Bioestatística
Ciências Biológicas / Biomedicina (Quintas e Sextas das 9 às 12h / Sala 201N - CCET/IBIO)
1. Identificação da disciplina
- Disciplina: Bioestatística
- Docente: Prof.ª Letícia Raposo
- Instituição: Universidade Federal do Estado do Rio de Janeiro (UNIRIO)
- Carga horária: 90H
2. Ementa
Introdução à Bioestatística no contexto da pesquisa científica em saúde e ciências biológicas. Tipos de dados, variáveis e organização de bases de dados. Estatística descritiva univariada e bivariada: tabelas, gráficos e medidas-resumo. Introdução à probabilidade e sua aplicação em estudos biomédicos. Testes diagnósticos e avaliação de desempenho de métodos de classificação. Conceitos fundamentais de inferência estatística: amostragem, distribuições amostrais e bases dos testes de hipóteses. Comparação entre grupos. Medidas de associação e correlação. Modelos de regressão linear e regressão logística.
3. Objetivos de aprendizagem
Ao final da disciplina, espera-se que o(a) estudante seja capaz de:
- compreender os conceitos fundamentais da Bioestatística;
- organizar, resumir e representar dados de forma adequada;
- interpretar medidas estatísticas no contexto de estudos em saúde e ciências biológicas;
- desenvolver leitura crítica de resultados estatísticos apresentados em artigos científicos;
- utilizar o software R como apoio à análise de dados.
4. Metodologia de ensino
A disciplina será conduzida por meio de:
- aulas expositivas e práticas com o software R;
- discussão de exemplos aplicados;
- resolução de exercícios e análise de dados.
Os slides das aulas ficam disponíveis nesta página para consulta e revisão.
5. Organização das aulas
A disciplina está organizada em aulas teóricas, voltadas à fundamentação conceitual, e aulas práticas em R, destinadas à aplicação dos métodos estatísticos em dados reais.
Aulas teóricas
As aulas teóricas abordam os principais conceitos da Bioestatística, com ênfase na interpretação crítica de dados e resultados científicos.
Aula 03
Estatística Descritiva Bivariada
Relações entre variáveis, tabelas cruzadas e gráficos bivariados.
Aula 05
Testes Diagnósticos
Sensibilidade, especificidade, valores preditivos e acurácia.
Aula 06
Inferência Estatística: Amostragem
Noções de amostra, variabilidade e estimativas.
Aula 07
Bases dos Testes de Hipóteses
Hipóteses, erros tipo I/II, p-valor e decisão estatística.
Aula 08
Diferença entre Grupos
Comparação entre dois ou mais grupos e interpretação aplicada.
Aula 11
Regressão Logística
Modelos para desfechos binários e interpretação via odds ratio.
Aulas práticas em R
As aulas práticas têm como objetivo desenvolver competências em análise estatística de dados utilizando o software R, com foco em:
- organização e manipulação de bases de dados;
- implementação dos métodos discutidos nas aulas teóricas;
- interpretação dos resultados estatísticos no contexto de estudos científicos.
Os roteiros, scripts e bases de dados das aulas práticas em R serão disponibilizados ao longo do semestre, articulados aos conteúdos teóricos correspondentes.
6. Avaliação
A avaliação da aprendizagem na disciplina será composta por instrumentos teóricos e práticos, com o objetivo de verificar tanto a compreensão conceitual dos conteúdos quanto a capacidade de aplicação dos métodos estatísticos em contextos científicos.
Serão realizados os seguintes instrumentos de avaliação:
Duas avaliações teóricas, individuais, cada uma com valor máximo de 10 (dez) pontos;
Um trabalho prático em grupo, também com valor máximo de 10 (dez) pontos, voltado à aplicação dos conteúdos da disciplina por meio da análise de dados. A nota do trabalho será composta considerando:
- as entregas realizadas ao longo do desenvolvimento da atividade;
- a participação dos integrantes do grupo;
- a média das notas atribuídas pelos avaliadores, conforme critérios previamente estabelecidos.
A média final da disciplina será calculada por meio da média aritmética simples das três avaliações, conforme a expressão:
\[ \text{Média Final} = \frac{\text{Avaliação Teórica 1} + \text{Avaliação Teórica 2} + \text{Trabalho Prático}}{3} \]
Datas e prazos
As datas de entrega dos trabalhos práticos em grupo serão divulgadas com antecedência pela docente responsável. Recomenda-se que os(as) estudantes organizem seus horários e atividades de modo a cumprir os prazos estabelecidos.
Segunda chamada
O(A) estudante que, por motivo justificado, deixar de comparecer a alguma avaliação poderá solicitar prova de segunda chamada, desde que o requerimento seja realizado no prazo máximo de 48 horas após a data da avaliação. A segunda chamada será aplicada em até 8 (oito) dias após a realização da prova original.
Frequência
A presença nas aulas é fundamental para o adequado acompanhamento da disciplina. Em caso de ausência, o(a) estudante deverá buscar a recuperação do conteúdo por meio do contato com colegas e/ou com a docente, informando previamente ou posteriormente sobre a falta ocorrida.
Critérios de aprovação
Para aprovação na disciplina, o(a) estudante deverá atender simultaneamente aos seguintes critérios:
- Frequência mínima de 75% nas atividades presenciais;
- Média final maior ou igual a 7,0 (sete).
Caso a média final seja inferior a 7,0 (sete), o(a) estudante deverá realizar prova final. A aprovação, nesse caso, dependerá de uma média final mínima de 5,0 (cinco), calculada conforme:
\[ \text{Média Final} = \frac{\text{Média Parcial} + \text{Prova Final}}{2} \]
7. Materiais complementares
Recursos complementares para aprofundamento, estudo autônomo e revisão dos conteúdos da disciplina.
