Programação I

Marcello Montillo Provenza

 Banco de Dados

Banco de dados (ou base de dados) é um conjunto de registros dispostos em

estrutura regular que possibilita a reorganização dos mesmos e produção de
informação. Um banco de dados normalmente agrupa registros utilizáveis para um
mesmo fim.

Coleção de dados relacionados, onde dados significam fatos conhecidos que

podem ser logicamente armazenados e que possuem significado implícito.

É um conjunto de informações organizadas sobre pessoas em geral, fatos, objetos,

empresas, mercadorias, serviços, domicílios, etc.
 Banco de Dados

Microdado: é a menor unidade de observação de um conjunto de dados. Neste

tipo de arranjo é possível separar um caso de seu conjunto e observá-lo
linearmente, independente dos demais. Pode ser trabalhado desagregadamente.

Variável: sujeito a variação, mudável, volúvel, inconstante.

• Em estatística, é um atributo, mensurável ou não, sujeito à variação
quantitativa ou qualitativa, no interior de um conjunto;
• Em pesquisa, são atributos lógicos de um conceito operacional.

Variável aleatória: é uma variável tal que não sabemos ao certo que valor tomará,
mas para qual podemos calcular a probabilidade de tomar determinado valor.
 Banco de Dados

Tipos de variáveis: Nominal:

Sexo, cor
São aquelas que podemos alocar em categorias, onde
as categorias podem ou não ter alguma ordem lógica. Ordinal:
Categóricas ou Concursos
Qualitativas

Discretas:
São aquelas que podemos medir Número de cadeiras
e representar por números, e para Número de filhos
Numéricas ou
os quais operações aritméticas com
Quantitativas
os números fazem sentido, Contínuas:
podemos somar, subtrair etc. Altura, idade, peso

São aquelas preparadas para designar, em geral,

Texto um conjunto de informações ou descrever casos que
de outro modo não caberiam nos dois tipos anteriores.
 Banco de Dados

Exemplos do dia-a-dia Exemplos consolidados

• Agenda telefônica • Censo

• Lista de compras • PNAD
• POF
• PPV
• Surveys em geral
• SPC
• Serasa
• Cadastros de clientes e fornecedores
 Survey (Pesquisa)

Survey é uma pesquisa que se caracteriza por ser uma abordagem quantitativa,
que visa apresentar as opiniões das pessoas por meio de questionários ou
entrevistas. Se refere a um tipo particular de pesquisa social empírica (Babbie,
2004).

A pesquisa de campo é uma das etapas da metodologia científica

de pesquisa que corresponde à observação, coleta, análise e interpretação de
fatos e fenômenos que ocorrem dentro de seus nichos, cenários e ambientes
naturais de vivência.

OBSERVAÇÃO COLETA ANÁLISE INTERPRETAÇÃO

 Survey (Pesquisa)

Estudos
Epidemiológicos

Censos Demográficos Assuntos Sociais

Survey

Opinião Pública Estudos do Governo

De Mercado
 Gráficos

As representações gráficas permitem que tenhamos uma rápida e concisa

visualização de como se distribui determinada variável.
• Os gráficos devem ser simples e claros, atraindo a atenção de quem os
observa;
• Os gráficos devem expressar a verdade sobre o fenômeno estudado;
• Os gráficos devem realçar os aspectos importantes de uma pesquisa.

A escolha do tipo de gráfico a ser utilizado vai depender do tipo de variável a qual
se está trabalhando.
 Gráficos

Variáveis qualitativas:
• Gráfico de setores;
• Gráfico de barras.

Variáveis quantitativas discretas:

• Gráfico de barras.

Variáveis quantitativas contínuas:

• Histograma.

Variáveis de tempo (séries temporais):

• Gráfico de linhas.
 Gráficos

Gráfico de Colunas: adequado para o uso de séries específicas e geográficas. Para

cada rótulo da série existe um valor a ser representado, com uma coluna de
tamanho igual ao valor observado.
Gráfico 1: População residente por região do Brasil - 2010 - valores percentuais.
50,0
42,1
40,0
30,0 27,8

20,0 14,4
10,0 7,4 8,3

0,0
Centro-Oeste Norte Sul Nordeste Sudeste
Fonte: IBGE, Censo Demográfico 2010.
 Gráficos

Gráfico de Barras: análogo ao de colunas, apenas invertendo o que estava no eixo

horizontal para o eixo vertical.

