Mensagem 3 (aula suplementar 1) - FE 0246.2013

Prévia do material em texto

Prezados alunos:
Vocês têm as aulas desta disciplina na Webaula. Entretanto, as aulas suplementares são bastante importantes, pois pela minha experiência didática adquirida nestes 43 anos de ensino superior verifico que se vocês as entenderem, fica muito fácil de fazer uma prova.
Deste modo, em anexo a primeira Aula Suplementar. Leiam diversas vezes esta aula. Está muito simples de ser compreendida, tenho certeza. De qualquer maneira, estou ao inteiro dispor de vocês para sanar as dúvidas, ok?
Em tempo: MUITOS AINDA NÃO ACESSARAM O FÓRUM DE DISCUSSÃO DAS AULAS 1 A 5 E NEM O FÓRUM DE INTEGRAÇÃO!!! FAÇAM ISTO O MAIS RÁPIDO POSSÍVEL, OK?
Abraços
Lauro
AULA SUPLEMENTAR 1
Prezados alunos: O material didático a ser seguido é o contido nas aulas do curso, cujas aulas são enumeradas de 1 a 10. Entretanto, de modo a ajudar, estou incluindo a aula suplementar de número 1, ok?
Conceituação da Estatística.
Vamos supor que desejamos saber qual será o próximo governador de um estado. Assim sendo, planejamos um experimento (que no caso é uma pesquisa de opinião), executamos a pesquisa, coletamos os dados, analisamos os dados e depois concluímos a pesquisa, indicando qual deverá ser o próximo governador daquele estado.
O que vem a ser a estatística? Nós temos um questionamento (qual será o próximo governador do estado?). Assim, planejamos um experimento (que no caso é uma pesquisa de opinião), conduzimos o experimento (a pesquisa), coletamos os dados (informações recebidas dos entrevistados), analisamos os dados e concluímos a pesquisa, indicando qual deve ser o próximo governador daquele estado. Isto que vem ser a estatística, ok?
Quando só apresentamos os dados obtidos, estamos diante da Estatística Descritiva. Mas, ao projetarmos o que irá ocorrer no dia da eleição, com certo grau de probabilidade, a Estatística é Inferencial.
Ou seja, na Estatística Descritiva simplesmente descrevemos os dados e inclusive podemos prever qual deve ser o próximo governador do estado, mas sem qualquer grau de certeza. Entretanto, na Estatística Inferencial, além de se utilizar a Estatística Descritiva, faz-se a projeção do que deve ocorrer com a população, com certo grau de certeza.
Por exemplo, depois de concluída a pesquisa, verificamos que o candidato A tem a preferência de 62% dos eleitores. Desta forma, podemos prever que o candidato A será o próximo governador daquele estado. Isto é a Estatística Descritiva.
Entretanto, se quisermos adotar um certo grau de confiança ao fazermos esta afirmativa, digamos com 95% de certeza, estamos diante da Estatística Inferencial, ok?
Assim sendo, posso dizer, por exemplo, que o candidato A terá entre 60% a 64% no dia da eleição, com 95% de certeza. Neste caso, é a Estatística Inferencial, ok?
Quando a Estatística trabalha com a vida, dizemos que é a Bioestatística, ok? A Bioestatística é aplicada na área da saúde.
Vamos a um exemplo na área da farmácia: Qual o melhor remédio para tratamento da hipertensão arterial (A ou B)? Temos um questionamento, não é? Assim, planejamos um experimento, conduzimos o experimento, coletamos os dados, analisamos os dados e concluímos a pesquisa. Isto que vem ser a Estatística, ok? Como se trabalha na área da saúde, dizemos que é a Bioestatística, ok?
Campos de aplicação e importância.
A Estatística é aplicada em praticamente todas as ciências. Na área específica da saúde, ela é aplicada para saber quais os melhores medicamentos para uma determinada patologia, como as drogas (remédios) devem ser ingeridas, qual o intervalo entre as drogas (4 em 4 horas, ou de 6 em 6 horas, etc.) e assim sucessivamente.
Por exemplo, quais são as faixas de normalidade, referência ou os valores limítrofes no caso das taxas de glicose no sangue, colesterol, etc.? Quem determina os valores limítrofes, com certo grau de certeza, é a Estatística, ok?
Qual o melhor procedimento cirúrgico a ser adotado? Quem responde isto é a Estatística.
Quais são os fatores de risco e de proteção no caso de uma doença? Quem responde isto é a Estatística, que é a ferramenta da Epidemiologia, também.
Portanto, a Estatística é extremamente importante, como vocês irão aprender.
Vale a pena dedicar um bom tempo à ela, ok?
População e amostras.
