Aula 1 - Introducao a Estatistica

Prévia do material em texto

Introdução à 
Estatística
Prof. Me. Júlio C. Abdala
O que é Estatística?
Estatística é um método de planejamento de estudos e 
experimentos para obtenção, organização, resumo, 
apresentação, análise e interpretação de dados para a 
utilização dos mesmos na tomada de decisões.
Método Experimental
Consiste em manter constantes todas as causas 
(fatores), menos uma, e variar esta causa de 
modo que o pesquisador possa descobrir seus 
efeitos, caso existam.
É o método preferido no estudo das Ciências 
Naturais.
Método Estatístico
Lançamos mão do método estatístico quando 
temos necessidade de descobrir fatos em um 
campo em que o método experimental não se 
aplica (nas ciências sociais), já que os vários 
fatores que afetam o fenômeno em estudo não 
podem permanecer constantes enquanto 
fazemos variar a causa que, naquele momento, 
nos interessa.
Método Científico
Conjunto de ferramentas organizadas de maneira eficiente para alcançar um objetivo desejado.
Método
A Estatística
Envolve a expressão numérica de observações em elementos com uma característica em 
comum, resultando em dados.
A Estatística Descritiva trata da coleta, organização e descrição desses dados.
A Estatística Indutiva ou Inferencial lida com a análise e interpretação dos dados, permitindo 
conclusões que vão além dos dados originais.
O termo "estatística" muitas vezes é associado à organização e descrição dos dados, mas sua 
essência é proporcionar métodos inferenciais para conclusões mais amplas.
A análise e interpretação dos dados estatísticos são essenciais para diagnosticar empresas 
(como escolas), compreender problemas, encontrar soluções adequadas e planejar ações 
objetivas.
1. Coleta de Dados
• Planejamento e identificação 
das características 
mensuráveis do fenômeno.
• Coleta direta (obrigatória ou 
por questionários) e indireta
(inferida de dados 
conhecidos).
• Coleta direta classificada por 
tempo (contínua, periódica, 
ocasional).
Fases do Método Estatístico
2. Crítica dos Dados
• Análise criteriosa dos dados 
obtidos em busca de falhas e 
imperfeições.
• Crítica externa (causas dos 
erros pelo informante) e 
interna (observação dos 
elementos originais).
3. Apuração dos Dados
• Soma e processamento dos 
dados com critérios de 
classificação.
• Realizada manualmente, por 
meio eletromecânico ou 
eletrônico.
4. Exposição dos dados
• Apresentação dos dados de 
forma adequada, como 
tabelas ou gráficos.
• Facilita a análise estatística e 
a obtenção de medidas 
típicas.
Fases do Método Estatístico
5. Análise dos resultados
• Objetivo final da Estatística: tirar 
conclusões sobre uma (população) a 
partir de uma (amostra) representativa.
• Utilização de métodos da Estatística 
Indutiva ou Inferencial.
• Baseados em indução e inferência para 
tirar conclusões e fazer previsões.
A Importância da Estatística
Tomada de Decisões
A estatística é fundamental 
para a tomada de decisões em 
diversos setores.
Previsões
Através da análise de dados, a
estatística pode ser utilizada 
para fazer previsões sobre o 
futuro.
Compreensão do Mundo
A estatística pode ser vista 
como uma maneira científica de 
entender fenômenos do 
mundo.
Vantagens e Desvantagens do 
Uso da Estatística
1 Vantagens
Permite resumir informações em termos simples e 
compreensíveis; possibilita a simplificação da 
complexidade; ajuda na tomada de decisões; é eficiente e 
objetiva.
2 Desvantagens
Pode ser aplicada de forma equivocada ou tendenciosa; 
nem todas as realidades se encaixam em um modelo 
estatístico; a necessidade de critérios para o agrupamento 
e classificação de itens pode levar à subjetividade.
O que a Estatística faz?
Essencialmente, a estatística fornece informações 
sobre fatores que podemos medir. 
