Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 BIOESTATÍSTICA BIBLIOGRAFIA BÁSICA 1 BARBETTA,P. A. Estatística Aplicada às Ciências Sociais. Ed. da UFSC, 5 ed. Florianópolis, 2004. 2 BUSSAB, O. W., MORETTIN P. A. Métodos Quantitativos – Estatística Básica. Ed. Atual, 4º ed. São Paulo, 1987. 3 LEVIN, JACK. Estatística Aplicada A Ciências Humanas São Paulo ed. Harbra Ltda., 1987. 4 STEVENSON, WILLIAM J. Estatística Aplicada à Administração. São Paulo Ed. HARBRA ltda., 1981. 6 THOMAS, J. R. & NELSON J. K. Métodos de Pesquisa em Atividade Física. Porto Alegre, ed. Artmed, 2º , 2002. 7 TRIOLA, M. F. – Introdução à Estatística, 7 ed., LTC, Rio de Janeiro, 1999. 8 VIEIRA, SONIA. Bioestatística – Tópicos Avançados. Rio de janeiro ed. Campos, 2003. 9 VIEIRA, SONIA. Estatística Experimental. 2º ed. São Paulo ed. Atlas, 1999. 2 Apoio INTERNET http://www.sestatnet.ufsc.br/index1.htm http://pt.wikipedia.org/wiki/Categoria:Estat%C3%ADstica http://www.vademecum.com.br/iatros/ http://www2.ufpa.br/dicas/biome/bioconba.htm BIBLIOGRAFIA DE APOIO 1 AKAMINE, CARLOS T. & YAMAMOTO, ROBERTO K. Estatística Descritiva. São Paulo Ed. Érica, 1998. 2 BARBETTA, P.A., REIS, M.M., BORNIA, A.C. Estatística para Cursos de Engenharia e Informática. São Paulo: Atlas, 2004. 3 BARROS, M. V. G. & REIS, R. S. Analise de dados em atividade Física – Demonstrando a utilização do SPSS. Londrina ed. Midiograf, 2003. 4 BISQUEIRRA, R. SARRIERA, J. C. MARTÍNEZ, F. Introdução à Estatística – Enfoque Informático Com O pacote Estatístico SPSS. Porto Alegre, ed. Artmed, 2004. 5 BRAULE, Ricardo. Estatística Aplicada com Excel: para cursos de administração e economia. Rio de Janeiro: Campus, 2001. 6 CAMPOS M. S. Desvendando o MITAB. Rio de Janeiro ed.Qualitymark, 2003. 7 FERRREIRA, PAULO V. Estatística Experimental Aplicada à Agronomia. Maceió ed. EDUFAL, 1996. 8 GALLEGARI_JACQUES, SIDIA M. Bioestatística: princípios e aplicaçãoes. Porto Alegre ed. Artmed, 2003. 9 LAPPONI, JUAN C. Estatística Usando o Excel. São Paulo ed. Lapponi Treinamento e Editora, 2000. 10 LEVINE, D. M., BERENSON, M. L. e STEPHAN, D. – Estatística: Teoria e Aplicações usando o Excel. Rio de Janeiro: LTC, 2000. 11 LOPES P. A. Probabilidade Estatística – Conceitos Modelos Aplicações em Excel. Rio de Janeiro ed. Reichman & Affonso Editores, 1999. 12 MANZANO, J. A. Estudo Dirigido - Visual Basic 5.0 . São Paulo ed Érica, 1998. 13 MOTTA, V. T. & WAGNER, M. B. Bioestatística. Caxias do Sul – RS, ed. EDUCS, 2003. 14 PEREIRA W. & OSVALDO TANKA K> Estaistica Coceitos Básicos. São Paulo Ed. McGraw_Hill, 1990. 15 SOARES, J. F., FARIAS, A. A., CESAR, C. C. – Introdução à Estatística, LTC, Rio de Janeiro, 1991. 3 Normas para o desenvolvimento das aulas. 1) O telefone celular deverá permanecer desligado durante a aula; 2) É proibido o uso do telefone celular como calculadora no dia de prova. 3) O aluno poderá usar calculadora no dia da prova, sendo a mesma de uso individual. 4) Trabalho entregue fora do prazo não serão considerados; 5) Caso o aluno deixe de realizar alguma avaliação este deve proceder segundo Resolução 018/2004 - CONSEPE Normas para o desenvolvimento das aulas. 