Livro CI 2008

V Curso de Inverno
grupos e nos dá base para inferências científicas. Quando usamos estatística, normalmente
temos que entender um pouco sobre distribuições. Na concepção frequentista de estatística
o que fazemos é utilizar um modelo de distribuição de dados para, de certa forma, simplificar
nossas análises utilizando parâmetros de distribuição, calculados a partir dos dados, e não
os dados em si. O que estamos comparando, no final, não são os dados brutos coletados e
sim modelos de distribuição destes dados dentro de uma lógica de tendência central de
valores (média) à qual está associada a uma
dispersão própria (variância). Quando falamos de
dados biométricos (ou seja, dados biológicos
mensuráveis) normalmente falamos de
informações contínuas que possuem um certo
padrão que nos permite inferir uma distribuição
normal, que é bem representada por apenas dois
parâmetros descritores, a média e a variância
(Figura 2). Tais parâmetros não são puramente
abstratos e podem ser facilmente compreendidos
em termos biológicos. A média (µ) de uma
população de dados, em uma distribuição normal,
pode ser interpretada como o fenótipo mais
freqüente, ou em outras palavras, aquele que
você espera encontrar com maior freqüência em
seu grupo. Já variância (σ²) pode ser entendida como uma medida de dispersão dos dados
ao redor desta média, ou seja, o quanto os pontos obtidos desviam da média. As causas
desta dispersão podem ser muitas, desde variação populacional real até erro de
amostragem, mas raramente a natureza exata destas causas é relevante (a não ser que
algum fator de variação seja exatamente o objeto de estudo).
Figura 3 - Exemplo de 5 grupos com variâncias
intra-grupos iguais (σ²=25) e médias distintas.
Discutiremos brevemente, a seguir, duas das principais técnicas estatísticas
utilizadas em biologia: a analise de variância e a regressão linear. Ambos os métodos
pertencem a uma família de análises chamada de modelos lineares gerais (General Linear
Models). São assim chamados, pois partem do pressuposto que as variáveis em estudo
variam de maneira linear, ou seja, aditiva em função dos fatores causais (ou seja, o efeito de
cada fator pode ser somado para a obtenção do efeito geral). Estes modelos são os mais
simples e serão explicados em sua forma univariada (ou seja, com apenas uma variável).
Consulte Sokal & Rohlf (1995) e Zar (2007) para mais informações com enfoque biológico.
ANOVA: A análise de variância univariada foi um método concebido por Fisher nas
décadas de 1920 e 30 para avaliar simultaneamente as médias de uma dada variável entre
diferentes grupos, sem incorrer no acúmulo de Erro tipo I (rejeitar a hipótese nula quando
ela é verdadeira) ao realizamos comparações de diversos grupos par-a-par. O princípio é
320