Na pesquisa, as coisas que medimos são 
denominadas variáveis.
As variáveis são o foco principal da pesquisa na 
ciência. 
O que são Variáveis?
Uma variável é simplesmente algo que pode variar, isto 
é, que pode assumir valores ou categorias diferentes.
Geralmente estamos interessados em variáveis porque 
queremos entender o motivo da sua variação. 
Para compreender essa variação, devemos ter a 
capacidade de medir e registrar as alterações em 
qualquer situação dada.
Por que estamos interessados 
em variáveis?
Variáveis
Na pesquisa, as coisas que medimos são denominadas variáveis.
Uma variável é simplesmente algo que pode variar, isto é, que pode assumir valores ou 
categorias diferentes. 
Exemplos de Variáveis:
• Sexo
• Velocidade de um carro
• Número de sintomas de uma doença 
relatados
• Temperatura
• Público em um festival de música
• Nível de ansiedade
• Número de gols em uma partida de futebol
• Inteligência
• Número de encontros sociais ao levar o 
cachorro para passear
• Número de crianças por família e cores 
favoritas
Variáveis Contínuas
Variáveis contínuas podem 
assumir valores precisos em um 
intervalo.
Exemplos:
• Temperatura, 
• Nível de ansiedade, 
• Velocidade máxima de carro, 
etc.
Categorias de Variáveis
Variáveis Discretas
Variáveis discretas assumem 
valores específicos, muitas 
vezes contáveis.
Exemplos:
• Número de sintomas de 
doença, 
• Número de gols, 
• Público em festival de música, 
etc.
Variáveis Categóricas
Variáveis categóricas são 
aquelas nas quais alocamos 
pessoas ou objetos em 
categorias. 
Exemplos: 
• Sexo (masculino/feminino), 
Ocupação (professor, 
advogado), 
• Cor favorita.
Variáveis podem apresentar diferentes características de medição.
Categorias de Variáveis
Um problema que surge quando lidamos com variáveis discretas e contínuas é o perigo de 
confundir a variável com a forma como ela é mensurada.
Variáveis teoricamente contínuas, como ansiedade, são frequentemente medidas de forma 
discreta, por exemplo, em questionários.
Exemplo: Medir ansiedade com um questionário de escores inteiros (38, 39, 61, 62) -
medição discreta, variável subjacente contínua.
Geralmente quando uma variável discreta pode assumir um grande número de valores dentro 
de certo intervalo, elas podem, para fins práticos, ser tratadas como se fossem contínuas na 
utilização do teste estatístico. 
Exemplo: Imagine que estamos medindo a quantidade de pessoas em um festival. A 
contagem de pessoas é uma variável discreta, no entanto, se estamos observando a 
contagem de pessoas a cada minuto durante várias horas, a variação da contagem pode ser 
suficientemente grande, e os valores podem se aproximar de uma distribuição contínua.
Importante!
Compreender o tipo de variável é crucial para decidir 
como analisar os dados de forma adequada.
Ao lidar com variáveis, seja consciente da diferença 
entre o tipo de variável (contínua ou discreta) e como 
ela é medida, para realizar análises estatísticas 
precisas.
Atividade
Quais das seguintes variáveis são categóricas, quais são discretas e quais são contínuas?
a) Velocidade do vento
b) Tipos de diplomas oferecidos por uma universidade
c) Nível de extroversão
d) Marcas de carros
e) Times de futebol
f) Número de peças de xadrez “capturadas” em um jogo
g) Peso de pandas gigantes
h) Número de pinturas expostas em galerias de arte
Dicotomizando variáveis contínuas e discretas 
A dicotomização (divisão em duas categorias) de variáveis discretas e contínuas é comum na 
Psicologia e permite que se encontrem diferenças entre grupos que podem estar nos extremos 
de variáveis discretas ou contínuas.
No entanto, tal prática não é recomendada, pois reduz a sensibilidade da análise estatística.
Frequentemente, os pesquisadores convertem variáveis discretas e contínuas em variáveis 
categóricas.