6) Para revisão de prova o aluno devera proceder segundo- Resolução 048/2001 - CONSEPE 7) Prazo para entrega dos resultados de provas e demais avaliações -Resolução 034/1993 - CONSEPE 8) O uso de computador pessoal fica restrito as atividades relacionadas ao pacote estatístico SPSS e EXCEL na sala de informática. 9) Contato com o professor fora do horário de aula poderá ser feitos pessoalmente no período de atendimento acadêmico ou por telefone (048 – 33218670 – 048 – 33218600). 4 Por que usar Estatística? Por que a natureza apresenta VARIABILIDADE: – Variações de indivíduo para indivíduo; – Variações no mesmo indivíduo; “A Estatística estuda como controlar, minimizar e observar a variabilidade INEVITÁVEL de todas as medidas e observações”. Sem Métodos Estatísticos, sem validade científica! Planejamento da Pesquisa Metodologia da área de estudo Metodologia estatística Definição do problema, objetivos Planejamento da pesquisa Execução da pesquisa Dados Análise dos dados Resultados Conclusões BARBETTA, P.A.Estatística Aplicada às Ciências Sociais, Florianópolis: Ed. UFSC, 5a edição, 2002 5 O método estatístico é um processo para se obter, apresentar e analisar características ou valores numéricos para uma melhor tomada de decisão em situações de incerteza. Os passos da metodologia estatística são os seguintes: – Definição cuidadosa do problema; – Formulação de um plano para coleta de dados; – Análise dos resultados; – Divulgação de relatório com conclusões, de tal modo que estas sejam facilmente entendidas. Quais os passos a tomar num estudo estatístico? Definição do problema; Planificação do processo de resolução; Coleta dos dados Organização dos dados; Apresentação dos dados; Analise e interpretação dos dados. Prof. Margarida Pocinho,2002. 6 Entre as características do método estatístico, citam-se: é o único modo de lidar com grande quantidade de observações ou de valores; aplica-se somente a observações redutíveis a uma forma quantitativa; é objetivo; entretanto, os resultados são influenciados pela necessária interpretação subjetiva. 7 8 Pesquisa aplicada aos usuários dos programas de extensão do CEFID Idade 28 25 70 18 50 64 38 18 36 19 33 36 20 18 38 72 23 35 53 22 22 46 65 20 18 21 58 25 62 20 31 59 24 42 27 28 40 21 29 20 24 23 16 38 27 23 51 23 74 22 36 29 30 17 34 18 37 32 33 27 37 43 31 21 26 17 15 30 33 31 26 45 47 42 41 19 44 40 22 41 21 45 27 32 52 19 54 16 31 17 33 53 61 25 21 68 21 23 19 33 O B O O B R B O B B B O B B B B B R O B B P O B B O O B P O B B B B O B O B O O O B B B R B O O O B B O O B R B B B P B B R O B O O O B O B R B B B B B R B B B B O B P O B B B R O O O O P B B O O O B 9 Os dados referentes à idade dos alunos dos cursos de extensão foram: 28 25 70 18 50 64 38 18 36 19 33 36 20 18 38 72 23 35 53 22 22 46 65 20 18 21 58 25 62 20 31 59 24 42 27 28 40 21 29 20 24 23 16 38 27 23 51 23 74 22 36 29 30 17 34 18 37 32 33 27 37 43 31 21 26 17 15 30 33 31 26 45 47 42 41 19 44 40 22 41 21 45 27 32 52 19 54 16 31 17 33 