382 capítulos
Medium 9788582603123

Capítulo 2 - Descrição de dados: análise monovariada

João Luiz Becker Grupo A PDF Criptografado

CAPÍTULO 2

Descrição de dados: análise monovariada

Neste capítulo, apresentamos os conceitos relacionados à estatística descritiva.

Conforme já salientado no Capítulo 1, a estatística descritiva engloba um conjunto de métodos e técnicas utilizáveis para avaliar as características exteriores de uma série de dados. Engloba técnicas de representação e sintetização de dados, como gráficos e tabelas, assim como várias medidas (descritivas) relacionadas a um determinado conjunto de dados. Iniciamos, neste capítulo, a discussão sobre os principais e mais populares métodos e técnicas usados para descrever e analisar uma única variável. No Capítulo 3, passaremos às técnicas usadas para descrever a relação entre duas variáveis.

DADOS NOMINAIS (OU CATEGÓRICOS)

Se nossa variável de interesse apresentar apenas variabilidade capturada por uma escala não métrica nominal (ou categórica), normalmente resumimos o conjunto de dados através de gráficos simples, tipo pizza ou em barras. As medidas descritivas resumem-se a proporções e à determinação da moda.

Ver todos os capítulos
Medium 9788521621003

5 - Distribuições Amostrais e Estimação de Parâmetros

LOESCH, Claudio Grupo Gen PDF Criptografado

5

Distribuições Amostrais e

Estimação de Parâmetros

E

ste capítulo fornece as bases para a Estatística Inferencial. Inicia-se estabelecendo conceitos básicos relativos à amostragem e algumas estatísticas de maior interesse. Prossegue no estudo das distribuições amostrais da média, da proporção e da variância. Em seguida são apresentados os critérios que orientam na escolha de bons estimadores para parâmetros populacionais. São apresentados os estimadores pontuais para as estatísticas mais importantes, analisados à luz dos critérios de escolha. A estimação intervalar de parâmetros, o próximo tópico, usa as distribuições amostrais para determinar um intervalo de confiança para um parâmetro populacional em torno de sua estimativa pontual a um nível de confiança e um tamanho amostral. A seguir é mostrado como se pode determinar o tamanho amostral mínimo com base em um nível de confiança e erro limitante, útil na fase de planejamento de um levantamento estatístico. Por fim, é apresentado o método da máxima verossimilhança, uma técnica robusta e de amplo uso para a estimação de parâmetros em geral.

Ver todos os capítulos
Medium 9788521634287

CAPÍTULO 14 - Distribuições Binomiais*

MOORE, David S.; NOTZ, William I.; FLINGER, Michael A. Grupo Gen PDF Criptografado

C A P Í T U LO

14

© Ioceandigital | iStockphoto.com

Distribuições Binomiais*

U

ma jogadora de basquete tenta cinco lances livres; quantos ela acerta? Uma pesquisa amostral disca 1.200 números de telefones residenciais ao acaso; quantos dos números discados correspondem a números residenciais ativos? Você planta

10 cornisos. Quantos sobrevivem ao inverno? Em todas essas situações, queremos um modelo de probabilidade para a contagem de sucessos obtidos entre um número fixo

(conhecido) de tentativas.

14.1 �O contexto binomial e as distribuições binomiais

Neste capítulo abordamos...

14.1 O contexto binomial e as distribuições binomiais

14.2 Distribuições binomiais na amostragem estatística

14.3 Probabilidades binomiais

14.4 Uso da tecnologia

14.5 Média e desvio-padrão da binomial

14.6 A aproximação Normal para distribuições binomiais

A distribuição de uma contagem depende de como os dados são produzidos. Eis uma situação comum.

Ver todos os capítulos
Medium 9788582603123

Capítulo 5 - Variáveis aleatórias

João Luiz Becker Grupo A PDF Criptografado

CAPÍTULO 5

Variáveis aleatórias

Neste capítulo, apresentamos os conceitos de variável aleatória e de distribuição de probabilidades, fundamentos da modelagem estocástica.

Para um determinado conjunto de condições 𝒞, seja Ω um conjunto de eventos elementares, ℱ uma 𝜎-álgebra de eventos (subconjuntos de Ω) e 𝑃 uma medida de probabilidade definida sobre ele, isto é, satisfazendo os Axiomas 1 a 3 enunciados no Capítulo 4. A cada evento elementar 𝑒 ∈ Ω, suponha que esteja associado um número 𝑋 = 𝑓(𝑒), ou seja, suponha que exista uma função 𝑓 mapeando o conjunto

Ω no conjunto dos números reais:

𝑓:Ω⟶ℝ

𝑒 ⟼𝑋=𝑓(𝑒)

(1)

Diz-se que 𝑋 é uma variável aleatória se a função 𝑓 é mensurável relativamente a 𝑃, isto é, se para todo 𝑥 ∈ ℝ, o conjunto 𝐴𝑥 = {𝑒 ∈ Ω|𝑓(𝑒) ≤ 𝑥} ∈ ℱ. Nesse caso, a probabilidade de 𝐴𝑥 existe, pelo Axioma 1 enunciado no Capítulo 4, e usa-se a notação 𝑃(𝑋 ≤ 𝑥) = 𝑃(𝐴𝑥) = 𝐹(𝑥). 𝐹(𝑥), chamada de função de distribuição acumulada (FDA) da variável aleatória 𝑋.

Ver todos os capítulos
Medium 9788521634287

CAPÍTULO 10 - Ética nos Dados*

MOORE, David S.; NOTZ, William I.; FLINGER, Michael A. Grupo Gen PDF Criptografado

C A P Í T U LO

10

© FernandoMadeira | iStockphoto.com

Ética nos Dados*

Neste capítulo abordamos...

10.1 Comitês de revisão institucionais

10.2 Consentimento informado

10.3 Sigilo

A

produção e o uso de dados, como todos os esforços humanos, suscitam questões

éticas. Não falaremos sobre o operador de telemarketing que inicia uma venda por telefone dizendo “Estou realizando uma pesquisa”. Tal engano é claramente antiético. Ele irrita as organizações legítimas de pesquisas, que encontram o público relutante em conversar com elas. Tampouco discutiremos aqueles poucos pesquisadores que, procurando avanços na carreira, publicam dados falsos. Nem há questão ética aqui – publicar dados falsos para progredir na carreira é errado.1 Acabará com a carreira do pesquisador quando descoberta a fraude. Mas exatamente quão honestos devem ser os pesquisadores em relação a dados reais, genuínos? Eis um exemplo que sugere que a resposta seja “Mais honestos do que são frequentemente”.

Ver todos os capítulos

Visualizar todos os capítulos