BIBLIOGRAFIA

• COSTA, S.F. Introdução Ilustrada à Estatística. São Paulo: Harbra, 1988.

• CRESPO, A. A. Estatística fácil. São Paulo: Saraiva, 1996.
• LAPONI, J.C. Estatística usando Excel 5 e 7. São Paulo: Lapponi, 1997.
Estatística • TRIOLA, M.F. Introdução à Estatística. Rio de Janeiro: LTC, 1999.
• VIEIRA, S. & WADA, R. Estatística: introdução ilustrada. São Paulo: Atlas,
1992.
• VIEIRA, S. HOFFMANN, R. Elementos de estatística. São Paulo: Atlas, 1995
Profª Drª Cláudia Augusta Hidalgo

1 2

Fases de um trabalho estatístico

O estudo da estatística pode tornar o indivíduo mais
crítico em sua análise de informações, e menos • Definição do Problema
sugestivo a afirmações enganosas, como as que se
acham comumente associadas às pesquisas, gráficos e • Variáveis em análise
médias.
• Tipos de variáveis
Como cidadão educado e responsável pela sociedade o • Amostragem
indivíduo deve aguçar sua capacidade de reconhecer
dados estatísticos distorcidos e de interpretar • Instrumento (questionário)
inteligentemente dados que se apresentem sem • Análise Estatística
distorção.

3 4

População e amostra

• População: conjunto de indivíduos ou coisas com

alguma característica em comum
Técnicas de Amostragem
Probabilística Não Probabilística
• Amostra: subconjunto da população.

5 6

1
 Amostragem Probabilística Probabilística

• Melhor garantia de representatividade da

Técnicas de Amostragem
amostra em relação a população;
Probabilística Não Probabilística

• Todos elementos da população têm Aleatória Simples Sistemática Conglomerados Estratificada

probabilidade conhecida e diferente de

zero de ser incluída na amostra;

7 8

Tipos de Amostragem Probabilística

Amostragem Probabilística Vantagens

• Melhor garantia de representatividade da

– Aleatória simples ou casual, amostra em relação a população;
– Sistemática,
– Conglomerados (proximidade física),
• Todos elementos da população têm
– Estratificada (grupos homogêneos), probabilidade conhecida e diferente de
– Múltipla (diversos etapas sucessivas, ex: zero de ser incluída na amostra;
município, bairro, escola, crianças)

9 10

Amostragem Não-Probabilística Não-Probabilística

• A escolha é não aleatória justificadamente
ou não;
• Deve-se preservar a representatividade em Técnicas de Amostragem
relação ao universo;
• Nem sempre é conveniente, deve-se usar a Probabilística Não Probabilística
– amostragem por julgamento, a amostra é Julgamento Quota Conveniência
escolhida intencionalmente considerando as
características da população
• Exemplo uso de voluntários

11 12

2
 Tipos de
Amostragem Não-Probabilística
Variável
• Julgamento • Variável: condição ou característica observada
– Uso da experiência para selecionar amostra (que pode assumir valores distintos) e
registrada uma ou mais vezes ao longo da
• Quota pesquisa.
– Similar a amostragem estratificada exceto na
• Quando trabalhamos com indivíduos
seleção dos elementos
podemos observar: idade, peso, histórico de
• Conveniência infarto do miocárdio, nível de glicose no
– Uso dos elementos mais disponíveis sangue e outras medidas

13 14

Tipos de Variáveis Variáveis e Dados

• Variáveis: características que podem ser
observadas (ou medidas) em cada elemento
Variáveis da população sob as mesmas condições.
• Dados: valor observado (ou medido) de uma
Qualitativa Quantitativa variável em um elemento da população.
Nominal Ordinal Discreta Contínua

15 16

Classificação das Séries Tipos de séries

• Temporal
– Elemento Variável: época
Séries Estatísticas – Elemento Fixo: local e fenômeno.
• Geográfica
Época Local Fenômeno – Elemento Variável: local
– Elemento Fixo: época e fenômeno.

17 18

3
 Tipos de séries
• Específicas
– Elemento Variável: fenômeno Apuração dos dados
– Elemento Fixo: época e local
• Mistas Apresentação dos dados
– Tabelas de dupla ou múltipla entrada
Apresentação Apresentação
– Tabelas de Contingência Tabular Gráfica

19 20

Representação Gráfica
Finalidades
Tipos de Gráficos
• Linha:
• Apresentar dados numéricos em forma visual. – Séries temporais
• Colunas
• Representar sugestivamente tabelas estatísticas, de – Séries temporais, geográficas e específicas
maneira simples, legível e interessante; • Barras:
• Tornar claros fatos que poderiam passar desapercebido – Séries geográficas e específicas
• Setogramas:
em dados tabulados (como as correlações);
– Séries geográficas e específicas
• Facilitar comparações; • Histogramas:
• Poupar tempo e esforço na análise estatística. – Séries temporais
• Polígono de freqüência:
– Séries temporais

21 22

Dados da Rede Hospitalar

Apresentação Tabular:
São José do Rio Preto - 2006
Hospitais Leitos Médicos Enferm. auxiliares
Santa Helena 72 320 122
• Fornecer elementos que assegurem a HB 706 764 1561
padronização e racionalização da Austa 118 452 217

apresentação de dados numéricos em Santa Casa 195 220 299

IELAR 100 197 93
tabelas. Beneficência Portuguesa 180 580 320
Total 1371 2533 2612