53 61 25 21 68 21 23 19 33 E os dados referentes avaliação geral dos cursos: O B O O B R B O B B B O B B B B B R O B B P O B B O O B P O B B B B O B O B O O O B B B R B O O O B B O O B R B B B P B B R O B O O O B O B R B B B B B R B B B B O B P O B B B R O O O O P B B O O O B Onde: O = Ótimo, B= Bom, R=Regular e P= Péssimo. (n=100) (n=100) - 15 15 16 16 17 17 17 18 18 18 18 18 19 19 19 19 20 20 20 20 21 21 21 21 21 21 22 22 22 22 23 23 23 23 23 24 24 25 25 25 26 26 27 27 27 27 28 28 29 29 30 30 31 31 31 31 32 32 33 33 33 33 33 34 35 36 36 36 37 37 38 38 38 40 40 41 41 42 42 43 44 45 45 46 47 50 51 52 53 53 54 58 59 61 62 64 65 68 70 72 74 Os dados referentes as idades dos alunos que freqüentam os cursos de extensão: Amplitude = 74 59 10 Faixa Etária (anos) f fr % 10 20 15 0,15 15 20 30 34 0,34 34 30 40 23 0,23 23 40 50 12 0,12 12 50 60 8 0,08 8 60 70 5 0,05 5 70 80 3 0,03 3 Soma = 100 1,00 100 Avaliação Geral f fr % ÓTIMO 34 0,34 34 BOA 53 0,5353 REGULAR 08 0,08 08 PÉSSIMO 05 0,05 05 SOMA 100 1 100 11 Estatística Estatística – é o ramo do conhecimento que se destina ao estudo dos processos de obtenção, coleta, organização, análise e interpretação de dados numéricos referentes a qualquer fenômeno, sobre uma população, coleção ou conjunto de seres. Estatística – é uma coleção de métodos para planejar experimentos, obter dados e organizá-los, resumi-los, analisá- los e deles extrair conclusões. Triola,1998. 12 Estatística Descritiva – é a parte da estatística que trabalha com organização e apresentação dos dados. Estatística Indutiva – é a parte da estatística que trabalha com a análise e interpretação dos dados. Apoio à investigação científica A investigação cientifica tem por fim proporcionar informações e conhecimentos que permitam ao homem maior adaptação e controle do meio em que vive, assim como fazer uso de um conjunto de procedimentos que o habilite a aumentar as informações e conhecimentos de que dispõe. 13 Estatística População Amostra População População é o conjunto de todos os elementos (indivíduos ou objetos) que têm pelo menos uma característica em comum, e que está sob investigação. Censo é uma coleção de dados relativos a todos os elementos de uma população. 14 População – No consenso biológico, população é o conjunto de indivíduos de mesma espécies capazes de gerarem descendentes férteis. – Contudo, em estatística esse conceito é totalmente diferente. – Geralmente infinita ou muito grande (tende ao infinito), impossibilitando a mensuração. População Amostra Amostra é qualquer subconjunto de uma população. Quando usar? – Economia; – Rapidez de processo; – Confiabilidade; – Teste destrutivos. Quando não usar? – População pequena; – Característica de fácil mensuração; – Necessidades políticas; – Necessita de alta precisão. 15 Estatística População Amostra Parâmetros Estatísticas Um parâmetro é uma medida numérica que descreve uma característica de uma população. Uma estatística é uma medida numérica que descreve uma característica de uma amostra. 