Please enable JavaScript.

Coggle requires JavaScript to display documents.

01-04-23-ESTATÍSTICA, Análise multivariada DEZ 2023, TESTE DE HIPÓTESE,…

- - - - É a média da variável aleatória
      - Permite saber se o game é justo ou não
      - Se for 0 é justo
        Se for < 0 é injusto
    - - Uniforme discreta
        
        É o exemplo da moeda
      - Bernoulli
        
        possui um único parâmetro (p)
        p probabilidade de sucesso (do evento acontecer)
        
        1 tem o evento (p)
        0 não apresenta o evento, chama -p
      - Binomial
        
        Aparece quando se repete n ensaios de Bernoulli.
        
        Possui n (ensaio) e p (probabilidade de sucesso) como variáveis. Já o X indica, de quantos ensaios, quantos tiveram sucesso.
      - Poisson
        
        É definido por labda
        
        Lambda possui mesmo resultado da variancia e esperança
  - - - Uniforme
      - Teorema central do limte
        
        Quando se passa de 30. É usada
        
        Quanto maior o n, mais próximo da normalidade
    - - Pode ser normalizada (x menos média, dividido pela variancia) a média será 0 e a variância sera 1. Torna os cálculos mais padronizados para uso em tabela (antigamente)
- - - - Separa base de dados em grupo.
        Compara os grupos entre si para ver em que diferem.
      - (medidas de similaridade - valores maiores, objetos semelhantes) p.ex. correlação.
        (medida de dessemelhança - valores maiores, objetos diferentes) p.ex. euclidiana.
  - - - Tipos de dados
        
        (numérica) Variáveis diferentes podem ter escalas muito diferentes, assim os dados precisam ser padronizados numa escala
        
        TRANSFORMANDO IDADE (irão variar entre 0 e 1)
        X1 – 20 (mínimo) / 45 (máximo) – 20 (mínimo)
        
        variáveis categóricas [não numéricas] - cria-se variáveis numéricas que representem [ são variáveis indicadoras ]
        variáveis com ordem usa p.ex. alta = 1cc=0; média/alta = 1, cc=0; alta,média,baixa = 1, cc =0 (cc caso contrário)
      - Pós-padronização
        
        Métodos de agrupamento
        
        Após padronizar forma-se uma matriz de distância euclidiana
        
        Ao fim do processo pode ser visualizado a construção das distâncias da população por um dendograma
        ________ | | | | | |
        | |
        | | |
        | | |
        | | |
        
        Para definir a quantidade de grupos com mais diferença, se utiliza o elbol plot (gráfico de cotovelo)
        
        Agrupamento hierárquico
        (método de ligação simples, une-se usando o menor valor entre pares)
        
        método k-média
        
        pca (análise de componentes principais)
        
        definição
        
        útil para avaliar grande conjunto de dados,e deseja-se resumí-lo
        
        execução
        
        input é matriz de variância (ou covariância) dos dados
        retorna duas matrizes com os grupos separados
- - - - INFERÊNCIA
        
        A partir de uma AMOSTRA, faz-se considerações sobre uma POPULAÇÃO
        
        Há dois tipos
        
        Clássica (frequentista) - só é baseada na informação da amostra
        
        Bayesiana(subjetiva) - combina informação coletada e informação complementar.
        
        Quando se tem informações não precisas, obtera-se o resultado similar ao coletado da pesquisa
        
        Quando as informações prévias são precisas, será obtido uma distribuição mais distinta das coletas das pesquisas (a não ser que a informação prévia seja exatamente ou muito próxima ao parâmetro da coleta da pesquisa)
        
        verossimilhança é a curva da pesquisa
        
        informação a priori são as informações prévias e complementares
        
        Gera:
        
        Estimativas que tenham um range, estimativas de médias, ou gerar testes de hipóteses (se resultado é significativo ou não)
      - Dois resultados:
        
        H0 - é a hipótese nula
        
        Se a distribuição for aleatória, ela será igual ao resultado obtido.
        
