A maior rede de estudos do Brasil

Grátis
18 pág.
Bioestatistica_Notas_de_Aula_3

Pré-visualização | Página 1 de 4

1 
 
Estatística - Conceitos Básicos. 
(Este arquivo não substitui as referências indicadas no plano de ensino) 
 
A estatística é uma coleção de métodos para planejar experimentos, obter dados e 
organizá-los, resumi-los, analisá-los, interpretá-los e deles extrair conclusões. Como se 
pode ver, a estatística abrange muito mais que o simples traçado de gráficos e o cálculo 
de médias. 
 
Definições (TRIOLA, 1999). 
 
População: é uma coleção completa de todos os elementos (valores, pessoas, medidas 
etc.) a serem estudados. 
 
Censo: é uma coleção de dados relativos a todos os elementos de uma população. 
 
Amostra: É uma subcoleção de elementos extraídos de uma população. 
 
Parâmetros: É uma medida numérica que descreve uma característica de uma 
população. 
 
Estatística: É uma medida numérica que descreve uma característica de uma amostra. 
 
Definições (VIEIRA, 1980). 
 
População: é um conjunto de elementos que têm, em comum, determinada 
característica. (população finita e infinita). 
 
Amostra: todo subconjunto não vazio e com menor número de elementos do que a 
população. 
 
Recenseamento: quando são coletadas informações de toda a população. 
 
Censo: conjunto de dados obtidos através de recenseamento. 
 
Amostragem: quando são coletadas informações de apenas parte da população. 
 
Observação: amostra é a parte retirada da população para estudo como também o 
conjunto de dados obtidos nessa parte da população. 
 
Por que usar amostras? 
 
 Populações infinitas só podem ser estudadas por meio de amostras. 
 Populações finitas muito grandes só podem ser estudadas por meio de amostras. 
 O estudo minucioso de uma amostra tem mais valor científico do que o estudo sumário 
de toda uma população. 
 Fatores econômicos. 
 
 
 
2 
 
Natureza dos dados. 
 
Quantitativos: Consistem de números que representam contagens ou medidas. 
Exemplos: Quantidade de colesterol e número de pacientes atendidos no dia. 
 
Qualitativos (ou categóricos ou atributos): Podem ser separados em diferentes 
categorias que se diferenciam por uma característica não-numérica.Também são 
chamados de atributos. Exemplos: Grupo sangüíneo e estado civil. 
 
Os dados quantitativos dividem-se entre os dois tipos seguintes. 
Discretos: Resultam de um conjunto finito de valores possíveis, ou um conjunto 
enumerável de valores (1 ou 2 ou 3 etc). Os dados que representam contagens são 
discretos. Exemplo: Número de pacientes atendidos na semana. 
 
Contínuos (numéricos): Resultam de um número infinito de valores possíveis que 
podem ser associados a pontos em um escala contínua de tal maneira que não haja 
lacunas ou interrupções. Os dados que representam mensurações são contínuos. 
Exemplo: Quantidade de colesterol e litros de cachaça produzidos. 
 
Níveis de Mensuração 
 
Nível nominal de mensuração: É caracterizado por dados que consistem apenas em 
nomes, rótulos ou categorias. Os dados não podem ser dispostos segundo um esquema 
ordenado. Exemplos: Respostas do tipo sim ou não e sexo dos estudantes de um curso e 
 
Nível ordinal de mensuração: São dados que podem dispostos em alguma ordem, mas 
as diferenças entre os valores dos dados não podem ser determinadas, ou não têm 
sentido. Exemplos: Classificação em muito bom ou bom ou regular ou ruim e classificação 
de nadadores ao final de uma competição. 
 
Nível intervalar de mensuração: É análogo ao nível ordinal, com a propriedade adicional 
de que é possível determinar diferenças significativas entre os dados. Todavia, não existe 
um ponto de partida zero inerente, ou natural (em que não haja qualquer quantidade 
presente). Exemplos: Temperaturas médias anuais das capitais brasileiras e os anos 
1962, 1965, 2001 e 2003. 
 
