Estatística e Probabilidade

Estatística e Probabilidade
Capítulo 1 (Morettin e Bussab)
1. Introdução
• Analisar e entender um conjunto de dados referente a um estudo
• Essência: observação
• Objetivo: inferência
• Estatística: coleta, redução, análise e modelagem dos dados. Posteriormente: inferência para uma população a partir de uma amostra.

• Previsões.
• Análise exploratória dos dados: obtemos a maior quantidade possível de informações que nos permitam indicar modelos.
• Utilizam-se medidas de posição e variabilidade além de técnicas gráficas.

2. Modelos
• Busca por uma forma de regularidade, padrão, presente nas observações.
• Exemplo: Suponha que queremos estudar a relação entre rendimentos e gastos de consumo de um conjunto de indivíduos.
Podemos obter o gráfico a seguir:

• Espera-se que os gastos de um indivíduo estejam diretamente relacionados com os seus rendimentos: supomos uma “relação linear”. • Resíduos: diferença entre os dados e o modelo. • Dados=Modelo+Resíduos (D=M+R)
(1)
• M: parte suave (previsível)
• R: parte aleatória (adequacidade do modelo)
• Análise exploratória: fornece informações para (1).

3. Técnicas Computacionais.
• O desenvolvimento da computação foi acompanhado pela introdução de novas técnicas de análise de dados.
• Foram desenvolvidos pacotes estatísticos utilizados no meio acadêmico, em indústrias, bancos,...: Minitab, Splus, SPSS, SAS, Sisvar,
R,..

4. Métodos Gráficos
• Forte apelo visual
• Servem para:
(a) Apresentar resultados de modo fácil e rápido
(b) Investigar a relação entre duas variáveis
(diagrama de dispersão)
(c) “Ajustar” uma reta aos dados.
(d) Avaliar a qualidade de um ajuste
(adequacidade do modelo: gráfico de resíduos). Capítulo 2 (Morettin e Bussab)
2.1 Tipos de variáveis
• Exemplo: Um pesquisador está interessado em fazer um levantamento sobre alguns aspectos socioeconômicos dos empregados da seção de orçamentos da Companhia MB.

• Característica: variável