Aula um estatistica
-
Upload
carlos-alberto-de-albuquerque -
Category
Education
-
view
98 -
download
2
Transcript of Aula um estatistica
Professor: Carlos Alberto de Albuquerque
Blog: http://professorcarlosaa.blogspot.com.br/
Email:
ESTATÍSTICA BÁSICA
AULA
UM
EMENTA
Conceitos básicos de estatística.
Métodos quantitativos.
Organização e descrição de dados.
Técnicas de coleta de dados.
Estatística descritiva.
Modelos probabilísticos.
Amostragem; Análise de acidentes do trabalho
com a utilização de ferramentas adequadas;
estudo das estatísticas de acidentes do trabalho.
REFERÊNCIAS BÁSICAS
BRAGA, Luis Paulo Vieira. Compreendendo
probabilidade e estatística. 1. ed. Editora E-
Papers, 2010
DOMINGUES, Osmar; MARTINS, Gilberto de
Andrade. Estatística geral aplicada. 4. Ed. São
Paulo: Atlas, 2011.
VIEIRA, Sonia. Estatística básica. 1. ed. São
Paulo: Cengage Learning, 2012.
REFERÊNCIAS COMPLEMENTARES
BARBETTA, Pedro Alberto; BORNIA, Antonio Cezar. Estatística
para os cursos de engenharia e informática. 3. Ed. São Paulo:
Atlas, 2010
BRUNI, Adriano Leal. Estatística aplicada à gestão empresarial.
3. Ed. São Paulo: Atlas, 2011.
BUSSAD, Wilton de Oliveira; MORETTIN, Pedro Alberto.
Estatística básica. 7. ed. São Paulo: Saraiva, 2011.
CRESPO, Antonio Arnot. Estatística fácil. 19 ed. São Paulo:
Saraiva, 2009.
LIMA, Carlos Pedroso de; MAGALHÃES, Marco Nascimento.
Noções de probabilidade e estatística. 7. Ed. São Paulo: Edusp,
2007.
AVALIAÇÕES
Trabalhos individuais e/ou de equipes:
– Valor: 10,0 peso 1.
Prova 1: em 13 /03/2017, valor: 10,0 peso 3.
Prova 2: em 08/05/2017, valor: 10,0 peso 3.
Prova 3: em 16/06/2017, valor: 10,0 peso 3.
ATENÇÃO: A apresentação do trabalho/prova
poderá valer até 50% da nota. Tabelas e
gráficos realizados sem régua ou instrumentos
adequados receberão nota zero.
AVALIAÇÕES
Em todas as aulas serão aplicadas listas de
exercícios que deverão ser entregues na
próxima aula, antes da realização da
chamada.
NÃO SERÃO ACEITAS LISTAS APÓS A
CHAMADA.
AVALIAÇÕES
As listas darão uma pontuação extra de até
0,5 na MD, portanto só serão corrigidas as
listas dos alunos que tenham MD entre 5,5 e
6.
INTRODUÇÃO À ESTATÍSTICA
PROBLEMA DO CAPÍTULO
Por que a pesquisa Literary Digest foi tão
errada?
Fundada em 1980, a revista Literary Digest ficou
famosa por seu sucesso na realização de
pesquisas para predizer o vencedor de eleições
presidenciais.
A revista previu corretamente os vencedores das
eleições presidenciais de 1916, 1920, 1924, 1928
e 1932.
INTRODUÇÃO À ESTATÍSTICA
Na disputa presidencial de 1936 entre Alf Landon e Fraklin
D. Roosevelt, a revista enviou 10 milhões de cédulas e
recebeu de volta 1.293.669 de cédulas para Landon e
972.897 cédulas para Roosevelt, de modo que parecia
que Landon teria 57% dos votos.
O tamanho dessa pesquisa é extremamente grande em
comparação aos tamanhos de outras pesquisas típicas,
de maneira que se esperava que ela predissesse
corretamente o vencedor, mais uma vez.
INTRODUÇÃO À ESTATÍSTICA
James A. Farley, presidente do comitê Democrático
Nacional à época, elogiou a pesquisa dizendo:
“Qualquer pessoa em sã consciência não pode
escapar da implicação de tão gigantesca amostragem
da opinião popular como a prévia realizada pela The
Literary Digest. Eu a considero como evidência
conclusiva do desejo do povo desse país de uma
mudança no Governo Nacional. A pesquisa é um avanço
de não pequena dimensão. É uma pesquisa realizada de
maneira justa e correta. ”
INTRODUÇÃO À ESTATÍSTICA
Bem, Landon recebeu 16.679.583 votos contra
27.751.597 votos dados a Roosevelt.
