MINICURSO:

1
MINICURSO

• A ANÁLISE DE DADOS USANDO O SEstatNet

2

• A ANÁLISE DE DADOS USANDO O SEstatNet
• 1400 1530 A ESTATÍSTICA NA INVESTIGAÇÃO
  CIENTÍFICA (José Fletes)
• 1545 1630 O SEstatNet COMO FERRAMENTA DE
  ANÁLISE DE DADOS (Vilson Wronscki)
• 1645 1730 APLICAÇÕES (Gustavo Zambonin
  Vilson Wronscki José Fletes)
• 1730 1800 AVALIAÇÃO E ENCERRAMENTO

3
A ESTATÍSTICA NA INVESTIGAÇÃO CIENTÍFICA

• Prof. José Fletes
• UFSC

4
INVESTIGAÇÃO CIENTÍFICA

• BUSCA DA VERDADE (VEROSSIMILHANÇA)
• 1- SONDAGENS ... ESTUDOS PRELIMINARES
• 2- PESQUISA ... ESTUDOS EM PROFUNDIDADE

5
1º O PROBLEMA

• PROBLEMA CLARAMENTE DEFINIDO
• CARACTERÍSTICAS
• - ADMITIR REDAÇÃO EM LINGUAGEM INTERROGATIVA
• - RELACIONAR VARIÁVEIS ? ESTATÍSTICA
• - PODER SER REPLICADO (OU ADMITIR ALTERNATIVA
  QUE LEVE A RESULTADO SEMELHANTE)

6
1º O PROBLEMA

• PROBLEMA VIÁVEL COM POSSIBILIDADE DE SOLUÇÃO
  CONSIDERANDO OS RECURSOS DISPONÍVEIS, COM
• - PESSOAS HABILITADAS
• - DOMÍNIO DA(S) TEORIA(S)
• - DOMÍNIO DA(S) TECNOLOGIA(S)
• - RECURSOS FINANCEIROS

7
2º OBJETIVOS

• OBJETIVO GERAL
• OBJETIVOS ESPECÍFICOS

8
3º HIPÓTESES DE TRABALHO

• QUESTÕES DA INVESTIGAÇÃO CIENTÍFICA ? OBJETIVOS
  ESPECÍFICOS
• AMOSTRAGEM E PLANO AMOSTRAL
• DESENHO EXPERIMENTAL
• COLETA DE DADOS

9
4º ESTATÍSTICA

• INSTRUMENTO PODEROSO
• PARA A TOMADA DE DECISÃO SOB INCERTEZA
• PARA A ANÁLISE DA VARIAÇÃO DOS FATOS E/OU
  FENÔMENOS REAIS
• IMPORTANTE
• A ÚNICA INVARIANTE DA REALIDADE É A VARIAÇÃO

10
ESTATÍSTICA

• 1- ESTATÍSTICA DESCRITIVA E EXPLORATÓRIA
• 2- ESTATÍSTICA INDUTIVA OU INFERENCIAL

11
SISTEMA DE PEARSON

• 1- VALOR CENTRAL MÉDIA, MODA E MEDIANA
• 2- DISPERSÃO VARIAÇÃO TOTAL (OU RANGE),
  VARIÂNCIA (OU QUADRADO MÉDIO), DESVIO PADRÃO E
  COEFICIENTE DE VARIAÇÃO DE PEARSON
• 3- FORMA ASSIMETRIA (OU DISTORÇÃO)
• 4- DISCREPANTES (OU ANÔMALOS) OUTSIDERS E
  OUTLIERS
• 5- FORMAÇÃO DE GRUPOS E/OU SUBGRUPOS

12
ESTATÍSTICA EXPLORATÓRIA

• 1977 JOHN TUKEY INTRODUZ AS TÉCNICAS EXPONDO OS
  PRINCÍPIOS FUNDAMENTAIS NO SEU LIVRO EXPLORATORY
  DATA ANALYSIS - E.D.A, DEFININDO EDA COMO
• EDA is a detective work numerical detective
  work or counting detective work or graphical
  detective work.

13
ESTATÍSTICA EXPLORATÓRIA

• 1979 HARTWIG E DEHRING APRESENTAM UMA DEFINIÇÃO
  APERFEIÇOADA
• EDA is a interactive and iterative process.
• ISTO É
• É UM PROCESSO DE INTEGRAÇÃO DOS CONHECIMENTOS
• É UM PROCESSO DE INTERAÇÃO ENTRE OS DADOS E O
  CONHECIMENTO DO ANALISTA.

14
Exploração X Descrição

• Estatística Exploratória (EDA) técnicas
  gráficas e analíticas para obter informação
  prévia dos dados e analisar numa perspectiva
  exploratória obtendo medidas de ordem centradas
  na mediana.
• Estatística Descritiva técnicas de coleta,
  organização e representação dos dados (de forma
  tabular e gráfica) obtendo medidas de resumo com
  base nos desvios centrados na média.