Quando uma indústria farmacêutica desenvolve um determinado medicamento não é pensando na pessoa A, mas sim, em toda a população.
Se vocês pararem para analisar o que vem ser uma população, provavelmente pensariam: população é um conjunto de pessoas que habitam um determinado local.
Em Estatística a definição de população é um pouco diferente, pois não só se trabalha com pessoas, mas sim, trabalha-se também com animais, plantas, coisas, objetos, etc. Assim, ao invés de falarmos que população é um conjunto de pessoas, diríamos que população é um conjunto de elementos (ou senão indivíduos). Neste caso, elementos englobam, pessoas, animais, plantas, objetos, etc.
Outra coisa, os elementos têm de ter pelo menos uma característica em comum, e a população deve ser definida no tempo e no espaço.
Deste modo, podemos definir a população da seguinte forma: população é um conjunto de elementos com características definidas no tempo e no espaço.
Observe que todos os elementos da população têm de ter pelo menos uma característica em comum.
Por exemplo, vocês que estão fazendo Fundamentos da Estatística (online) comigo, todos têm pelo menos uma característica em comum, pois: (a) são alunos da Universidade Estácio de Sá (primeira característica em comum), (b) são alunos de Fundamentos da Estatística com a orientação do professor tutor Lauro Boechat Batista (segunda característica em comum), e assim sucessivamente.
Daremos um exemplo de população finita: Os torcedores do Botafogo da cidade do Rio de Janeiro em 2011.
Vocês observam que os torcedores são os elementos, Botafogo é a característica, cidade do Rio de Janeiro é o espaço e 2011 é o tempo. Portanto, a população está bem definida, não é?
Uma população pode ser finita ou infinita. Ela é finita quando é constituída por um número finito de elementos e infinita quando é constituída por um número infinito de elementos.
Por exemplo, os alunos online da sua turma em Fundamentos da Estatística. Nós sabemos quantos alunos nós temos e quais são os alunos. Neste caso a população é finita, ok?
Já os peixes dos oceanos é exemplo de uma população infinita pois não temos a mínima noção de quantos peixes existem e quais são eles.
Deste modo, se a população é infinita, jamais podemos trabalhar com todosos elementos desta população, mesmo porque não temos conhecimento de todos eles. Entretanto, se a população é finita, podemos trabalhar com todos os elementos.
Porém, independentemente se a população é finita ou infinita, raramente trabalhamos com toda a população. Geralmente trabalhamos com uma parte da população que chamamos de amostra. Então, amostra é uma parte da população.
Por exemplo, todo o seu sangue é uma população. Todavia, se quisermos retirar todo o seu sangue para um exame de sangue, você irá falecer. Assim sendo, não se trabalha com toda a população, mas sim, com uma parte e neste caso, geralmente retira-se um tubinho de ensaio de seu sangue, ok?
Portanto, geralmente trabalha-se com amostras em quase 100% dos casos. Assim sendo, a amostra deve ser representativa da população para não se chegar a resultados absurdos.
Por exemplo, se fosse realizada uma pesquisa com somente 3 pessoas e perguntasse qual é o professor mais inteligente de Niterói, provavelmente eu ganharia, desde que as 3 pessoas entrevistadas fossem as minhas filhas.
Desta forma, esta pesquisa não teria validade pois a amostra não seria bem escolhida, ok?
Parâmetros e estimativas.
Como já vimos, a Estatística sempre está se importando com a população, pois queremos conhecer a população para tomada de decisões. Entretanto, raramente trabalha-se com a população, mas sim, com amostras.
Mas, como conhecemos uma população? Por meio de seus parâmetros. Portanto, pode-se definir: parâmetros são valores fixos obtidos de população.
Desta forma, se disséssemos que1% da população mundial tem Aids, por exemplo, teríamos noção do que ocorre, ou seja, de cada 100 pessoas, uma delas deve ter Aids. Portanto, este valor 1% é um parâmetro, ok?
Porém, raramente se trabalha com população, mas sim, com amostras. Assim, neste caso, não se tem os parâmetros, mas sim, suas estimativas (estatísticas). 
Observe que as estimativas são também chamadas de estatísticas.
Desta forma, pode-se definir: estimativas são valores variáveis obtidos de amostras.
Daremos um exemplo que vocês, alunos, jamais irão esquecer do que é um parâmetro e uma estimativa.
Vamos supor dois candidatos (A e B) a um governo de estado. Assim, foram realizadas 3 pesquisas de opinião de votos (em pesquisa trabalha-se com amostras) e depois foi realizada a eleição. Os resultados encontram-se na Tabela 1.
Tabela 1. Resultados das percentagens de intenção de votos e os votos obtidos na eleição.
