Estatística - 1° aula

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