Exemplo 1
Grupo Exposto: Número com Evento: 20; Grupo Exposto: Número Total: 200; Grupo Não Exposto: Número com Evento: 10; Grupo Não Exposto: Número Total: 200
Risco do Grupo Não Exposto: 0,05; Risco do Grupo Exposto: 0,1; Risco Relativo (RR): 2
Calcula o risco relativo (RR) para determinar a probabilidade de um evento ocorrer em um grupo exposto versus um grupo não exposto.
Passe pelas entradas com cuidado e depois compare os resultados em vez de confiar em apenas um cenário.
Grupo Exposto: Número com Evento, Grupo Exposto: Número Total, Grupo Não Exposto: Número com Evento, Grupo Não Exposto: Número Total → Risco do Grupo Não Exposto, Risco do Grupo Exposto, Risco Relativo (RR)
Use estes exemplos para verificar o comportamento da calculadora antes de inserir seus próprios valores.
Grupo Exposto: Número com Evento: 20; Grupo Exposto: Número Total: 200; Grupo Não Exposto: Número com Evento: 10; Grupo Não Exposto: Número Total: 200
Risco do Grupo Não Exposto: 0,05; Risco do Grupo Exposto: 0,1; Risco Relativo (RR): 2
Grupo Exposto: Número com Evento: 5; Grupo Exposto: Número Total: 50; Grupo Não Exposto: Número com Evento: 1; Grupo Não Exposto: Número Total: 50
Risco do Grupo Não Exposto: 0,02; Risco do Grupo Exposto: 0,1; Risco Relativo (RR): 5
Grupo Exposto: Número com Evento: 15; Grupo Exposto: Número Total: 150; Grupo Não Exposto: Número com Evento: 3; Grupo Não Exposto: Número Total: 150
Risco do Grupo Não Exposto: 0,02; Risco do Grupo Exposto: 0,1; Risco Relativo (RR): 5
Utilize calculadoras para álgebra, geometria, trigonometria, probabilidade, estatística, médias, scores z, testes e tarefas de graficos.
Estes links foram escolhidos para aprofundar a sessão e responder à próxima pergunta provável sem mandar o usuário de volta à busca.
Calcula a estatística Qui-Quadrado e o valor p para a adequação do ajuste ou teste de independência. Requer frequências ou valores observados e esperados.
Calcula o estatístico t, usado em testes de hipóteses quando o desvio padrão da população é desconhecido. Esta calculadora ajuda a determinar se a diferença entre a média amostral e a média populacional é estatisticamente significativa.
Avalia o desempenho de um modelo de classificação usando métricas derivadas de uma matriz de confusão, incluindo acurácia, precisão, recall e especificidade.
Calcula probabilidades para uma distribuição uniforme contínua, onde todos os resultados dentro de um intervalo são igualmente prováveis.