste de um modelo?
28.5
Comparação de modelos
28.5.1
Como comparar modelos de aprendizagem de máquina?
29
Regressão
29.1
Análise de regressão
29.1.1
O que é regressão?
29.1.2
Quais são os algoritmos de regressão?
29.1.3
O que são análises de regressão simples?
29.1.4
O que são análises de regressão multivariável?
29.1.5
O que são análises de regressão multivariada?
29.1.6
O que são análises de regressão linear?
29.1.7
O que são análises de regressão não-linear?
29.1.8
O que são análises de regressão logística?
29.2
Preparação de variáveis para regressão
29.2.1
Como preparar as variáveis categóricas para análise de regressão?
29.3
Redução de dimensionalidade para regressão
29.3.1
Correlação bivariada pode ser usada para seleção de variáveis em modelos de regressão multivariável?
29.3.2
Variáveis sem significância estatística devem ser excluídas do modelo final?
29.3.3
Por que métodos de regressão gradual não são recomendados para seleção de variáveis em modelos de regressão multivariável?
29.3.4
O que pode ser feito para reduzir o número de variáveis candidatas em modelos de regressão multivariável?
30
Árvore de decisão
30.1
Árvore de decisão
30.1.1
O que é árvore de decisão?
31
Aprendizagem de máquina
31.1
Aprendizagem de máquina
31.1.1
O que é aprendizagem de máquina?
31.1.2
Quais são os principais algoritmos de aprendizagem de máquina?
31.2
Aprendizagem supervisionada
31.3
Aprendizagem não-supervisionada
31.4
Aprendizagem por reforço
31.5
Aprendizagem profunda
Parte 4 - Metodologia da Pesquisa Aplicada
32
Delineamento de estudos
32.1
Critérios de delineamento
32.1.1
Quais critérios são utilizados para classificar os delineamentos de estudos?
32.2
Alocação
32.2.1
O que é alocação?
32.3
Cegamento
32.3.1
O que é cegamento?
32.4
Pareamento
32.4.1
O que é pareamento?
32.5
Aleatorização
32.5.1
O que é aleatorização?
32.6
Taxonomia de estudos
32.6.1
Como podem ser classificados os estudos científicos?
33
Tamanho da amostra
33.1
Tamanho da amostra
33.1.1
O que é tamanho da amostra?
33.1.2
Por que determinar o tamanho da amostra é importante?
33.1.3
Quais fatores devem ser considerados para determinar o tamanho da amostra?
33.1.4
Quais aspectos éticos estão envolvidos no tamanho da amostra?
33.2
Cálculo do tamanho da amostra
33.2.1
Como calcular o tamanho da amostra?
33.2.2
Como especificar o tamanho do efeito esperado?
33.3
Perdas de amostra
33.3.1
O que é perda de amostra?
33.3.2
Por que a perda de amostra é um problema?
33.3.3
Como evitar perda de amostra?
33.4
Ajustes no tamanho da amostra
33.4.1
Por que ajustar o tamanho da amostra?
33.4.2
Como ajustar para perda amostral?
33.4.3
Como ajustar para confiabilidade?
33.5
Justificativa do tamanho da amostra
33.5.1
Como justificar o tamanho da amostra de um estudo?
33.6
SPARKing
33.6.1
O que é SPARKing?
34
Simulação computacional
34.1
Características
34.1.1
Quais são as características de estudos de simulação computacional?
34.2
Método de Monte Carlo
34.2.1
O que é o método de Monte Carlo?
34.3
Diretrizes para redação
34.3.1
Quais são as diretrizes para redação de estudos de simulação computacional?
35
Propriedades psicométricas
35.1
Características
35.1.1
O que são propriedades psicométricas?
35.2
Análise fatorial exploratória
35.2.1
O que é análise fatorial exploratória?
35.3
Análise fatorial confirmatória
35.3.1
O que é análise fatorial confirmatória?
35.4
Validade de conteúdo
35.4.1
O que é validade interna?
35.4.2
O que é validade externa?
35.4.3
Que fatores afetam a validade?
35.4.4
Como avaliar a validade de um estudo?
35.5
Validade de face
35.5.1
O que é validade de face?
35.6
Validade do construto
35.6.1
O que é construto?
35.7
Validade fatorial
35.7.1
O que é validade fatorial?
35.8
Validade convergente
35.8.1
O que é validade convergente?
35.9
Validade discriminante
35.9.1
O que é validade discriminante?
35.10
Validade de critério
35.10.1
O que é validade de critério?
35.11
Validade concorrente
35.11.1
O que é concorrente?
35.11.2
O que é validade concorrente?
35.11.3
O que é validade preditiva?
35.12
Responsividade
35.12.1
O que é responsividade?
35.13
Concordância
35.13.1
O que é concordância?
35.13.2
Quais métodos são adequados para análise de concordância de variáveis dicotômicas?
35.13.3
Quais métodos não são adequados para análise de concordância de variáveis dicotômicas?
35.13.4
Quais métodos são adequados para análise de concordância de variáveis categóricas?
35.13.5
Quais métodos são adequados para análise de concordância de variáveis categóricas e contínuas?
35.13.6
Quais métodos são adequados para análise de concordância de variáveis ordinais?
35.13.7
Quais métodos são adequados para análise de concordância de variáveis contínuas?
35.13.8
Quais métodos não são adequados para análise de concordância de variáveis contínuas?
35.13.9
Quais métodos são adequados para modelagem de concordância?
