INTRODUÇÃO Nas aulas

Prévia do material em texto

INTRODUÇÃO Nas aulas anteriores, foram abordados assuntos direcionados à estatística, para que, fosse realmente feita uma fixação conceitual dos principais assuntos utilizados na aplicação da estatística. Talvez você se questione de o porquê estudar essa disciplina no curso de Serviço Social e isso se dá ao drástico aumento da utilização de métodos estatísticos nas ciências sociais. As pesquisas realizadas em ciências sociais, cada vez mais, empregam orientações quantitativas, assim como em demais ciências, geralmente, estudamos questões de interesse que precisam analisar evidências fornecidas por dados empíricos. O avanço tecnológico e o fácil acesso à internet, causou um aumento da informação quantitativa, prontamente disponível. E este avanço, pode tratar de forma realista, as questões que surgem na pesquisa na área de ciência social (AGRESTI; FINLAY, 2012). O crescimento da utilização da estatística é evidente nas mudanças de conteúdos em artigos publicados em revistas de pesquisas em ciências sociais e em relatórios preparados pelo governo e até mesmo pelas indústrias privadas. Por exemplo, para compreender sobre os fatores de maior impacto no desempenho de estudantes na escola, ou na investigação dos fatores que afetam as crenças políticas das pessoas, ou da qualidade de seu sistema de saúde, ou em sua decisão de quando se aposentar, enfim, são diversos os assuntos que para os pesquisadores, a coleta de dados e o processamento destes dados por análises estatísticas são necessários. Atualmente, cientistas sociais trabalham com uma variedade de áreas que utilizam os métodos estatísticos, como as agências governamentais, organizações de comércio e centros de saúde. Um exemplo do trabalho com agências governamentais, está nas políticas de bem-estar social, com problemas ambientais ou de saúde pública, que necessitam utilizar métodos estatísticos, ou ao menos realizam a leitura de relatórios compostos de estatística. Mesmo que você não utilize métodos estatísticos em seu cotidiano, é necessário entender sobre, pois estamos diariamente expostos a diversas informações, propagandas, novos relatórios, campanhas políticas, pesquisas de opiniões sobre assuntos controversos e outras comunicações contendo argumentos estatísticos (AGRESTI; FINLAY, 2012). Com a estatística, você terá uma melhor compreensão de tantas informações. Dados A coleta de informações é o coração de todas as ciências, é o que fornece as observações usadas na análise estatística. As observações coletadas sobre as características de interesse são chamadas coletivamente de dados. Por exemplo, um estudo pode conduzir um levantamento de dados com 1.000 pessoas, para analisar características como a opinião sobre a legalização da maconha, filiação política, ideologia política, quantas vezes participam de serviços sociais, número de anos de escolaridade, estado civil, raça, etc. Os dados para uma pessoa em particular consistem em observações como a opinião: • Não ser a favor da legalização; • Partido = republicano; • Ideologia = conservador. • Serviços sociais = uma vez por semana; • Educação = 14 anos; • Estado civil = casado; • Raça = branca. Analisar os dados corretamente, auxilia no aprendizado de como essas características estão relacionadas. Podemos, assim, responder a questionamentos como, “as pessoas que realizam mais serviços sociais, tendem a ser mais conservadoras politicamente?”. Para a coleta de dados, pesquisadores da área de ciências sociais podem utilizar diversos métodos, incluindo o uso de inquéritos, experimentos e observações diretas do comportamento em ambientes naturais. Geralmente, os cientistas sociais estudam dados já coletados para outra finalidade, como relatórios da polícia, materiais do censo e arquivos de hospitais. A junção dos dados já existentes é chamada de banco de dados. Análise de dados Mediante coleta de dados, conforme Dancey, Reidy e Rowe (2017), a análise destes dados é feita com base em técnicas estatísticas, usadas para explorar e descrever os dados, este tipo de técnicas é chamada de estatística descritiva, além dela, existe a estatística inferencial, utilizada na generalização dos resultados do estudo para uma população. Ainda segundo os autores, a estatística descritiva é uma área de grande importância, e para compreendê-la vamos utilizar uma analogia. Suponha que você combine um encontro às cegas e consequentemente, está nervoso, agora, suponha que se encontrará ao lado de fora de um determinado restaurante e então decide aguardar um pouco distante do