Estatistíca

1. Estatística aplicada
Curso Técnico em Informática
Professor: Djonatha Márcio

2. A estatística é a ciência que envolve a coleta, organização, análise, interpretação e
apresentação de dados. Ela fornece métodos e ferramentas para lidar com a
variabilidade e incerteza dos dados, permitindo que possamos tomar decisões
informadas com base nas informações disponíveis.
Principais Componentes da Estatística:
Coleta de Dados:
Amostragem: Processo de selecionar uma parte representativa da população
para análise.
Experimentos: Realização de estudos controlados para coletar dados específicos.

3. Organização e Resumo de Dados:
Tabelas e Gráficos: Usados para organizar e visualizar os dados de forma clara.
Medidas de Tendência Central: Média, mediana e moda ajudam a resumir os dados em um
valor central.
Medidas de Dispersão: Variância e desvio padrão mostram o quanto os dados variam em
relação à média.
Análise de Dados:
Distribuições de Probabilidade: Modelos matemáticos que descrevem como os dados estão
distribuídos (ex.: distribuição normal, binomial).
Inferência Estatística: Uso de amostras para fazer generalizações sobre a população inteira
(ex.: intervalos de confiança, testes de hipóteses).

4. Interpretação e Tomada de Decisões:
Teste de Hipóteses: Procedimento para testar suposições sobre um
parâmetro da população.
Regressão e Correlação: Técnicas para entender as relações entre
variáveis e prever valores futuros.
Aplicações da Estatística:
Ciências: Pesquisa médica, biologia, psicologia.
Negócios: Análise de mercado, controle de qualidade.
Tecnologia: Machine learning, análise de desempenho de sistemas.
Sociedade: Pesquisas de opinião, estudos demográficos.

5. Introdução à Estatística Aplicada
1. Por que estudar Estatística?
A estatística está presente em diversas áreas do conhecimento e é
fundamental para tomar decisões baseadas em dados. No mundo atual,
onde a informação é abundante, saber interpretar números e tendências
pode fazer a diferença em qualquer profissão, especialmente na
informática.

6. Para que serve a Estatística?
A estatística nos ajuda a:
✅ Organizar e resumir dados de forma clara.
✅ Identificar padrões e tendências.
✅ Fazer previsões e análises de desempenho.
✅ Tomar decisões mais informadas em
projetos de tecnologia e negócios.

7. Como a Estatística é usada na Informática?
Na área da informática, a estatística tem diversas aplicações,
como:
📊 Análise de desempenho de softwares e sistemas.
📈 Monitoramento de redes para identificar falhas ou ataques.
️
🗄️Banco de dados, para organizar e extrair insights de grandes
volumes de informação.
🤖 Inteligência Artificial e Machine Learning, que dependem de
estatística para treinar modelos eficientes.

8. Contexto histórico sobre a estatística
Origens Antigas: Desde a antiguidade, civilizações como a Mesopotâmia, o Egito
Antigo e as civilizações pré-colombianas já realizavam registros de dados
demográficos e econômicos. No Egito Antigo, por exemplo, faraós ordenavam
registros estatísticos de suas colheitas e cálculos relacionados à construção de
pirâmides.
Século XVII: A estatística começou a se consolidar como uma disciplina
autônoma com o surgimento da teoria das probabilidades e o desenvolvimento de
métodos estatísticos por pensadores como Blaise Pascal e Pierre-Simon Laplace.
Esses avanços permitiram a análise de fenômenos aleatórios e a previsão de
eventos futuros.

9. Século XIX: Com a Revolução Industrial, a estatística se tornou uma
ferramenta essencial para políticas públicas e administração
governamental. Destacam-se os trabalhos de Francis Galton, Karl Pearson
e Ronald Fisher, que introduziram conceitos como correlação, regressão e
análise de variância, fundamentais para a estatística moderna.
Século XX: O avanço da computação e da tecnologia permitiu análises
mais complexas e precisas, ampliando ainda mais a relevância da
estatística. O desenvolvimento de softwares estatísticos possibilitou a
análise de grandes volumes de dados, facilitando a aplicação de métodos
complexos em diversas áreas.
Era Atual: Hoje, a estatística é fundamental em diversas áreas, como
medicina, economia, sociologia e tecnologia, contribuindo para a tomada
de decisões fundamentadas e o avanço da ciência e da sociedade. A
estatística computacional emergiu como um campo importante, integrando
técnicas estatísticas com algoritmos computacionais para resolver
problemas práticos em diversas disciplinas.

10. Conceito fundamentais da
estatística
População:
•A população é o grupo todo sobre o qual você deseja tirar conclusões.
•Quando falamos em população, estamos nos referindo ao conjunto completo de indivíduos
ou objetos que compartilham uma característica específica.
•Por exemplo, se queremos saber a altura média dos alunos de uma escola, então a
população são todos os alunos da escola.
•Esse grupo de alunos pode ser grande, com centenas ou milhares de estudantes.
Amostra:
•A amostra é uma parte representativa da população.
•Em vez de medir a altura de todos os alunos (o que seria muito trabalhoso e demorado),
você seleciona um grupo menor de alunos para medir suas alturas.
•Esse grupo menor de alunos deve ser escolhido de forma cuidadosa, para que ele seja
representativo da população inteira. Ou seja, as características dessa amostra devem refletir
as características da população como um todo.

