Angela Raimundo

Estatística / Bioestatística /
Métodos Estatísticos / Slide 0
Bioestatística e Epistemologia
da Investigação
Ana M. Abreu - 2006/07

Capítulo 1 Slide 1
Estatística Descritiva
I-1 Introdução à organização e ao processamento
de dados.
I-2 Amostra e população; cuidados a ter na
recolha da amostra.
I-3 Ordenação dos dados. Agrupamento dos
dados. Tabela de frequências.
I-4 Medidas de localização e de dispersão.
I-5 Representação gráfica dos dados: gráfico de
barras, gráfico de sectores, gráfico de caule-e-
folhas, caixa-de-bigodes, histograma.

Introdução Slide 2
Um objectivo comum dos inquéritos e de

outros processos de obtenção de dados é a
recolha de informação de uma parte de um
grupo maior, de modo a aprender algo sobre o
grupo maior. Por exemplo, podemos perguntar
a 10% dos alunos qual a sua nota de entrada
na Universidade e assim ter alguma
informação sobre a totalidade dos alunos.

Definições Slide 3
Dados estatísticos
são observações (como medidas, respostas de inquéritos,
registos de idade, sexo, naturalidade, ...) que foram recolhidas.
Estatística
a informação estatística é constituída por dados, os quais
são organizados, sumariados, apresentados, analizados,
interpretados de modo a retirar conclusões baseadas nos
dados.

População
a colecção completa de todos os elementos
(pessoas, animais, medidas, ...) a serem estudados.
A colecção é completa no sentido de incluir todos
os indivíduos a serem estudados.
Amostra
Um subconjunto da população escolhido
correctamente, de modo a poder ser considerado
como representativo da população.

Parâmetro
uma medida numérica que descreve
alguma característica de uma população.
população
parâmetro

Estatística
uma medida numérica que descreve
alguma característica de uma amostra.
amostra
estatística
Dados quantitativos
números que representam contagens ou
medidas.
Exemplo: medidas dos modelos!

Dados qualitativos
(ou categorizados ou atributos)
podem ser separados em diferentes
categorias, que se distinguem por alguma
característica não numérica.
Exemplo: sexo (masculino/feminino) dos
doentes.

Os dados quantitativos podem ser de tipo

discreto ou contínuo.
Dados discretos
surgem quando o número de valores
possíveis é finito ou contável.
0, 1, 2, 3, . . .
Exemplo: O número de ovos que uma
galinha põe.
Dados contínuos
(ou numéricos) surgem quando o número de valores
possíveis é infinito e corresponde a alguma escala
contínua que contempla uma amplitude de valores sem
interrupções ou saltos.
2 3
Exemplo: As alturas dos alunos da UMa.

Outra forma de classificar os dados consiste

em usar escalas.
escala nominal
caracterizada por dados tais como nomes,
etiquetas ou categorias. Os dados não têm
qualquer relação de ordem (do mais pequeno
para o maior)
Exemplo: inquéritos cujas respostas são sim,

não, sem opinião.
escala ordinal
envolve dados que podem ser ordenados, mas
as diferenças entre eles ou não podem ser
calculadas ou não fazem sentido.
Exemplo: O nível de escolaridade.

escala intervalar
como a escala ordinal, mas onde é possível calcular
diferenças. No entanto, não existe um zero natural (que
pudesse corresponder a ausência da característica).
Exemplo: As temperaturas em graus Celsius e em graus

Fahrenheit (ºF=ºC(9/5)+32).

escala absoluta ou de razões

o zero da escala corresponde à anulação da
característica em estudo. São possíveis
comparações quer através de diferenças quer
através de quocientes.
Exemplo: Preço das propinas (0€ representa
ausência de custo).

Resumo - Slide 15
Escalas para os dados
Nominal - só categorias.
Ordinal - categorias com alguma ordem.
Intervalar - diferenças possíveis mas sem zero
natural.
Absoluta ou de razões - diferenças possíveis e

com zero natural.

Recapitulando Slide 16
Até agora vimos:

Definições e termos básicos para descrever
os dados
Parâmetros versus estatísticas
Tipos de dados (quantitativos e qualitativos)
Escalas de medidas

Cuidados a ter na Slide 17
recolha da amostra

Pontos fundamentais Slide 18
Se uma amostra não é recolhida de forma

apropriada, os dados podem ser tão inúteis,
tal que, qualquer que seja a tortura a que
sejam submetidos, não confessam seja o
que for.
Tipicamente a aleatoriedade tem um papel
importante na recolha de dados.

