Estatística
1. Introdução à estatística
Quando se aborda uma problemática envolvendo métodos estatísticos, estes
devem ser utilizados mesmo antes de se recolher a amostra, isto é, deve-se
planejar a experiência que nos vai permitir recolher os dados, de modo que,
posteriormente, se possa extrair o máximo de informação relevante para o
problema em estudo, ou seja para a população de onde os dados provêm.
Delianamento da experiência
População e amostra
Qualquer não podemos observar a característica em toda a população, vamos estudar
subgrupos( subconjunto finito e representativo da população)- a chamada amostra,
visando a partir dela, inferir conclusões para a população com probabilidade de erro
devidamente controlada.
Se a amostra é confiável e proporciona inferir sobre a população, chamamos de
inferência estatística. Para que a inferência seja válida, é necessária uma boa
amostragem, livre de erros, tais como falta de determinação correta da população,
falta de aleatoriedade e erro no dimensionamento da amostra.
2.
(explica as técnicas
que podemos utilizar
para realizar a
amostra)
Tipos de dados
Quantitativos(numéricos)- estas variáveis são destacadas por poderem utilizar
números para demonstrar resultados.
»discreto: número finito ou infinito de valores; valores inteiros.
»contínuos: valores em intervalos reais.
Qualitativos(categorias)- estas variáveis não possuem valor de quantidade mas
são definidas através de categorias.
»nominais;
»ordinais;
3. Medidas de dispersão
Variância (s )
Variância é uma medida de dispersão e é usada também para expressar o quanto um
conjunto de dados se desvia da média.
2
É igual ao desvio padrão ao quadrado(s ).
Variâncias são sempre positivas exceto quando é zero (onde os elementos são todos
iguais).
Desvio padrão(s)
O desvio padrão é uma medida que expressa o grau de dispersão de um conjunto
de dados. Ou seja, o desvio padrão indica o quanto um conjunto de dados é
uniforme. Quanto mais próximo de 0 for o desvio padrão, mais homogêneo são os
dados.
O desvio padrão (s) é definido como a raiz quadrada da =s
variância.
4. Média, moda e mediana
Média
A média ( x ) é calculada somando-se todos os valores de um conjunto de dados e
dividindo-se pelo número de elementos deste conjunto.
Moda
A Moda (mo) representa o valor mais frequente de um conjunto de dados, sendo assim, para
defini-la basta observar a frequência com que os valores aparecem. Posso ter mais que uma
moda. Um conjunto de dados é chamado de bimodal quando apresenta duas modas, ou seja,
dois valores são mais frequentes.
Mediana
A Mediana (Me) representa o valor central de um conjunto de dados. Para encontrar o valor
da mediana é necessário colocar os valores em ordem crescente ou decrescente.
1)Se n é impar, o valor é central;
2)Se n é par, o valor é a média dos dois valores;
Quando o número elementos de um conjunto é par, a mediana é encontrada pela média dos
dois valores centrais. Assim, esses valores são somados e divididos por dois.
Nota: Nas variáveis qualitativas nominais só podemos calcular a moda. Não faz sentido falar de frequência
acumulada( ex: que raça é mais baixa que a branca).
Exemplo
Em uma equipe de remo os atletas possuem as seguintes alturas: 1,55 m ; 1,70 m e 1,80 m.
Qual é o valor da média e do desvio padrão da altura desta equipe?
Cálculo da média, sendo n = 3
Cálculo do desvio padrão
5. Tipos de gráficos
Histograma- variáveis quantitativas(contínuas e discretas) com vários valores
distintos;
Diagrama de barras- quantitativas discretas com poucos valores distintos;
-qualitativas (ordinais e nominais);
Diagrama circular- quantitativas discretas com poucos valores distintos;
-qualitativas (ordinais e nominais);
Diagrama de extremos e quartis/boxplot- quantitativas(contínuas e discretas);
-(também pode ser qualitativas ordinais se estas forem numéricas ex: 1-
muito satisfeito; 2-satisfeito,…)
Nota: No histograma,
como a variável é contínua,
trabalhamos com
intervalos de valor.
Nota: Quando existem grandes
discrepâncias no diagrama de
barras, utilizamos um histograma.
No histograma, a forma de distribuição dos dados pode ser:
Simétrica;
Assimétrica negativa (a curva tende para os valores menores);
Assimétrica positiva (a curva tende para os valores maiores);
(nunca temos assimetria perfeita, por isso consideramos simétrico quando os
valores são muito próximos)
6. Estatística descritiva vs estatística indutiva
Podemos dizer que uma análise estatística envolve duas fases fundamentais, com objetivos
distintos:
1ª Fase - Estatística descritiva - Procura-se descrever a amostra, pondo em evidência as
características principais e as propriedades. Visa sumariar e resumir os aspetos relevantes de
uma amostra( condensando a amostra sob a forma de tabela; fazendo a sua representação
gráfica; calculando indicadores numéricos de localizações de dispersão e de forma).
2ª Fase - Estatística indutiva - Conhecidas certas propriedades (obtidas a partir de uma análise
descritiva da amostra), expressas por meio de proposições, imaginam-se proposições mais
gerais, que exprimam a existência de leis (na população).