ponto de encontro, para que assim, você consiga analisar a pessoa antes de encontrá-la. Ao vê-la, automaticamente, você vai examinála mentalmente, assim como um analista de dados examina seus dados. Você pode realizar uma série de perguntas a si e todas elas estarão relacionadas as características deste encontro que podem estabelecer se você vai ou não se aproximar. Ao optar em se aproximar e irem jantar, vocês podem trocar diversas perguntas, para se conhecerem melhor, essa fase é semelhante à análise inicial dos dados em uma pesquisa. A análise descritiva é realizada para conhecer melhor as informações que temos, além disso, com essa análise, você vai descrever suas informações obtidas para outra pessoa. Voltando ao nosso exemplo, é como se no dia seguinte você se encontra com seu amigo e fale sobre o encontro, que com base nas perguntas que você fez e as respostas que obteve, você fará a análise de como foi o encontro. O processo de examinar é como os pesquisadores fazem para compreender os dados e como utilizá-los para tomada de decisões. É explorando as informações que teremos um conhecimento elaborado quanto eles e assim, obtermos melhor compreensão sobre o que pode ser realizado com tais informações para que nossos objetivos sejam alcançados com a pesquisa (DANCEY; REIDY; ROWE, 2017). Estudos de caso-controle Conforme Dancey, Reidy e Rowe (2017), os estudos transversais devem amostrar toda a população para averiguar a frequência de uma doença. Quando o propósito do pesquisador é somente identificar os fatores de risco, uma alternativa financeiramente melhor é fornecida pelo estudo de caso-controle. Podemos exemplificar estes estudos na área da saúde, supondo que estamos realizando um estudo sobre um determinado tipo de doença, os estudos de casocontrole são responsáveis por amostrar um grupo de pessoas que definitivamente possuem a doença de interesse e então podemos recrutar um grupo entre essas pessoas, que recebem o tratamento. Outro grupo a ser recrutado é o dos que não possuem a doença, mas apresentam características similares dos casos. Ambos os grupos são comparados quanto aos fatores de riscos potenciais, para verificar o que os diferenciam. Estes tipos de estudos são mais econômicos em comparação aos estudos da população em geral, visto que não envolvem tantos participantes. A seleção dos casos e dos controles exige uma avaliação cautelosa. Os casos são geralmente recrutados em clínicas hospitalares. Uma desvantagem potencial aqui é que esses casos devem ser identificados pelos serviços de saúde (ou de alguma outra maneira) para sua inclusão no estudo. É possível que os casos identificados sejam sistematicamente diferentes dos casos sem diagnóstico existentes na comunidade (DANCEY; REIDY; ROWE, 2017). A extensão do problema que isso representa depende da natureza da doença. Que é o caso para transtornos do comportamento, como o TDAH. É possível que os casos que chegam aos serviços clínicos não sejam representativos daqueles encontrados na população em geral. Crianças com TDAH que demonstram comportamento antissocial concorrente, por exemplo, serão mais provavelmente indicadas a um psiquiatra do que aquelas com apenas TDAH. Nesse caso, as descobertas de estudos de caso-controle podem não ser aplicáveis a casos de TDAH na população em geral. Os casos precisam ser selecionados cuidadosamente para serem representativos da doença-alvo também de outras formas. Exemplo: se uma doença está ligada à mortalidade, então será importanteamostrar casos logo após o diagnóstico. De outra forma, a amostra incluirá apenas aqueles que sobreviveram um período excepcionalmente longo após o diagnóstico e poderá identificar apenas os fatores de risco para essa forma da doença. Os controles devem ser da mesma população dos casos, significando que eles estão em risco de contrair a doença, mas não a têm. Eles podem ser compatíveis aos casos individuais ou em grupo. Os controles podem ser selecionados da população geral, ou podem ser recrutados entre os pacientes com doenças diferentes. Geralmente, os testes estatísticos são mais precisos quando o tamanho das amostras for grande. Isso também é verdadeiro em estudos de casos-controle. Enquanto o número de casos disponíveis pode ser limitado, a disponibilidade de controles pode ser menos restrita, portanto, estudos geralmente aumentam sua precisão recrutando mais controles do que casos. PROBABILIDADE Conforme o dicionário da língua portuguesa, a probabilidade é derivada do latim probabilitas,atis e significa a qualidade do que é provável, além disso, o dicionário nos traz