16 Variáveis Características dos elementos de uma população ou de uma amostra, que pode assumir diferentes valores, sejam numéricos ou não, e que interessa ao estudo. 17 Variável Qualitativa Variável Qualitativa: tipo de variável que não pode ser medida numericamente. Exemplo: cor dos cabelos, marca de refrigerantes, cor dos olhos, etc. Os dados correspondentes a uma variável qualitativa são denominados dados qualitativos. (dados categóricos ou atributos) Variável Qualitativa O nível nominal de mensuração é caracterizado por dados que consistem apenas em nomes, rótulos ou categorias. Os dados não podem ser dispostos segundo um esquema ordenado (como de baixo para cima). 18 Variável Qualitativa O nível ordinal de mensuração envolve dados que podem ser dispostos em alguma ordem. Mas as diferenças entre os valores dos dados não podem ser determinadas, ou não tem sentido. Variável Quantitativa Variável Quantitativa: tipo de variável que pode ser medida numericamente. Exemplo: peso, altura, número de faltas de cada aluno, número de gols em cada jogo, etc. Os dados correspondentes a uma variável quantitativa são denominados dados quantitativos. 19 O nível intervalar de mensuração é análogo ao nível ordinal, com a propriedade adicional de que podemos determinar diferenças significativas entre os dados. Todavia, não existe um ponto de partida zero inerente ou natural. O nível de razão de mensuração é o nível de intervalo modificado de modo a incluir o ponto de partida zero inerente (onde o zero significa nenhuma quantidade presente). 20 Variável Discreta: tipo de variável cujo valor muda em saltos ou passos, não admitindo valores intermediários entre cada passo ou salto. Variável Contínua: tipo de variável que admite infinitos valores dentro de um intervalo. 21 Variáveis Classificação por nível de manipulação: têm seus valores “controlados” para observar efeitos em outras. DEPENDENTES São apenas medidas registradas (supõe-se que podem ser influenciadas pelas INDEPENDENTES) NÍVEL DE MANIPULAÇÃO INDEPENDENTES Seus valores são manipuladas para causar um efeito em outras 22 43 Qualitativa Quantitativa Ordinal Nominal Intervalar De razão Massa Corporal (kg) Cor dos cabelos Estatura (m) Sexo Idade (anos) Pressão atmosférica (Bar) Numero de irmãos Gosto musical Temperatura (oC) Cor dos olhos Grau de instrução Pressão Arterial 23 Métodos de Amostragem Probabilística X Não Probabilística Amostragem Probabilística Em uma amostra aleatória os elementos da população são escolhidos de tal forma que cada um deles tenha igual chance de figurar na amostra. Escolhe-se uma amostra aleatória simples de n elementos, de maneira que toda a amostra de tamanho n possível tenha a mesma chance de ser escolhida. 24 Amostragem Probabilística Amostragem aleatória simples; Amostragem aleatória simples estratificada; Amostragens sistemáticas; Amostragem aleatória simples Amostragem aleatória simples – Para se obter uma amostra aleatória simples, é preciso, inicialmente, construir uma relação completa e numerada de todos os elementos que compõem a população. A partir dessa relação procede-se, então o sorteio de um a um dos indivíduos até construir o tamanho ou número de observações requerido pela amostra. 