Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 Estatística Aplicada às Ciências Sociais e Ambientais Aula Prática Interativa 2 Prof. Daniel de Christo CST em Gestão Ambiental � Conjunto de elementos ou informações que compartilha uma característica • Finita: passível de contagem • Infinita: impossível de contagem • Exemplo: população finita, mas muito grande População � Subconjunto de uma população � Representativa � Qualitativa e quantitativa • Suficientemente grande • Elementos aleatórios � Evitar tendenciosidades Amostra � Processo de obtenção da amostra de uma população � Vantagens: • menor custo • resultado mais rápido • objetivos amplos • dados confiáveis Amostragem � Quando a amostragem é imprescindível: • população muito grande • testes destrutivos • novas drogas, técnicas etc. • população hipotética � Amostra Casual Simples • Elementos aleatórios � Amostra Sistemática • Escolha por um sistema � Amostra Estratificada • Subpopulações/estratos � Amostra de Conveniência • Únicos elementos disponíveis Técnicas de Amostragem 2 • Qualitativas: nominais ou ordinais • Quantitativas: contínuas ou discretas � Variável: é toda e qualquer característica que, quando observada em uma situação experimental, pode variar de um indivíduo para o outro � Fontes de variação • Fatores biológicos • Condições e métodos de medição • Variação aleatória � Impossível de ser explicada � Levantamento de dados • Coleta de dados para descrição e análise de uma população • Planejado no delineamento do experimento • Falhas: invalidação do experimento � Tipos de levantamento: 1. levantamento contínuo �Registro Civil 2. levantamento periódico �Recenseamento no Brasil 3. levantamento ocasional �Pesquisas de opinião � Apuração dos dados • Etapa seguinte ao levantamento • Determinar a frequência • Distribuição de frequências � Determinação das classes • Algumas variáveis: difícil �Complexidade, participar de várias classes, elevado número de classes Tabulação � Tabelas: ordenar e resumir dados • Facilitar a análise e conclusão � Autossuficiente • Significado próprio • Fácil interpretação � Seguir normas técnicas • ABNT, IBGE, e outras 3 Medidas de Tendência Central � Determinação do centro de distribuição de uma variável � Descrevem diferentes propriedades da distribuição de uma variável � Média aritmética • Representada: x = ΣΣΣΣ x . f n • “xis barra” ou média amostral • µ (mü): média populacional • Moda (Mo) ou “Norma”: corresponde ao valor de maior frequência � Média ponderada • Valores observados com peso ou relevância diferente • Aplicar frequências hipotéticas para substituir os pesos � Mediana • Valor central de uma distribuição ordenada (ordem crescente ou decrescente) � Medidas de dispersão • Centro de distribuição de uma variável: não é suficiente para caracterizar a amostra � Amplitude de variação • É a diferença entre os valores extremos de uma distribuição � Variância • Utiliza todos os valores de uma distribuição • s2 = é a média dos quadrados dos desvios da amostra • Desvio: diferença entre o valor observado e a média aritmética da distribuição • σσσσ2 (sigma) = para população � s2 = ΣΣΣΣ (xi - x)2 . Fi n � Desvio padrão • Indica a variação em torno da média • Desvio padrão = √√√√ s2 = s 4 � Coeficiente de Variação de Pearson • Medida de variabilidade relativa • Permite comparar a variabilidade de duas distribuições • V ou CV = s x � Probabilidade condicional: é a P de ocorrer um determinado evento sob uma dada condição � Exemplo: ao jogar um dado, qual a chance de sortear o no “2” sabendo que ocorreu um no par? � P = 1 / 3 = 0,33 ou 33% � P (AB) = P(A) sob a condição de ter ocorrido B � Lei das P Independentes • A Probabilidade de dois eventos independentes ocorrerem simultaneamente é igual ao produto das P dos eventos ocorrerem isoladamente • P (A e B) = P(A).P(B) • Também chamada Teorema do Produto � Teorema da Soma • A P de ocorrer o evento A ou B é igual P(A) + P(B) • Exemplo 1: urna com 5 bolas • 2 brancas, 1 vermelha e 1 azul • P de sortear 1 bola colorida? (vermelha ou azul) • P(v)=1/5 ; P(a)=1/5 • P(v) + P(a) = _2_ 5 Distribuição Normal/Gauss � Variável aleatória: • variação ao acaso • exemplos: peso de cobaias, gêmeos monozigóticos etc. � Distribuição típica ou Distribuição normal • Curva/forma de “sino” simétrica em torno da média µµµµ (mi) 5 � Características da Distribuição Normal • Pode assumir qualquer valor real • Área da curva = 1; P da variável assumir qualquer valor real � Características • Valores maiores e menores que a média ocorrem com igual P • Média (µµµµ) variância (σσσσ2) • Distribuição normal reduzida: �média (µµµµ) = 0 �variância (σσσσ2) = 1 área da curva = 1 ���� tabelas Testes de Hipóteses � Inferência = amostra � população � Testes estatísticos: auxílio � Procedimentos básicos 1. levantamento de dados 2. formular as H0 e H1 3. nível de significância (α) 4. escolher o teste 5. teste = valor numérico Teste de χχχχ2 (Qui Quadrado) 1. χχχχ2 para aderência: • verificar se uma distribuição está de acordo com uma teoria 2. χχχχ2 para independência: • verificar se duas populações têm a mesma proporção de indivíduos com uma característica � Teste t para observações • Independentes: comparação das médias de duas populações � Teste t para observações • Pareadas: estudar uma variável com observações pareadas �Gêmeos monozigóticos �Mesmo indivíduo: duas regiões; antes e após � Interpretação:χχχχ2 ou Teste t • Valor calculado ≥≥≥≥ valor da tabela • Rejeita–se H0 ; diferença é significativa ; (aceita H1 ) • Valor calculado ≤ valor da tabela = rejeita H1 ; diferença não é significativa (aceita H0 ) 6 Teste Tukey � Teste para comparação de médias � Aplicar o teste quando há mais de dois tratamentos ou populações � Muito utilizado, bastante rigoroso e fácil aplicação; Diferença Mínima Significativa (DMS) � Testar toda e qualquer diferença entre médias de tratamento Testes Não Paramétricos � Dados não atendem às exigências: distribuição diferente, heterogeneidade etc. � Desvantagens: menor eficiência quando as exigências são atendidas, tamanho amostral maior, menos informações extraídas do experimento, análise mais tediosa � Dados não atendem às exigências: distribuição diferente, heterogeneidade etc. � Desvantagens: menor eficiência quando as exigências são atendidas, tamanho amostral maior, menos informações extraídas do experimento, análise mais tediosa
Compartilhar