6 FATORES MAIS IMPORTANTES PARA O CÁLCULO AMOSTRAL 

Fico triste por ver pessoas que não têm o Mínimo de decência para curtir os vídeos que tanto ajuda quem precisa. Aula Espetacular! 👏🏾👏🏾👏🏾☺️ Me ajudando muito suas aulas na minha pesquisa.

Segui e anotei todos os detalhes da aula para esses 6 fatores. Sem comentários a qualidade do trabalho. Usando para a tese com adaptações na minha pesquisa. Tem meu like com honras.

Obrigado pela aula! Excelente professor! 🥰

Vídeo sensacional. Didático, completo e lúdico. Parabéns!

Fantástica as aulas!!!! Descobri esse canal ontem, e não consigo parar de assistir as aulas... Me ajudando demais.

você é muito didático professor, parabéns

professor vem dar aula de estatística pra mim por favor....que professor didático meu Deus...adoro

Nossa! Essa aula foi de alta qualidade! Parabéns 👏👏👏

Aula simplesmente fantástica! Obrigada, professor!

Aula fantástica!

Gosto muito dos seus vídeos, pois são didáticos, divertidos e de bom nível. Segue a segunda crítica: 4º Fator “Erro Tipo I e Erro Tipo II”. Esses erros são engessados em pesquisa? Vamos supor que exista somente um tratamento para uma doença. Não há concorrência, há um único tratamento que talvez funcione. Um erro Tipo I pequeno de 1% ou 5% representa a chance de a amostragem recomendar o tratamento, quando ele não funciona realmente. A chance de o tratamento não ser recomendado é de 99%, quando ele não funciona realmente. Esse rigor no erro Tipo I aumenta a chance de o paciente ficar sem tratamento, ficar num beco sem saída, pois não existe outro tratamento. O que acontece com o erro Tipo II? Para uma mesmo tamanho de amostra, quando o erro Tipo I diminui, o erro Tipo II aumenta. Um erro Tipo II grande de 20% representa a chance de o tratamento funcionar realmente, e a amostragem não recomendar o tratamento. Esse fato é lastimável, pois estaremos dispensando o único tratamento que existe. Então, o recomendável seria diminuir o erro Tipo II e aumentar o erro Tipo I. Não há problema em aumentar o erro Tipo I, pois não corremos o risco de fazer um tratamento que não funciona em detrimento de outro que funciona, pois existe apenas um único tratamento. Isso justifica porque pacientes de doenças incuráveis se submetem à tratamentos não comprovados. Estatisticamente eles estão corretos em fazer isso, caso o tratamento não apresente efeitos colaterais sérios, quando comparado com um tipo de erro mais geral que será apresentado ao final. Resumindo, o fator determinante na análise do tipo de erro é o nível de concorrência entre os tratamentos, ou seja, a probabilidade de estar fazendo um tratamento incorreto e deixar de fazer um outro tratamento correto. Sem uma análise mais profunda, não faz muito sentido fazer distinções entre o erro Tipo I e Tipo II, pois para um mesmo número de amostras, quando um número aumenta o outro diminui. Matematicamente, os erros Tipo I e II são funções um do outro para o mesmo número de amostras. A função ou curva pode ser representada num gráfico, por exemplo, erro tipo I no eixo X e erro Tipo II no eixo Y. Esse problema apresenta infinitas soluções que são representadas por essa curva ou função. Não é a primeira vez na Matemática que um problema apresenta infinitas soluções. Então, para facilitar, adota-se uma solução “arbitraria” que consiste em representar, pelo menos elegantemente, a curva por apenas um ponto ou a função por apenas uma solução. Vários critérios podem ser adotados para eleger um ponto da curva para um mesmo número de amostras: 1) fixar o erro Tipo I em 1% e obter o erro Tipo II. O valor do erro Tipo I também pode ser 5%, 10% ou 20%; 2) fixar o erro Tipo II em 1% e obter o erro Tipo I. O valor do erro Tipo II também pode ser 5%, 10% ou 20%; 3) obter o ponto da curva onde o erro Tipo I é igual ao erro Tipo II; 4) erros Tipo I e II cuja a média aritmética seja mínima; 5) erros Tipo I e II cuja a média geométrica seja mínima; 6) erros Tipo I e II cuja a soma vetorial seja mínima, etc. A solução 3 é interessante, pois dispensa a informação de dois erros, pois são iguais. No entanto, os matemáticos preferem a solução 6. Ela equivale a dotar o ponto da curva que passa mais próximo da origem do gráfico. Pois, o módulo da soma vetorial equivale à diagonal do retângulo cujos os lados são os erros Tipo I e Tipo II. A diagonal pode ser calculada facilmente pela fórmula de Pitágoras. O módulo da soma vetorial (a diagonal) pode ser usado como um único valor de erro que substitui o efeito dos dois erros Tipo I e Tipo II. Exemplos matemáticos com critério da soma vetorial: - Incerteza Expandida utilizada em Metrologia; - solução de sistemas lineares pela Decomposição em Valores Singulares; - Ridge Regression, etc.

Sensacional! Obrigada pela aula e por compartilhar seus conhecimentos de forma gratuita e acessível!

Fantástico! Sou fã.

Excelente aula, muito didático! Parabéns e obrigada!!!

Que explicação excelente!! Muito obrigado

Muito bom ! Vídeo muito didático !

Sempre muito didático! Excelente aula 👏👏

Muito bom!

Excelente conteúdo.

Ótima aula

Gostei 👏👏👏

Excelente!

Amei, sou pesquisadora e gostaria de participar de algum curso seu.

E se os meus grupos tiverem desvios-padrão diferentes uns dos outros, como eu vou saber qual devo usar para o cálculo amostral?

E quando a variável dependente ex: variável sociodemográfica, possui dentro do seu grupo variáveis como idade que é quantitativa e também variável etnias que é qualitativa nominal, como eu classifico executo os meus cálculos?

Gosto muito dos seus vídeos, pois são didáticos, divertidos e de bom nível. Porém segue a primeira crítica: 3º Fator “Menor Diferença Detectável”: Você disse que a Estatística não vai para a Clínica, que ela não atende paciente... Isso não é verdade, pois não foi informado para a Estatística que a diferença entre as médias de até 3 mm é insignificante. Ou seja, foi utilizado um teste estatístico inadequado, que simplesmente compara as médias sem considerar a folga de 3mm.

MORTA 🤣🤣🤣🤣🤣🤣🤣🤣🤣 Além de ótima explicação e conteúdo, ainda é engraçado 🤣🤣🤣🤣🤣