Pontos fundamentais Slide 19
Dimensão da amostra
usar uma amostra com dimensão
suficiente para conseguir captar as
características dos dados e recolhida de forma
apropriada, tal como baseada na aleatoriedade.

Amostra Aleatória
os membros da população são
seleccionados de tal forma que cada membro
tem igual possibilidade de ser escolhido.
Amostra Aleatória Simples (de

dimensão n)
os indivíduos são seleccionados de tal forma
que cada possível amostra de dimensão n tem a
mesma possibilidade de ser escolhida.
Amostra Aleatória Slide 21
Selecção tal que cada um tem igual possibilidade

de ser escolhido.

Amostragem Sistemática Slide 22
Seleccionar a partir de um ponto inicial e depois

seleccionar a cada K elemento na população.

Slide 23
Amostragem por conveniência
Usar os resultados que são fáceis de obter.

Amostragem Estratificada Slide 24
subdividir a população em, pelo menos, dois

subgrupos distintos que partilham alguma
característica e, em seguida, recolher uma amostra
de cada um dos subgrupos (ou estratos).

Amostragem por Clusters Slide 25
dividir a população em secções

(ou clusters); seleccionar aleatoriamente alguns
desses clusters; escolher todos os membros dos
clusters seleccionados.

Slide 26
Métodos de Amostragem
Aleatória
Sistemática
Por conveniência
Estratificada
Por clusters

Generalidades Slide 27
Estatística Descritiva
resume ou descreve as características
importantes de um conjunto conhecido de dados
populacionais.
Estatística Inferencial
usa dados amostrais para fazer inferências (ou
generalizações) sobre uma população.

Características importantes dos dados Slide 28
1. Localização: Um valor representativo ou médio

indica onde se situa o centro dos dados.
2. Variação: Uma medida do quanto os valores da

amostra variam entre si.
3. Distribuição: A natureza ou a forma de

distribuição dos dados (tal como em forma de
sino, uniforme ou assimétrica)
4. Outliers: Valores amostrais que se situam muito

afastados da maioria dos restantes valores
amostrais.
5. Tempo: Algumas características podem se

alterar ao longo do tempo.
Distribuição de Frequência Slide 29
Distribuição de Frequência
lista dos valores dos dados (ou
individuais ou por grupos de intervalos),
juntamente com as correspondentes
frequências ou contagens.

Distribuição de Frequência Slide 30

Ponto Médio de uma Classe Slide 31
O ponto médio de uma classe determina-se

adicionando os limites da classe (inferior e
superior) e dividindo por dois.
49.5
Pontos
149.5
Médios
249.5
349.5
449.5

Amplitude da Classe Slide 32
é a diferença entre dois limites superiores consecutivos

ou dois limites inferiores consecutivos.
100
Amplitude 100
da Classe 100
100
100

Razões para construir Slide 33
distribuições de frequência
1. Conjuntos de dados grandes podem

ser resumidos.
2. Pode-se ganhar alguma perspectiva

sobre a natureza dos dados.
3. Base para a construção de gráficos.

Como construir uma tabela de
Slide 34
frequências
1. Decidir o número de classes (habitualmente entre 5 e 20).
Regra de Sturges: k=nº de classes ≈ 1+[log2n]
2. Calcular (aproximando por excesso) a
(maior valor) – (menor valor)
amplitude da classe ≈
número de classes
3. Escolher o limite inferior da primeira classe.
4. Usar o limite inferior da primeira classe e a amplitude de
classe para listar, numa coluna vertical, todos os limites
inferiores.
5. Em seguida, listar os correspondentes limites
superiores.
6. Percorrer os dados, assinalando com um traço vertical a
classe onde se encontra cada dado.
Frequência Relativa Slide 35
frequência da classe
Frequência relativa =
soma de todas as frequências
11/40 = 28%
12/40 = 30%
Frequência total = 40
etc.
Frequência acumulada Slide 36
Frequências
acumuladas

Recapitulando Slide 37
Acabamos de ver
Características importantes dos dados.
Distribuições de frequências.
Procedimentos para construir as
distribuições de frequência.
Frequências relativas.
Frequências acumuladas.