25 Amostragem aleatória simples estratificada Amostragem aleatória simples estratificada – Consiste em dividir a população em subpopulações mais homogêneas – estratos – dos quais amostras aleatórias simples são obtidas. A amostra pode ser estratificada de acordo com algum fator como: sexo, idade, ou condição socioeconômica. AMOSTRAGEM PROBABILÍSTICA Amostra Estratificada: • Composta por elementos provenientes dos estratos da população Exemplo: podemos estratificar nossa população em Homens e Mulheres ou em jovens e adultos Homens Mulheres Técnica Amostral Aleatória Técnica Amostral Aleatória 26 Amostragem Estratificada Proporcional Exemplo: podemos estratificar nossa população de Homens, que representam 70% da população, e Mulheres, que representam 30% da população. Desta forma, nossa amostra de tamanho 25 seria formada por 17 Homens e 8 mulheres . Sendo que tanto os homens quanto às mulheres são escolhidos por seleções aleatórias. AMOSTRAGEM PROBABILÍSTICA Homens Mulheres Técnica Amostral Aleatória Técnica Amostral Aleatória Amostragem Sistemática Amostragens sistemáticas – Utiliza uma lista ou ordenação natural como na amostra aleatória simples, mas a escolha dos componentes segue um processo de captação periódico. 27 Amostra sistemática ou intervalar: AMOSTRAGEM PROBABILÍSTICA • Os elementos são escolhidos por um sistema; • Definir o intervalo para a escolha da amostra; 52 53 54 55 56 57 58 59 60 61 62 63 69 70 71 72 73 74 75 76 77 78 79 80 86 87 88 89 90 91 92 93 94 95 96 97 N = 100 n = 10 35 36 37 38 39 40 41 42 43 44 45 46 18 19 20 21 22 23 24 25 26 27 28 29 64 81 98 47 30 65 82 99 48 31 66 83 100 49 32 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 67 84 50 33 16 68 85 51 34 17 1 2 3 4 5 6 7 8 9 10 K = 10 Amostragem Não Probabilística A esmo; Amostragem de conveniência (por julgamento); Bola de neve. 28 Amostragem de ConveniênciaAmostra de conveniência - Trata-se de um procedimento não-probabilístico, mas não significa que não seja útil e até válido. Em pesquisas clinicas, muitas vezes, é inviável realizar um sorteio entre todos os componentes da população-alvo. Nesses casos, amostra de conveniência pode representar uma solução razoável, sendo mais rápida e de menor custo. A inclusão seqüencial (consecutiva) é preferível e tende a menores distorções. O julgamento sobre o fato de uma amostra de conveniência ser ou não ser representativa da população-alvo de interesse é totalmente subjetivo. A B C D E F G H I J K L M N O P Q R S T U V W X Y Z A 6 7 1 1 8 8 0 2 1 1 2 6 5 1 0 8 1 0 0 2 0 4 9 5 7 5 B 9 1 5 9 1 5 6 4 4 1 7 2 2 9 5 5 9 1 7 1 5 3 4 9 3 4 C 6 2 4 8 7 3 6 2 3 7 9 4 5 2 0 8 2 1 6 0 7 5 3 7 1 5 D 1 4 6 0 2 6 6 5 4 4 0 4 1 0 7 4 1 0 3 0 7 9 6 6 3 2 E 0 6 6 0 8 4 0 2 1 0 4 7 0 3 6 5 1 5 4 3 9 4 3 4 3 7 F 2 7 9 5 5 7 6 6 7 6 8 3 3 3 1 1 6 3 0 8 1 6 7 2 2 0 G 2 3 1 4 5 2 5 5 7 7 3 7 6 1 6 2 6 3 7 7 4 8 4 6 7 0 H 3 8 6 0 3 3 1 9 3 9 9 2 9 4 7 4 5 9 2 9 2 3 5 2 1 3 I 3 9 3 0 1 3 7 3 2 0 8 4 1 7 3 7 7 