Curvas de distribuição

As curvas de distribuição são a representação gráfica de como os valores de uma variável se espalham em uma população ou amostra. Reconhecer o formato dessas curvas ajuda você a entender rapidamente se os dados de um estudo são simétricos, assimétricos ou têm comportamento fora do esperado. Vamos ver os principais formatos que você vai encontrar na prática clínica.

O que são curvas de distribuição

Uma curva de distribuição é o gráfico que mostra a frequência com que cada valor (ou faixa de valores) de uma variável aparece em um conjunto de dados. No eixo horizontal, ficam os valores possíveis da variável; no eixo vertical, a frequência ou densidade de cada valor.

Esse tipo de gráfico é uma das ferramentas mais rápidas para você avaliar visualmente o comportamento de uma variável antes mesmo de calcular qualquer medida estatística.

A curva normal (curva em sino)

A mais conhecida das curvas de distribuição é a curva normal, também chamada de curva em sino ou distribuição gaussiana. Suas características principais:

• É simétrica em torno da média.
• Média, mediana e moda coincidem no mesmo ponto central.
• A maior parte dos valores se concentra perto do centro, e a frequência diminui gradualmente em direção às extremidades.

Curvas assimétricas

Nem toda variável clínica segue uma distribuição normal. Quando a curva não é simétrica, ela é chamada de assimétrica (ou enviesada).

Assimetria à direita (positiva)

Na assimetria à direita, a maioria dos valores se concentra em faixas baixas, com uma "cauda" longa se estendendo para a direita, puxada por alguns valores altos. Exemplos típicos: tempo de internação hospitalar e custos de tratamento, onde a maioria dos casos é breve/barata, mas alguns casos extremos elevam a cauda.

Assimetria à esquerda (negativa)

Na assimetria à esquerda, ocorre o oposto: a maioria dos valores está concentrada em faixas altas, com uma cauda longa se estendendo para valores baixos.

Nessas curvas assimétricas, média e mediana não coincidem, e a mediana costuma representar melhor o "valor típico" do conjunto de dados, como você já viu na aula sobre medidas de tendência central.

Curvas bimodais

Uma curva bimodal apresenta dois picos de frequência, sugerindo que a amostra pode conter, na verdade, dois subgrupos distintos misturados nos mesmos dados. Por exemplo, se você mede a idade de diagnóstico de uma doença que tem um pico na infância e outro pico na velhice, o gráfico provavelmente mostrará dois "montes" separados.

Por que reconhecer curvas de distribuição importa

Ao ler um artigo científico e encontrar um histograma, você vai perceber rapidamente:

• Se os dados são simétricos ou assimétricos.
• Se a média foi uma escolha adequada para resumir os dados.
• Se existe algum padrão inesperado, como bimodalidade, que merece investigação.

Aplicação prática

Imagine que você está lendo um estudo sobre tempo até a alta hospitalar. Se o histograma mostrar uma cauda longa à direita, isso reforça que a mediana, e não a média, é a medida mais apropriada para descrever esse desfecho, e que testes não paramétricos podem ser mais adequados na análise.

Saber identificar as curvas de distribuição é uma habilidade visual poderosa, que complementa o que você aprendeu sobre medidas de tendência central e variação, permitindo uma leitura crítica muito mais rápida de qualquer artigo científico.

Assista a aula completa acima para ver exemplos práticos e continue para a próxima aula do módulo.