Gráfico 2: População residente por região do Brasil - 2010 - valores percentuais.

Sudeste 42,1

Nordeste 27,8

Sul 14,4

Norte 8,3

Centro-… 7,4

0,0 10,0 20,0 30,0 40,0 50,0

Fonte: IBGE, Censo Demográfico 2010.
 Gráficos

Gráfico de Setores (ou Pizza): é dividido em fatias proporcionais à contribuição de

cada rótulo ou categoria. Não é recomendado para muitas categorias.

Gráfico 3: População residente por sexo do Brasil - 2010 – valores percentuais.

51,0 49,0

Homens Mulheres
Fonte: IBGE, Censo Demográfico 2010.
 Gráficos

Gráfico em Linha: recomendado para uso em séries temporais. No eixo horizontal

são representadas as unidades de tempo consideradas no gráfico. No eixo vertical
são considerados os valores medidos pela unidade de tempo.

Gráfico 4: Evolução da população residente no Brasil entre 1970 e 2010 - valores absolutos.
250.000.000
190.755.799
200.000.000 169.872.856
146.825.475
150.000.000 119.011.052
93.134.846
100.000.000
50.000.000
0
1970 1980 1991 2000 2010
Fonte: IBGE, Censo Demográfico 1970, 1980, 1991, 2000 e 2010.
 Gráficos
Gráfico 5: Evolução da população residente no Brasil entre 1872 e 2010 - valores absolutos.

250
Milhões

12% 191
200 16%
170
23% 147
150
28% 119
33%
35% 93
100
26% 70
52
41
50 31
10 14 17
0
1872 1890 1900 1920 1940 1950 1960 1970 1980 1991 2000 2010

Fonte: IBGE, Censo Demográfico 1872 - 2010.

 Gráficos
Gráfico 6: Homicídio doloso no estado do Rio de Janeiro no período entre 1991 e 2016 - taxas por
100.000 habitantes.
70,0 63,162,5
58,758,858,7
60,0 53,1
50,0
50,0 46,9
43,642,4 44,642,943,7
40,841,4 41,339,6
40,0 36,536,6
29,8 29,030,0 30,3
30,0 26,625,1 25,4

20,0
10,0
0,0
1994

2001

2008
1991
1992
1993

1995
1996
1997
1998
1999
2000

2002
2003
2004
2005
2006
2007

2009
2010
2011
2012
2013
2014
2015
2016
Fonte: Instituto de Segurança Pública, Registros de Ocorrência da PCERJ.
 Gráficos
Gráfico 7: Homicídio doloso e tentativa de homicídio no estado do Rio de Janeiro no período entre 1991 e
2016 – taxas por 100.000 habitantes.
70,0 63,162,5
58,758,858,7
60,0 53,1
50,0
46,944,6
50,0 41,443,642,4 42,943,741,3
40,8 39,6 38,736,336,4
40,0 36,536,6
27,327,8 28,329,8 28,230,2 30,0 30,3
30,0 24,325,826,326,425,9 25,926,6 25,4
21,9
20,0
17,6
14,713,213,314,4 14,817,0
17,217,518,3 26,3 25,129,0

10,0
0,0
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
Homicídio Doloso Tentativa de Homicídio

Fonte: Instituto de Segurança Pública, Registros de Ocorrência da PCERJ.

 Gráficos
Mau exemplo:

Gráfico 8: Homicídio doloso - 2015.

15.000

i) Título incompleto;
14.000
ii) Valores dos meses;
13.000 iii) Sem fonte;
iv) Escala enganosa.
12.000

11.000

10.000
Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
 Média

Média Aritmética: é o valor que aponta para onde mais se concentram os dados de
uma distribuição.
Populacional Amostral
N n

X i
X 1 + X 2 + ... + X N x i
x1 + x2 + ... + xn
= i =1
= X = i =1
=
N N n n
Média Aritmética Ponderada: onde se tem a atribuição de pesos aos valores
observados de uma distribuição.
N

X i  Pi
( X 1  P1 ) + ( X 2  P2 ) + ... + ( X N  PN )
= i =1
=
N
P1 + P2 + ... + PN
P i =1
i
 Mediana

É o valor que ocupa a posição central da série de observações, quando estão em

ordem crescente ou decrescente.

Se o conjunto de observações for par, usa-se como mediana a média aritmética das
duas observações centrais.