	Tipos
	Candidato A
	Candidato B
	Pesquisa 1
	60%
	40%
	Pesquisa 2
	62%
	38%
	Pesquisa 3
	61%
	39%
	Eleição
	60,4%
	39,6%
Pela análise da Tabela 1, pode-se verificar que com relação ao candidato B, o mesmo teve intenção de votos de 40% na pesquisa 1, 38% na pesquisa 2 e 39% na pesquisa 3. Deste modo, estas percentagens são estimativas (estatísticas) pois são valores variáveis obtidos de amostras, pois as pesquisas trabalham com amostras.
Pela mesma Tabela 1 pode-se verificar que no dia da eleição o candidato B obteve 39,6% dos votos, que é um valor fixo, obtido da população e então, é um parâmetro.
Assim, é fácil de verificar que as percentagens relativas ao candidato A de 60%, 62% e 61% são estimativas (estatísticas), enquanto que 60,4% é um parâmetro.
O nome de estimativas é porque as estimativas estimam (projetam) os verdadeiros valores da população, que são os parâmetros.
Neste exemplo, quando na pesquisa 1 obteve-se 40% de intenção de votos para o candidato A, se o erro da pesquisa fosse de 2%, indicaria que se a eleição fosse realizada naquela dia, o candidato A teria entre 40% ± 2% dos votos, ou seja, o parâmetro estaria entre 38% a 42%. Neste caso, o parâmetro realmente ocorreu neste intervalo, haja vista que a percentagem obtida foi de 39,6%.
Observe, prezado aluno, que quando o IBOPE, por exemplo, diz que um candidato tem 40% ± 2% dos votos, isto quer dizer que com 95% de certeza se a eleição fosse realizada naquele dia ele teria entre 38% a 42% dos votos. 
Geralmente a Estatística trabalha com este grau de certeza (95%).
O aluno poderá nota que na pesquisa 2 seria 38% ± 2% dos votos (36% a 40%) e na pesquisa 3seria 39% ± 2% dos votos (37% a 41%).
Variáveis qualitativas e quantitativas
Pode-se classificar as variáveis como qualitativas e quantitativas. O próprio nome indica o tipo de variável, ou seja:
Variáveis qualitativas são as variáveis que referem à qualidade, como por exemplo: (a) times de futebol, (b) tipos de doenças, (c) tipos de queimaduras, (d) gênero (masculino e feminino), (e) estado civil, (f) nacionalidade, (g) cores, (h) marcas de remédio, etc.
Variáveis quantitativas são as variáveis que referem à quantidade, comopor exemplo: (a) quantidades de pessoas doentes, (b) a quantidade de hemácias por milímetros cúbicos de sangue, (c) o número de livros em uma biblioteca, (d) quantidades de batimentos cardíacos, (e) quantidade de pessoas com Aids, etc. 
Deste modo, quando usamos qualidade, é qualitativa e quando quantificamos é quantitativa.
As variáveis qualitativas (as que se referem à qualidade) podem ser nominais e ordinais. 
Variáveis qualitativas nominais quando não existe possibilidade de ordenação, por exemplo, as cores são um exemplo de variáveis qualitativas nominais, pois não existe nenhuma cor melhor do que outra e assim, com as cores branca, amarela, vermelho, azul e verde, qual seria a ordenação, partindo da pior para a melhor, se existisse? 
Por outro lado, nas variáveis qualitativas ordinais, existe possibilidade de ordenação (do pior para o melhor ou do melhor para o pio). Por exemplo, (a) classificação de um dirigente: excelente, bom, razoável, ruim, péssimo (a classificação partiu do melhor para a pior); (b) sabor: muito bom, bom, razoável, ruim, muito ruim.
Variáveis discretas e contínuas
Antes de estudarmos o que vem a ser variáveis discretas e contínuas, é interesse frisar que a Estatística só trabalha com variáveis aleatórias e jamais com variáveis determinísticas. 
Por exemplo, seja a variável que assuma os valores: 0, 10, 20, 30, 40, 50, 60, 70, ? Podemos afirmar que o próximo valor será 80, desde que siga esta sequência. Este tipo de variável a Estatística não trabalha (variável determinística).
Por outro lado, pergunte a 10 pessoas que não conhecem a sua altura para que elas opinem sobre a sua altura. Provavelmente, muitos dirão o valor da sua altura bem próximo do valor real. Este tipo de variável que é aleatória, ok?
Ou seja, tem-se uma noção do quanto deve ser o valor, mas não se tem certeza absoluta de que realmente é este o valor.
Deste modo, a variável pode ter outra classificação: discreta ou contínua.
A definição de variável discreta ou senão da variável contínua não interessa muito para o nosso estudo. O importante é saber diferenciar uma variável da outra.
Uma variável é discreta quando podemos enumerar ou contar. Por outro lado, quando podemos pesar ou medir, a variável é contínua.
