[ABE-L] Entre significância estatística e importância científica: Qual a ciência que queremos?
Elias T. Krainski
eliaskrainski em yahoo.com.br
Seg Set 15 15:58:53 -03 2014
Oi Alexandre, ambos concordamos que depende do critério.
O exemplo colocado aqui mostra isso claramente. Suponha que ambos os
tratamentos durem uma semana. Se fizermos uma aposta de que em uma
semana vamos perder peso, melhor escolher A. Mas uma noiva que vai casar
daqui a quatro semanas e precisa perder 3kg... :)
Abs,
Elias.
On 15/09/14 20:34, Alexandre Galvão Patriota wrote:
> Oi Elias,
>
> Pois é, vai depender do critério. Note que agora a probabilidade de
> alguém ganhar peso com o método B é maior. Note que P(B < -2) =
> 0,0002326291. Em uma população como a do Brasil, teríamos em média
> 46.526 pessoas ganhando mais do que 2kg, se usarem o método B. Porém,
> usando o método A, 97,73% das pessoas perdem entre 100 e 400 gramas.
> Pode-se aproximar mais a média de A a zero e diminuir o desvio-padrão
> até que se conclua que o método A é estatisticamente relevante, porém
> tem um efeito biológico insignificante.
>
> Qualquer método estatístico será sempre uma projeção de algo
> essencialmente qualitativo num espaço quantitativo; sempre haverá uma
> perda de informação nesse procedimento. Ou seja, sempre haverá
> informação além dos números, não só além dos número: além também da
> lógica, além da linguagem formal. Geralmente há informação entre a
> linhas de um texto do que nas próprias linhas.
>
>
> 2014-09-15 14:59 GMT-03:00 Elias T. Krainski
> <eliaskrainski em yahoo.com.br <mailto:eliaskrainski em yahoo.com.br>>:
>
> Alexandre,
>
> On 15/09/14 17:36, Alexandre Galvão Patriota wrote:
>> Eu tinha feito um gráfico parecido com o do Elias, mas usei as
>> funções densidades.
>>
> seu gráfico com certeza é o que deveria ser usado. Eu usei log no
> eixo y para facilitar a visualização, embora isso tenha tornado as
> áreas irreais.
>> A escolha do método não é óbvia, ela depende do critério utilizado.
> sim, e critério pode depender da que medida deseja-se avaliar.
>>
>> 1. Se o método B for escolhido, então esperamos que ocorra uma
>> redução média de 20 kg para cada pessoa, porém, para uma
>> população como a brasileira de 200 milhões de pessoas, esperamos
>> que 4.550.000 (quatro milhões, quinhentas e cinquenta mil)
>> pessoas não reduzirão o peso, pelo contrário, elas terão um
>> aumento de peso.
> os valores do exemplo não foi muito feliz para ilustrar a idéia.
> Suponha que na verdade A ~ N(0.25, 0.05^2) e B ~ N(1.5, 1).
>
> Abs,
> Elias.
>
>>
>> 2. Se o método A for escolhido, esperamos uma redução média de 5
>> kg para cada pessoa, porém esperamos ainda que todos os 200
>> milhões de brasileiros tenham uma redução positiva de seus
>> respectivos pesos.
>>
>> (A reduz 5 kg com desvio-padrão de 0.5 kg e B reduz 20kg com
>> desvio-padrão de 10kg).
>>
>> Se o critério for "garantir perda de peso para o maior número de
>> pessoas", então ficamos com o método A. Você pode inventar um
>> critério que achar mais apropriado para decidir e concluir que o
>> método B deve ser escolhido.
>>
>>
>> f1 = function(x) 1/sqrt(2*pi*100)*exp(-1/2*(x-20)^2/100)
>> f2 = function(x) 1/sqrt(2*pi*.25)*exp(-1/2*(x-5)^2/0.25)
>> plot(f2, xlim=c(-1,50))
>> curve(f1, add=TRUE, col=3)
>>
>>
>>
>>
>> 2014-09-15 11:49 GMT-03:00 Elias T. Krainski
>> <eliaskrainski em yahoo.com.br <mailto:eliaskrainski em yahoo.com.br>>:
>>
>> Caros,
>>
>> De quem e' o problema de os cientistas das áreas aplicadas
>> fazerem conclusões baseadas em valor p?
>>
>> Talvez o problema se resolva se estatísticos comunicarem
>> melhor os resultados visando que o significado dos mesmos
>> fosse realmente compreendido.
>>
>> Tomemos o exemplo no de duas dietas para emagrecer do link do
>> professor Carlos. Temos duas dietas, A e B. A reduz 5 kg
>> (se_A = 0.5 kg). B reduz 20 kg (se_B = 10kg). Em vez de dizer
>> que o p-valor de A é 7.62e-24 e o p-valor de B é 0.02275, por
>> que não mostrar um gráfico do tipo produzido pelo script abaixo?
>>
>> h1 <- hist(rnorm(1000, 20, 10), plot=F)
>> h2 <- hist(rnorm(1000, 5, 0.5), plot=F)
>> plot(h1, main='', xlab='', ylab='', col=gray(.7), log='y',
>> xlim=range(h1$brea, h2$brea), ylim=range(h1$count, h2$count))
>> plot(h2, add=T, col=gray(.3))
>> legend('topright', LETTERS[1:2], fill=gray(c(7,3)/10),
>> title='efeito')
>>
>> Quanto à significancia clínica: Suponha que a pessoa fica
>> realmente feliz se perde 10 kg ou mais. Qual a proporção de
>> pessoas felizes em cada tratamento?
>> c(A=pnorm(10, 20, 10, low=F), B=pnorm(10, 5, 0.5, low=F))
>>
>> Se continuarmos ensinando apenas "rejeita H0"/"aceita H0", os
>> pesquisadores de amanhã continuarão aplicando t-test,
>> qui-quadrado no futuro e concluindo com base em valor p.
>>
>> Elias.
>>
>> On 13/09/14 23:14, Carlos Alberto de Bragança Pereira wrote:
>>
>>
>> Vamos discutir?
>>
>> Carlinhos
>>
>> Vejam o link sobre p-values
>>
>> http://cientistasdescobriramque.wordpress.com/2014/09/09/entre-significancia-estatistica-e-importancia-cientifica-qual-a-ciencia-que-queremos/
>>
>>
>>
>>
>>
>> _______________________________________________
>> abe mailing list
>> abe em lists.ime.usp.br <mailto:abe em lists.ime.usp.br>
>> https://lists.ime.usp.br/mailman/listinfo/abe
>>
>>
>
>
> _______________________________________________
> abe mailing list
> abe em lists.ime.usp.br <mailto:abe em lists.ime.usp.br>
> https://lists.ime.usp.br/mailman/listinfo/abe
>
>
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20140915/8906c40e/attachment.html>
Mais detalhes sobre a lista de discussão abe