35.14
Confiabilidade
35.14.1
O que é confiabilidade?
35.14.2
Quais métodos são adequados para análise de confiabilidade?
35.15
Diretrizes para redação
35.15.1
Quais são as diretrizes para redação de estudos de propriedades psicométricas?
36
Desempenho diagnóstico
36.1
Características
36.1.1
Quais são as características de estudos de desempenho diagnóstico?
36.2
Tabelas 2x2
36.2.1
O que é uma tabela de confusão 2x2?
36.2.2
Como analisar o desempenho diagnóstico em tabelas 2x2?
36.2.3
Quais probabilidades caracterizam o desempenho diagnóstico de um teste em tabelas 2x2?
36.3
Gráficos
crosshair
36.3.1
O que um gráfico
crosshair
?
36.4
Curvas ROC
36.4.1
O que é a área sob a curva (AUROC)?
36.4.2
Como interpretar a área sob a curva (ROC)?
36.4.3
Como analisar o desempenho diagnóstico em desfechos com distribuição trimodal na população?
36.5
Interpretação da validade de um teste
36.5.1
Que itens devem ser verificados na interpretação de um estudo de validade?
36.6
Diretrizes para redação
36.6.1
Quais são as diretrizes para redação de estudos diagnósticos?
37
Estudos observacionais
37.1
Características
37.1.1
Quais são as características de estudos observacionais?
37.2
Diretrizes para redação
37.2.1
Quais são as diretrizes para redação de estudos observacionais?
38
Ensaios quase-experimentais
38.1
Características
38.1.1
Quais são as características de ensaios quase-experimentais?
38.2
Diretrizes para redação
38.2.1
Quais são as diretrizes para redação de ensaios quase-experimentais?
39
Ensaios experimentais
39.1
Ensaio clínico aleatorizado
39.1.1
Quais são as características de ensaios clínicos aleatorizados?
39.2
Modelos de análise de comparação
39.2.1
Que modelos podem ser utilizados para comparações?
39.3
Comparação na linha de base
39.3.1
O que são dados na linha de base?
39.3.2
O que é comparação entre grupos na linha de base em ensaios clínicos aleatorizados?
39.3.3
Para quê comparar grupos na linha de base em ensaios clínicos aleatorizados?
39.3.4
Quais são as razões para diferenças entre grupos de tratamento nas (co)variáveis na linha de base?
39.3.5
Quais cenários permitem a comparação entre grupos na linha de base em ensaios clínicos aleatorizados?
39.3.6
Por que não se deve comparar grupos na linha de base em ensaios clínicos aleatorizados?
39.3.7
Quais estratégias podem ser adotadas para substituir a comparação entre grupos na linha de base em ensaios clínicos aleatorizados?
39.4
Comparação intragrupos
39.4.1
Por que não se deve comparar intragrupos (pré - pós) em ensaios clínicos aleatorizados?
39.5
Comparação entre grupos
39.5.1
O que é comparação entre grupos em ensaios clínicos aleatorizados?
39.5.2
O que pode ser comparado entre grupos?
39.5.3
Qual é a comparação entre grupos mais adequada em ensaios clínicos aleatorizados?
39.6
Comparação de subgrupos
39.6.1
O que é comparação de subgrupos em ensaios clínicos aleatorizados?
39.6.2
Como realizar a comparação de subgrupos em ensaios clínicos aleatorizados?
39.6.3
Como interpretar a comparação de subgrupos em ensaios clínicos aleatorizados?
39.7
Efeito de interação
39.7.1
Por que analisar o efeito de interação?
39.7.2
Quando usar o termo de interação?
39.8
Ajuste de covariáveis
39.8.1
Quais variáveis devem ser utilizadas no ajuste de covariáveis?
39.8.2
Quais os benefícios do ajuste de covariáveis?
39.8.3
Quais os riscos do ajuste de covariáveis?
39.9
Imputação de dados perdidos
39.9.1
Como lidar com os dados perdidos em desfechos?
39.9.2
Como lidar com os dados perdidos em covariáveis?
39.10
Diretrizes para redação
39.10.1
Quais são as diretrizes para redação de ensaios experimentais?
40
Meta-análise
40.1
Características
40.1.1
O que é meta-análise?
40.2
Interpretação de efeitos em meta-análise
40.2.1
Como avaliar a variação do tamanho do efeito?
40.2.2
Como avaliar a heterogeneidade entre os estudos?
40.3
Diretrizes para redação
40.3.1
Quais são as diretrizes para redação de meta-análises?
41
Redação de resultados
41.1
Resultados da análise estatística
41.1.1
Como redigir os resultados da análise estatística?
41.2
Diretrizes e Listas
41.2.1
Quais diretrizes estão disponíveis para redação estatística?
41.2.2
Quais listas de verificação estão disponíveis para redação estatística?
Bibliografia
Shiny Apps
Aplicativos por delineamento de estudo
Ensaios clínicos
Fontes externas
Fontes de informação externas
American Heart Association
American Physiological Society
American Statistical Association
British Medicine Journal
Enhancing the QUality And Transparency Of health Research Network
Journal of the Amercan Medical Association
Nature Publishing Group
Oxford Reference
Royal Statistical Society
Statistics in Medicine
BMC Trials
The Journal of Applied Statistics in the Pharmaceutical Industry
Referências
Publicado com Bookdown
Ciência com R
Parte 3 - Estatística Aplicada