Exemplos:
• Comparar habilidade espacial entre pessoas altas e baixas, categorizando pessoas com mais de 
193 cm como "altas" e menos de 147 cm como "baixas".
• Comparação da habilidade de memória entre pessoas ansiosas e não ansiosas, através de escores 
obtidos em uma escala.
Importante!
A dicotomização (divisão em duas categorias) de 
variáveis discretas e contínuas é comumna psicologia 
e permite que se encontrem diferenças entre grupos 
que podem estar nos extremos de variáveis discretas 
ou contínuas (p. ex., pessoas altas e baixas). 
No entanto, tal prática não é recomendada, pois reduz 
a sensibilidade da análise estatística. 
Níveis de Mensuração
Outra forma de distinguir entre variáveis ou escalas é 
em termos de nível de mensuração.
Os níveis de mensuração são categorias que ajudam a 
classificar a natureza das variáveis em termos de como 
elas são medidas.
Níveis de Mensuração
Nominal
Consistem em 
categorias que não 
podem ser ordenadas.
Dados estão na forma 
de contagens de 
frequência.
Exemplos: Sexo 
(masculino/feminino), 
Grupo étnico.
Ordinal
Têm algum tipo de 
ordem para as 
categorias, mas os 
intervalos entre os 
pontos adjacentes na 
escala não são 
necessariamente 
iguais. 
Exemplo: Escala Likert
para medir 
nervosismo.
Intervalar
Têm intervalos iguais 
entre escores 
adjacentes, mas não 
têm um zero absoluto.
Diferenças entre 
valores têm 
significado igual.
Exemplo: Escala de 
temperatura (Celsius, 
Fahrenheit).
De Razão
Têm intervalos iguais 
entre escores 
adjacentes da escala e 
um zero absoluto.
Exemplo: Tempo para 
ler um parágrafo, 
Velocidade de um 
carro.
Há quatro níveis de mensuração e eles variam em função da maneira em que as variáveis são 
medidas. 
Importância dos Níveis de Mensuração
Impacto nas Análises Estatísticas
Escolha de testes estatísticos depende do nível de mensuração.
Testes paramétricos para níveis intervalares e de razão.
Testes não paramétricos para dados nominais e ordinais.
Maximizando a Precisão das Análises
Utilizar testes estatísticos adequados ao nível de mensuração.
Evitar distorções ou conclusões errôneas.
Delineamentos de Pesquisa
A forma como o estudo foi projetado ou planejado é 
um fator crítico para a seleção dos testes estatísticos.
Os pesquisadores podem querer observar diferenças 
entre dois grupos de participantes em relação a uma 
variável específica ou verificar se duas variáveis estão 
relacionadas de alguma maneira.
Delineamentos de pesquisa
Exemplo de Diferenças entre Condições
Estudo de Guéguen e Ciccotti (2008)
Exploração do papel dos cães em interações sociais e comportamentos entre adultos.
Quatro estudos com abordagens distintas para examinar a influência dos cães.
Observação do comportamento de ajuda em situações específicas com e sem cães.
Exemplo de Relações entre Variáveis
Estudo de Antonacopoulos e Pychyl (2014)
Investigação sobre a conexão entre caminhar com cães e saúde mental.
Utilização de questionários online para coletar dados.
Identificação da relação entre conversas com outras pessoas e sentimentos de solidão.
Variáveis Estranhas
Variáveis estranhas são aquelas que 
podem ter um impacto em outras 
variáveis que estamos interessados, mas 
que falhamos em considerar quando 
delineamos nosso estudo.
Variável de Confusão
Uma variável de confusão é um tipo 
específico de variável estranha que está 
relacionado a ambas as variáveis 
principais em que estamos interessados.
Variáveis Estranhas e de Confusão
Variáveis Estranhas
Variáveis estranhas são aquelas que podem ter um impacto em outras variáveis que estamos 
interessados, mas que falhamos em considerar quando delineamos nosso estudo.