Se o conjunto for ímpar, é o valor central da série.

Mediana

50% 50%
 Média x Mediana

A mediana não é influencia por valores extremos (outliers).

Outlier: é um valor que foge da normalidade e que pode (e provavelmente irá)

causar anomalias nos resultados obtidos.
• os outliers podem enviesar todo o resultado de uma análise;
• o comportamento dos outliers pode ser justamente o que está sendo
procurado.

Outros nomes usados: dados discrepantes; pontos fora da curva; observações fora
do comum; anomalias; valores atípicos; entre outros.
 Média x Mediana

Funções:
• Média: mean()
• Mediana: median()
 Média x Mediana

Exemplo:
• # Vamos ver dois conjuntos de dados x e y
• x = c(10, 11, 13, 16, 16, 18, 21)
• y = c(10, 11, 13, 16, 16, 18, 99)
• mean(x)
[1] 15
• median(x)
[1] 16
• mean(y)
[1] 26.14286
• median(y)
[1] 16
 Box Plot

Também denominado diagrama de caixa, consiste em um gráfico utilizado para

avaliar a distribuição empírica de dados.

O box plot também serve para detecção de valores discrepantes em conjuntos de

dados, os chamados outliers.
Box Plot
Box Plot
 Box Plot

Também denominado diagrama de caixa, consiste em um gráfico utilizado para

avaliar a distribuição empírica de dados.

O box plot também serve para detecção de valores discrepantes em conjuntos de

dados, os chamados outliers.
 Box Plot

Exemplo: Considere os seguintes dados referentes as temperaturas médias

mensais (em ºC) do ano de 2020 numa determinada região.

Mês Jan Fev Mar Abr Mai Jun Jul Ago Set Out Nov Dez
T (ºC) 9 12 14 15 12 16 18 17 16 13 25 14
 Box Plot

Exemplo:
• # Armazenando os dados
• temperatura = c(9, 12, 14, 15, 12, 16, 18, 17, 16, 13, 25, 14)
• sort(temperatura) # rol crescente dos dados
• summary(temperatura) # obtendo algumas estatisticas dos dados
• # Box plot
• boxplot(temperatura, ylab = "Temperatura (ºC)",
• main = "Temperatura Média em 2020")
 Diagrama de Dispersão

Consiste em um gráfico no qual os valores das variáveis envolvidas são

apresentados como pares no plano cartesiano.

• Procura o tipo de relação existente entre as variáveis;

• Relaciona a variabilidade associada as variáveis conjuntamente;
• Busca presença de pontos atípicos.
 Diagrama de Dispersão

Descreve o comportamento conjunto de duas variáveis quantitativas. Cada ponto

do gráfico representa um par de valores observados. É uma ferramenta que indica
a existência, ou não, de relações entre variáveis.
Gráfico 9: Renda bruta mensal familiar e percentual da renda gasto em saúde - Brasil (2015)
10,0

8,0
% Gasto em Saúde

6,0

4,0

2,0

0,0
0 2000 4000 6000 8000 10000
Renda Bruta Mensal
Fonte: Dados fictícios.
 Correlação

É qualquer relação estatística entre duas variáveis.

Correlação não implica em causalidade.

A correlação de Pearson serve para quantificar a relação existente entre variáveis e

seu resultado varia entre -1 e +1.
• 0,9 para mais ou para menos indica uma correlação muito forte;
• 0,7 a 0,9 positivo ou negativo indica uma correlação forte;
• 0,5 a 0,7 positivo ou negativo indica uma correlação moderada;
• 0 a 0,5 positivo ou negativo indica uma correlação fraca;
• 0 não possui correlação (nula).
 Diagrama de Dispersão e Correlação

Exemplo:
• # Relação entre temperatura e latitute
• T = c(56.2, 51.0, 37.7, 36.7, 18.2, 30.1, 55.9,
• 47.6, 13.3, 33.0, 36.3, 35.9) # temperatura em ºF
• L = c(33, 32, 38, 41, 45, 40, 33, 34, 47, 44, 39, 41) # latitude
• # Obtendo o diagrama de dispersão das variáveis
• plot(T, L)
• plot(T, L,
• xlab = "Latitude", ylab = "Temperatura (em ºF)",
• pch = 16)
• cor(L, T) # Cálculo do coeficiente de correlação de Pearson
[1] -0.9471799