Estatística
Origem: Wikipédia, a enciclopédia livre.
Estatística é a ciência que utiliza as teorias
probabilísticas para explicar a frequência da ocorrência
de eventos,[1] tanto em estudos observacionais quanto
em experimentos para modelar a aleatoriedade e a
incerteza de forma a estimar ou possibilitar a previsão
de fenômenos futuros, conforme o caso.
Se dedica à coleta, análise e interpretação de dados e
preocupa-se com os métodos de coleta, organização,
resumo, apresentação e interpretação dos dados, assim
como tirar conclusões sobre as características das Um exemplo de gráfico.
fontes donde estes foram retirados, para melhor
compreender as situações.
Algumas práticas estatísticas incluem, por exemplo, o planejamento, a sumarização e a interpretação de
observações. Dado que o objetivo da estatística é a produção da melhor informação possível a partir dos
dados disponíveis, alguns autores sugerem que a estatística seja um ramo da teoria da decisão.
Devido às suas raízes empíricas e seu foco em aplicações, a estatística geralmente é considerada uma
disciplina distinta da matemática, e não um ramo dessa.[2][3]
Etimologia
O termo "estatística" surge da expressão em latim statisticum collegium, "palestra sobre os assuntos do
Estado", de onde surgiu a palavra em língua italiana statista, que significa "homem de estado", ou político,
e a palavra alemã Statistik, designando a análise de dados sobre o Estado. A palavra foi proposta pela
primeira vez no século XVII, em latim, por Schmeitzel na Universidade de Jena e adotada pelo acadêmico
alemão Godofredo Achenwall. Aparece como vocabulário na Enciclopédia Britânica em 1797, e adquiriu
um significado de coleta e classificação de dados, no início do século XIX.
História
De acordo com a Revista do Instituto Internacional de Estatística, Cinco homens, Hermann Conring,
Gottfried Achenwall, Johann Peter Süssmilch, John Graunt e William Petty já receberam a honra de serem
chamados de fundadores da estatística por diferentes autores.[4]
Alguns autores dizem que é comum encontrar como marco inicial da estatística a publicação do
"Observations on the Bills of Mortality" (Observações sobre os Censos de Mortalidade, 1662) de John
Graunt. As primeiras aplicações do pensamento estatístico estavam voltadas para as necessidades de
Estado, na formulação de políticas públicas, fornecendo dados demográficos e econômicos. A abrangência
da estatística aumentou no começo do século XIX para incluir a acumulação e análise de dados de maneira
geral. Hoje, a estatística é largamente aplicada nas ciências naturais, e sociais, inclusive na administração
pública e privada.
Seus fundamentos matemáticos foram postos no século XVII com o desenvolvimento da teoria das
probabilidades por Pascal e Fermat, que surgiu com o estudo dos jogos de azar. O método dos mínimos
quadrados foi descrito pela primeira vez por Carl Friedrich Gauss, aproximadamente no ano de 1794. O
uso de computadores modernos tem permitido a computação de dados estatísticos em larga escala e também
tornaram possível novos métodos antes impraticáveis.
Fundamentos
Ligações para estatística observacional fenômeno são coletados pelos fenômenos estatísticos.
Estatística inferencial é o conjunto de técnicas utilizadas para identificar relações entre
variáveis que representem ou não relações de causa e efeito;
Estatística robusta é o conjunto de técnicas utilizadas para atenuar o efeito de outliers e
preservar a forma de uma distribuição tão aderente quanto possível aos dados empíricos.
A estatística não é uma ferramenta matemática que nos informa sobre o quanto de erro nossas observações
apresentam sobre a realidade pesquisada. A estatística baseia-se na medição do erro que existe entre a
estimativa de quanto uma amostra representa adequadamente a população da qual foi extraída. Assim o
conhecimento de teoria de conjuntos, análise combinatória e cálculo são indispensáveis para compreender
como o erro se comporta e a magnitude do mesmo. É o erro (erro amostral) que define a qualidade da
observação e do delineamento experimental.
A faceta dessa ferramenta mais palpável é a estatística descritiva. A descrição dos dados coletados é
comumente apresentado em gráficos ou relatórios e serve tanto a prospecção de uma ou mais variáveis para
posterior aplicação ou não de testes estatísticos bem como a apresentação de resultados de delineamentos
experimentais.
Nós descrevemos o nosso conhecimento de forma matemática e tentamos aprender mais sobre aquilo que
podemos observar. Isto requer:
O planejamento das observações por forma a controlar a sua variabilidade (concepção do
experimento);
Sumarização da coleção de observações;
Inferência estatística - obter um consenso sobre o que as observações nos dizem sobre o
mundo que observamos.
Em algumas formas de estatística descritiva, nomeadamente mineração de dados (data mining), os segundo
e terceiro passos tornam-se normalmente mais importantes que o primeiro.
A probabilidade de um evento é definida como um número entre zero e um.
Normalmente aproximamos a probabilidade de alguma coisa para cima ou para baixo porque elas são tão
prováveis ou improváveis de ocorrer, que é fácil de reconhecê-las como probabilidade de um ou zero.
