Equívocos estatísticos: perguntas que você sempre quis fazer, mas nunca teve coragem / Statistical misconceptions: questions you've always wanted to ask, but never dared

Este artigo visa elucidar algumas dúvidas enfrentadas ou equívocos estatísticos cometidos por pesquisadores de diversas áreas. São explanados os temas: "tradução não é validação", "análise fatorial exploratória ou confirmatória", "nem todo estudo com dois grupos tem delineamento caso-controle", "teste ou ajuste de Bonferroni", "tamanho de amostra para teste de hipóteses e/ou para intervalo de confiança", e "testes ou dados paramétricos". A abordagem é realizada em uma linguagem acessível ao público leigo, utilizando exemplos e sugerindo referências para aprofundar o conhecimento.(AU)

This article aims to answer some questions and elucidate statistical misconceptions of researchers from different fields. The following topics are addressed: "translation is not validation", "exploratory or confirmatory factor analysis", "not every study with two groups is a case-control study", "Bonferroni test or adjustment", "sample size for testing hypotheses and/or for confidence intervals", and "parametric data or tests". The topics are explained in lay terms, using examples and suggesting references to advance knowledge.(AU)

Poder de detecção de "Quantitative Trait Loci", da análise de marcas simples e da regressão linear múltipla

In general terms, Quantitative Trait Loci (QTL) mapping differs from other research tools used in genetics since it is, basically, a multiple test procedure. The use of this technique leads to problems related to the genomewise significance level and, consequently, to the power of the test. Using computational data simulation the power of QTL mapping was obtained, carried out through multiple linear regression using stepwise procedures to select markers. Procedures based on single marker analisys, using both the False Discover Rate (FDR) and the Bonferroni criteria to determinate the genomewise significance level were also used. The procedure based on multiple regression, using the stepwise technique, was the most powerful in identifying markers associated to QTL's. However, in cases where its power was less intense, its advantage was the ability to detect only markers strongly associated to QTL's. In comparison to the Bonferroni method, the FDR criterion was in general more powerful, and should be adopted for interval mapping procedures.

O mapeamento de locos envolvidos no controle gênico de caracteres quantitativos, QTL's, difere dos demais tipos de experimentos conduzidos em genética, por tratar-se, basicamente, de um procedimento de testes múltiplos. Um problema decorrente deste tipo de análise refere-se ao nível de significância conjunto e, consequentemente ao poder da mesma. Em vistas disto avaliou-se, via simulação computacional de dados, o poder de detecção de QTL's da análise de marcas simples, utilizando os critérios da razão de falsas descobertas (FDR) e de Bonferroni para determinação nível de significância conjunto alfa* e da regressão linear múltipla, empregando o procedimento "stepwise" para seleção das marcas. O procedimento baseado em regressão múltipla foi mais poderoso em identificar as marcas associadas a QTL's, do que os procedimentos baseados em testes individuais, utilizando tanto o critério FDR, quanto o de Bonferroni para o controle do nível de significância conjunto. Mesmo nos casos em que esse procedimento apresentou poder ligeiramente inferior aos demais, mostrou a grande vantagem de selecionar apenas as marcas mais fortemente ligadas a QTL's, devendo, portanto, ser preferido para seleção das marcas a serem utilizadas como covariáveis no processo de mapeamento por intervalo múltiplo. Dentre os critérios FDR e de Bonferroni, que são aplicáveis aos métodos de mapeamento por intervalo, o primeiro mostrou-se mais poderoso, devendo portanto ser preferido.

Poder de detecção de "Quantitative Trait Loci", da análise de marcas simples e da regressão linear múltipla

In general terms, Quantitative Trait Loci (QTL) mapping differs from other research tools used in genetics since it is, basically, a multiple test procedure. The use of this technique leads to problems related to the genomewise significance level and, consequently, to the power of the test. Using computational data simulation the power of QTL mapping was obtained, carried out through multiple linear regression using stepwise procedures to select markers. Procedures based on single marker analisys, using both the False Discover Rate (FDR) and the Bonferroni criteria to determinate the genomewise significance level were also used. The procedure based on multiple regression, using the stepwise technique, was the most powerful in identifying markers associated to QTL's. However, in cases where its power was less intense, its advantage was the ability to detect only markers strongly associated to QTL's. In comparison to the Bonferroni method, the FDR criterion was in general more powerful, and should be adopted for interval mapping procedures.

O mapeamento de locos envolvidos no controle gênico de caracteres quantitativos, QTL's, difere dos demais tipos de experimentos conduzidos em genética, por tratar-se, basicamente, de um procedimento de testes múltiplos. Um problema decorrente deste tipo de análise refere-se ao nível de significância conjunto e, consequentemente ao poder da mesma. Em vistas disto avaliou-se, via simulação computacional de dados, o poder de detecção de QTL's da análise de marcas simples, utilizando os critérios da razão de falsas descobertas (FDR) e de Bonferroni para determinação nível de significância conjunto alfa* e da regressão linear múltipla, empregando o procedimento "stepwise" para seleção das marcas. O procedimento baseado em regressão múltipla foi mais poderoso em identificar as marcas associadas a QTL's, do que os procedimentos baseados em testes individuais, utilizando tanto o critério FDR, quanto o de Bonferroni para o controle do nível de significância conjunto. Mesmo nos casos em que esse procedimento apresentou poder ligeiramente inferior aos demais, mostrou a grande vantagem de selecionar apenas as marcas mais fortemente ligadas a QTL's, devendo, portanto, ser preferido para seleção das marcas a serem utilizadas como covariáveis no processo de mapeamento por intervalo múltiplo. Dentre os critérios FDR e de Bonferroni, que são aplicáveis aos métodos de mapeamento por intervalo, o primeiro mostrou-se mais poderoso, devendo portanto ser preferido.