Em vez de obter 57% dos votos, como
sugerido pela pesquisa, Landon recebeu
apenas 37%.
A Figura seguinte mostra os resultados para
Roosevelt.
INTRODUÇÃO À ESTATÍSTICA
A revista Literary Digest
sofreu uma derrota
humilhante e logo saiu de
circulação.
Na mesma eleição de 1936,
George Gallup usou uma
pesquisa muito menor com
50.000 sujeitos, e predisse
corretamente que Roosevelt
venceria.
INTRODUÇÃO À ESTATÍSTICA
Como pode acontecer de a
pesquisa maior da Literary
Digest estar errada por uma
diferença tão grande?
O que não deu certo?
A medida que você aprender
sobre a estatística básica,
retomaremos à pesquisa e
explicaremos porque ela errou
tanto.
INTRODUÇÃO À ESTATÍSTICA
DEFINIÇÃO
DADOS: São coleções de observações, como
por exemplo:
Medidas;
Gênero; e
Respostas de pesquisas.
INTRODUÇÃO À ESTATÍSTICA
ESTATÍSTICA: É a ciência do planejamento de
estudos e experimentos, da obtenção de dados
e, em seguida, da organização, resumo,
apresentação, análise, interpretação e
elaboração de conclusões com base nos dados.
POPULAÇÃO: É a coleção completa de todos os
indivíduos (escores, pessoas, medidas e outros)
a serem estudados.
A coleção é completa no sentido de que inclui
todos os sujeitos a serem estudados.
INTRODUÇÃO À ESTATÍSTICA
CENSO: É a coleção dos dados obtidos de todos
os membros da população.
AMOSTRA: É uma subcoleção de membros de
uma população.
Exemplos: a pesquisa da Literary Digest usou
uma amostra de 2,3 milhões de respondentes.
Esses respondentes constituem uma amostra,
enquanto a população é constituída por todos os
eleitores.
INTRODUÇÃO À ESTATÍSTICA
TIPOS DE DADOS
PARÂMETRO: É uma medida matemática que
descreve alguma característica de uma
população.
Exemplo: Há exatamente 100 senadores no 109º
Congresso dos Estados Unidos, e 55% deles são
Republicanos.
O número 55% é um parâmetro porque se baseia
na população inteira de todos os 100 senadores.
INTRODUÇÃO À ESTATÍSTICA
ESTATÍSTICA: É uma medida numérica que
descreve alguma característica de uma amostra.
Exemplo: Em 1936, Literary Digest entrevistou
2,3 milhões de eleitores americanos, e 57%
disseram que votariam em Landon para
presidente.
O número 57% é uma estatística porque se
baseia em uma amostra, não na população
inteira de todos os eleitores americanos.
INTRODUÇÃO À ESTATÍSTICA
DADOS QUANTITATIVOS (OU NUMÉRICOS):
Constituem em números que representam contagens
ou medidas.
Exemplo: As idades (em anos) de entrevistados em
uma pesquisa.
DADOS CATEGÓRICOS (OU QUALITATIVOS OU
ATRIBUTOS): Consistem em nomes ou rótulos que
não são números que representam contagens ou
medidas.
Exemplo: A filiação partidária de entrevistados.
INTRODUÇÃO À ESTATÍSTICA
Mais um exemplo:
Os números dos jogadores de um time de
futebol.
Esses números são substitutos dos nomes.
Eles não contam ou medem qualquer coisa, de
modo que são dados categóricos.
INTRODUÇÃO À ESTATÍSTICA
Os dados quantitativos podem, ainda, ser
descritos pela distinção entre os tipos discreto e
contínuo.
DADOS DISCRETOS: Surgem quando o número
de valores possíveis é ou um número finito, ou
uma quantidade “enumerável”.
Enumerável: o número de valores possíveis é 0
ou 1 ou 2 e assim por diante.
INTRODUÇÃO À ESTATÍSTICA
Exemplo de dados discretos.
Os números de ovos que as
galinhas botam são dados
discretos porque representam
contagens.
INTRODUÇÃO À ESTATÍSTICA
DADOS NUMÉRICOS CONTÍNUOS:
Resultam de infinitos valores possíveis que
correspondem a alguma escala contínua que
cobre um intervalo de valores sem vazios,
interrupções ou saltos.