3 8 4 8 2 4 7 6 3 J 2 6 4 5 3 3 1 6 8 4 9 4 6 6 0 1 4 2 4 6 0 4 2 7 9 9 K 4 9 7 2 4 7 7 9 5 8 7 4 4 9 7 7 3 5 2 8 0 7 3 8 9 5 L 1 2 4 5 2 5 4 3 0 7 9 9 1 6 0 2 8 6 0 8 2 0 6 8 5 2 M 2 1 9 7 3 2 7 8 4 1 6 4 2 1 9 6 0 5 5 5 0 6 5 3 3 7 N 1 9 1 2 3 4 2 9 7 7 2 5 9 9 0 8 4 2 0 0 0 7 1 6 0 9 O 9 8 6 2 7 5 0 3 2 9 1 4 9 7 0 4 9 8 5 1 8 7 0 9 1 7 P 6 5 3 6 4 2 3 5 7 9 9 9 1 2 9 7 2 0 7 4 9 7 5 2 4 4 Q 4 9 4 8 0 8 5 6 6 7 4 8 9 3 9 7 0 4 1 2 1 8 1 1 7 8 R 5 6 9 8 2 8 9 0 7 4 0 2 6 2 1 2 6 2 2 3 5 7 9 9 3 5 S 1 7 4 0 6 9 5 8 9 5 2 3 2 8 7 8 7 6 0 3 3 9 7 3 2 8 T 0 5 0 6 1 2 6 3 5 0 8 2 9 4 2 3 0 3 9 5 2 1 7 8 4 8 U 3 8 1 2 9 8 7 2 7 9 0 6 2 3 3 1 9 8 3 1 4 7 5 0 9 3 V 1 9 4 5 5 2 9 0 9 9 4 9 2 1 0 6 1 8 2 1 3 4 0 4 2 6 W 5 9 6 2 8 4 1 8 3 1 7 6 9 4 4 4 5 1 3 4 2 9 8 1 8 9 X 3 3 4 0 0 7 5 7 7 5 9 2 5 0 4 6 8 0 3 0 9 6 7 9 9 1 Y 2 5 9 0 9 8 1 9 2 3 9 9 7 0 4 3 5 8 0 6 4 1 4 6 5 6 Z 9 0 8 0 3 3 4 0 4 4 7 3 6 3 1 2 2 5 2 8 5 5 7 2 7 7 11 = 59kg 2 = 63kg 8 = 68kg 10 = 50kg 4 = 62kg Amostra da massa de 5 alunos: 29 Forma tabular Tabelas de distribuição de frequências; Tabelas de contingência. Tabelas de distribuição de freqüências Usam-se quando se tem apenas uma variável; Tem que se ter em conta o tipo de variável (qualitativa ou quantitativa); O tamanho da amostra. 30 Tabelas de Contingências Usam-se quando se pretende verificar a existência ou não de associação de variáveis qualitativas. Tabelas de distribuição de freqüências Tabela de freqüência para dados qualitativos; Tabela de freqüência para dados discretos; Tabela de freqüência para dados contínuos; 31 Tabela de freqüência para dados qualitativos Contagem; Freqüência de um dado é o número de ocorrências ou repetições deste dado. Freqüência relativa de um dado é a razão entre a freqüência deste dado e o numero de dados (soma de todas as freqüências) Percentagem = (freqüência relativa) x 100 Cor de preferência para pintar as paredes da sala de espera da clinica de fisioterapia (n=20) Branca Verde Cinza Branca Rosa Rosa Cinza Verde Branca Rosa Cinza Branca Branca Cinza Branca Rosa verde cinza Branca Branca 32 Cor contagem Frequência branca cinza Preto Azul Branca Verde Cinza Branca Rosa Rosa Cinza Verde Branca Rosa Cinza Branca Branca Cinza Branca Rosa verde cinza Branca Branca 8 5 4 3 Tabela de frequência para dados qualitativos Tabela – cor para a sala de espera da clinica (n=20) Cor f fr % Branca 8 Cinza 5 Preto 4 Azul 3 Σ * Fonte 33 Tabelas de distribuição de frequências Tabela de frequência para dados discretos; Tabelas de distribuição de frequências para dados discretos Frequência; Frequência relativa; Porcentagem. 34 Dados Em uma pesquisa sobre o numero de irmãos de cada aluno, em uma sala de aula com 20 alunos em que se obteve os seguintes dados. 1 3 0 5 2 1 1 0 0 1 3 1 0 1 2 2 1 3 1 4 Tabelas de distribuição de freqüências para dados discretos Frequência; Frequência relativa; Porcentagem; Frequência acumulada; Frequência relativa acumulada; Porcentagem acumulada. 