Medidas de localização Slide 38
e de dispersão

Notação Slide 39
Σ denota a soma de um conjunto de valores.
x é a variável usada usualmente para representar

os valores individuais.
n representa o número de valores na amostra, ou

seja, a dimensão da amostra.
N representa o número de valores na população

Notação Slide 40
x pronuncia-se ‘x-barra’ e denota a média dos valores

Σx
da amostra.
x =
n
µ pronuncia-se ‘mu’ e denota a média de todos os valores
da população.
Σx
µ =
N
Mediana
o valor central quando os dados estão
ordenados.
❖ Se a dimensão da amostra é ímpar, a mediana

corresponde ao valor que está no centro da
amostra.
❖ Se a dimensão da amostra é par, a mediana

corresponde à média dos dois valores que estão
no centro da amostra.

Slide 42
5.40 1.10 0.42 0.73 0.48 1.10
0.42 0.48 0.73 1.10 1.10 5.40
(amostra de dimensão par – os dois valores

centrais são distintos)
0.73 + 1.10
2
MEDIANA é 0.915
5.40 1.10 0.42 0.48 1.10 0.66

0.42 0.48 0.66 0.73 1.10 1.10 5.40
(amostra de dimensão ímpar - valor exacto)
MEDIANA é 0.73
Moda
o valor que ocorre com maior frequência.
A moda nem sempre é única. Um conjunto de

dados pode ser:
Bimodal
Multimodal
Não ter Moda
é a única medida de localização que

pode ser usada para os dados em escala
nominal.
Exemplos Slide 44
a. 5.40 1.10 0.42 0.73 0.48 1.10 Moda é 1.10

b. 27 27 27 55 55 55 88 88 99 Bimodal - 27 e 55
c. 1 2 3 6 7 8 9 10 Não existe Moda

Média para dados agrupados Slide 45
Assuma que, em cada classe, todos os

valores são iguais ao ponto médio da
classe.
Σ (f • x)
x =
Σf
x = ponto médio
f = frequência
Σf=n
Simetria
Os dados distribuem-se de forma
simétrica quando a metade esquerda do
histograma correspondente é
sensivelmente um espelho da metade
direita.
Assimetria
Os dados distribuem-se de forma
assimétrica se se prolongam mais para um
dos lados do que para o outro.
Slide 47

A amplitude de um conjunto de
dados é a diferença entre o
valor mais elevado e o valor
mais pequeno.
valor valor
mais - mais
elevado pequeno

O desvio padrão de uma amostra é

uma medida da variação dos valores
em torno da média.
Σ (x - x) 2
S=
n-1

Slide 50
• Uma forma mais simples do desvio

padrão amostral, para efeitos de
cálculo, é a que se segue:
Σx ) - (Σ
n (Σ Σx) 2 2
s=
n (n - 1)

Desvio padrão amostral -
Slide 51
algumas características
O desvio padrão é uma medida de variação de todos

os valores da amostra em torno da média
O valor do desvio padrão s é positivo
O valor do desvio padrão s pode aumentar

dramaticamente com a inclusão de um ou mais outliers
na amostra
As unidades do desvio padrão s são as mesmas dos

elementos da amostra.

Desvio padrão Slide 52
populacional
Σ (x - µ) 2
σ = N
Esta fórmula é semelhante à anterior, mas
neste caso é usada a média populacional e a
dimensão da população.

A variância é uma medida de variação de um

conjunto de valores e é igual ao quadrado do desvio
padrão
Variância amostral: quadrado do desvio padrão

amostral s
Variância populacional: quadrado do desvio

padrão populacional σ

Variância - Notação Slide 54
quadrado do desvio padrão
Notação
} s 2
Variância amostral
σ
2
Variância populacional

O coeficiente de variação (ou CV) de uma amostra,

expresso em percentagem, descreve o desvio
padrão relativamente à média. É uma medida sem
unidades.
Amostra População
s σ
CV = •100% CV = •100%
x µ

Desvio padrão para Slide 56
dados agrupados
n [Σ(f • x 2)] - [Σ(f • x)]2

S= n (n - 1)
Usar os pontos médios de cada classe

Q1 (1º Quartil) separa os primeiros 25% da

amostra ordenada dos restantes 75%.
Q2 (2º Quartil) o mesmo do que a mediana;

separa os primeiros 50% da amostra
ordenada dos restantes 50%.
Q3 (3º Quartil) separa os primeiros 75% da

amostra ordenada dos restantes 25%.