Nível de razão de mensuração: É o nível de intervalo modificado de modo a incluir o 
ponto de partida zero inerente (em que o zero significa nenhuma quantidade presente). 
Para valores nesse nível de mensuração, tanto as diferenças como as razões têm 
significado. Exemplos: Distância percorrida pelos ônibus de uma empresa e tempo de 
execução de uma atividade em minutos. 
 
3 
 
Planejamento de Experimentos 
 
Pontos importantes para o planejamento de um estudo capaz de produzir resultados 
válidos: 
 
1) Identificar com precisão a questão a ser respondida e definir com clareza a população 
de interesse. 
 
2) Estabelecer um plano para coleta de dados. Esse plano deve descrever 
detalhadamente a realização de um estudo observacional ou de um experimento 
(definidos a seguir) e deve ser elaborado cuidadosamente, de modo que os dados 
coletados representem efetivamente a população em questão. 
 
3) Coletar os dados. Devemos ser extremamente cautelosos, para minimizar os erros que 
podem resultar de uma coleta tendenciosa de dados. 
 
4) Analisar os dados e tirar conclusões. Identificar também possíveis fontes de erros. 
 
Definições: 
 
 
Em um estudo observacional, verificamos e medimos características específicas, mas 
não tentamos manipular ou modificar os elementos a serem estudados. 
 
Em um experimento, aplicamos determinado tratamento e passamos então a observar 
seus efeitos sobre os elementos a serem pesquisados. 
 
Técnicas de amostragem 
Procedimento que será adotado para escolher os elementos que irão compor a amostra. 
A seguir serão apresentados os métodos mais comuns. 
 
Amostra aleatória: É composta por elementos retirados ao acaso da população. Todo 
elemento da população tem igual probabilidade de ser escolhido para a amostra. 
Exemplo: sorteio. 
 
Amostra sistemática: Escolhe-se um ponto de partida, e seleciona-se késimo (de 10 em 
10 por exemplo) elemento da população. 
 
Amostra estratificada: Subdivide-se a população em, no mínimo, duas subpopulações 
(ou estratos) que compartilham das mesmas características (sexo por exemplo) e, em 
seguida, seleciona-se uma amostra de cada estrato. 
 
Amostra por conglomerados: Divide-se a área da população em seções (ou 
conglomerados), em seguida escolhe-se algumas destas seções e, finalmente, utiliza-se 
todos os elementos das seções escolhidas. 
 
Amostra de conveniência: Utiliza resultados que já estão disponíveis ou por elementos 
que o pesquisador reuniu porque dispunha deles (estavam ao seu alcance). 
 
4 
 
Observação: Existem muitas restrições ao uso de amostras de conveniência, Entretanto, 
elas são comuns na área de saúde, onde se fazem pesquisas com pacientes de uma só 
clínica ou de um só hospital. Muitas vezes as amostras de conveniência constituem a 
única maneira de estudar determinados problemas. 
 
Pesquisa auto-selecionada: é uma pesquisa em que os próprios entrevistados decidem 
se serão incluídos. 
 
Nas pesquisas auto-selecionadas o que ocorre com frequência é que participam apenas 
aqueles que têm uma opinião firmada e a amostra resultante não é representativa da 
população como um todo. 
 
O trabalho com amostras sempre tem como objetivo fazer inferência, isto é, estender os 
resultados da amostra para toda a população. Daí a importância da caracterização da 
amostra. Os resultados devem ser estendidos apenas para a população de onde a 
amostra proveio. 
 
Definições: 
 
Erro amostral – É a diferença entre um resultado amostral e o verdadeiro resultado 
populacional; tais erros resultam de flutuações amostrais aleatórias. 
 
Erro não amostral – Quando os dados amostrais são coletados, registrados ou 
analisados incorretamente. Resultam de um erro que não seja uma flutuação aleatória, 
como a escolha de uma amostra não-aleatória e tendenciosa, a utilização de um 
instrumento de mensuração defeituoso, uma questão formulada de modo tendencioso, um 
grande número de recusas de resposta ou a cópia incorreta dos dados amostrais. 
 
Medidas de Tendência Central 
 
Uma medida de tendência central é um valor no centro ou no meio de um conjunto de 
dados. São considerados valores típicos ou representativos de um conjunto de dados, 
tentativas de representação de um conjunto de dados a partir da determinação de um 
valor característico.

Crie agora seu perfil grátis para visualizar sem restrições.