ESTATISTICA Diferena entre ESTATISTICA E MATEMATICA No falaremos nunca sobre a verdade absoluta a diferena da lgica, tudo abstrao.

. Estatstica serve pra falar de populao tendo em vista as amostras Populaoes

Amostras A estatstica tem 3 objetivos o funes possveis: 1. Explorar o dado ou grupo, 2. Descrever o grupo, 3. Explicar o descrever para compreender o grupo. Usamos a estatstica pra explorar o grupo quando no h nada sobre esse grupo (pode tambm ser feito com mtodos qualitativos) Depois de explorar o se j temos uma noo do grupo, podemos descrever, aprofundar, de forma orientada. Um levantamento sistemtico dos dados, desenvolvo um sistema, uma ferramenta pra descrever o objeto (entrevista e tal), isso serve pra explicar o ou compreender o fenmeno. Normalmente quando explicamos conseguimos saber o que esse fenmeno se da, mas pra compreender devemos saber por que esse fenmeno se da (muitas vezes podemos explicar, mas no conseguimos compreender). Essas trs funes teriam um grande objetivo por trs, uma questo de fundo por trs: que buscar padres, regularidades, recorrncia. A estatstica supe certa regularidade. Se buscarmos regularidade, buscamos padres, temos que saber o contedo desses padres. Na estatstica dividimos os tipos de variveis, natureza das variveis: variveis QUANTITATIVAS (a essncia da varivel pode ser quantificada), discretas (so as variveis sem vrgula, que quer dizer que de uma varivel at a seguinte algum 9,3 isso no existe, so nmeros absolutos), numricas e tem um subtipo chamado vetorial (essas variveis dependem essencialmente de uma escala de medidas para serem compreendidas) Dentro das CATEGRICAS/QUALITATIVAS teremos as nominais (so mais tranquilas de trabalhar e geralmente esto dadas, por exemplo masculino e feminino independente das ordens da varivel, mas eu posso tratar essa varivel em uma ordem especfica se falarmos

supostamente da sociologia onde poderia se falar que o masculino se sobrepe ao feminino. Pode se ordenar essa varivel dependendo do objetivo da pesquisa, MAS nas nominais so iguais entre si), e as ordinais (quando a varivel j vem com uma ordem pr-estabelecidas). A ordem dessas variveis ou dadas pela gente ou j est estabelecidas. Se a funo da estatstica fundamental poder analisar amostras, pequenos grupos para falar da populao como um todo, precisamos entender tipos de amostra o processo de amostragem. Porque fazemos amostras ou amostragem? Porque no temos acesso ou no conseguimos trabalhar com a populao toda (j seja porque a populao inacessvel), porque mais barato, tempo (porque pesquisar um grupo pequeno leva menos tempo), no deve ser encarado s como operacional, mas tem que ser encarado como operacional+metodolgico (ter conscincia que meu objeto cambia muito, rpido, voltil) e o ltimo motivo que terei aumento de confiabilidade dos dados porque consigo controlar melhor os casos, consigo dar ateno aos casos. Quando o uso de amostragem no interessante? Quando a populao pequena, quando o dado de fcil mensurao (quando muito fcil verificar o dado), quando precisamos de alta preciso no dado (quando quero saber exatamente aquilo, no tolero nenhum tipo de erro amostral, exemplo SENSO). Plano de amostragem que normalmente explica como foi feito a amostra, o tempo de coletagem, tamanho da amostra. Tudo isso se chama plano de amostragem. Plano Amostral: Selecionar que unidade amostral que vamos remeter o levantamento de dados, unidade, a coleta. Antes da unidade amostral importa saber a diferena entre unidade de analise e unidade observao (nem sempre coincide com a unidade de analise). A unidade amostral o caminho ou ferramenta, o recurso te tenho pra conhecer. Forma de acesso a unidade amostral (como selecionaremos quem entra ou sai): Aleatria simples: sorteio (porque o principal elemento desse tipo de amostra que todos os indivduos o objetos tem a mesma probabilidade de serem selecionados). Aleatria sistemtica: no ocorro em sorteio aleatrio (estabeleo um intervalo de seleo de amostra aleatoriamente, exemplo a cada cinco aleatoriamente vou selecionando o elemento). O problema dessa amostra que podemos ter um vis de rotina (se meu intervalo de seleo no for devidamente pensado, eu posso eliminar grupos inteiros por conta dos grandes intervalos grandes). Aleatria estratificada: normalmente conheo algo da populao (conhecimento prvio da populao e divide a populao em estratos, esses estratos so proporcionais ou no

proporcionais).

Os

estratos

podem ser

proporcionais

se

conhecemos

mais

profundamente a populao. O que mantm a aleatoriedade que dentro de cada estrato a seleo deve ser aleatria, ou seja, todos os elementos/indivduos devem possuir a mesma chance de serem selecionados. Amostra estratificada uniforme: no representa a proporo de indivduos que tem na populao, representa a quantidades de indivduos na amostra. interessante fazer esse tipo de amostras em dois casos, quando quero tirar inferncia sobre os estratos. Amostra por conglomerados: formo conglomerados que faam sentido pra mim. Amostra por cotas: por exemplo, homens, mulheres, judeus, renda. Julga o que supostamente suficiente para dar certo a mostra. Amostra por julgamento: vis sistemtico ou vis subjetivo muito elevado porque supomos que nosso conhecimento sopre a populao suficiente. Fazer esse tipo de estudo muito difcil. ERRO AMOSTRAL: a diferena entre a estimativa e o parmetro. Aquilo que estamos admitindo que nosso estudo no sumamente preciso. ERRO AMOSTRAL TOLERVEL: somos ns que toleramos. O erro amostral vai entrar no tamanho da amostra. Para determinar nosso n: n= 1
2

1
2

1 0,0016

E E=0,04

0,04

Pgina 61,62 do libro. Medidas descriptivas: 1. Medidas de tendencia central: para saber entorno de que valor para saber, sempre apontar os casos. Temos a media, mediana, a moda que o valor que mais se repete. Dessas trs medidas, a nica pra dados categricos e qualitativos a moda (vai mostrar onde esto concentrados os dados pra onde aponta meus dados) 2. Medidas de disperso: temos o desvio padro (como saber que esto se desviando de acordo a media). Quo heterogenia a distribuio. Partis: dividem a distribuio em 25% dos dados em cada parte. Decis: divide em 10 parte de distribuio na qual cada parte tem 10% dos dados. Ranger/amplitude dos dados. Grficos:

Pra dados quantitativos, teremos grficos de Histogramas (que mostra a frequncia de cada valor) ou grficos de pontos. Para dados categricos teremos grficos de barras e o grficos de setores o grficos de pizza. Curva de Glauss

Teoremas dos grandes nmeros Teoremas dos dados centrais. Quantos maior o numero de casos tem, mais concentrados no centro eles ficam. Existe uma distribuiao em que a media e a mediana tendem a se concentrar, aceituarse. Meso, Plato, lepto. Kurtoises.