Intervalo de confiança para a diferença de médias pareadas
Quando os mesmos sujeitos são medidos duas vezes, as duas observações dentro de cada par são correlacionadas. O IC pareado usa essa estrutura para eliminar a variabilidade entre sujeitos, produzindo um intervalo mais estreito e informativo do que tratar as amostras como independentes.
Por que a análise pareada?
Em um estudo antes-e-depois, os pacientes diferem entre si de formas que afetam o resultado (saúde basal, idade, genética). Se você ignorar o pareamento e analisar os dois grupos como amostras independentes, toda essa variabilidade entre sujeitos infla o erro padrão, tornando mais difícil detectar o efeito do tratamento.
A abordagem pareada elimina a variabilidade entre sujeitos calculando a diferença \(d_i = X_{i,\text{depois}} - X_{i,\text{antes}}\) para cada sujeito. A variabilidade que resta em \(d_i\) reflete apenas o efeito intrassujeito do tratamento, que é o que realmente queremos estimar.
⚠️ Analisar dados pareados como amostras independentes é um erro comum e custoso
Se você tem dados pareados e os analisa ignorando o pareamento (teste \(t\) de duas amostras), o erro padrão será maior do que o necessário e o IC será mais amplo do que deveria. Você pode deixar de detectar um efeito real simplesmente por ter usado o método errado.
O erro inverso também existe: tratar amostras independentes como pareadas (combinando observações artificialmente) infla os graus de liberdade e estreita o IC incorretamente.
Sempre combine sua análise com o delineamento do seu estudo.
Fórmula
Dados \(n\) pares com diferenças \(d_i = X_{i,\text{depois}} - X_{i,\text{antes}}\), calcule:
\[\bar{d} = \frac{1}{n}\sum_{i=1}^n d_i, \qquad S_d = \sqrt{\frac{1}{n-1}\sum_{i=1}^n(d_i - \bar{d})^2}, \qquad \text{EP} = \frac{S_d}{\sqrt{n}}\]
Um IC \((1-\alpha)\) para a verdadeira diferença média \(\mu_d\) é:
\[\bar{d} \pm t_{\alpha/2,\; n-1} \cdot \frac{S_d}{\sqrt{n}}\]
Isso é idêntico ao IC \(t\) de uma amostra aplicado às diferenças \(d_i\). A análise pareada se reduz a um problema de uma amostra.
Exemplo passo a passo
Uma clínica de fisioterapia mede os escores de dor (escala de 0 a 10) de 10 pacientes antes e depois de um tratamento de 4 semanas. Escores menores são melhores.
| Paciente | Antes | Depois | \(d_i\) = Depois - Antes |
|---|---|---|---|
| 1 | 7,2 | 4,5 | -2,7 |
| 2 | 6,8 | 4,1 | -2,7 |
| 3 | 8,1 | 5,8 | -2,3 |
| 4 | 5,9 | 3,2 | -2,7 |
| 5 | 7,5 | 4,9 | -2,6 |
| 6 | 6,3 | 3,8 | -2,5 |
| 7 | 8,4 | 6,1 | -2,3 |
| 8 | 7,0 | 4,0 | -3,0 |
| 9 | 6,5 | 3,9 | -2,6 |
| 10 | 7,8 | 5,2 | -2,6 |
Passo 1: calcule \(\bar{d}\) e \(S_d\).
\[\bar{d} = \frac{-2{,}7 -2{,}7 -2{,}3 \cdots -2{,}6}{10} = -2{,}60\]
\[S_d = \sqrt{\frac{\sum(d_i - \bar{d})^2}{9}} \approx 0{,}207\]
Passo 2: erro padrão.
\[\text{EP} = \frac{0{,}207}{\sqrt{10}} \approx 0{,}065\]
Passo 3: valor crítico com \(gl = 9\).
\[t_{0{,}025,\; 9} = 2{,}262\]
Passo 4: construa o IC.
\[\text{IC} = -2{,}60 \pm 2{,}262 \times 0{,}065 = -2{,}60 \pm 0{,}15 = (-2{,}75;\; -2{,}45)\]
Temos 95% de confiança de que o tratamento reduz a dor entre 2,45 e 2,75 pontos em média. Todo o intervalo está abaixo de zero, confirmando uma redução estatisticamente significativa.
Pareado vs. independente: o ganho de eficiência
A análise pareada produz um IC muito mais estreito porque calcular as diferenças dentro de cada sujeito remove a variabilidade entre sujeitos nos escores de dor basais.
💡 Quando usar o IC pareado
Use o IC pareado quando:
- Os mesmos sujeitos são medidos duas vezes (antes/depois, esquerda/direita, dois tratamentos em delineamento cruzado).
- As observações são pareadas por delineamento (casos e controles pareados, gêmeos).
Use o IC de duas amostras independentes quando:
- Os sujeitos nos dois grupos são pessoas diferentes sem pareamento natural.
- As medições são feitas em unidades diferentes sem nenhuma estrutura de ligação.
Em caso de dúvida, verifique o delineamento do seu estudo: cada observação do grupo 1 foi especificamente ligada a uma observação do grupo 2? Se sim, use a análise pareada.
