Baixe o app para aproveitar ainda mais
Prévia do material em texto
2020Estatística Básica 1º Semestre DGC nelson.mateta@isptec.co.ao MSc. e Prof. Nelson Mateta 2020Conteύdo Programático CAPÍTULO 1. INTRODUÇÃO Á ESTATÍSTICA 1.1 Estudo da Estatística. 1.2 Estatística Descritiva e Estatística Inferência. 1.3 Conceitos básicos. 1.4 Etapas do método estatístico. 1.5 Técnicas de amostragens (Probabilísticas e não probabilísticas). CAPÍTULO 2. ORGANIZAÇÃO DOS DADOS 2.1. Tabelas/Séries estatística. 2.2. Diagramas/gráficos. 2.3. Distribuição de frequências (variáveis discretas e continuas). 2.4. Representação gráfica de uma distribuição 2020Conteύdo Programático CAPÍTULO 3. MEDIDAS DESCRITIVAS 3.1. Medidas de posição (Média, mediana, moda e separatrizes/Quantís). 3.4. Medidas de dispersão (Amplitude total, variância, desvio padrão e Coeficiente de variação). 3.5. Medidas de assimetria. 3.6. Medidas de concentração (curva de Lorenz, índice de Gini). CAPÍTULO 4. PROBABILIDADES 4.1. Análise combinatória. 4.2. Conceitos da teoria das probabilidades 4.3. Álgebra dos acontecimentos 4.4. Axiomas da teoria das probabilidades. 4.5. Probabilidade condicionada e independência. 4.6. Teorema da probabilidade total e teorema de Bayes. 2020Objectivos e Avaliação CAPÍTULO 5. REGRESSÃO LINEAR SIMPLES 5.1. Modelo de regressão linear simples 5.1.1. Métodos dos mínimos quadrados 5.1.2. Métodos alternativos de cálculo do b 5.1.3. Interpretação dos coeficientes a e b 5.1.4. Previsão com a recta de regressão) 5.1.5. Análise do grau de associação entre variáveis (Coeficiente de determinação; Coeficiente de correlação linear) 2020OBJECTIVOS Analisar dados apresentados em tabelas/gráficos e modelos matemáticos que permitem tomar decisões. Identificar técnicas de amostragens e criar instrumentos de recolha de dados. Organizar dados em tabelas de frequências e gráficos. Calcular as medidas estatísticas para dados agrupados e não agrupados. Quantificar a incerteza presente em determinada situação. Relacionar/Correlacionar variáveis. 2020Bibliografia 1. TIBONI, Conceição Gentil Rebelo (2010). Estatística Básica: para os cursos de administração, ciências contábeis, tecnológicos e de gestão. São Paulo: Atlas S.A 2. AFONSO, A. & NUNES, C. (2011). Estatística e Probabilidades: Aplicações e Soluções em SPSS. Lisboa. Escolar Editora 3. SPIEGEL, Murray R. & STEPHENS, Larry J. (2009). Estatística. 4ª ed. – Porto Alegre: Bookman 4. KAZMIER, Leonard J. (2007). Estatística Aplicada à Administração e Economia. 4ª ed. – Porto Alegre: Bookman 5. FREUND, John E. (2006). Estatística aplicada: economia, administração e contabilidade/John E. Freund; tradução Claus Ivo Doering. – 11.ed.- Porto Alegre: Bookman 6. MOORE, Davis S. (2011) A Estatística Básica e sua Prática. Rio de Janeiro. 7. MANN, Prem S. (2006). Introdução a Estatística. Rio de Janeiro: LTC. 8. CRESPO, A. Arnot (2009). Estatística Fácil. 19ª ed. Actualizada. Editora Saraiva 9. LAPPONI, J.C. (2000). Estatística usando Excel, São Paulo. Lapponi Treinamento e Editora Capítulo I- Introdução À Estatística 11.1 Estudo da Estatística A Estatística surgiu na antiguidade em função da necessidade do homem primitivo em estimar riquezas, distribuir terras, contar óbitos, cobrar impostos e realização de inquéritos quantitativos, chamados de estatísticas. Na evolução da estatística destaca-se: Idade Média: Recolha de informações para fins tributários. Século XVI: Análise sistemática de fatos como batismo, casamentos e funerais originando as primeiras tabelas. Século XVIII: Batismo da Estatística como método científico e determinação de foco por Godofredo Achenwall. Representação gráfica de dados, cálculo de probabilidades, criação de modelos estatísticos, conclusões sobre o todo (população) partindo da observação de partes deste todo (amostra). 