Aula 01

Prévia do material em texto

16/02/2018
1
Ementa:
Tipos de Dados, Arredondamentos, Medidas Estatísticas, Preparação de 
Dados para Análises Estatísticas, Gráficos, Séries Estatísticas, Técnicas 
de Amostragem, Intervalo de Confiança, Distribuição Normal de 
Probabilidade e Noções de Testes de Hipóteses.
Objetivo Geral
Tornar o acadêmico apto a tomar decisões empresariais com o uso do 
ferramental estatístico.
Objetivo Específico
• Aprender a coletar dados através de amostragem;
• Organizar e apresentar dados estatísticos através de séries e gráficos;
• Distribuir as frequências;
• Calcular e interpretar medidas estatísticas;
• Analisar os resultados para o processo de tomada decisões e
• Interpretar os testes de hipóteses e suas probabilidades de 
significância.
1
Plano de Ensino
Conteúdo
Capítulo 1: Conceitos Introdutórios e Técnicas de 
Amostragem 
Capítulo 2: Distribuição de Frequências e Medidas de 
Posição Central
Capítulo 3: Medidas de Ordenamento e Forma, 
Medidas de Dispersão e Gráficos
Capítulo 4: Distribuições Amostrais e Estimação
Capítulo 5: Distribuição Normal e Teste de Hipótese
2
Plano de Ensino
Origem da Estatística
Acredita-se que o termo Estatística tenha sido 
primeiramente empregado para designar 
conjunto de dados referentes a assuntos do 
Estado, geralmente com finalidade de controle 
fiscal ou de segurança nacional. Por esse 
motivo, o uso da palavra, segundo estudiosos, 
teria a sua origem na expressão latina status, 
que significa Estado.
3
Importância e utilização da Estatística
Algumas razões para se estudar Estatística:
• Saber apresentar e descrever informações de 
forma adequada.
• Saber tirar conclusões a partir das informações 
obtidas.
• Desenvolver a capacidade crítica e de análise.
4
16/02/2018
2
Definição
Estatística: conjunto de técnicas que permite, 
de forma sistemática, organizar, descrever, 
analisar e interpretar dados provenientes de 
estudos ou experimentos, realizados em 
qualquer área do conhecimento.
5
Áreas da Estatística
Estatística Descritiva: conjunto de técnicas 
destinadas a descrever e resumir os dados, a fim 
de que possamos tirar conclusões a respeito da 
característica de interesse.
Probabilidade: teoria matemática utilizada para se 
estudar a incerteza oriunda de fenômenos de 
caráter aleatório.
Inferência Estatística: estudo de técnicas que 
possibilitam a extrapolação, a um grande conjunto 
de dados, das informações e conclusões obtidas a 
partir da amostra.
6
Conceitos elementares
Unidade experimental ou de observação é um 
objeto (isto é, pessoa, objeto, transação ou evento) 
a partir do qual coletamos os dados.
População é o conjunto total de unidades 
experimentais que têm determinada característica 
que se deseja estudar. Uma população pode ser 
finita ou infinita. 
7
Conceitos elementares
Populações finitas permitem que seus 
elementos sejam contados. Por exemplo: 
todas as lojas existentes em determinado 
shopping, todos os alunos matriculados em 
determinada universidade, todos os veículos 
licenciados pelo departamento de trânsito em 
um ano. Indicamos o tamanho de uma 
população finita por N.
8
16/02/2018
3
Conceitos elementares
Na prática, uma população que está sendo 
estudada é usualmente considerada infinita
se ela envolve um processo contínuo que 
torna impossível a listagem ou contagem de 
cada elemento na população. Por exemplo: 
quantidades de porções que se pode extrair 
da água do mar para análise.
9
Conceitos elementares
Amostra é uma parte da população de 
interesse a que se tem acesso para se 
desenvolver o estudo estatístico.
Os dados amostrais devem ser coletados de 
modo apropriado, de modo que os dados 
sejam representativos da população da qual 
foram extraídos.
10
Conceitos elementares
Parâmetro é uma medida numérica que 
descreve alguma característica de uma 
população.
Estatística é uma medida numérica que 
descreve alguma característica de uma 
amostra.
11 12
Fonte: MAGALHÃES, M.N.; LIMA, A.C. Noções de Probabilidade e Estatística.
16/02/2018
4
Tipos de dados
As informações contidas num conjunto de dados 
são referentes a determinadas variáveis em 
estudo.
Variável é uma característica da unidade 
experimental.
Há dois tipos de variáveis: numéricas e não 
numéricas. As numéricas são denominadas 
quantitativas, e as não numéricas, qualitativas.
13
Nominal
Qualitativa
Ordinal 
Variável
Discreta 
Quantitativa 
Contínua 
14
Fonte: MAGALHÃES, M.N.; LIMA, A.C. Noções de Probabilidade e Estatística.
Variáveis qualitativas
São variáveis que assumem como possíveis 
respostas atributos e /ou qualidades. Se tais 
respostas têm uma ordenação natural, então 
elas são classificadas como qualitativas 
ordinais.
Exemplos:
• Classe social: baixa, média, alta.