que a palavra significa uma tendência favorável para que alguma coisa ocorre, uma possibilidade (DICIO, DICIONÁRIO, 2023). Agresti e Finlay (2012), trazem o significado da probabilidade na estatística: Com uma amostra ou um experimento aleatório, a probabilidade de ocorrência de um resultado, em particular, é a proporção de vezes em que o resultado é obtido em uma longa sequência de observações ou repetições (AGRESTI; FINLAY, 2012, p. 93). Como precisamos de muitas observações para a realização de avaliações precisas na probabilidade, trabalhamos com as repetições, por exemplo, se formos realizar uma amostra com apenas dez pessoas e todas elas apresentarem uma mesma resposta, não é possível concluir que a probabilidade de tal assunto seja de 1,0, ou 100%. A probabilidade apresenta diversas regras, mas vamos apresentar apenas quatro por serem as essenciais, e sem uma abordagem matemática, visto que o propósito nesta aula é ter uma percepção intuitiva. Consideramos como 𝑃(𝐴) a probabilidade de um possível resultado ou de um conjunto de resultados representados pela letra A. Assim: • 𝐏(não 𝐀) = 𝟏 – 𝐏(𝐀): pois, ao ter conhecimento da probabilidade de que um resultado aconteça, a probabilidade de ele não acontecer, será 1 menos aquela probabilidade. Por exemplo, a probabilidade de que um determinado evento aconteça, é de 0,56, portanto, a probabilidade de ele não acontecer, é de: 1 − 0,56 = 0,44. • Se 𝐀 e 𝐁 são resultados distintos possíveis (sem sobreposição), então 𝐏(𝐀 𝐨𝐮 𝐁) = 𝐏(𝐀) + 𝐏(𝐁) : supondo a realização de um levantamento de dados para estimação da proporção da população de pessoas que acreditam que a pesquisa com células-tronco deva ser proibida pelo governo federal. Consideramos 𝐴 como a representação que se obteve em uma estimativa da proporção amostral que é muito baixa, ficando mais do que 0,10 abaixo da proporção populacional e B é a representação da estimativa da proporção amostral como muito alta, ao menos 0,10 acima da proporção populacional. Então temos que: P(A ou B) = P(A) + P(B) = 0,03 + 0,03 = 0,06. • Se 𝐀 e 𝐁 são resultados possíveis, então 𝐏(𝐀 𝐞 𝐁) = 𝐏(𝐀) × 𝐏(𝐁 dado 𝐀): neste caso, o 𝐴 é independente, mas 𝐵 depende de 𝐴. Na prática, podemos dizer que 𝐵 está associado a 𝐴, por exemplo, 𝐴 representa pessoas casadas felizes, e 𝐵 representa pessoas que são felizes porque são casadas. Mas existem casos em que 𝐴 e 𝐵 são independentes, no caso de um não depender do outro, ou seja, P (B dado A) = P(B), assim, a regra do tópico acima, é simplificada para: • Se 𝐀 e 𝐁 são independentes, então 𝐏(𝐀 𝐞 𝐁) = 𝐏(𝐀) × 𝐏(𝐁) : para melhor entendimento desta regra, vamos utilizar um exemplo. Suponha que um método de inferência é geralmente utilizado com a probabilidade de a inferência para um dado conjunto, estar correta, como sendo 0,95. Supondo que 𝐴 represente uma inferência sobre homens na população de interesse e 𝐵 é a inferência de mulheres. Assim, visto que essas são amostras e inferências independentes, a probabilidade de que as duas estejam corretas, é de: P(A e B) = P(A) × P(B) = 0,95 × 0,95 = 0,90. Parâmetros que descrevem as distribuições de probabilidade A maioria das distribuições de probabilidade apresentam fórmulas. Para as demais distribuições, as probabilidades são fornecidas por tabelas e gráficos. Conforme Agresti e Finlay (2012), tanto a distribuição da população, como a distribuição de probabilidade, possuem parâmetros que descrevem o centro e a variabilidade. A média é utilizada na descrição do centro, do desvio padrão e da variabilidade. Os valores de parâmetro compreendem os valores que estas medidas assumem em uma grande quantidade de repetições, se o experimento ou amostra aleatória forem observados repetidamente, ou extraídos de uma variável 𝑦 tendo aquela distribuição de probabilidade. Exemplo: A seguir temos a distribuição de probabilidade de 𝑦 igual ao número ideal de filhos de uma família. 𝒚 𝑷(𝒚) 0 0,01 1 0,03 2 0,60 3 0,23 4 0,12 5 0,01 Total 1,00 Em um grande número de repetições, esperamos que 𝑦 = 0 aconteça 1% das vezes, 𝑦 = 1, aconteça 3% das vezes, e assim sucessivamente. Sejam, por exemplo, 100 observações, espera-se aproximadamente: somente um valor 0, três vezes o valor 1, sessenta vezes o valor 2, vinte e três vezes o valor 3, doze vezes o valor 4, e somente um valor 5. Visto que a média é igual ao total de observações dividida pelo tamanho da amostra, a média seria igual a: Este valor também é esperado de 𝑦, 𝐸(𝑦) = 𝜇 = 2,45. A terminologia reflete que E(y) representa o que esperamos para o valor médio de y em uma longa série de repetições das observações ou extrações.