21.1 Estudo da Estatística Definição da Estatística A Estatística: Parte da Matemática aplicada que possui métodos para coleta, organização, descrição, análise e interpretação de dados e utilização de tais dados na tomada de decisões (Antônio Amot, 2002). A Estatística representa um conjunto de métodos utilizados para coletar, analisar, apresentar e interpretar dados, que serão usados na tomada de decisões. 31.1 Estudo da Estatística Estatística Problema e Planeamento Coleta de dados Crítica dos dados Apuração Apresentação Tabelas Gráficos Diagramas Histogramas Análise e Interpretação Tomada de decisões? 41.1.1. Aplicação da Estatística Desenvolvimento, derivação e certificação de fórmulas, axiomas, leis e regras. A estatística aqui aplica-se à factos numéricos como a idade da população, a percentagem de um certo dado, salário de trabalhadores, imposto da polução etc. Método científico que admite todas as causas existentes, variando e registrando tais causas para a determinação do resultado final. 51.2. Ramos de Estatística Estatística Descritiva/Dedutiva: Usa métodos e técnicas para coletar amostras, organizar, exibir, e descrever-las através de gráficos e medidas resumidas. Também é empregada na análise exploratória de dados. Estatística Inferencial/Indutiva: Analisa e interpreta as amostras observadas para dar soluções, ajudar na tomada de decisões sobre a população e realização de previsões. Tais decisões são tomadas sob condições de incerteza, daí o uso de conceitos relativos à Teoria da Probabilidade que proporciona uma base racional para lidar com situações influenciadas por fatores relacionados com o acaso e estimação de erros. 61.2. Ramos da Estatística 71.3. Conceitos Básicos População: Conjunto de todos elementos finitos ou infinitos como indivíduos, itens e objetos cujas as características representam um universo estatístico. 81.3. Conceitos Básicos Tamanho de uma amostra 𝑛 = 𝑁. 𝑛𝑜 𝑁 + 𝑛𝑜 Fórmula generalizada n→ tamanho da amostra N → tamanho da população 𝑛 𝑜= 1 (𝐸)2 → primeira aproximação E→ erro amostral percentual Tamanho da amostra para população, infinita com variáveis quantitativas para n < 5 % n → tamanho da amostra 𝜎 → desvio padrão da população estudada 𝑍𝛼 2 → grau de confiança desejado 91.3. Conceitos Básicos Tamanho de uma amostra Tamanho da amostra para população, infinita com variável qualitativa para n < 5 % n→ tamanho da amostra p → proporçāo da categoria de índivíduos da população em estudo q= 1-p → proporçāo da categoria de índivíduos da populacao não estudada Tamanho da amostra para população, finita com variável quantitativa para n ≥ 5 % E→ erro amostral percentual N → tamanho da população 𝑍𝛼 2 → grau de confiança desejado 𝜎 → desvio padrão da população estudada 101.3. Conceitos Básicos Tamanho de uma amostra Tamanho da amostra para população, finita com variável qualitativa para n ≥ 5 % 111.3. Conceitos Básicos- Variáveis Tipos de variáveis A variável é usada para atribuição dos valores das amostras observadas. Variável Numérica/ quantitativa: Usada para representação de dados numéricos, ou quantitativos. Variável Numérica Discreta: Variável de domínio enumerável, corresponde a dados de contagem. Exemplo total de unidades defeituosas em uma amostra. Variável Numérica Contínua: Variável de domínio não enumerável. Exemplo: Diâmetro de um eixo, peso de um recém- nascido. Variável Qualitativa. Usa-se para representação de atributos dicotômicos (quando assume apenas dois possíveis valores, politômicos (quando pode assumir mais de dois possíveis valores. 