<html>
<head>
<meta content="text/html; charset=utf-8" http-equiv="Content-Type">
</head>
<body text="#000000" bgcolor="#FFFFFF">
André,<br>
<br>
Como o Leonardo disse no e-mail anterior, há pacotes que já calculam
medidas como diferença de proporção OR, seus respectivos IC e outras
medidas que podem atender suas necessidades no seu estudo.<br>
Além dos pacotes que ele já sugeriu, outro que pode consultar é o
epiR:<br>
<br>
<a class="moz-txt-link-freetext" href="https://cran.r-project.org/web/packages/epiR/epiR.pdf">https://cran.r-project.org/web/packages/epiR/epiR.pdf</a> <br>
<br>
Outra sugestão de leitura que gostaria de é o material da professora
Silvia Shimakura:<br>
<br>
<a class="moz-txt-link-freetext" href="http://leg.ufpr.br/~silvia/CE008/">http://leg.ufpr.br/~silvia/CE008/</a><br>
<a class="moz-txt-link-freetext" href="http://leg.ufpr.br/~silvia/CE001/node68.html">http://leg.ufpr.br/~silvia/CE001/node68.html</a><br>
<br>
Veja qual forma se apresenta mais interessante para seu aprendizado,
mas quando escrevo as funções no R como calculadora, acredito que os
exemplos se tornam mais didáticos mesmo que já implementados em
alguns pacotes do R.<br>
<br>
E como solicitou segue alguns comentários acerca dos comandos que
enviei anteriormente:<br>
<br>
<br>
## Carregando os dados da tabela que enviou no e-mail<br>
dados<-matrix(c(250,15,34,14),ncol=2,byrow=T)<br>
<br>
## Verificando a existência de associação entre os parasitas através
da Estatística Qui-quadrado<br>
## Quando utilizamos o teste o argumento sim=500, há um alerta pois
há casela com frequência logo um pressuposto de validade do teste
não foi atendido.<br>
## Uma alternativa então é calcular o p-valor através de simulação
ou o teste exato de Fisher. Note que quando simulamos o p-valor não
é necessário usar a correção de continuidade de Yates. <br>
Q<-chisq.test(dados,sim=500)<br>
Q<br>
Q$observed ### frequência observada<br>
Q$expected ### frequência esperada<br>
##Há evidências de se rejeitar H0 <br>
<br>
# Comandos para obtenção da diferença entre proporções e seu IC(95%)<br>
## Calculando as proporções entre Cryptosporidium negativo e
Cryptosporidium positivo<br>
p11<-(dados[1,1]/(sum(dados[1,])))<br>
p22<-(dados[1,1]/(sum(dados[1,])))<br>
<br>
d<-p11-p21 # diferença entre as proporções<br>
vd<-((p11*(1-p11))/(sum(dados[1,])-1)) +
((p21*(1-p21))/(sum(dados[2,])-1)) ## Estimativa para a variância<br>
dvd<-sqrt(vd) ## raíz quadrada da variância<br>
z<-qnorm(0.975) #percentil da Normal padrão<br>
li<- d - (z*dvd) # Limite inferior<br>
ls<- d + (z*dvd) # Limite superior<br>
cbind(d,li,ls) # Intervalo de Confiança de 95%. Como o valor zero
não está contido no IC a diferença é significativa ao nível de 95%
de confiança.<br>
<br>
##Razão de Chances ou Odds Ratio (OR) e IC95%(OR)<br>
OR<-(dados[1,1]*dados[2,2])/(dados[1,2]*dados[2,1]) ## Calculando
a <i><b>odds ratio (n11*n22/n12*n21)<br>
</b></i>## Quando OR=1 indica chances iguais. Se for OR>1, o
grupo 1 apresenta maior chance que o grupo 2.<br>
## Para o cálculo do IC para a OR, usamos o logaritmo da OR na base
<i>e.</i><br>
vf<-(1/dados[1,1])+(1/dados[1,2])+(1/dados[2,1]+(1/dados[2,2]))
##Estimativa para variância<br>
dpf<-sqrt(vf) ## raíz quadrada da variância<br>
z<-qnorm(0.975) #Percentil da Normal padrão<br>
liOR<-exp(log(OR)-z*dpf) #Limite inferior<br>
lsOR<-exp(log(OR)+z*dpf) # Limite Superior<br>
cbind(OR,liOR,lsOR)<br>
## A chance de não haver Cryptosporidium e Giardia é 6,8 vezes maior
que a presença podendo variar entre 3 e 15,4 vezes ao nível de
confiança de 95%.<br>
<br>
<br>
<br>
<pre class="moz-signature" cols="72">--
Atenciosamente
Felipe E. Barletta Mendes
Estatístico - Conre3 9766-A
+55 (41)-92077191
+55 (41)-33287216</pre>
</body>
</html>