Post on 22-Sep-2019
Agenda da aula
1. Por que estudar métodos quantitativos?
2. Estrutura e metodologia do curso.
3. Princípios e lógicas do pensamento estatístico.
4. Princípios das ciências sociais e dos métodos quantitativos.
5. Tipos e exemplos de técnicas estatísticas.
• Está na grade obrigatória do BPP e do BRI!
• Aproveitar a disponibilidade de dados, indicadores e informações para pesquisas e análises.
• Conseguir aprender sobre populações e grupos de modo rápido e confiável.
• Aprender a lidar com as incertezas e variabilidades do processo científico social.
• Desenvolver um ceticismo saudável em relação a informações quantitativas, conhecendo seus limites e possibilidades.
3
Por que estudar métodos quantitativos?
• Entender melhor a metodologia científica e a lógica das pesquisas quantitativas.
• Dominar algumas técnicas estatísticas de análise de dados e teste de hipóteses.
• Desenvolver uma avaliação crítica sobre os números com que se depararem na vida cotidiana e acadêmica.
• Possuir os conhecimentos básicos para desenhar, executar e analisar uma pesquisa quantitativa.
4
Objetivos de aprendizado
5 Prof. Marcos Vinicius Pó
Fonte: https://www.nexojornal.com.br/grafico/2019/02/08/De-onde-v%C3%AAm-os-Grandes-Mestres-do-xadrez-mundial
• Teoria ► A lógica dos métodos quantitativos e a estatística na pesquisa social. ► Revisão básica de estatística descritiva e probabilidades. ► Construção e cuidados com dados. ► Amostragem e determinação do tamanho da amostra. ► Estimação por ponto e por intervalo ► Intervalo de confiança. ► Distribuição amostral da média e da variância e Teorema do Limite Central ► Testes de hipótese para médias e proporções. ► Testes não paramétricos: aderência, homogeneidade e independência. ► Análise de variância (ANOVA). ► Correlação. ► Regressão linear simples.
• Prática
► Uso de planilhas e gráficos. ► Trabalho com bancos de dados. ► Uso de pacotes estatísticos para análise de dados.
6
Programa resumido
• Didática:
► Práticas no laboratório (bancos de dados, planilhas e pacotes estatísticos).
► Aulas expositivas.
► Atividades em sala.
• Estudo:
► Capítulos e materiais indicados.
► Exercícios (listas e livros).
► Análise de dados em sala e atividades em casa.
• Avaliação: a). Duas provas, incluindo trabalho.
i. Recuperação para conceito final D ou F e reposição/subs, ambas incluirão toda a matéria do curso.
ii. Parte da avaliação da segunda prova será um trabalho em grupo a ser entregue no dia.
(b). Atividades em sala ou para
entrega: em grupo, serão avaliados por entrega. Não há reposição.
(c). Apresentação em grupo: pode
valer indicativo “+” ou “-” para a avaliação final.
Conceito final: ponderação entre as provas (peso 0,45 cada) e a média dos exercícios (peso 0,1).
8
Metodologia didática e avaliação
Material em perguntasaopo.wordpress.com/graduacao/mqcs/
• As provas tem questões e itens com diferentes níveis de aplicação dos conceitos e técnicas estudadas.
• Serão usados “+” e “-” para sinalizar conceitos intermediários.
9
Correção e avaliação das provas e atividades
Aplicação às provas
A Mostrou domínio dos aspectos básicos e avançados relacionados aos conceitos e técnicas apresentados no curso, aplicando-os adequadamente e de forma clara.
B Demonstrou domínio dos conceitos e técnicas apresentados em sala aplicando-os adequadamente, mas teve falhas em aspectos de menor relevância.
C Mostrou conhecer os aspectos básicos dos conceitos e técnicas apresentados no curso, mas não o domínio dos aspectos mais avançados ou de sua aplicação.
D Apresentou conhecimento de apenas alguns aspectos e conceitos fundamentais, mas demonstrou confusão ou falta de clareza sobre os conceitos.
F Não demonstrou conhecimento dos conceitos ou aplicações mais básicos tratados nas aulas.
• Funcionamento: ► Apresentação sobre temas indicados: aspectos da estatística, temas
relacionados ao curso, problemas a serem analisados...
► 15 minutos, máximo de 6 slides incluindo título.
► Grupo será sorteado aleatoriamente.
• Grupos de 4-5 pessoas.
• Avaliação: ► Grupo que se apresentar terá agradecimento do professor e aplausos
da sala.
► Grupo sorteado que não se apresentar ou se a apresentação tiver erros, terá um indicativo “-” para a definição do conceito final.
► Grupos que se apresentarem 3 ou mais vezes terão indicativo “+” para o conceito final.
10
Apresentação (quase) semanal
LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall, 2004
FARBER, B.; LARSON, R. Estatística aplicada. Ed. Pearson Prentice Hall, 2009
ANDERSON, D. R., SWEENEY, D. J., WILLIAMS, T. A. Estatística Aplicada à Administração e Economia. Ed. Pioneira Thomson Learning. 2011
BUSSAB, W.; Morettin, P. Estatística Básica. Ed. Saraiva, 2006
12
Livros recomendados
Livros com bons exemplos e exercícios, além de explicações bem didáticas. Uso
moderado de álgebra.
Boa fonte de referência e
informações. Pouco uso de álgebra.
O mais completo. Bastante matemática.
Recomendado
Recomendado
• Calculadora : para as aulas e provas. Precisa ter raiz quadrada!
• Formulários e tabelas: Pode-se trazer uma folha A4 de formulário nas provas. Serão entregues tabelas para uso nas aulas e provas.
• Arquivos eletrônicos e bancos de dados: Organizem, façam backup, cuidem!