35 Tabelas de distribuição de frequências para dados discretos Tabela - No de irmãos f fr % 0 1 2 3 4 5 Σ Tabelas de distribuição de frequências para dados discretos Tabela - No de irmãos f fr % 0 4 0,20 20 1 8 0,40 40 2 3 0,15 15 3 3 0,15 15 4 1 0,05 5 5 1 0,05 5 Σ 20 1,00 100 36 Freqüência Acumulada Frequência Acumulada – é obtida através da adição sucessiva das freqüências simples absolutas de cada classe anterior a ela e a freqüência simples absoluta dessa classe. Tabelas de distribuição de frequências para dados discretos Tabela - No de irmãos f fr % Fa Fra %a 0 4 0,20 20 1 8 0,40 40 2 3 0,15 15 3 3 0,15 15 4 1 0,05 5 5 1 0,05 5 Σ 20 1,00 100 37 Tabelas de distribuição de frequências para dados discretos Tabela - No de irmãos f fr % Fa Fra %a 0 4 0,20 20 1 8 0,40 40 2 3 0,15 15 3 3 0,15 15 4 1 0,05 5 5 1 0,05 5 Σ 20 1,00 100 Tabelas de distribuição de frequências para dados discretos Tabela - No de irmãos f fr % Fa Fra %a 0 4 0,20 20 4 0,20 20 1 8 0,40 40 12 0,60 60 2 3 0,15 15 15 0,75 75 3 3 0,15 15 18 0,90 90 4 1 0,05 5 19 0,95 95 5 1 0,05 5 20 1,00 100 Σ 20 1,00 100 38 Tabela de frequência Dezesseis alunos de educação física percorreram a distancia de 300m , obtendo os seguintes tempos de percurso, em segundos: 43,1 41,4 43,7 42,0 43,9 42,3 43,2 42,6 41,7 44,6 43,0 42,1 43,2 40,1 43,5 42,5 Dados: número de abdominais em 1min. 42 43 43 41 42 43 42 43 42 44 42 40 43 43 41 43 Tabelas de distribuição de frequências para dados discretos Tabela de frequência para dados contínuos. 39 Tabelas de distribuição de frequências para dados discretos Dados: número de abdominais em 1min. 42 43 43 41 42 43 42 43 42 44 42 40 43 43 41 43 39 40 41 42 43 44 45 45444342414039 42 43 43 41 42 43 42 43 42 44 42 40 43 43 41 43 40 Tabela de frequência para dados contínuos Dezesseis alunos de educação física percorreram a distancia de 300m , obtendo-se os seguintes tempos de percurso, em segundos: 43,1 41,4 43,7 42,0 43,9 42,3 43,2 42,6 41,7 44,6 43,0 42,1 43,2 40,1 43,5 42,5 39 40 41 42 43 44 45 41 45444342414039 43,1 41,4 43,7 42,0 43,9 42,3 43,2 42,6 41,7 44,6 43,0 42,1 43,2 40,1 43,5 42,5 42 Número de classes Tabela de número de classe em função do número de dados pela regra do logaritmo. Número de dados (n) Número de Classes (K) 1 1 2 2 3 a 5 3 6 a 11 4 12 a 23 5 24 a 46 6 47 a 93 7 94 a 187 8 188 a 376 9 377 a a 756 10 756 a 1519 11 1520 a 3053 12 Classe Frequência de classe ou frequência Indicar intervalo |----- Limite inferior e limite superior 43 1 intervalo 40,0 a 40,9 2 intervalo 41,0 a 41,9 3 intervalo 42,0 a 42,9 4 intervalo 43,0 a 43,9 5 intervalo 44,0 a 44,9 Tabela: Classe f fr % 40,0 41,0 1 0,06 6 41,0 42,0 2 0,13 13 42,0 43,0 5 0,31 31 43,044,0 7 0,44 44 44,0 45,0 1 0,06 6 Soma 16 1,00 100 44 Tabela de Frequência de Dupla Entrada Tabela de frequência simples Tabela – 1 Sexo f fr % Masculino 200 0,66 66 Feminino 100 0,34 34 Σ 300 1 100 * Fonte 45 Tabela de freqüência de dupla entrada Tabela – 2 Tabagismo f fr % Fumante 130 0,44 44 Não-fumante 170 0,56 56 Σ 300 1 100 Tabela de frequência de dupla entrada Sexo Tabagismo Masculino Feminino Total Fumante 92 38 130 Não-Fumante 108 62 170 Σ 200 100 300 * Fonte 46 Gráficos