        Não existe relação entre os comparados
        
        O RESULTADO PODE SER:
        
        Rejeitado
        
        Não rejeitado - fica com essa hipótese
        
        H1 - é a hipótese alternativa
        
        Existe relação entre os comparados
        
        (ERROS)
        
        TIPO I
        
        Rejeita algo que é verdadeiro (sensibilidade); era verdadeiro mas disse que foi falso (que não havia associação) É ALFA
        
        TIPO II
        
        Não rejeita algo que é falso (especificidade); era falso mas disse que foi verdadeiro É BETA.
      - Passo a passo para fazer um teste de hipótese
        
        Qual tipo de hipótese
        
        Se variável é dependente, independente, se é comparação de grupos
        
        Se teste é paramétrico ou não
        
        não paramétrico
        
        se baiseia na distribuição em que se assume no interor do estudo
        
        paramétrico
        
        Tipos de testes
        
        P-valor
        
        se valor menor que alfa, H0 é rejeitado
        
        está ocorrendo relação
        
        se valor maior que alfa, H1 não é rejeitado
        
        não está ocorrendo relação
        
        O valor de p é construído com base na distribuição da hipótese nula
        
        alfa tem que ser menor que 5%
        
        Correção em múltiplos testes para reduzir o número de erro tipo II
        
        Ao considerar resultado, tomar cuidado com a relevância clínica com a relevância estatística.
- - - - Log de número entre 0 e 1 são negativas, tal que a probabilidade de erro de sequenciamento é transformado usando o phed score
      - Quanto maior a probabilidade de erro, menor o phhred score
  - - - Tipos
        
        QUALI X QUALI
        
        Ex: associação entre tabagismo e câncer de pulmão; correlação fenótipo e genótipo
        
        Podem ser mensuradas por
        
        Chi-Quadrado: Estuda independência das variáveis (mostra se existe ou não dependência entre duas variáveis: razão de chanse, risco relativo. - é não paramétrico
        
        Pode ser visualizado por uma tabela de contingência
        
        QUANTI X QUANTI
        
        Compara-se duas variáveis com dados de quantidade (ex sangue e peso)
        
        Medida de associação (pode haver correlaçãoo paramétrico - tem modelo de probabilidade conhecido como normal binomial...
        
        Pearson (correlação linear - inversa ou direta), mais conhecida
        
        Spearman (não paramétrico
        
        Correlação varia de -1 a 1 (quanto mais na extremidade, mais correlação, quanto mais próximo de zero menor a correlação entre elas) - precisa ser testado via teste de hipótese
        
        Podem ser representadas por um gráfico de dispersão
        
        Correlação próxima de 0 (sem correlação), -1 (correlação negativa) ou 1 (correlação positiva)
        
        QUALI X QUANTI
        
        Ex: altura vs gênero; genótipo vs fenótipo
        
        Teste de Kruskal-Wallis (não paramétrico)
        
        ANOVA (paramétrico)
        
        AVALIAÇÃO DO NÍVEL DE RESPOSTA
        
        É possível comparar várias variáveis em função de uma mesma resposta
        
        Nesses casos são realizadas modelágens -
        
        Númérica - é realizado uma regressão
        
        Classificação é realizado quando variável é categórica
        
        Estudo de associação de genoma é usado para associar um fenótipo a possíveis regiões que interferem nessa variável
        
        MACHINE LEARNING
        
        Não supervisionada
        
        PCA
        
        CLUSTER
        
        MCA
        
        Supervisionada
        
        Análise de classificação
        
        binária
        
        Envolve classes e variáveis observadas
        
        É necessário conjunto de dados; fazer medidas resumos gráficos, fazer limpezas nos dados (limpar ou não outliers), realizar transformações
        
        após isso inicia a análise de classificação. Verificar se classes estão balanceadas (dentro da base de dados é necessário que o que está sendo analisado esteja próximos uns dos outros, do contrário é necessário usar software para balancear os resultados
        
        ver se tamanho da base é compatível com capacidade computacional
        
        é importante a replicabilidade do ensaio
        
        split de base: divide o tamanho da amostra em quantidade para treino, teste e validação
        
        Faz várias funções e classificações (MATRIZ DE CONFUSÃO p.ex.)
        
        Avalia resultado esperado com resultado do teste do algorítimo
        
        Coloca o modelo em funcionamento e começa a prever com novas amostras. Resultado de ter ou não fenótipo é probabilidade
        
        2 more items...
        
        CURVA ROC (curva onde plotamos a taxa de VPP e taxa de FP (a sensibilidade -1 especificade) são medidas que variam de 0 a 1
        
        1 more item...