15
OBJETIVO DO E.D.A

• ALÉM DOS OBJETIVOS DA ESTATÍSTICA DESCRITIVA,
  PROCURA DETECTAR ANOMALIAS (DISCREPANTES) OU
  ERROS NAS DISTRIBUIÇÕES UNIVARIANTES DOS DADOS,
  TENTANDO DESCOBRIR NOS DADOS ESTRUTURAS
  RELEVANTES, PADRÕES DE COMPORTAMENTO OU MODELOS
  DE REPRESENTAÇÃO.

16
OBJETIVO DO E D A

• INCORPORA NOVAS TÉCNICAS GRÁFICAS E PROCURA
  MEDIDAS RESISTENTES (MEDIDAS QUE MOSTRAM POUCA
  SENSIBILIDADE NA PRESENÇA DE OUTLIERS)
• E MÉTODOS ROBUSTOS (POUCO SENSÍVEIS A DESVIOS
  DOS INTRÍNSECOS A MODELOS PROBABILÍSTICOS (POR
  EXEMPLO, QUANTO À FORMA).
• BASEADA EM ESTATÍSTICAS DE ORDEM E CENTRADAS NA
  MEDIANA.

17
(No Transcript)
18
POSTURA DO ANALISTA DE DADOS E D A

• ANTES DE QUALQUER ANÁLISE DOS DADOS, É NECESSÁRIO
  UM EXAME VISUAL
• -OLHÁ-LOS
• - LÊ-LOS
• - ENTENDÊ-LOS
• - REFLETIR SOBRE ELES!

19
FILOSOFIA

• CARÁTER PRÁTICO, SEGUNDO O QUAL, OS DADOS SÃO OS
  QUE GUIAM A SELEÇÃO DE MODELOS ADEQUADOS,
  MINIMIZANDO-SE AS SUPOSIÇÕES PRÉVIAS E
  RESTRITIVAS.

20
FILOSOFIA

• CABE AO ANALISTA DOS DADOS, DESCOBRIR PADRÕES DE
  COMPORTAMENTO E AS ESTRUTURAS QUE OS DADOS
  APRESENTAM.

21
VISUALIZANDO PADRÃO

• EXEMPLO NOTAS DE ESTATÍSTICA Turmas do Prof.
  Fletes 2013

22
VISUALIZANDO PADRÃO

• EXEMPLO ÁREA DE TERRENOS (m²)
• Famílias de baixa renda (Fpólis., 2008 - SC)-

23
PERGUNTA

• NA SUA PERCEPÇÃO
• QUAL O PADRÃO DOS SALÁRIOS?
• QUAL O PADRÃO DOS PREÇOS DE GASOLINA COMUM?
• GRÁFICO ILUSTRATIVO, PARA CADA SITUAÇÃO!

24
PADRÃO DOS SALÁRIOS- Bolsa de Salários (Folha de
S Paulo Outubro de 2010) -
25
PADRÃO PREÇOS GC- 05 a 11 Out. 2014 Fpólis_S
José (Fonte ANP) -
26
ASPECTOS CARACTERÍSTICOS

• 1- VISUALIZAÇÃO PARA AVALIAR COMPORTAMENTO DOS
  DADOS E POSSÍVEIS ESTRUTURAS QUE ESTES APRESENTAM.

27
ASPECTOS CARACTERÍSTICOS

• 2- FOCO E ATENÇÃO DO ANALISTA DOS DADOS NOS
  RESÍDUOS OU NO QUE RESTA APÓS APLICAR ALGUM TIPO
  DE ANÁLISE.

28
ASPECTOS CARACTERÍSTICOS

• 3- MINIMIZAÇÃO DO EFEITO DOS DISCREPANTES,
  VALORES ESTRANHOS, OUTLIERS, NOS RESULTADOS DA
  ANÁLISE ? CARÁTER RESISTENTE DE E D A.
• Medidas que mostram pouca sensibilidade na
  presença de outliers

29
COMPONENTES DO E D A

• 1- DESCRIÇÃO DOS DADOS A PARTIR DE VÁRIAS MEDIDAS
  SIMULTÂNEAS.
• 2- PREFERÊNCIA POR RESUMO VISUAL AO RESUMO
  NUMÉRICO.

30
ESTRATÉGIAS DE ANÁLISE

• CLÁSSICA X EXPLORATÓRIA
• J U I Z D E T E T I V E
• CONFIRMAÇÃO EXPLORAÇÃO

31
CONFRONTO

• CONFIRMAÇÃO
• -VERIFICAR HIPÓTESES
• -HIPÓTESES FORTES
• -FENÔMENO, FATO, BEM CONHECIDO

• EXPLORAÇÃO
• -DESCOBRIR
• -AUSÊNCIA DE HIPÓTESES
• -CONHECIMENTO INSUFICIENTE

32
A ESTRATÉGIA CLÁSSICA(Paradigma FISHERIANO)?

1. PARTE-SE DE UMA HIPÓTESE
2. DEFINE-SE UMA POPULAÇÃO ALVO
3. SELECIONA-SE UMA DISTRIBUIÇÃO TEÓRICA QUE
   CARACTERIZE A POPULAÇÃO
4. SELECIONA-SE A AMOSTRA
5. ESTIMAM-SE OS PARÂMETROS DA POPULAÇÃO
6. TESTA-SE A HIPÓTESE E DECIDE-SE