Quartis Slide 58
Q1, Q2, Q3
dividem os valores ordenados em 4 partes iguais
25% 25% 25% 25%
(mínimo)
Q1 Q2 Q3 (máximo)
(mediana)

Percentis Slide 59
Assim como os quartis dividem os

dados em 4 partes iguais, existem 99
percentis denotados P1, P2, . . . P99,
os quais particionam os dados em
100 grupos.
nº de valores menores que x

Percentil do valor x = • 100
nº total de valores

Representação Slide 60
gráfica dos dados

Histograma Slide 61
Um gráfico de barras, em que o eixo horizontal

representa as classes dos valores da amostra e o
eixo vertical a correspondente frequência.

Histograma com as frequências Slide 62
relativas
Tem a mesma forma e escala horizontal que o
anterior, mas no eixo vertical estão indicadas as
frequências relativas.

Polígono de frequências Slide 63
Usa segmentos de recta para ligar os pontos

médios das classes.

Ogiva Slide 64
Semelhante ao anterior mas com as frequências

acumuladas

Gráfico de barras Slide 65
Forma de representação gráfica para dados

qualitativos

Gráfico de sectores Slide 66
Gráfico para dados qualitativos, representados por

sectores circulares

Gráfico de dispersão Slide 67
Representação de pares de dados (x,y), onde no

eixo horizontal marcam-se os valores de x e no
eixo vertical os valores de y

Gráfico de caule-e-folhas Slide 68
Representa os dados, separando cada valor em

duas partes: o caule (valor à esquerda do traço
vertical) e a folha (algarismo à direita do traço
vertical)

Caixa-de-bigodes Slide 69

Caixa-de-bigodes Slide 70

❖ A caixa-de-bigodes é um gráfico que

consiste numa linha desde o mínimo até
ao máximo, e numa caixa com extremos
nos 1º e 3º quartis e divisão na mediana.
❖ Para um conjunto de dados, o resumo de
5 números é formado pelo mínimo, 1º
quartil, mediana, 3º quartil e máximo.

Angela Raimundo

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Angela Raimundo

Diunggah oleh

Hak Cipta:

Format Tersedia

Estatística / Bioestatística /

Métodos Estatísticos / Slide 0

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Um objectivo comum dos inquéritos e de

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Os dados quantitativos podem ser de tipo

Exemplo: As alturas dos alunos da UMa.

Ana M. Abreu - 2006/07

Outra forma de classificar os dados consiste

Exemplo: inquéritos cujas respostas são sim,

Exemplo: O nível de escolaridade.

Ana M. Abreu - 2006/07

Exemplo: As temperaturas em graus Celsius e em graus

Ana M. Abreu - 2006/07

escala absoluta ou de razões

Ana M. Abreu - 2006/07

Escalas para os dados

Absoluta ou de razões - diferenças possíveis e

Ana M. Abreu - 2006/07

Até agora vimos:

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Se uma amostra não é recolhida de forma

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Amostra Aleatória Simples (de

Selecção tal que cada um tem igual possibilidade

Ana M. Abreu - 2006/07

Seleccionar a partir de um ponto inicial e depois

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

subdividir a população em, pelo menos, dois

Ana M. Abreu - 2006/07

dividir a população em secções

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

1. Localização: Um valor representativo ou médio

2. Variação: Uma medida do quanto os valores da

3. Distribuição: A natureza ou a forma de

4. Outliers: Valores amostrais que se situam muito

5. Tempo: Algumas características podem se

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

O ponto médio de uma classe determina-se

Ana M. Abreu - 2006/07

é a diferença entre dois limites superiores consecutivos

Ana M. Abreu - 2006/07

1. Conjuntos de dados grandes podem

2. Pode-se ganhar alguma perspectiva

3. Base para a construção de gráficos.

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Ana M. Abreu - 2006/07

Σ denota a soma de um conjunto de valores.

x é a variável usada usualmente para representar

n representa o número de valores na amostra, ou