Questão de Estatística — Modelos lineares — VUNESP 2024

Modelos de regressão na Prática Baseada em Evidências

Gabarito: letra A. O enunciado descreve exatamente o que é um modelo de regressão: verificar matematicamente como duas ou mais variáveis se relacionam, identificar fatores de impacto e realizar previsões sobre a variável resposta a partir de covariáveis. Essa é a definição clássica de regressão, que modela a relação entre uma variável dependente e uma ou mais variáveis independentes.

A questão contextualiza a Prática Baseada em Evidências (PBE) na área da saúde, mas o núcleo é estatístico: trata-se de reconhecer, entre os indicadores de performance diagnóstica, aquele que estuda a relação entre variáveis e faz previsões. A regressão linear, por exemplo, é uma técnica usada para modelar a relação entre uma variável dependente contínua e uma ou mais variáveis independentes, resultando em valores contínuos. Ela serve a dois propósitos principais: predição (estimar valores futuros ou desconhecidos da variável dependente) e explicação (identificar quais fatores influenciam a variável dependente e em que intensidade).

A pegadinha da banca está em confundir o candidato com termos estatísticos genéricos — testes de hipótese, testes paramétricos e não paramétricos — que são ferramentas de inferência, mas não têm como objetivo modelar a relação entre variáveis para previsão. A regressão, por sua vez, é um modelo que quantifica essa relação e permite prever o comportamento da variável de interesse.

Alternativa A — ✅ Correta ⟵ GABARITO

Os modelos de regressão são exatamente o que o enunciado descreve: a verificação matemática de como duas ou mais variáveis se relacionam, permitindo identificar fatores de impacto e realizar previsões sobre a variável resposta (dependente) em função das covariáveis (independentes). A regressão linear, por exemplo, modela a relação entre uma variável dependente contínua e uma ou mais variáveis independentes, resultando em valores contínuos. É um recurso útil para a tomada de decisão na área da saúde, pois permite prever desfechos e identificar quais fatores mais influenciam uma condição de saúde.

Alternativa B — ❌ Incorreta

Testes de hipótese são procedimentos de inferência estatística usados para decidir se uma afirmação sobre um parâmetro populacional é plausível, com base em uma amostra. Eles não têm o objetivo de modelar a relação entre variáveis nem de fazer previsões sobre o comportamento de um fenômeno. A alternativa confunde o papel da regressão (modelagem e predição) com o papel dos testes de hipótese (verificação de suposições).

Alternativa C — ❌ Incorreta

Testes não paramétricos são uma classe de testes de hipótese que não assumem uma distribuição específica para os dados (ex.: teste de Wilcoxon, Kruskal-Wallis). Eles são usados para comparar grupos ou verificar associações, mas não modelam a relação entre variáveis para fins de previsão. A descrição do enunciado — identificar fatores de impacto e prever o comportamento da variável resposta — é própria da regressão, não de testes não paramétricos.

Alternativa D — ❌ Incorreta

"Alcance e foco limitado da pesquisa" é uma expressão vaga e não corresponde a nenhum indicador de performance diagnóstica. Não há relação com a verificação matemática de como variáveis se relacionam ou com a realização de previsões. É um distrator que foge completamente do contexto estatístico da questão.

Alternativa E — ❌ Incorreta

Testes paramétricos são testes de hipótese que assumem uma distribuição de probabilidade para os dados (ex.: teste t, ANOVA). Assim como os testes não paramétricos, eles servem para testar hipóteses sobre parâmetros, não para modelar a relação entre variáveis e fazer previsões. A alternativa troca o conceito de modelo de regressão pelo de teste de hipótese paramétrico.

Gabarito: letra A