conceitos estatistica

Prévia do material em texto

Alguns dos principais conceitos estatísticos:
População: Uma população é um conjunto completo de elementos, indivíduos, objetos ou eventos que se deseja estudar ou sobre os quais se deseja tirar conclusões.
Amostra: Uma amostra é um subconjunto representativo selecionado da população. A amostragem é o processo de escolher amostras da população para análise estatística.
Variável: Uma variável é uma característica ou propriedade que pode ser medida ou observada. 
Pode ser uma variável numérica (quantitativa) ou uma variável categórica (qualitativa).
Dados: Os dados são os valores ou observações obtidos para uma ou mais variáveis. Eles podem ser coletados de várias fontes, como pesquisas, experimentos ou registros.
Estatística Descritiva: A estatística descritiva envolve a organização, resumo e apresentação dos dados de forma compreensível. Isso inclui medidas como média, mediana, moda, desvio padrão, gráficos e tabelas.
Estatística Inferencial: A estatística inferencial é usada para fazer inferências, tirar conclusões ou fazer generalizações sobre uma população com base em uma amostra. Envolve técnicas como estimativa de parâmetros, testes de hipóteses e intervalos de confiança.
Parâmetro: Um parâmetro é uma medida numérica que descreve uma característica da população, como a média ou a proporção. Em geral, é desconhecido e é estimado com base nos dados da amostra.
Estimativa: Uma estimativa é uma medida calculada com base nos dados da amostra para inferir um valor desconhecido do parâmetro populacional. Estimativas pontuais são valores únicos, enquanto as estimativas intervalares fornecem um intervalo de valores plausíveis.
Teste de Hipótese: Um teste de hipótese é uma técnica estatística usada para tomar uma decisão entre duas hipóteses concorrentes, a hipótese nula (H0) e a hipótese alternativa (H1), com base nos dados da amostra.
Intervalo de Confiança: Um intervalo de confiança é uma faixa de valores plausíveis que estima um parâmetro populacional desconhecido. É construído em torno de uma estimativa pontual e indica a incerteza associada à estimativa.
P valor: O p-valor é uma medida que nos ajuda a descobrir se algo é realmente verdadeiro ou apenas aconteceu por acaso. Imagina que você tem uma ideia de que alunos veteranos tiram melhores notas que alunos calouros. Para testar essa ideia, você organiza uma avaliação com conceitos básicos entre alunos corrida entre alunos veteranos e alunos calouros.
Depois da avaliação, você coleta os resultados. O p-valor é como uma nota que você calcula com base nesses resultados. Se o p-valor for menor que 0,05 (5%), isso significa que é muito improvável que os resultados tenham ocorrido apenas por acaso. Portanto, você pode dizer que os alunos veteranos tiram realmente notas melhores que os alunos calouros.
A razão pela qual adotamos 5% como limite para o p-valor é uma convenção estatística. É uma maneira comum de tomar decisões e estabelecer um nível de confiança. Quando escolhemos um limite de 5%, estamos dizendo que aceitamos um pequeno risco de cometer erros ao afirmar algo como verdadeiro. Portanto, se o p-valor for menor que 5%, temos confiança suficiente para acreditar na nossa ideia.
Lembre-se, o p-valor é apenas uma ferramenta que nos ajuda a entender se os resultados são confiáveis ou não. É importante usar outras evidências e fazer mais pesquisas para ter certeza sobre as conclusões que tiramos.
A seguir vou dar ênfase nos termos centrais da discussão do nosso encontro:
Significância: A significância estatística é uma medida que nos ajuda a avaliar se os resultados de um estudo são estatisticamente significativos ou se podem ter ocorrido por acaso. Em termos simples, a significância estatística nos diz se os resultados são confiáveis e se podemos generalizá-los para uma população maior.
Distribuição normal: A distribuição normal, também conhecida como distribuição de Gauss ou distribuição em forma de sino, é um padrão estatístico comum encontrado em muitos fenômenos naturais. Uma distribuição normal é simétrica, com a maioria dos dados concentrados em torno da média e uma diminuição gradual em direção às extremidades. Muitas técnicas estatísticas assumem que os dados seguem uma distribuição normal.
Exemplo: Imagine que você está medindo a altura das pessoas em uma cidade. Quando você coloca todos os valores em um gráfico, pode notar um padrão interessante. A maioria das pessoas tem uma altura próxima da média e, à medida que você se afasta dessa média, o número de pessoas diminui. Esse padrão é chamado de distribuição normal.
Você pode imaginar a distribuição normal como uma espécie de montanha ou colina. A parte mais alta da montanha representa a altura média das pessoas na cidade. À medida que você se move para os lados da montanha, a altura das pessoas vai ficando mais alta ou mais baixa.
O formato da distribuição normal é como uma curva suave, parecida com uma forma de sino. Isso significa que a maioria das pessoas está perto da média, e as alturas extremas são menos comuns. A curva também é simétrica, o que significa que os valores acima da média são iguais aos valores abaixo da média.
Essa distribuição normal é muito importante em estatística porque aspectos cotidianos seguem esse padrão. Por exemplo, o peso das pessoas, as notas dos alunos em uma prova ou até mesmo a quantidade de chuva em diferentes dias podem seguir uma distribuição normal. Quando estudamos a distribuição normal, podemos fazer cálculos e usar fórmulas especiais para entender melhor os dados e fazer previsões. Isso nos ajuda a entender como as coisas funcionam e a tomar decisões baseadas em informações confiáveis.
Variável dependente: Uma variável dependente é aquela que está sendo estudada ou medida e que pode ser influenciada ou dependente de outras variáveis. É o resultado que queremos explicar ou prever. Por exemplo, em um estudo sobre o desempenho acadêmico dos alunos, a variável dependente poderia ser as notas obtidas.
Variável independente: Uma variável independente é aquela que é manipulada ou controlada no estudo e que pode ter um efeito sobre a variável dependente. É a causa ou fator que queremos investigar em relação à variável dependente. Continuando com o exemplo anterior, a quantidade de horas de estudo dos alunos poderia ser uma variável independente que investigamos em relação às notas.
Teste de hipótese: Um teste de hipótese é uma técnica estatística usada para tomar decisões ou fazer afirmações sobre uma população com base em dados de amostra. É usado para testar se há evidências suficientes para suportar ou rejeitar uma hipótese sobre um parâmetro populacional. Basicamente, usamos um teste de hipótese para verificar se nossas suposições ou crenças sobre uma população são suportadas pelos dados amostrais que coletamos.
Esses são apenas alguns dos principais conceitos estatísticos. À medida que você avança em seus estudos, encontrará muitos outros conceitos e técnicas estatísticas importantes.
1
image1.png