Baixe o app para aproveitar ainda mais
Prévia do material em texto
Noções básicas de estatística: coleta e exposição de dados e modelos estatísticos Para entender melhor, pense no seguinte exemplo: suponhamos que você deseje pesquisar o aumento de vendas da empresa em que trabalha fazendo um comparativo mês a mês de um ano para outro. Para isso, é preciso organizar os elementos presentes. Observe alguns deles: A população ou o universo da pesquisa (vendas cadastradas no sistema da empresa, no caso) O período de verificação dos dados (de janeiro a março dos anos que você deseja comparar, por exemplo) Escolha do modo de coleta dos dados Definição da maneira como os dados serão expostos Para determinar esses elementos, é preciso conhecer alguns instrumentos básicos da estatística. No dia a dia, encontramos diversos tipos de conjuntos de dados. No contexto de uma empresa, por exemplo, temos a quantidade, a idade e o salário dos funcionários, entre outros. Todos esses conjuntos contêm informação sobre algum grupo de indivíduos ou o comportamento de um processo ou produto. As possíveis diferenças dentro desses conjuntos determinam a variação que está sempre presente na análise de dados. A estatística utiliza técnicas que avaliam essas variações e obtém informações por meio delas (TAVARES, 2011). Para compreender as técnicas da estatística, algumas definições são importantes. Também é importante destacar que a estatística se divide em duas áreas: Estatística descritiva: coleta, organização e descrição de dados. Estatística inferencial (indutiva): análise e interpretação de dados já coletados. Coleta e exposição de dados Há diferentes tipos de dados. Coleta de dados Segundo Crespo (2002), a coleta de dados pode ser classificada de duas maneiras: 1. Direta: os dados são coletados pelo próprio pesquisador por meio do levantamento de registros (contracheque/holerite, notas fiscais, livro-caixa etc.) ou diretamente por entrevista, questionário ou outro. 2. Indireta: os dados são obtidos a partir de uma coleta direta já realizada, ou do conhecimento prévio sobre os fenômenos relacionados ao fenômeno estudado. Em uma pesquisa sobre o estoque de mercadoria, por exemplo, os dados são extraídos dos balanços da empresa. A coleta indireta gera dois tipos de dados: dados absolutos e dados relativos. Dados absolutos são aqueles que se obtêm diretamente da fonte, sem nenhuma manipulação, apenas contagem ou medida. Dados relativos são obtidos por meio de cálculos matemáticos, ou seja, são resultado de especificações por quociente (razões) a partir dos dados absolutos. Exposição de dados A escolha do modo mais adequado para apresentar os dados obtidos ao longo de um estudo deve ter por objetivo facilitar o seu entendimento. Gráficos ou tabelas podem ser usados para expor os dados da maneira mais simples e objetiva possível. Tabelas A tabela é utilizada para organizar, de forma lógica, os dados de uma observação. Uma tabela compõe-se de: Corpo: linhas e colunas compostas pelos valores dos dados coletados. Cabeçalho: posicionado na parte superior da tabela, especifica o conteúdo de cada coluna. Coluna indicadora: descreve o conteúdo das linhas. Casa ou célula: espaço destinado a uma só informação. Título: conjunto de informações sobre a tabela que deve responder às seguintes perguntas sobre os dados: “O que são?”; “Qual período representam?”; e “Onde estão localizados?”. Localiza-se no topo da tabela. É possível apresentar esses dados em uma tabela, de maneira organizada. Veja a figura 1. Gráficos O gráfico estatístico é uma maneira de apresentar os dados estatísticos. Seu objetivo é produzir uma impressão mais rápida e viva do fenômeno em estudo. Existem diversos tipos de gráfico. Os mais comuns são o de colunas, o de linhas e o circular. Para representar a tabela do exemplo anterior (salários dos funcionários do setor de logística), utilizamos um gráfico de linhas com indicação nominal ordenada de cada unidade pesquisada no eixo horizontal e o valor da unidade pesquisada no eixo vertical. Figura 2 – Apresentação em gráfico dos salários dos funcionários do setor de logística Modelos estatísticos Segundo Walter (2000): Um modelo estatístico se assemelha a um mapa, que é uma representação simplificada do caminho real que se deve seguir. Modelos estatísticos são equações matemáticas que representam situações reais pela relação entre as variáveis de efeito. Essas variáveis são elementos que exercem influência sobre determinada situação, assim como a saúde de uma pessoa, por exemplo, tem influência sobre seus gastos com remédios. Tais modelos expressam o efeito das relações por meio de fórmulas matemáticas. As situações reais são as variáveis de resposta (Y), pois são as respostas das interações entre as variáveis de efeito (X). Se gastos com remédios fossem a variável de resposta Y, por exemplo, a saúde seria uma variável de efeito X. O estado de saúde de uma pessoa influencia os seus gastos com remédios. Outras variáveis também podem explicar os gastos de uma pessoa com remédios. Elas serão outras variáveis de efeitos que poderão ser acrescentadas ao modelo. Então, o efeito de X sobre Y pode ser expresso por meio de um modelo matemático. Veja: Para escolher um modelo que represente em equações matemáticas as relações entre X e Y, é preciso verificar diversos fatores, como a natureza das variáveis de efeito, o tipo de relação entre X e Y e as suposições sobre o erro (ε). épsilon. Os modelos são utilizados para prever situações e auxiliam, assim, na tomada de decisões. Exemplo: Como se pode prever o aumento na demanda de sorvete? O aumento na demanda de sorvete é a situação real (Y), e as variáveis de efeito são as situações que, por hipótese, terão efeito sobre a demanda. No caso, as variáveis são: Preço (X1) – Quanto mais baixo for o preço, maior será o número de pessoas dispostas a comprar e em maior quantidade. Estação do ano (verão/inverno) (X2) – No verão, a venda de sorvetes é maior. Renda da população (X3) – Quanto maior for a renda, maior poderá ser o gasto com sorvetes. Qualidade (X4) – Uma maior qualidade do produto faz com que ele tenha mais procura. Propaganda (X5) – A propaganda aumenta a visibilidade do produto e passa credibilidade. Erro (ϵ) épsilon – Há ainda outras variáveis que podem influenciar a demanda por sorvete. Nesse exemplo, pode-se utilizar uma regressão linear simples para medir como o preço, a estação do ano, a renda da população, a qualidade e a propaganda influenciarão o aumento da demanda de sorvete. Y = 2β0 + β1 X1 + β2 X2 + β3 RX3 + β4 X4 + β5 X5 + ϵ Y = 2β0 + β1 Preço + β2 Estação + β3 Renda + β4 Qualidade + β5 Propaganda + ϵ Referências bibliográficas CRESPO, Antônio A. Estatística fácil. São Paulo: Saraiva, 2002. IGNÁCIO, Sérgio Aparecido. Importância da estatística para o processo de conhecimento e tomada de decisão. Nota Técnica Ipardes, Curitiba, n. 6, out. 2010. 15 p. TAVARES, Marcelo. Estatística aplicada à administração. Florianópolis: Departamento de Ciências da Administração/UFSC; [Brasília]: CAPES: UAB, 2011. 222 p. WALTER, Maria Inez Machado Telles. Estatística básica. Brasília: MSD, 2000. v. 1. 72 p. Fonte: https://www.senacrs.com.br/cursos_rede/gestao_de_projetos/html/conteudo/no coes_basicas_de_estatisticas_coleta/index.html
Compartilhar