• Tamanho de uma embalagem: pequeno, 
médio, grande.
15
Variáveis qualitativas
Quando não for possível estabelecer uma 
ordem natural entre suas respostas, elas são 
classificadas como qualitativas nominais.
Exemplos:
• Gênero: masculino ou feminino.
• Estado civil: solteiro, casado, viúvo, 
divorciado.
16
16/02/2018
5
Variáveis quantitativas
São variáveis que assumem como possíveis 
respostas números e podem ser subdivididas 
em discretas e contínuas.
As variáveis quantitativas discretas são 
resultantes de contagens, assumindo assim, 
valores inteiros.
Exemplos:
• Número de irmãos: 0, 1, 2, ...
• Número de peças defeituosas em um 
lote: 0, 1, 2, 3, ...
17
Variáveis quantitativas
As variáveis quantitativas contínuas assumem 
valores em intervalos dos números reais e, 
geralmente, são provenientes de uma 
mensuração.
Exemplos:
• Peso
• Altura
18
Códigos Numéricos
Muitas vezes, na utilização de programas 
computacionais, associamos códigos numéricos 
a uma variável qualitativa. Por exemplo, para a 
variável gênero podemos associar ao sexo 
feminino o valor 1 e ao masculino 2. Apesar da 
variável ser representada por valores numéricos, 
isso não a torna uma variável quantitativa.
19
Amostragem
Quando selecionamos uma amostra devemos 
garantir que esta amostra seja representativa da 
população, ou seja, no processo de amostragem, a 
amostra selecionada deverá possuir as mesmas 
características básicas da população.
Temos dois tipos de amostragem, a que chamamos 
de probabilística (ou aleatória) e a não 
probabilística (ou não aleatória).
20
16/02/2018
6
Técnicas de amostragem
A amostragem será probabilística se todos os 
elementos da população tiverem probabilidade 
conhecida, e diferente de zero, de pertencer à 
amostra. Caso contrário, a amostragem será 
não probabilística.
21
Técnicas de amostragem
Independente do tipo de amostragem, podemos 
trabalhar com amostragem com reposição ou 
sem reposição. Na amostragem com reposição
é permitido que uma unidade experimental seja 
sorteada mais de uma vez, e na amostragem 
sem reposição, a unidade experimental sorteada 
é removida da população.
22
Amostragens probabilísticas
• Amostragem aleatória simples.
• Amostragem sistemática.
• Amostragem estratificada.
23
Amostragem aleatória simples
É utilizada quando todos os elementos da 
população têm a mesma chance (ou probabilidade 
igual) de pertencer à amostra.
Para trabalhar com a amostragem casual simples 
devemos conseguir listar a população de 1 a N. Os 
elementos da população que irão pertencer a 
amostra serão sorteados de forma aleatória. 
Sortearemos n números dessa sequência, os quais 
corresponderão aos elementos sorteados para a 
amostra.
N: tamanho da população
n: tamanho da amostra
24
16/02/2018
7
Amostragem sistemática
A amostragem sistemática consiste em uma 
escolhasistemática (empregando um mesmo 
procedimento) dos elementos da população.
A amostragem sistemática também necessita de 
uma lista dos elementos da população e a retirada 
dos elementos da amostra é feita periodicamente, 
escolhendo-se cada k-ésimo elemento da lista, 
em que este k é obtido através da divisão entre o 
tamanho da população e o tamanho da amostra. 
O primeiro elemento a ser selecionado é 
escolhido aleatoriamente entre 1 e k.
25
Amostragem estratificada
A amostragem estratificada consiste em uma 
tentativa de melhoria dos critérios da amostragem 
aleatória ou sistemática. 
Dividimos a população em subgrupos de elementos 
parecidos, homogêneos, aplicando, em seguida, a 
amostragem aleatória simples dentro de cada 
subgrupo individual. 
Extraindo amostras representativas de subgrupos 
menores e mais parecidos e depois agrupando as 
amostras individuais, tenta-se melhorar o critério de 
representatividade das amostras.
26
Amostragens não probabilísticas
• Amostragem a Esmo ou Sem Norma.
• Amostragem Intencional.
27
1) Para as situações descritas a seguir, identifique a 
população e a amostra correspondente. Discuta a 
validade do processo de inferência estatística para 
cada um dos casos.
a)Para avaliar a eficácia de uma campanha de 
vacinação no Estado de São Paulo, 200 mães de 
recém nascidos, durante o primeiro semestre de um 
dado ano e em uma dada maternidade em São 
Paulo, foram entrevistadas a respeito da última vez 
em que vacinaram seus filhos.
b)Uma amostra de sangue foi retirada de um 
paciente com suspeita de anemia.
28
16/02/2018
8
c) A fim de avaliar a intenção de voto para 
presidente dos brasileiros, 122 pessoas foram 
entrevistadas em Brasília.
29 30
2) Responda certou ou errado, justificando:
Suponha duas amostras colhidas de uma mesma 
população, sendo uma de tamanho 100 e outra 
de tamanho 200. Então, a amostra de tamanho 
maior é mais representativa da população.