Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estat́ıstica Aplicada à Engenharia I Aula 1 - Método estat́ıstico Profa Mariana Araújo Universidade Federal do Rio Grande do Norte - UFRN Fevereiro de 2019 1 / 11 2 Método Estat́ıstico O que é estat́ıstica? Cosiste de um conjunto de métodos para coletar, organizar, descre- ver, analisar e interpretar dados oriundos de estudos ou experimentos realizados em qualquer área do conhecimento. Um dos objetos da estat́ıstica é produzir a melhor informação posśıvel a partir dos da- dos dispońıveis. Podemos dividir a estat́ıstica em três grandes áreas: Estat́ıstica descritiva, Probabilidade e Inferência estat́ıstica. 1 Estat́ıstica descritiva: etapa inicial com objetivo de resumir e descrever os dados. 2 Probabilidade: a Teoria das Probabilidades nos permite descrever fenômenos aleatórios, isto é, fenômenos que envolvem incerteza. 3 Inferência estat́ıstica: conjunto de técnicas que nos permite chegar a conclusões para o todo (população) baseado na parte (amostra). 2 / 11 2 Método Estat́ıstico Figura 1: Etapas do método estat́ıstico 3 / 11 2.1 Conceitos básicos População: conjunto da totalidade de elementos (valores, pessoas, medidas, etc.) a serem estudados. Amostra: um subconjunto de elementos que extráımos da população. Geralmente buscamos amostras representativas. Uma amostra representativa é aquela que mantém as caracteŕısticas de uma população. Censo: coleção de dados relativos a todos os elementos de uma população. 4 / 11 2.2 Amostra e amostragem Quando são coletadas informações de apenas parte da população, diz-se que foi feita uma amostragem. Para a realização de um estudo, devemos selecionar uma amostra significativa, isto é, uma amostra que representa a população. Para isto, as técnicas de amos- tragem, que são procedimentos a serem adoratos para escolher os elementos que irão compor a amostra. Conforme a técnica utilizada, tem-se um tipo de amostra. Tipos de Amostragem Amostragem não-probabiĺıstica: é totalmente subjetiva, já que se baseia nas decisões pessoais do pesquisador. Amostragem probabiĺıstica: quando todos os elementos da população têm uma probabilidade de ser selecionado conhecida. 5 / 11 Amostragem não-probabiĺıstica Amostragem por julgamento: quando o pesquisador seleciona os elementos mais representativos da amostra de acordo com seu julgamento pessoal. Essa amostragem é ideal quando o tamanho da população é pequeno e suas caracteŕısticas, bem conhecidas. Exemplo: selecionar alunos do CT para responder uma pesquisa de satisfação sem estabelecer critério algum, apenas baseando-se no julgamento do pesquisador. Amostragem por conveniência: aqui o pesquisador seleciona uma amostra da população que está acesśıvel, isto é, os indiv́ıduos são selecionados porque eles estão dispońıveis, não porque foram selecionados por algum critério. Exemplo: as famosas enquetes em sites especializados na internet, as quais geralmente o autor envia convites via e-mail, Twitter ou outra rede social e os interessados se disponibilizam a respondê-la. 6 / 11 Amostragem não-probabiĺıstica Amostragem por cotas: consiste em uma amostragem por julgamento que ocorre em duas etapas. Em um primenro momento, são criadas categorias de controle dos elementos da população e, a seguir, selecionam-se os elementos da amostra com base em um julgamento. Exemplo: deseja-se uma cota de 25% de alunos do CT, sendo metade do sexo feminino e metade do sexo masculino. Digamos então que 200 alunos são selecionados, 100 de cada sexo. Então, 25 alunos de cada sexo é escolhido por julgamento. 7 / 11 Amostragem probabiĺıstica A amostragem probabiĺıstica é objetiva, pois não é influenciada pela pessoa que está conduzindo a pesquisa. Neste tipo de amostra- gem, os elementos da amostra são selecionados aleatoriamente e todos eles possuem probabilidade conhecida de serem escolhidos. Tal seleção ocorre através de uma forma de sorteio não viciado, como o sorteio em uma urna ou por números gerados por computa- dor. Amostragem aleatória simples: Todos os elementos da população têm a mesma probabilidade de pertencerem à amostra. Essa amostragem pode ser sem repetição, que é quando o elemento que já foi sorteado não continua no sorteio, ou com repetição, quando o elemento sorteado continua no sorteio, podendo ser escolhido novamente. 8 / 11 Amostragem probabiĺıstica Exemplo: Digamos que a população de um vilarejo é com- posta por 1000 pessoas e você gostaria de escolher uma amostra aleatória simpes (A.A.S.) de 50 pessoas. Primeiro, cada pessoa é numerada de 1 até 1000. Então, você gera uma lista de 50 números aleatórios (com algum software, por exemplo) e os números desta lista serão os únicos que você incluirá na amostra. Amostragem por conglomerados: é utilizada quando é imposśıvel ou impraticável compilar uma lista de elementos que compõem a população-alvo. Exemplo: digamos que o público-alvo em um estudo seja membros de igrejas no Brasil. É impraticável listar o nome dos membros de todas as igrejas no páıs, no entanto, o pesquisador poderia, neste caso, criar uma lista das igrejas no Brasil, selecionar uma amostra de igrejas e então obter a lista de membros dessas igrejas. 9 / 11 Amostragem probabiĺıstica Amostragem estratificada: Consiste em dividir a população em subgrupos mais homogêneos (estratos), e sortear proporcionalmente dentro de cada estrato subamostras que irão compor, quando reunidas, a amostra. Devemos utilizar esta técnica quando a população for constitúıda por diferentes estratos (Ex.: bairros, classe social, ńıvel de escolaridade. etc). Esse tipo de amostragem garante que o pesquisador tenha quantidades adequadas de indiv́ıduos de cada classe na amostra final. Exemplo: para obter uma amostra estratificada de estudantes do CT, o pesquisador organiza primeiro a população por semestre de graduação e então seleciona um determinado número de representantes de calouros, pessoas que estão no meio do curso e formandos, por exemplo. 10 / 11 Amostragem probabiĺıstica Amostragem sistemática: Os elementos são escolhidos por um sistema (uma regra). Aqui selecionamos as amostras de uma população em intervalos pré-fixados. Para funcionar, a técnica requer uma listagem précia da população. A fim de evitar o viés humano nesta técnica, o pesquisador deve selecionar o primeiro elemento aleatoriamente. 11 / 11
Compartilhar