INTRODUÇÃO À ESTATÍSTICA
Exemplo de Dados Contínuos: As quantidades
de leite das vacas são dados contínuos porque
são medidas que podem assumir qualquer valor
em um intervalo contínuo.
Durante um ano, uma vaca pode produzir uma
quantidade de leite que pode ser qualquer valor
entre 0 e 7000 litros.
Seria possível obterem-se 5678,1234 litros, por
exemplo.
INTRODUÇÃO À ESTATÍSTICA
Outra forma de classificar dados é através do
uso de quatro níveis de mensuração:
Nominal;
Ordinal;
Intervalar; e
Razão.
INTRODUÇÃO À ESTATÍSTICA
Nível nominal de mensuração:
É caracterizado por dados que consistem em
nomes, rótulos ou categorias apenas.
Os dados não podem ser colocados em um
esquema de ordem (tal como do menor para
o maior).
INTRODUÇÃO À ESTATÍSTICA
EXEMPLOS:
1- Sim/Não/indeciso: Respostas de pesquisa
de sim, não e indeciso (como no Problema do
Capítulo).
2 – Partido Políticos: As filiações político-
partidárias de respondentes de pesquisas (PT,
PCdoB, PMDB, PSDB, PSOL, PSTU, etc.)
INTRODUÇÃO À ESTATÍSTICA
Como os dados nominais não tem
ordenação ou significado numérico, eles
não devem ser usados para cálculos.
Números como 1, 2, 3, 4 são algumas vezes
associadas às diferentes categorias, mas
esses números não tem nenhum
significado computacional, e qualquer
média calculada com eles não tem nenhum
significado.
INTRODUÇÃO À ESTATÍSTICA
Os dados estão no NÍVEL
ORDINAL DE MENSURAÇÃO se
podem ser arranjados em alguma
ordem, mas diferenças (obtidas por
subtrações) entre valores dos dados
ou não podem ser determinadas, ou
não são significativas.
INTRODUÇÃO À ESTATÍSTICA
EXEMPLOS
1 – Conceito em Cursos: Um professor de
faculdade atribui graus A, B, C, D ou F.
Esses graus podem ser arranjados em
ordem, mas não podemos determinar
diferenças entre eles.
INTRODUÇÃO À ESTATÍSTICA
2 – Classificação: A classificação dos
vestibulandos do IFSULDEMINAS em 2015.
Temos o 1º , o 2º , o 3º , ...
No entanto, as diferenças entre a classificação
não tem significado.
Dados ordinais fornecem informações sobre
comparações relativas, mas não as magnitudes
das diferenças. Os dados ordinais não devem
ser usados para cálculos.
INTRODUÇÃO À ESTATÍSTICA
O NÍVEL INTERVALAR DE MENSURAÇÃO é
como o nível ordinal, com a propriedade
adicional de que a diferença entre quaisquer
dois valores de dados é significativa.
No entanto, os dados nesse nível não tem um
ponto inicial zero natural (quando o nada da
quantidade está presente).
EXEMPLOS
1 – Temperaturas: As temperaturas do corpo de
98,2º F e 98,6º F são exemplos de dados nesse
nível de mensuração.
Os valores são ordenados, e podemos
determinar sua diferença de 0,4º F.
No entanto, não há um ponto inicial natural.
O valor de 0º F pode parecer um ponto inicial,
mas é arbitrário e não significa ausência total
de calor.
INTRODUÇÃO À ESTATÍSTICA
2 – Anos: Os anos 1492 e 1776.
O tempo não começou no ano 0, de modo que
o ano 0 é arbitrário e não um ponto zero
inicial natural que represente “nenhum
tempo”.
INTRODUÇÃO À ESTATÍSTICA
O NÍVEL DE MENSURAÇÃO DE RAZÃO é o
nível intervalar com a propriedade adicional
de que há também um ponto zero inicial (em
que zero indica que nada da quantidade está
presente).
Para valores nesse nível, diferenças e razões
são, ambas, significativas.
EXEMPLOS
1 – Distâncias:
Distâncias (em km) percorridas por carros (0 km
representa nenhuma distância percorrida, e 400
km é duas vezes mais longe do que 200 km).
2 – Preços:
Os preços de livros ( R$ 0,00 representa nenhum
custo, e um livro de R$ 100,00 custa duas vezes
um livro de R$ 50,00).
INTRODUÇÃO À ESTATÍSTICA
FIM
DA AULA
UM