23 24

4
 Dados da Rede Hospitalar de São José do Rio Preto -
2006 Médicos
Hospitais Freq. absoluta Freq. relativa Porcentagem
2000 Santa Helena 320 0,1263 12,63
1500
HB 764 0,3016 30,16
1000
500 Austa 452 0,1784 17,84
0
Santa Casa 220 0,0869 8,69
Leitos Médicos Enfermeiros
auxiliares IELAR 197 0,0778 7,78
Hospitais Beneficência Portuguesa 580 0,2290 22,90

Total 2533 1 100

Santa Helena HB Austa Santa Casa IELAR Beneficência Portuguesa

25 26

Enfermeiros auxiliares
Distribuição de Médicos na rede hospitalar de São
Hospitais Freq. absoluta Freq. relativa Porcentagem
José do Rio Preto - 2006
Beneficência
Santa Helena Santa Helena 122 0,0467 4,67
Portuguesa
13%
23% HB 1561 0,5976 59,76

IELAR Austa 217 0,0831 8,31

8% HB
Santa Casa 299 0,1145 11,45
29%
Santa Casa Austa IELAR 93 0,0356 3,56
9% 18%
Beneficência Portuguesa 320 0,1225 12,25

Total 2612 1 100

27 28

Distribuição de Enfermeiros Auxiliares na rede

hospitalar de São José do Rio Preto - 2006

IELAR
Beneficência
Portuguesa
Santa Helena
As subdivisões da Estatística
12%
4% 5%
Santa Casa
11%

HB
1.Descritiva;
60%
Aust a 2.Probabilidade;
8%
3.Inferência.

29 30

5
 Medidas Descritivas: 1.1Medidas
1.Descritivas
de Posição
1.1. Medidas de Posição; Média, moda e mediana;
1.2. Separatrizes;
1.3. Medidas de Dispersão;

31 32

Média (Me) Moda (Mo)

• A moda de um conjunto de dados é o valor
• A média aritmética de um conjunto de valores que ocorre com maior freqüência.
é o valor obtido somando-se todos eles e
• Quanto dois ou mais valores ocorrem com as
dividindo-se o total pelo número de valores
maiores freqüências de uma distribuição, o
n conjunto é dito bimodal ou multimodal
Para dados isolados __ ∑X
i =1
i
respectivamente.
X =
n
k

Para dados agrupados __ ∑X

i =1
i i f
X=
n 33 34

Moda (Md)
• Moda Bruta

• Para os dados isolados ou agrupados sem ˆ l ∗ + L∗

intervalos de classes, a maior freqüência X Bruta =
indica a localização da moda. 2

• Para dados agrupados com intervalos de • Moda de Czuber

classes podemos usar a moda bruta, a moda
de Czuber e outras.
∧ ∆1
X = l∗ + × h∗
∆1 + ∆ 2
35 36

6
 onde: Mediana (Md)
l*= limite inferior da classe • A mediana de um conjunto de valores é o
h*= amplitude do intervalo valor do meio deste conjunto (quando os
L*= limite superior da classe dados estão ordenados). Separa a distribuição
em duas partes exatamente iguais
Δ1 = f* - f(ant)
Δ1 = f*- f(post)

37 38

Mediana para dados sem intervalos de Mediana para dados agrupados em intervalos
classes de classes
• n par 1. Calcular a freqüência acumulada
∑f i
X n  + X n 2. Calcular
~  
2

 +1 
2 
2
∑f i

X= 3. Encontrar Fac > 2

2
4. Aplicar a fórmula
• n impar ∑f i
− Fac(ant )
~ ~ 2
X = l∗ + × h∗
X = X  n +1  f∗
 
 2 

39 40

Quartil

Medidas Descritivas:
1.2 Separatrizes k ∑ fi
− Fac( ant )
Mediana; Quartis; Decis; Porcentis Qk = l∗ + 4 ∗
× h∗
f

41 42

7
 Decil Porcentil

k ∑ fi k ∑ fi
− Fac(ant ) − Fac( ant )
∗
Dk = l + 10 × h∗ ∗
Pk = l + 100 × h∗
∗ ∗
f f

43 44

Amplitude Total

• Amplitude Total é a diferença entre o maior e

menor valor do conjunto de dados
1.3 Medidas de Dispersão
Amplitude Total
Desvio médio AT = X max − X min
Variância
Desvio padrão
Coeficiente de variação

45 46

Desvio Médio Variância

Para dados isolados Para dados isolados n __

∑(X
n __
− X )2
∑ Xi − X
i =1
i

DM ( X ) = i =1 Var ( X ) =
n n

Para dados agrupados Para dados agrupados

k __

∑f
k __

i =1
i Xi − X ∑ f (X i i − X )2
DM ( X ) = Var ( X ) = i =1
n n
47 48

8
 Desvio Médio Desvio Padrão
Para dados isolados
n __

∑
i =1
Xi − X
DM ( X ) =
n DP( X ) = VAR( X )
Para dados agrupados
k __

∑f
i =1
i Xi − X
DM ( X ) =
n
49 50

Desvio padrão: Propriedades do Desvio Padrão

interpretação gráfica
• A soma ou subtração de qualquer constante
no conjunto de dados, não altera o desvio
σ = 10
padrão.
σ=8
σ = 15
• No caso da multiplicação ou divisão de uma
constante qualquer, no conjunto de dados
inicial, o desvio padrão também sofrerá a
mesma operação realizada nos dados
originais.
10 20 30 40 50 60 70 • O desvio padrão é sempre maior que o desvio
médio.

51 52