121.3. Conceitos Básicos- Variáveis Tipos de variáveis (cont.) Variável Qualitativa Categórica: Usada para representar categorias, ou classes pertencentes as observações registradas. Exemplo: Cor dos olhos. Variável Qualitativa Ordinal: Utiliza-se em situações nas quais presume-se a necessidade de uma ordem, crescente ou decrescente, para os resultados. Exemplo: categoria salarial. 131.3. Conceitos Básicos- VariáveisVariável Quantitativa Qualitativa ou categórica (Ex cor do telefone, sexo, modelo de um telefone) Discreta (ex. numero de pessoas, mortos, carros) Contínua (ex. massa, altura, volume, peso, tempo, idade ) 141.3. Conceitos Básicos Pesquisa: Conjunto de informações a partir dos elementos de uma população ou de uma amostra. Na pesquisa deve-se saber primeiro o problema a ser pesquisado depois as características da população e/ou da amostra. Pesquisa por amostragem: Pesquisa que inclui elementos de uma amostra. Censo: Pesquisa que deve incluir todos elementos da população em estudo. Para conduzir tal pesquisa, seleciona-se primeiro uma amostra. Parâmetro: Medida que descreve certa característica dos elementos da população. Observação: valor de uma variável para um elemento. 151.3. Conceitos Básicos- Dados Dados de secções cruzadas: Dados coletados sobre diferentes elementos no mesmo ponto no tempo, ou em mesmo período. Dados de séries temporais: Fornecem valores sobre a mesma variável, para o mesmo elemento, em diferentes pontos no tempo ou para diferentes períodos. Dados qualitativos ou categóricos: Dados gerados por uma variável qualitativa. Dados quantitativos: Dados gerados por uma variável quantitativa. 161.3. Conceitos Básicos- Dados Dados quantitativos Contínuos: Dados que podem ser medidos, limitados pela precisão do sistema de medição. Exemplo, altura, peso etc. Dados quantitativos discretos: Dados que podem ser contados. Exemplo, numero de carros. Dados brutos: Dados registrados na sequência em que foram coletados antes de serem processados. Dados agrupados: Dados apresentados na forma de uma distribuicão de frequências. 171.3. Conceitos Básicos- Variáveis Venda em 2001 de quatro Super Mercados de Angola Super Mercados Vendas em 2018 (milhões de Kwanzas) Max 587.685 Diskontão 468.998 Kero 765.99 Nosso Super 985.66 Um elemento medição 181.4. Etapas do Método Estatístico Definição do problema Planejamento Coleta de dados Apuração dos dados. Apresentação dos dados Análise e interpretação dos dados Definição do problema: Define exatamente o foco da pesquisa. Planejamento: Etapa onde se planeja o modo de execução das fases seguintes, do objetivo da pesquisa e os métodos a usar de modo a responder as perguntas do tipo como levantar informações? Que dados deverão ser obtidos? Qual levantamento a ser utilizado? Censitário? Por amostragem? Qual é o cronograma de atividades? Quais são os custos envolvidos? 191.4. Etapas do Método Estatístico Coleta de dados: É o registro sistemático de dados, com um objetivo determinado. Coleta direta: Os dados são obtidos pelo próprio pesquisador, através de levantamento de registros (nascimentos, óbitos, notas fiscal, impostos, entre outros), inquéritos, questionários, entrevistas, inquéritos etc.) Coleta direta Contínua: Feita de forma contínua. Coleta direta Periódica: Feita em intervalos constantes de tempo, como censos (10 em 10 anos, avaliações mensais dos alunos). Coleta direta Ocasional: Feita em determinada situação para atender a um objetivo (casos emergenciais). 