É preciso saber que, para cada variável que for medida, existirão várias outras que
podem estar relacionadas a ela.
Variáveis de Confusão
Uma variável de confusão é um tipo específico de variável estranha que está relacionado a ambas 
as variáveis principais em que estamos interessados.
Exemplo:
Se estamos interessados nas diferenças entre os sexos na habilidade de sucessivamente jogar e 
acertar uma bola em uma cesta de basquete. Vamos presumir que executamos um estudo e 
descobrimos que os homens pontuaram mais do que as mulheres. Podemos concluir que os homens 
são melhores do que as mulheres no jogo de basquete. 
O problema é que poderia haver uma relação potencial entre o sexo dos participantes, a habilidade 
de pontuar e a altura. 
Pode acontecer que pessoas altas sejam melhores em pontuar no basquete, e também há o fato de 
que os homens são, em geral, mais altos do que as mulheres. 
Poderia, também, ser simplesmente a altura dos participantes, em vez de seu sexo, o que determinou 
sua habilidade de marcar pontos no nosso estudo. A altura, nesse caso, seria a variável de confusão.
Delineamentos Correlacionais
O objetivo principal dos delineamentos correlacionais 
é compreender relações entre variáveis
Delineamentos Correlacionais
Utilização de Delineamentos Correlacionais:
Exploração das relações entre variáveis.
Medição da variável de interesse.
Observação das mudanças em outras variáveis conforme a variável de interesse muda.
Uma das regras de ouro do delineamento correlacional é que não se pode inferir causalidade a partir 
de correlações.
Quando usamos delineamentos correlacionais, no entanto, é difícil estabelecer se a alteração em 
uma variável causa uma mudança em outra variável. A razão disso é que em tais delineamentos 
estamos simplesmente observando e registrando mudanças em variáveis e tentando estabelecer se 
elas covariam de alguma forma significativa 
Causalidade
Um dos principais objetivos da ciência é descobrir a 
causa dos acontecimentos. 
Em todos os ramos de pesquisa, os pesquisadores 
estão tentando determinar relações de causalidade 
entre variáveis.
Causalidade
Para identificar relações de causalidade, precisamos manipular uma das variáveis (mudá-la 
sistematicamente) e então observar o que acontece com as outras variáveis. 
Para estabelecermos relações de causalidade entre variáveis mais facilmente, precisamos 
manipular uma das variáveis sistematicamente e ver qual o efeito obtido nas outras variáveis. 
Tal processo é, essencialmente, o realizado em delineamentos experimentais*. 
Delineamento Experimental
Delineamentos experimentais são aqueles em que o 
pesquisador manipula uma variável chamada de 
variável independente (VI) para ver que efeito ela tem 
sobre outra variável, chamada de variável dependente 
(VD). 
Em projetos experimentais estamos, geralmente, 
procurando por diferenças entre as condições da VI. 
Uma marca dos projetos experimentais é a alocação 
aleatória dos participantes às condições da VI.
Delineamento Experimental
Em um experimento, temos uma variável que estamos mensurando e queremos descobrir 
como ela é afetada por outra variável, chamada de variável independente.
variável independente (VI)
A variável manipulada pelo observador 
seu valor não depende (é independente) das outras variáveis investigadas
variável dependente (VD)
denominada assim porque se assume que ela depende dos valores da VI
Uma hipótese de pesquisa é nossa previsão de como variáveis específicas podem estar relacionadas 
umas com as outras ou como grupos de participantes podem ser diferentes uns dos outros.
Dessa forma, estabelecemos uma hipótese que será testada por meio de análise estatística.
Uma das principais características definidoras de um projeto experimental é a alocação 
aleatória dos participantes às condições.
Delineamento 
Quase-experimental
Delineamentos quase-experimentais envolvem 
verificar se existem diferenças na variável dependente 
(VD) entre as condições da variável independente (VI). 
Diferentemente dos delineamentos experimentais, 
não há alocação aleatória dos participantes às várias 
condições da VI.