🐈 Estatística com R (Tukey)
RECURSO INTERATIVO
Material on-line desenvolvido pela professora em parceria com o ex-monitor Yago, integrando conteúdo teórico e prático com exemplos comentados e exercícios. O percurso é conduzido pelo mascote Tukey, com abordagem didática progressiva.
🎥 Teoria
VÍDEOS
Aulas teóricas para revisão dos conceitos centrais, com exemplos e orientações que auxiliam na preparação para as avaliações.
💻 Aulas práticas em R
VÍDEOS
Vídeos voltados às práticas em R, com foco na implementação dos procedimentos discutidos em aula e na interpretação dos resultados.
📈 Regressão linear e logística
AULAS MAIS AVANÇADAS
Conjunto de vídeos focados em regressão linear e regressão logística, com aplicações e interpretação dos resultados.
🧠 Mapa mental interativo
REVISÃO
Mapa mental com todo o conteúdo da disciplina, conectando tópicos e conceitos para apoiar organização, revisão e consolidação do aprendizado.
📥 Buscando e Baixando Dados do Kaggle
VIDEOAULA
Videoaula demonstrativa sobre como localizar e baixar bases de dados na plataforma Kaggle. O conteúdo apresenta, de forma passo a passo, o processo de busca de datasets, navegação nas páginas dos projetos e download dos arquivos para uso em análises de dados e atividades práticas.
8. Comunicação e atendimento
E-mail institucional: leticia.raposo@uniriotec.br
9. Referências bibliográficas
BARBETTA, Pedro Alberto. Estatística aplicada às ciências sociais. Ed. UFSC, 2008.
DANCEY, Christine P.; REIDY, John G.; ROWE, Richard. Estatística Sem Matemática para as Ciências da Saúde. Penso Editora, 2017.
HAIR, J. F. et al. Multivariate data analysis. Cengage. Hampshire, United Kingdom, 2019.
10. Cronograma da disciplina
O cronograma apresentado poderá sofrer ajustes ao longo do semestre, em função de imprevistos acadêmicos, institucionais ou operacionais. Quaisquer alterações serão comunicadas previamente aos(às) estudantes pelos canais oficiais da disciplina.
| Semana | Quinta-feira | Sexta-feira |
|---|---|---|
| 05–06/03 | Aula 1 — Pesquisa e Dados | Aula 2 — Estatística Descritiva Univariada |
| 12–13/03 | Prática 1 — Introdução ao R | Prática 2 — Análise univariada em R |
| 19–20/03 | Aula 3 — Estatística Descritiva Bivariada | Prática 3 — Análise bivariada em R |
| 26–27/03 | Aula 4 — Introdução à Probabilidade | Aula 5 — Testes Diagnósticos |
| 02–03/04 | Aula 6 — Inferência Estatística: Amostragem | 🕊️ Feriado — Paixão de Cristo |
| 09–10/04 | 📚 Revisão para a Avaliação 1 | 📝 Avaliação 1 |
| 16–17/04 | Aula 7 — Bases dos Testes de Hipóteses | Aula 8 — Diferença entre Grupos |
| 23–24/04 | 🎌 Feriado — São Jorge (RJ) | 🌙 Recesso |
| 30/04–01/05 | Aula 9 — Associação e Correlação | 🏛️ Feriado — Dia do Trabalho |
| 07–08/05 | Prática 4 — Diferença entre grupos em R | Prática 5 — Associação e correlação em R |
| 14–15/05 | Aula 10 — Regressão Linear | Prática 8 — Regressão linear em R |
| 21–22/05 | Aula 11 — Regressão Logística | Prática 9 — Regressão logística em R |
| 28–29/05 | 📚 Revisão para a Avaliação 2 | 📝 Avaliação 2 |
| 04–05/06 | ✝️ Corpus Christi | 🌙 Recesso |
| 11–12/06 | Acompanhamento dos trabalhos | Acompanhamento dos trabalhos |
| 18–19/06 | 🎤 Apresentação dos trabalhos | |
| 25–26/06 | 📝 Prova Final |
11. Cronograma de entregas do trabalho em grupo
O trabalho em grupo será desenvolvido ao longo do semestre, conforme orientações detalhadas no documento abaixo:
👉 Acesse o template do trabalho em grupo (Google Docs)
Recomenda-se que cada grupo baixe uma cópia do documento e cole em um novo Google Docs que será compartilhado com a docente.
As entregas parciais do trabalho em grupo têm caráter formativo e cumulativo, devendo ser incorporadas progressivamente ao manuscrito final.
| Etapa | Entrega | Data de entrega | Submissão |
|---|---|---|---|
| 1 | Definição do grupo e da base de dados | 15/03 | 📝 Enviar link do Google Docs |
| 2 | Tabela descritiva e perguntas bivariadas | 27/03 | 📝 Enviar link do Google Docs |
| 3 | Tabelas e gráficos bivariados + interpretação | 06/04 | 📝 Enviar link do Google Docs |
| 4 | Introdução e objetivos | 04/05 | 📝 Enviar link do Google Docs |
| 5 | Metodologia e testes de hipóteses | 22/05 | 📝 Enviar link do Google Docs |
| 6 | Modelo de regressão e interpretação | 10/06 | 📝 Enviar link do Google Docs |
| 7 | Trabalho final completo | 19/06 | 📝 Enviar link do Google Docs |
Os links dos documentos devem estar com permissão de visualização para a docente. Entregas fora do prazo não pontuarão.