201.4. Etapas do Método Estatístico Métodos de coleta de dados (Cont) Observação: O pesquisador não pergunta, observa. Levantamento: feito através de entrevista pessoal, telefone e questionário. Coleta indireta: Inferida de elementos conhecidos, através de uma coleta direta. Exemplo, pesquisa sobre mortalidade infantil que é feita sobre a coleta direta de dados de nascimentos e óbitos. Apuração dos dados: condensação e tabulação manual ou eletrônico dos dados através de sua contagem e agrupamento. 211.4. Etapas do Método Estatístico Apresentação dos dados: Apresentação tabular (linhas e colunas ) ou gráfica dos dados numéricos, que permite visualizar o fenômeno estudado. Análise e interpretação dos dados: Fase do método estatístico ligada ao cálculo e interpretação de medidas e coeficientes cuja finalidade principal é descrever o fenômeno. A notação de somatório é utilizada para denotar a soma de todos valores e representa-se por 𝑥 = 𝑥1 + 𝑥2+𝑥3+𝑥4+…………𝑥𝑛 221.5. Conceitos Básicos- Amostra Amostra: é um subconjunto retirado da população, que se supõe ser representativo para os estudos. Uma amostra é representativa se contem as mesmas características da população. Amostragem: Procedimento pelo qual um grupo de pessoas ou um subconjunto de uma população é escolhido. Erro de amostragem: Diferença que existe entre os resultados obtidos numa amostra e os que teriam sido obtidos na população-alvo. Para mitigar o erro amostral é necessário; Retirar de forma aleatória um número suficiente de sujeitos que farão parte da amostra. Procurar reproduzir o mais fielmente possível a população pela tomada em conta das características conhecidas desta. 23 1.5. Conceitos Básicos- Tipos de Amostras Amostra aleatória ou probabilística : Amostra extraída de maneira que cada elemento da população tenha alguma chance de ser incluído na amostra em estudo. Amostra aleatória simples: Amostra extraída de maneira que cada elemento da população tenha a mesma chance de ser selecionado para amostra. Amostra não aleatória/não probabilística : Amostra extraída de tal maneira que nem todos elementos da população tenham a mesma chance de serem selecionados. 251.5. Técnicas de Amostragens Amostragem probabilística ( números gerados): Serve para assegurar uma certa precisão na estimação dos parâmetros da população, reduzindo o erro amostral. A sua principal característica é que cada elemento da população tem uma probabilidade conhecida e diferente de zero, de ser escolhida. Tipos de Amostragem probabilísticas Amostragem Aleatória Simples Amostragem Aleatória Estratificada Amostragem Sistemática Amostragem por conglomerados 261.5. Técnicas de Amostragens Amostragem Aleatória Simples: Técnica onde cada elemento da população alvo tem igual probabilidade de ser escolhido. Na prática, a amostragem aleatória simples pode ser realizada através de uma lista numérica de elementos numerando-se a população de 1 a n e sorteando-se, a seguir, por meio de um dispositivo aleatório qualquer, k números dessa sequência, os quais corresponderão aos elementos pertencentes à amostra. Amostragem probabilística 271.5. Técnicas de Amostragens Exemplo: obter uma amostra representativa para a pesquisa da estatura de noventa alunos de uma escola usando a Tabela de Números Aleatórios/ Pag-29 na (18ª linha). 1. Numerar os alunos de 01 a 90 2. Escrever os números, de 01 a 90, em pedaços iguais de um mesmo papel, colocando-os dentro de uma caixa. 3. Agitar a caixa para misturar bem os pedaços de papel e retiramos, um a um, nove números que formarão a amostra. Neste caso, 10% da população. Usa-se a Tabela de Números Aleatórios construída de modo que os dez algarismos (O a 9) são distribuídos ao acaso nas linhas e colunas. Amostragem Aleatória Simples 281.5. Técnicas de Amostragens 4. A leitura da tabela pode ser feita horizontalmente (da direita para a esquerda ou vice-versa), verticalmente (de cima para baixo ou vice-versa), diagonalmente (no sentido ascendente ou descendente) ou formando o desenho de uma letra qualquer. 