Deste modo, com relação às variáveis, podemos dizer: (a) número de pessoas doentes (discreta), (b) número de comprimidos em uma cartela (discreta), (c) salário (discreta), (d) batimentos cardíacos (discreta), (e) número de cervejas (discreta), (f) número de profissionais da saúde (discreta), (g) velocidade de um carro (contínua), (h) peso dos alunos (contínua), (i) altura (contínua), (j) idade (contínua, pois medimos haja vista que vivemos continuamente), etc.
tipos de amostras
Quando se vai fazer uma pesquisa, raramente se trabalha com toda a população, como já foi dito. Assim sendo, trabalha-se com amostras.
Eu já tive oportunidade de fazer três cursos de amostragem em minha vida profissional, sendo cada um deles com 6 meses de duração, onde dois foram cursados na USP (Universidade de São Paulo) e um em NCSU (North Carolina State University). Portanto, o que será transmitido é muito simplório, mesmo porque nosso curso não é de amostragem, mas de fácil entendimento.
Existem diversos tipos de amostras, mas veremos os 5 tipos principais:
Amostra casualizada, randômica ou aleatória – diz-se que uma amostra é casualizada quando todos os elementos da população têm a mesma chance de ser selecionado. Geralmente é uma amostra por sorteio.
Por exemplo, suponha você e mais 19 pessoas, perfazendo um total de 20 colegas. A cada pessoa associa-se uma bola enumerada e coloca-se todas as 20 bolas (mesmo peso, mesmo tamanho, etc.) em uma urna e deseja-se retirar uma amostra de 3 pessoas. Existe motivo suficiente para dizer que você tem mais possibilidade de ser sorteado do que o seu colega A? Existe motivo para dizer que você tem menos possibilidade de ser sorteado que o seu colega A? Logicamente, você dirá que as possibilidades são iguais, ou seja, você tem a mesma possibilidade de ser sorteado em relação ao seu colega A. Deste modo, quando todos têm a mesma chance de serem selecionados, a amostra é casualizada. Entendeu?
Amostra sistemática – diz-se que uma amostra é sistemática quando se adota um sistema intervalar de tempo ou espaço para a obtenção dos dados.
Por exemplo, deseja-se fazer uma pesquisa com as pessoas da cidade do Rio de Janeiro que vão de carro passar o fim de semana na Região dos Lagos.
Assim sendo, não há possibilidade de se colocar em uma urna todos os nomes das pessoas da cidade do Rio de Janeiro que irão passar o fim de semana na Região dos Lagos. Portanto, não cabe a aplicação da amostra casualizada.
Deste modo, adota-se um sistema intervalar de tempo ou espaço para a obtenção dos dados e assim a amostra é sistemática. 
Ou seja, de 100 em 100 carros para-se um deles (na cabine) e aplica-se um questionário ao motorista (intervalar de espaço) ou senão de 20em 20 minutos para-se um carro e aplica-se um questionário ao motorista (intervalar de tempo).
Amostra Estratificada – uma amostra é estratificada quando divide-se uma população em estratos e dentro de cada estrato retira-se uma certa quantidade de elementos.
Por exemplo, uma instituição tem os seguintes cursos: administração, ciências contábeis, farmácia, fisioterapia, educação física, medicina, veterinária, marketing, recursos humanos, pedagogia, psicologia e direito. Assim, divide-se a população em estratos (neste caso cada curso seria um estrato) e dentro de cada estrato (curso) retira-se uma certa quantidade de elementos. Deste modo, tem-se uma amostra estratificada. Observa-se que dentro de cada estrato os elementos têm de ter a mesma característica.
Amostra Por Conglomerados – uma amostra é por conglomerados quando divide-se uma população em estratos, sorteia-se um ou mais estratos e dentro de cada estrato sorteado retira-se uma certa quantidade de elementos.
Por exemplo, uma instituição tem os seguintes cursos: administração, ciências contábeis, farmácia, fisioterapia, educação física, medicina, veterinária, marketing, recursos humanos, pedagogia, psicologia e direito. Assim, divide-se a população em estratos (neste caso cada curso seria um estrato), sorteia-se dois estratos, por exemplo, e dentro de cada estrato (curso) sorteado retira-se uma certa quantidade de elementos. Deste modo, tem-se uma amostra por conglomerados.
Amostra Por Conveniência – uma amostra é por conveniência quando se adota um processo prático e conveniente para a obtenção dos dados.
Por exemplo, na hora do intervalo das aulas vai-se até à cantina e procura-se obter os dados das pessoas que vão até à cantina. É um processo prático.
Prezados alunos:
Estudem bem e quaisquer dúvidas entrem em contato comigo.