Cores sugeridas para a pintura das paredes da sala de espera da clínica de fisioterapia 0 1 2 3 4 5 6 7 8 9 Branca Cinza Rosa Verde Cores Fr eq üê nc ia Gráficos Cores sugeridas para a pintura das paredes da sala de espera da clínica de fisioterapia 0 1 2 3 4 5 6 7 8 9 Branca Cinza Rosa Verde C or es Freqüência 47 Gráficos Cores sugeridas para a pintura das paredes da sala de espera da clínica de fisioterapia Verde - (15%) Rosa - (20%) Cinza - (25%) Branca - (40%) Branca Cinza Rosa Verde Abusos da Estatística Não é de hoje que ocorrem abusos com a estatística, Assim é que, há cerca de um século, o estadista Benjamim Disraeli citado por Triolla,1999 disse: “Há três tipos de mentiras: as mentiras, as mentiras sérias e a estatística”. 48 Abusos da Estatística Já se disse também que “os números não mentem; mas os mentirosos forjam números” e que “se torturados os dados por bastante tempo, eles acabarão por admitir qualquer coisa”. Abusos da Estatística O historiador Andrew Lang citado por Triola,1999 disse que “algumas pessoas usam a estatística como um bêbado utiliza um poste de iluminação - para servir de apoio e não para iluminar”. Todas essas afirmações se referem aos abusos da estatística, quando os dados são apresentados de forma enganosa. 49 Situações Alguns dos que abusam da estatística o fazem simplesmente por descuido ou ignorância; Outros, porem, tem objetivos pessoais, pretendendo suprimir dados desfavoráveis. Abusos da Estatística Pequenas amostras; Números precisos; Estimativas por suposição; Distorções deliberadas; Perguntas tendenciosas; Gráfico enganosos; Pictográficos. 50 0 10 20 30 40 50 60 70 80 1 2 Série1 40 45 50 55 60 65 70 75 1 2 Série1 51 Cores sugeridas para a pintura das paredes da sala de espera da clínica de fisioterapia 0 1 2 3 4 5 6 7 8 9 Branca Cinza Rosa Verde Cores F re qü ên ci a 0 1 2 3 4 5 6 7 8 Freqüência Branca Cinza Rosa Verde Cores Cores sugeridas para a pintura das paredes da sala de espera da clínica de fisioterapia 52 Tabela 1 - Tabela de freqüência de acertos de homens (a) e das mulheres (b). a) Número de acertos f fr b) Número de acertos f fr 1 1 0,03 1 1 0,05 2 4 0,13 2 3 0,15 3 8 0,27 3 5 0,25 4 12 0,40 4 8 0,40 5 5 0,17 5 3 0,15 Soma = 30 1,00 Soma = 20 1,00 Resultado do Teste 0 2 4 6 8 10 12 14 1 2 3 4 5 Número de Acertos Fr eq üê nc ia Homens Mulhres Tabela 1 - Tabela de freqüência de acertos de homens (a) e das mulheres (b). a) Número de acertos f fr b) Número de acertos f fr 1 1 0,03 1 1 0,05 2 4 0,13 2 3 0,15 3 8 0,27 3 5 0,25 4 12 0,40 4 8 0,40 5 5 0,17 5 3 0,15 Soma = 30 1,00 Soma = 20 1,00 Resultados dos Testes 0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45 1 2 3 4 5 Número de Acertos Fr eq üê nc ia R ela tiv a Homens Mulheres 53 Número de gols por partida 0 1 2 3 4 5 0 1 2 3 4 5 Número de gols Fr eq üê nc ia Tempo de percurso 0 2 4 6 8 10 12 14 16 40 41 42 43 44 45 Tempo de percurso (s) Fr eq ue nc ia a cu m ul ad a 54 Histograma de frequência 0 1 2 3 4 5 6 7 8 9 10 60 70 80 90 100 110 Classe Fr eq uê nc ia 55 2 22.σ μxa b .e 2.πσ. 1 y(a.b)
Compartilhar