5. Para obtermos os elementos da amostra usando a tabela, sorteamos um algarismo qualquer da mesma, a partir do qual iremos considerar números de dois, três ou mais algarismos, conforme nossa necessidade. Os números assim obtidos irão indicar os elementos da amostra. Assim, para este exemplo, considerando a 18ª linha, tomamos os números de dois algarismos (tantos algarismos quantos formam o maior número da população). AmostragemAleatória Simples 291.5. Técnicas de Amostragens Amostragem Aleatória Simples 301.5. Técnicas de Amostragens Amostragem aleatória/ proporcional estratificada: consiste em dividir a população alvo em subgrupos homogéneos chamados «estratos» e a seguir tirar de forma aleatória uma amostra de cada estrato. É usada quando a população inteira é reconhecida por certas características precisas como a idade, o sexo. Exemplo: Para o caso anterior, dos noventa alunos, obter a amostra proporcional estratificada em que 54 sejam meninos e 36 sejam meninas. Neste caso, há dois estratos (sexo masculino e sexo feminino) e queremos uma amostra de 10% da população. Amostragem probabilística 311.5. Técnicas de Amostragens 1. Cálculo de amostra Sexo População 10% Amostra M 54 10*54/100 ~ 5 F 36 36*10/100 ~ 4 Total 90 10*90/100 ~ 9 Amostragem aleatória/ proporcional estratificada 2. Numerar os alunos de 01 a 90, onde os de 01 a 54 correspondem a meninos e os de 55 a 90 são meninas. Considerando a Tabela de Números Aleatórios a primeira e a segunda colunas da esquerda, de cima para baixo, obtemos os seguintes números: 321.5. Técnicas de Amostragens Amostragem aleatória/ proporcional estratificada Considerar a primeira e a segunda colunas da esquerda, de cima para baixo, obtemos os seguintes números: 331.5. Técnicas de Amostragens Amostragem sistemática: Processo em que se seleccionam os sujeitos de uma lista já ordenada a serem incluídos na amostra. A selecção dos elementos obedece um determinado intervalo. A amostra sistemática de n elementos de uma população de tamanho N-K deve ser menor (<) ou igual (=) a N/n. Exemplo, se pretender uma amostra de 100 indivíduos e a população for de 1000 o sistema será 1000:100 =10 (dez em dez é o sistema), isto é, será incluído um elemento da lista de 10 em 10 indivíduos a partir do 1.º n.º sorteado . Neste caso, de uma linha de produção podemos, a cada dez itens produzidos, retirar um para pertencer a uma amostra da produção diária. Neste caso, estaríamos fixando o tamanho da amostra em 10% da população. Amostragem probabilística 341.5. Técnicas de Amostragens Amostragem sistemática Exemplo: Suponha uma rua contendo novecentos prédios, dos quais desejamos obter uma amostra formada de cinquenta prédios. 1. Cálculo do tamanho da população N-K (N/n = 900/50 = 18). 2. Escolher por sorteio casual um número de 1 a 18 (inclusive), o qual indicará o primeiro elemento sorteado para a amostra. 3. Os demais elementos serão periodicamente considerados de 18 em 18. Assim, se o número sorteado fosse o 4 por exemplo, tomaríamos, pelo lado direito da rua, o 4º prédio, o 22º, o 40º etc., até voltarmos ao início da rua, pelo lado esquerdo. 