Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
Clique para editar o estilo do título mestre Clique para editar o estilo do subtítulo mestre * * * ESTATÍSTICA BÁSICA * * * Conteúdo (mínimo) Medidas de posição central (média, moda) Medidas de dispersão (variância, DP) Tipos de dados (categóricos, contínuos) * * * Variável X (ex. tamanho de corpo, luminosidade, peso) 2.5, 16, 9, 5, 3.2, 4.7, 10, 13, 22, 0.12, 25, 17, 52, 8.1, 21, 182, 1.25, 0.156, 1.85, 45 Como resumir a informação nesse conjunto de dados de forma eficiente? * * * X = 2.5, 16, 9, 5, … * * * * * * * * * Média aritmética * * * Quando a média não funciona? * * * O que fazer? Eliminar os dados que não gostamos? Usar dados brutos? Usar outra medida para resumir os dados? * * * Moda O valor mais freqüente * * * * * * Qual medida de tendência central devo usar? Depende… Sempre plotar os dados Sempre plotar os dados Além disso, nunca esqueça de plotar os dados!!!! * * * Exercício 1 Calcular média, moda e mediana deste conjunto de dados: 1, 8, 4, 2, 2, 3, 1, 7, 3, 5, 3 Lembrete: Para amostras de número N ímpar a mediana será o valor da variável que ocupa o posto de ordem N +1 2 Para amostras de número N par a mediana será a média aritmética dos valores que ocupam os postos de ordem N e N +2 2 2 Clique para editar o estilo do título mestre Clique para editar o estilo do subtítulo mestre * * * Tutorial 1 Estatística descritiva usando Statistica * * * * * * Usar só a média não dá idéia da variabilidade nos dados Medidas de dispersão: Variância Desvio-padrão Coeficiente de variação * * * Relembrando… * * * Relembrando… * * * Média aritmética Relembrando… * * * * * * Calcular a média * * * Subtrair a média de cada valor individual – desvios da média * * * Subtrair a média de cada valor individual – desvios da média * * * Fazer a média do quadrado dos desvios = variância * * * Variância * * * Explicação intuitiva da variância Variância mede o quanto dados tirados independentemente serão parecidos. Se a variância é grande, dois valores medidos independentemente não necessariamente serão próximos. Por outro lado, se a variância é pequena, esses dois valores serão similares. * * * Desvio padrão Erro padrão * * * Exercício 1 Calcular variância, desvio padrão e erro padrão dos dados abaixo 1, 8, 4, 2, 2, 3, 1, 7, 3, 5, 3 Lembrete: * * * Tipos de dados Categóricos não ordenados: azul, verde, amarelo Categóricos ordenados: classe baixa, média, alta Contínuos: tamanho de corpo * * * Distribuições estatísticas I – A distribuição normal * * * É uma das distribuições mais comuns. De onde ela vem? - Quando uma variável é influenciada por uma variedade de fatores que agem aditivamente, a distribuição dessa variável geralmente é normal ou Gaussiana - Boa parte da “estatística paramétrica” é baseada nessa distribuição * * * Medidas de associação entre variáveis Correlação Mede o quanto duas variáveis são interdependentes (covariam) (ex.: altura e peso em humanos) Não afirma nada sobre causa e efeito Regressão Mede o quanto uma variável é influenciada por outra variável independente (ex.: a influência da temperatura no crescimento de Limnoperna – é possível que a temperatura influencie o crescimento, mas é improvável que o crescimento de Limnoperna afete a temperatura ambiente!) * * * Relembrando da variância * * * * * * Imaginemos 2 variáveis * * * Imaginemos 2 variáveis * * * Explicação intuitiva da Covariância Vimos que a variância mede o quanto dados tirados independentemente serão parecidos. Um argumento semelhante pode ser feito para covariância. Se a covariância entre X e Y é grande, se sabemos um valor de X1, teremos uma boa idéia de que valor apareceria para Y1 * * * * * * Uso da covariância Se temos: * * * Outra medida interessante: O rXY mede o grau de associação entre variáveis X e Y. Se elevamos o valor de rXY ao quadrado, temos o coeficiente de determinação r2 mede a percentagem que a variação de uma variável é explicada pela variação na outra. Clique para editar o estilo do título mestre Clique para editar o estilo do subtítulo mestre * * * Tutorial 2 Correlação usando Statistica * * * Regressão linear Mede o quanto uma variável é influenciada por outra variável independente Gera uma equação que descreve essa relação * * * Importante Correlação regressão!! Não olhe somente o valor de p!!! * * * P significativo, r2 baixo… * * * * * * * * * O que afinal é o valor de p? Um enunciado de um experimento poderia ser formulado assim: H0: Um novo inseticida XXX NÃO afeta a mortalidade de moscas expostas topicamente. H1: A taxa de mortalidade de moscas é alterada após exposição ao inseticida XXX * * * O que afinal é o valor de p? p = probabilidade da H0 ser verdadeira p = probabilidade de obter dados tão ou mais diferentes da H0 como os obtidos nos experimentos se Ho é verdadeira * * * Exemplo Alguém entrou no laboratório e trocou o inseticida por água. Portanto XXX é inútil (Ho é verdadeira, não há efeito) Observamos uma diferença média de 2.4 dias na sobrevivência das moscas expostas ou não a XXX p é a probabilidade de observarmos a diferença de 2.4 dias se H0 é verdadeira. Se p é muito baixo, rejeitamos H0
Compartilhar