33
A ESTRATÉGIA EXPLORATÓRIA

1. PARTE-SE DOS DADOS
2. SELECIONA-SE UMA REPRESENTAÇÃO
3. EXPLORAM-SE OS DADOS
4. RECONHECE-SE UMA FORMA
5. FORMULA-SE HIPÓTESE SIMPLES
6. FAZ-SE DIAGNÓSTICO
7. ANÁLISE DE CONFIRMAÇÃO

34
EXPLORAÇÃO DE DADOS É...

• AMPLITUDE DE IDÉIAS
• CRÍTICA
• CONSCIENTE
• INTERATIVA (Um resultado sugere outro, uma
  resposta requer mais perguntas)?
• ITERATIVA/RECORRENTE (Aplicar as mesmas
  ferramentas a subconjuntos de dados, variações
  das ferramentas)?
• CRIATIVA

35
AS FERRAMENTAS SÃO...

• FLEXÍVEIS
• ADAPTÁVEIS
• INTERATIVAS
• ALTERNATIVAS

36
A ANÁLISE DE DADOS IMPLICA EM...

• OBTER O MODELO DOS DADOS
• USAR UMA TÉCNICA DE ANÁLISE
• USAR CONHECIMENTOS EXTERNOS
• EM SÍNTESE
• DADOS MODELO RESÍDUO

37
FERRAMENTAS BÁSICAS

• DESCRIÇÃO DA VARIÁVEL EM ANÁLISE
• PÔR EM EVIDÊNCIA (IR)REGULARIDADES
• OBTER ESTATÍSTICAS (INDICES)?
• ESTRUTURAS

38
ESTATÍSTICAS DESCRITIVAS

• VALOR TÍPICO (Tendência Central ou Posição ou
  Localização)?
• VARIAÇÃO (Dispersão)?
• FORMA (Assimetria ou Distorção)?
• PARTICULARIDADES
• -Discrepantes?
• - Grupos (Agregados)?
• - .....

39
VISUALIZAÇÃO

• HISTOGRAMA
• BOX PLOT (Esquema dos 5 números)?

40
MEDIDAS DE ORDEM(SEPARATRIZES)?

• MAIS ROBUSTAS
• TRANSFORMAÇÕES (INVARIÂNCIA)?
• SEPARATRIZES ? BOX PLOT

41
RELAÇÕES

• GRÁFICO DE DISPERSÃO
• MODELO MATEMÁTICO
• CORRELAÇÃO, ASSOCIAÇÃO

42
PERCEPÇÃO GRÁFICA

• INTERAÇÃO HOMEM-GRÁFICO
• APTIDÃO PARA PERCEPÇÃO
• DADOS ? INFORMAÇÃO
• PRECISÃO ? EXATIDÃO
• ( Q U A L I D A D E )?
• APRENDIZAGEM APTIDÕES, COMPETÊNCIAS.

43
EXCELÊNCIA GRÁFICA

• COMUNICAR IDÉIAS COMPLEXAS COM
• CLAREZA
• PRECISÃO
• EFICIÊNCIA

44
RECOMENDAÇÕES DE TUFTE

• -MOSTRAR OS DADOS
• -ESTIMULAR A REFLEXÃO SOBRE O CONTEÚDO
• -EVITAR A DISTORÇÃO DA INFORMAÇÃO CONTIDA NOS
  DADOS
• -UTILIZAR POUCO ESPAÇO PARA APRESENTAR MUITAS
  INFORMAÇÕES
• -TORNAR COERENTES GRANDES CONJUNTOS DE DADOS
• -INCITAR O OLHO A COMPARAR

45
RECOMENDAÇÕES DE TUFTE

• -MOSTRAR VÁRIOS NÍVEIS DE DETALHE
• MICRO ?? MACRO
• -FIXAR OBJETIVO CLARO
• DESCRIÇÃO ? EXPLORAÇÃO ? TABULAÇÃO ?
  VISUALIZAÇÃO
• -INTEGRAR
• DESCRIÇÃO ESTATÍSTICA COM DESCRIÇÃO VERBAL

46
REFERÊNCIAS BIBLIOGRÁFICAS

• Tukey, John (1977), Exploratory Data Analysis,
  Addison-Wesley.
• Tufte, Edward (1983), The Visual Display of
  Quantitative Information, Graphic Press.
• Box, G.E.P., Hunter, W.G., and Hunter, J.S.
  (1978), Statistics for Experimenters An
  Introduction to Design, Data Analysis and Model
  Building, John Wiley and Sons.
• Freixa I. Blanxart, M (et al). Análisis
  Exploratório de Datos Nuevas Técnicas
  Estadísticas, Barcelona - PPU, 1992.