351.5. Técnicas de Amostragens Amostragem por conglomerados: É um procedimento de amostragem probabilística em que os elementos da população são selecionados aleatoriamente. Os elementos da amostragem são selecionados a partir da população de maneira individual, um de cada vez. Amostragem probabilística 361.5. Técnicas de Amostragens Amostragem não probabilística: procedimento de selecção em que cada elemento da população não tem a mesma probabilidade de ser escolhido para os estudos. Tipos de Amostragens Não-Probabilísticas: Amostragem Acidental ou de Conveniência Amostragem por Cotas Amostragem de Selecção Racional ou Tipicidade Amostragem por Redes ou Bola de Neve Amostragem não probabilística 371.5. Técnicas de Amostragens Amostragem acidental: É formada por elementos facilmente acessíveis. Exemplo: pessoas hospitalizadas. Nesta técnica, a amostra é simples de ser organizada, mas não indica que amostras são representativas da população-alvo. São utilizadas em estudos que não têm como finalidade a generalização dos resultados. Amostragem por cotas: Idêntica à amostragem aleatória estratificada diferindo desta apenas pelo facto dos sujeitos não serem escolhidos aleatoriamente no interior de cada estrato ou de cada grupo. Amostragem por selecção racional: Tem como base o julgamento do investigador para constituir uma amostra de sujeitos em função do seu carácter típico. Amostragem não probabilística 381.5. Técnicas de Amostragens Amostragem de bola de neve: Consiste em escolher elementos que seriam difíceis de encontrar de outra forma. Toma-se por base, redes sociais amizades e conhecimentos. Por exemplo: Imigrantes de Leste. Quando o investigador encontra elementos que satisfazem os critérios escolhidos pede-lhes que indiquem outras pessoas de características similares. Amostragem não probabilística 391.5. Técnicas de Amostragens 40 1.5. Técnicas de Amostragens- Tamanho da amostra A amostra depende de: Tamanho do universo; grau de Confiança; Erro de aproximação Percentagem de ocorrência do fenómeno n= Tamanho da amostra 𝑍𝛼 2 = grau de confiança p = % de ocorrência do q = % complementar (100-p) E = Erro de aproximação Fórmula generalizada 𝑛 = 𝑁. 𝑛𝑜 𝑁 + 𝑛𝑜 𝑛 → tamanho da amostra N → tamanho da população 𝑛 𝑜= 1 (𝐸)2 → primeira aproximação E→ erro amostral percentual Amostra para população, infinita com variável qualitativa para n < 5 % 41 1.5. Técnicas de Amostragens- Tamanho da amostra Tamanho de amostra para população finita (<100.000 elementos) n= Tamanho da amostra N = tamanho da população 𝑍𝛼 2 = grau de confiança expresso em números de desvios padrão p = percentagem do fenómeno; q = percentagem complementar e2 = erro Tamanho da amostra para população, finita com variável qualitativa para n ≥ 5 % 42 1.5. Técnicas de Amostragens- Tamanho da amostra Tamanho da amostra para população, finita com variável quantitativa para n ≥ 5 % E→ erro amostral percentual N → tamanho da população 𝑍𝛼 2 → grau de confiança desejado 𝜎 → desvio padrão da população estudada Margem de erro n = Tamanho da amostra σp = Erro padrão p = percentagem de ocorrência q = percentagem complementar 431.5.1. Índices e Taxas Índice intelectual = 𝐢𝐝𝐚𝐝𝐞𝐦𝐞𝐧𝐭𝐚𝐥 𝐱 𝟏𝟎𝟎 𝐢𝐝𝐚𝐝𝐞 𝐜𝐫𝐨𝐧𝐨𝐥ó𝒈𝒊𝒄𝒂 Índice demoragrafica = 𝐩𝐨𝐩𝐮𝐥𝐚çã𝐨 𝒔𝒖𝒑𝒆𝒓𝒇𝒊𝒄𝒊𝒆 Produção per capita = 𝐯𝐚𝐥𝐨𝐫 𝐭𝐨𝐭𝐚𝐥 𝐝𝐚 𝐩𝐫𝐨𝐝𝐮çã𝒐 𝐩𝐨𝐩𝐮𝐥𝐚çã𝒐 Receita per capita = 𝐫𝐞𝐜𝐞𝐢𝐭𝐚 𝐩𝐨𝐩𝐮𝐥𝐚çã𝒐 Consumo per capita = 𝐜𝐨𝐧𝐬𝐮𝐦𝐨 𝐝𝐨 𝒃𝒆𝒎 𝐩𝐨𝐩𝐮𝐥𝐚çã𝒐 Renda per capita = 𝒓𝒆𝒏𝒅𝒂 𝐩𝐨𝐩𝐮𝐥𝐚çã𝒐 Taxa de mortalidade= coeficiente de mortalidade x 1.000 Taxa de natalidade = coeficiente de natalidade x 1.000 Taxa de evasão escolar = coeficiente de evasão escolar x 100 Percentagen = dado amostral na série x 100 o total na série 441.5.2. Índices e Taxas Coeficiente de natalidade = número de nascimentos população total Coeficiente de mortalidade = número de óbitos população total Coeficiente de evasão escolar = número de alunos evadidos número inicial de matrículas Coeficiente de aproveitamento escolar = número de alunos aprovados numero ma de matnculas Coeficiente de recuperação escolar= número de alunos em recoperados número de alunos em recuperação
Compartilhar