Delineamento quase-experimental
Em algumas situações na psicologia, não é possível manipular diretamente variáveis de 
interesse.
Exemplo: Comparar homens e mulheres em certas condições.
Delineamentos quase-experimentais são usados quando não é possível alocar aleatoriamente 
participantes às condições.
Projetos quase-experimentais estão mais propensos a riscos de variáveis estranhas e de confusão. 
Devido aos riscos associados aos estudos quase-experimentais, projetos experimentais são 
preferidos sempre que possível.
Experimentos permitem maiorcontrole, aleatorização e estabelecimento de relações causais mais 
fortes.
Caso esteja inseguro se está lidando com um projeto experimental ou quase-experimental, procure 
por uma alocação aleatória dos participantes às condições. Se ela não for uma característica do 
estudo, então é mais provável que você esteja lidando com um estudo quase-experimental. 
Delineamentos entre 
e intraparticipantes
Outra característica importante dos delineamentos de 
pesquisa é se os participantes fazem parte de mais de 
uma condição.
Delineamentos intraparticipantes
Delineamentos intraparticipantes têm os mesmos participantes em cada condição da variável 
independente (VI). Cada participante atua sob todas as condições no estudo.
Esses delineamentos visam controlar variáveis de confusão e aumentar o poder estatístico.
Maior probabilidade de detectar efeitos na população.
Vantagens
• Controle de variáveis de confusão entre 
indivíduos.
• Menos variações externas entre condições 
devido ao uso das mesmas pessoas.
• Necessidade de menos participantes, 
economizando recursos.
Desafios
• Possíveis problemas com efeitos de ordem: 
ordem de realização das condições pode 
influenciar os resultados.
• Não aplicáveis em todos os casos de projetos 
quase-experimentais.
Delineamentos intraparticipantes
Consequência dos delineamentos intraparticipantes em que completar as condições em uma 
ordem em particular leva a diferenças na variável dependente que não são resultado da 
manipulação da variável independente (VI). 
As diferenças entre as condições da VI podem se dever a prática, fadiga ou tédio em vez da 
manipulação da VI pelo pesquisador.
Contrabalanceamento
Variação sistemática em que os participantes fazem parte das várias condições da variável 
independente (VI). O contrabalanceamento seria introduzido em um estudo com delineamento 
intraparticipantes.
Efeitos de Ordem
Delineamentos entre participantes
Delineamentos entre participantes têm grupos diferentes de participantes em cada condição 
da variável independente (VI). Portanto, o grupo de participantes em uma condição da VI é 
diferente dos participantes em outra condição da VI.
Vantagens
• Ausência relativa de efeitos práticos e de 
fadiga
• Participantes estão menos sujeitos a 
descobrir os objetivos do estudo
Desafios
• É necessário um número maior de 
participantes
• Não há muito controle das variáveis de 
confusão entre condições
Delineamento entre participantes
Um problema do delineamento entre participantes é que pessoas diferentes trazem 
características diferentes às condições do experimento. 
Quando estamos alocando aleatoriamente participantes às condições, podemos, por acaso, 
alocar todos os participantes com uma determinada característica a um grupo, e isso talvez 
confunda ou mascare os resultados. 
Algumas técnicas estatísticas nos permitem decidir se podemos ou não descartar esses 
confundidores como explicações dos resultados do estudo.
	Slide 1
	Slide 2
	Slide 3
	Slide 4
	Slide 5
	Slide 6
	Slide 7
	Slide 8
	Slide 9
	Slide 10
	Slide 11
	Slide 12
	Slide 13
	Slide 14
	Slide 15
	Slide 16
	Slide 17
	Slide 18
	Slide 19
	Slide 20
	Slide 21
	Slide 22
	Slide 23
	Slide 24
	Slide 25
	Slide 26
	Slide 27
	Slide 28
	Slide 29
	Slide 30
	Slide 31
	Slide 32
	Slide 33
	Slide 34
	Slide 35
	Slide 36
	Slide 37
	Slide 38