MINICURSO: A ANÁLISE DE DADOS USANDO O

SEstatNet

A ANÁLISE DE DADOS USANDO O SEstatNet

14:00 – 15:30: A ESTATÍSTICA NA INVESTIGAÇÃO CIENTÍFICA (José Fletes)

15:45 – 16:30: O SEstatNet COMO FERRAMENTA DE ANÁLISE DE DADOS (Vilson Wronscki)

16:45 – 17:30: APLICAÇÕES (Gustavo Zambonin –Vilson Wronscki – José Fletes)

17:30 – 18:00: AVALIAÇÃO E ENCERRAMENTO

A ESTATÍSTICA NA INVESTIGAÇÃO CIENTÍFICA

Prof. José Fletes

UFSC

INVESTIGAÇÃO CIENTÍFICA

BUSCA DA “VERDADE” (VEROSSIMILHANÇA)

1- SONDAGENS ... ESTUDOS PRELIMINARES

2- PESQUISA ... ESTUDOS EM PROFUNDIDADE

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)

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

2º: OBJETIVOS

OBJETIVO GERAL

OBJETIVOS ESPECÍFICOS

3º: HIPÓTESES DE TRABALHO

QUESTÕES DA INVESTIGAÇÃO CIENTÍFICA OBJETIVOS ESPECÍFICOS

AMOSTRAGEM E PLANO AMOSTRAL DESENHO EXPERIMENTAL

COLETA DE DADOS

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”

ESTATÍSTICA

1- ESTATÍSTICA DESCRITIVA E EXPLORATÓRIA

2- ESTATÍSTICA INDUTIVA OU INFERENCIAL

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

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.

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.

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.

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.

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.

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!

FILOSOFIA

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

FILOSOFIA

CABE AO ANALISTA DOS DADOS, DESCOBRIR PADRÕES DE

COMPORTAMENTO E AS ESTRUTURAS QUE OS DADOS

APRESENTAM.

VISUALIZANDO PADRÃO

EXEMPLO: NOTAS DE ESTATÍSTICA Turmas do Prof. Fletes – 2013

VISUALIZANDO PADRÃO

EXEMPLO: ÁREA DE TERRENOS (m²)

– Famílias de baixa renda (Fpólis., 2008 - SC)-

PERGUNTA

NA SUA PERCEPÇÃO: QUAL O PADRÃO DOS SALÁRIOS? QUAL O PADRÃO DOS PREÇOS DE

GASOLINA COMUM?

GRÁFICO ILUSTRATIVO, PARA CADA SITUAÇÃO!

PADRÃO DOS SALÁRIOS- Bolsa de Salários (Folha de S Paulo – Outubro de 2010) -

PADRÃO PREÇOS GC- 05 a 11 Out. 2014 – Fpólis_S José (Fonte: ANP) -

ASPECTOS CARACTERÍSTICOS

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

ASPECTOS CARACTERÍSTICOS

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

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”

COMPONENTES DO E D A

1- DESCRIÇÃO DOS DADOS A PARTIR DE VÁRIAS MEDIDAS SIMULTÂNEAS.

2- PREFERÊNCIA POR RESUMO VISUAL AO RESUMO NUMÉRICO.

ESTRATÉGIAS DE ANÁLISE

CLÁSSICA X EXPLORATÓRIA

J U I Z D E T E T I J U I Z D E T E T I V EV E

CONFIRMAÇÃO EXPLORAÇÃO

CONFRONTO

CONFIRMAÇÃO

-VERIFICAR HIPÓTESES

-HIPÓTESES FORTES

-FENÔMENO, FATO, BEM CONHECIDO

EXPLORAÇÃO

-DESCOBRIR

-AUSÊNCIA DE HIPÓTESES

-CONHECIMENTO INSUFICIENTE

A ESTRATÉGIA CLÁSSICA(Paradigma FISHERIANO)

1. PARTE-SE DE UMA HIPÓTESE2. DEFINE-SE UMA POPULAÇÃO ALVO3. SELECIONA-SE UMA DISTRIBUIÇÃO

TEÓRICA QUE CARACTERIZE A POPULAÇÃO

4. SELECIONA-SE A AMOSTRA5. ESTIMAM-SE OS PARÂMETROS DA

POPULAÇÃO6. TESTA-SE A HIPÓTESE E DECIDE-SE

A ESTRATÉGIA EXPLORATÓRIA

1. PARTE-SE DOS DADOS2. SELECIONA-SE UMA

REPRESENTAÇÃO3. EXPLORAM-SE OS DADOS

4. RECONHECE-SE UMA FORMA5. FORMULA-SE HIPÓTESE SIMPLES

6. FAZ-SE DIAGNÓSTICO7. ANÁLISE DE CONFIRMAÇÃO

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

AS FERRAMENTAS SÃO...

FLEXÍVEIS ADAPTÁVEIS INTERATIVAS

ALTERNATIVAS

A ANÁLISE DE DADOS IMPLICA EM...

OBTER O MODELO DOS DADOS USAR UMA TÉCNICA DE ANÁLISE USAR CONHECIMENTOS EXTERNOS

EM SÍNTESE:

DADOS = MODELO + RESÍDUO

FERRAMENTAS BÁSICAS

DESCRIÇÃO DA VARIÁVEL EM ANÁLISE

PÔR EM EVIDÊNCIA (IR)REGULARIDADES

OBTER ESTATÍSTICAS (INDICES)

ESTRUTURAS

ESTATÍSTICAS DESCRITIVAS

VALOR TÍPICO (Tendência Central ou Posição ou Localização)

VARIAÇÃO (Dispersão) FORMA (Assimetria ou Distorção)

PARTICULARIDADES:-Discrepantes- Grupos (Agregados)- .....

VISUALIZAÇÃO

HISTOGRAMA

BOX PLOT (Esquema dos 5 números)

MEDIDAS DE ORDEM(SEPARATRIZES)

MAIS ROBUSTAS

TRANSFORMAÇÕES (INVARIÂNCIA)

SEPARATRIZES BOX PLOT

RELAÇÕES

GRÁFICO DE DISPERSÃO

MODELO MATEMÁTICO

CORRELAÇÃO, ASSOCIAÇÃO

PERCEPÇÃO GRÁFICA

INTERAÇÃO HOMEM-GRÁFICO APTIDÃO PARA PERCEPÇÃO DADOS INFORMAÇÃO PRECISÃO EXATIDÃO

( Q U A L I D A D E )

APRENDIZAGEM: APTIDÕES, COMPETÊNCIAS.

EXCELÊNCIA GRÁFICA

COMUNICAR IDÉIAS COMPLEXAS COM

CLAREZA PRECISÃO EFICIÊNCIA

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

RECOMENDAÇÕES DE TUFTE

-MOSTRAR VÁRIOS NÍVEIS DE DETALHE MICRO MACRO

-FIXAR OBJETIVO CLARO:DESCRIÇÃO EXPLORAÇÃO TABULAÇÃO VISUALIZAÇÃO

-INTEGRAR DESCRIÇÃO ESTATÍSTICA COM DESCRIÇÃO VERBAL

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.