Entretanto, isso pode levar a desentendimentos e comportamentos perigosos, porque é difícil distinguir
entre, uma probabilidade de 10−4 e uma de 10−9 , a despeito da grande diferença numérica entre elas. Por
exemplo, se você espera atravessar uma estrada 105 ou 106 vezes na sua vida, definir o risco de atravessá-la
em 10−9 significa que você está bem seguro pelo resto da sua vida. Entretanto, um risco de 10−4 significa
que é bem provável que você tenha um acidente, mesmo que intuitivamente um risco de 0,01% pareça
muito baixo.
Estatística computacional
O crescimento rápido e sustentados no poder de processamento dos computadores a partir da segunda
metade do século XX teve um forte impacto na prática da estatística. Os modelos estatísticos mais antigos
eram quase sempre lineares, mas os computadores modernos, junto com algoritmos numéricos apropriados,
causaram um aumento do interesse nos modelos não-lineares (especialmente redes neurais e árvores de
decisão) assim como na criação de novos tipos, como o modelo linear generalizado e o modelo multi-nível.
O aumento na capacidade de computação também tem levado à popularização de métodos que demandam
muitos cálculos baseados em reamostragem (em inglês e no jargão do meio resampling), como testes de
permutação e bootstrap, enquanto técnicas como a amostragem de Gibbs tem feito com que os métodos de
Bayes fiquem mais fáceis. A revolução informática também tem levado a um aumento na ênfase na
estatística "experimental" e "empírica". Um grande número de softwares estatísticos, de uso tanto geral
como específico estão disponíveis no mercado.
Aplicações
Algumas ciências usam a estatística aplicada tão extensivamente que elas têm uma terminologia
especializada. Estas disciplinas incluem:
Análise de processo e quimiometria (para análise de dados da química analítica e da
engenharia química);
Bioestatística;
Contabilometria;
Controle de qualidade;
Estatística comercial;
Estatística de engenharia;
Estatística econômica;
Estatística física;
Estatística populacional;
Estatística psicológica;
Estatística social (para todas as ciências sociais);
Geoestatística;
Pesquisa operacional.
Estatística forma uma ferramenta chave nos negócios e na industrialização como um todo. É utilizada a fim
de entender sistemas variáveis, controle de processos (chamado de "controle estatístico de processo" ou
CEP), custos financeiros (contábil) e de qualidade e para sumarização de dados e também tomada de
decisão baseada em dados. Nessas funções ela é uma ferramenta chave, e é a única ferramenta segura.
Ver também
Curtose;
Coeficiente de correlação de Pearson;
Desvio padrão;
Coeficiente de variação;
Educação Estatística; Obliquidade;
Estatística descritiva; Séries temporais;
Histograma; Significância estatística;
IGEst; Valor esperado;
Inquérito estatístico; R - linguagem de programação;
Lista de órgãos estatísticos nacionais e SAS;
internacionais; SISTAT;
Minitab; SPSS;
Moda (estatística); STATA.
Não-resposta;
Referências
1. Weber, Saulo Henrique (2006). «Desenvolvimento de Nova Função Densidade de
Probabilidade para Avaliação de Regeneração Natural» ([Link]
uacao/defesas/pdf_ms/2006/d472_0664-M/parte_2.pdf) (PDF). Universidade Federal do
Paraná. Consultado em 2 de fevereiro de 2012
2. Moore, David (1992). «Teaching Statistics as a Respectable Subject». Statistics for the
Twenty-First Century. Washington, DC: The Mathematical Association of America. pp. 14–25
3. Chance, Beth L.; Rossman, Allan J. (2005). «Preface». Investigating Statistical Concepts,
Applications, and Methods ([Link] (PDF). [S.l.]:
Duxbury Press. ISBN 978-0495050643
4. WILLCOX, Walter (1938) The Founder of Statistics. Review of the International Statistical
Institute 5(4):321-328.
Bibliografia
TRIOLA, Mário F. Introdução à Estatística. LTC. 10a edição 2008. 722p. ISBN 85-216-1586-
8
MANN, Prem S. Introdução à Estatística. LTC. 5a edição 2006, 774p. ISBN 85-216-1506-X
WITTE, John S.; WITTE, Robert S. Estatística. LTC. 7a edição 2005. 506p. ISBN 85-216-
1441-1
BUSSAB, Wilton. Estatística Básica. Saraiva. 5a edição 2006. 540p. ISBN 85-02-03497-9
MOORE, David S. A Estatística Básica e sua Prática. LTC. 3a edição 2005. 688p. ISBN 85-
216-1443-8
MILONE, Guiseppe. Estatística Geral e Aplicada. Thomson Pioneira. 498p.1a edição 2003.
ISBN 85-221-0339-9
Ligações externas
Em Português
Gráficos e tabelas para organizar informações ([Link]
9/[Link]
[Link])
Em inglês
Handbook do NIST ([Link] fonte de vasta referência.
Textbook do software Statistica ([Link] fonte de
pesquisa e referência sobre estatística.
Eurostat ([Link]
Europeia)
UNSTATS ([Link] Unidas)
UIS-UNESCO ([Link]
The R Project for Statistical Computing ([Link]
Statistics resources ([Link]
The Probability Web ([Link]
[Link]/probweb/[Link])
Virtual Laboratories in Probability and Statistics ([Link]
Statistics resources and calculators ([Link]
Data, Software and News from the Statistics Community ([Link]
Obtida de "[Link]