• Planilhas eletrônicas: MS Excel, LibreOffice Calc
13
Outras possibilidades e necessidades para o curso
• Primórdios: ► Centralização administrativa e burocratização.
► Aritmética política (séc. XVII).
► Estudar fenômenos de massa, de grandes proporções.
► Positivismo: busca de fatos e verdades de forma científica, seguindo os padrões das ciências da natureza.
• Lógicas: ► Os fenômenos sociais possuem regularidades que
podem ser observadas nos agregados dos grandes números.
► Os métodos quantitativos e estatísticos são consistentes para descobrir e testar relações causais.
► É necessária informação confiável para compreender e orientar a ação social.
15
Pensamento quanti-estatístico
17
Lógica probabilística
O mundo não pode ser completamente determinado. Podemos avançar no entendimento
sobre as relações entre os fenômenos, mas a explicação será sempre incompleta. Conseguimos
eventualmente encontrar regularidades e determinar as probabilidades de um fenômeno
ocorrer, mas não podemos garantir que ele aconteça.
O que a
estatística
nos diz?
19
The
Eco
no
mis
t, F
eb 1
st 2
01
4: M
ob
ility
, mea
sure
d
(htt
p:/
/ww
w.e
con
om
ist.
com
/new
s/u
nit
ed-s
tate
s/2
15
95
43
7-a
me
rica
-no
-le
ss-s
oci
ally
-mo
bile
-it-
was
-gen
erat
ion
-ago
-mo
bili
ty-m
easu
red
)
20
Fonte: https://www.estadao.com.br/infograficos/educacao,no-enem-1-a-cada-4-alunos-de-classe-media-triunfa-pobres-sao-1-a-cada-600,953041
• Ciências sociais
► A causalidade raramente é evidente e tende a ser múltipla.
► Métodos, premissas e conclusões devem ser claros e são sempre provisórios.
► Métodos:
o Conceitos: construtos teóricos e simbólicos, com imprecisões e contestações.
o Incertezas e imprecisões nas métricas.
o Uso de proxys e medidas indiretas.
o Lidar com a subjetividade.
o Condicionantes históricos e culturais.
• Teorias:
► Ajudam na construção de questões, hipóteses e explicações.
► São uma simplificação da compreensão de mundo que salienta os aspectos e variáveis considerados relevantes para os objetivos da pesquisa.
21
Ciência, teorias e modelos explicativos
Quanti x Quali: resumão
Lógica indutiva: generalizações a partir da observação crítica e fundamentada de fenômenos.
Observação, entrevistas, grupos de discussão,
etnografia... MENOS CASOS, COM MAIOR
PROFUNDIDADE
Métodos qualitativos
Métodos quantitativos
Lógica hipotético-dedutiva: aplicação de pressupostos,
conceitos e princípios gerais a fenômenos.
Levantamentos amostrais, experimentos, quase-
experimentos... MAIS CASOS, COM MENOR
PROFUNDIDADE
Objeto social estudado
• Necessidade de estabelecer relações causa-efeito: não basta achar uma relação estatisticamente significativa (correlação, diferenças, regressão...) entre duas ou mais variáveis, é necessário haver explicação para a causalidade entre elas.
• Variáveis:
► Variável dependente (Y): variável ou fenômeno a ser explicado.
► Variável independente (X): variáveis explicativas (causais).
o Por vezes sub-denominadas de interesse, de controle, explicativas ou preditivas.
Modelo: Y = F(X1; X2; ...Xn) F é uma função matemática (linear, exponencial, quadrática, ...)
23
Modelos explicativos em métodos quantitativos
Pontos fortes
• Capacidade de generalização.
• Possibilidade de replicação.
• Procedimentos e técnicas padronizados para coleta de dados e análise.
• Credibilidade junto a alguns públicos (rigor matemático).
• Desenho de pesquisa claro e formalizado.
Limites
• Pouca flexibilidade.
• Necessita de modelos explicativos claros.
• Perda de informação e dificuldade de captar informações sutis.
• Risco de simplificações e comparações equivocadas.
24
Métodos quantitativos
• Definição do problema e questões de pesquisa.
• Formalização de modelo explicativo teorias.
• Definição de hipótese a ser testada.
• Definição de testes estatísticos a serem usados e de níveis de confiança.
• Operacionalização das variáveis, conceitos, amostragem...
► Proxys; limitações; imprecisões; comparabilidade; viés...
• Processamento e teste das hipóteses.
• Análise dos resultados.
25
Formalização de uma pesquisa quantitativa
• Descritiva: visa sintetizar grandes quantidades de dados em números informativos (contagens, médias, desvio-padrão...) e/ou em visualizações (gráficos, diagramas...) “O que temos aqui?”
• Exploratória: objetiva gerar hipóteses, aprofundar no conhecimento e análise dos dados “O que esses dados parecem querer dizer?”
• Inferencial: busca fazer afirmações gerais a partir de amostras e predições “O que podemos afirmar com base nesses dados?”
► Estimativas de parâmetros
► Testes de hipóteses
► Previsões
26
3 tipos de estatística
27
População Amostra
n = 9
Estatísticas amostrais
Parâmetros populacionais
Inferência estatística: conhecer os parâmetros e fazer afirmações sobre a população com base em suas amostras.
• Análises gráficas
• Comparação (para uma ou várias populações): ► Médias
► Medianas
• Testes não paramétricos: ► Aderência, independência,
homogeneidade
► Wilconox
► Teste dos sinais
► Kruslal-Wallis
• ANOVA (várias populações)
• Regressão ► Simples
► Múltipla
► Logística
• Análise de componentes principais
• Análise de clusters
• Análise discriminante
• Análise fatorial
• Séries temporais
28
Exemplos de técnicas estatísticas
Técnicas multivariadas