11. Conceito fundamentais da
estatística
Como escolher uma boa amostra?
•A amostra deve ser aleatória, ou seja, qualquer aluno deve ter a mesma chance de ser
escolhido. Isso ajuda a evitar viés (quando o grupo selecionado não representa bem a
população).
•Se você escolher uma amostra de forma errada (por exemplo, escolhendo apenas alunos de
uma determinada faixa etária ou de uma classe social específica), os resultados podem não
refletir a realidade de toda a escola.
Por que usamos amostras?
•Economia de tempo e recursos: Em muitos casos, coletar dados de toda a população seria
muito caro ou demorado. Por exemplo, se quisermos estudar a satisfação dos clientes de uma
loja, não é necessário perguntar para todos os clientes (isso seria praticamente impossível). Basta
escolher uma amostra de clientes, desde que ela seja bem selecionada.
•Precisão: Se você escolher uma amostra bem representativa, os resultados obtidos com ela
podem ser muito precisos para a população inteira.

12. Conceito fundamentais da
estatística
Exemplo prático: Vamos supor que uma pesquisa deseja saber a opinião de todos os funcionários
de uma empresa sobre um novo projeto.
1.População: Todos os funcionários da empresa.
2.Amostra: Um grupo pequeno, mas representativo, de funcionários selecionados aleatoriamente.
Ao realizar a pesquisa com a amostra, você pode estimando com boa precisão o que todos os
funcionários pensariam, sem precisar perguntar para todos.
Conclusão:
•A amostra nos permite fazer generalizações sobre a população sem precisar estudar cada
elemento.
•Para isso, é importante que a amostra seja representativa, ou seja, que ela tenha as mesmas
características da população.
•Uma boa amostra economiza tempo e recursos, mas as conclusões só são confiáveis se a amostra
for bem escolhida e representativa da população.
Essa relação entre população e amostra é fundamental para a estatística, pois a estatística nos
permite tirar conclusões sobre grupos grandes (populações) a partir de observações feitas em
grupos menores (amostras).

13. Amostragem
É a coleta das informações de parte da população chamada amostra
mediante métodos adequados de seleção dessas unidades.
Amostragem é considerada uma técnica especial de escolher
amostras, de forma a garantir o acaso na escolha. Assim, cada
elemento da população tem a mesma chance de ser escolhido, o que
garante à amostra um caráter de
representatividade da população.
Técnicas de amostragem
Existem técnicas adequadas para recolher amostras, de forma a
garantir (tanto quanto possível) o sucesso da pesquisa e dos
resultados. Definidos os objetivos e a população a ser estudada, deve-
se pensar em como será constituída a amostra dos dados e quais as

14. a) Amostragem casual ou aleatória simples – este tipo de
amostragem é baseado no sorteio da amostra. Numera-se a
população de 1 a n, e, utilizando um dispositivo aleatório qualquer,
por exemplo, sorteio, escolhem-se k números dessa sequência, os
quais corresponderão aos elementos da amostra.

15. b) Amostragem proporcional estratificada – quando as
populações se dividem em subpopulações (estratos),
pode ser razoável supor que a variável de interesse
apresente comportamento distinto nos diferentes
estratos. Assim, para que uma amostra seja
representativa, é necessário utilizar-se uma
amostragem proporcional estratificada, que considera
os estratos (subgrupos) e obtém a amostragem
proporcional a estes

16. Variáveis
Uma variável é uma característica ou atributo de interesse que pode ser observado ou
medido em cada elemento de uma população ou amostra. Essas variáveis podem
assumir diferentes valores e são fundamentais para a coleta e análise de dados.
As variáveis são classificadas principalmente em duas categorias:
Variáveis Qualitativas (ou Categóricas): Expressam qualidades ou categorias e não
são representadas numericamente. Podem ser subdivididas em:
Nominais: Categorias sem uma ordem intrínseca. Exemplos: cor dos olhos (azul,
verde, castanho), estado civil (solteiro, casado, divorciado).
Ordinais: Categorias com uma ordem ou hierarquia. Exemplos: nível de escolaridade
(fundamental, médio, superior), classificação de satisfação (insatisfeito, neutro,
satisfeito).
Variáveis Quantitativas: Representam quantidades e são expressas numericamente.
Podem ser divididas em:
Discretas: Assumem valores inteiros resultantes de contagens. Exemplos: número de
filhos, quantidade de carros em uma garagem.
Contínuas: Podem assumir qualquer valor dentro de um intervalo, incluindo decimais.
Exemplos: altura, peso, tempo.

17. Tipos de estatísticas
A Estatística Descritiva se concentra em resumir e organizar os dados de maneira clara e compreensível.
Ela não faz previsões, apenas apresenta os dados.
📌 Principais tipos de Estatística Descritiva:
•Medidas de Tendência Central: Indicam um valor típico para um conjunto de dados.
• Média (simples e ponderada) → Soma dos valores dividida pelo número total.
• Mediana → Valor central quando os dados estão organizados.
• Moda → Valor mais frequente nos dados.
•Medidas de Dispersão: Indicam o quanto os dados variam.
• Amplitude → Diferença entre o maior e o menor valor.
• Desvio Padrão → Mede o quão espalhados estão os dados em relação à média.
• Variância → Mede a dispersão dos dados ao quadrado.
• Coeficiente de Variação → Mede a dispersão relativa em porcentagem.
•Medidas de Posição Relativa:
• Quartis → Dividem os dados em quatro partes (Q1, Q2, Q3).
• Percentis → Dividem os dados em 100 partes.
• Decis → Dividem os dados em 10 partes.
•Gráficos Estatísticos:
• Gráfico de Pizza → Mostra proporções dos dados.

18. Tipos de estatísticas
Estatística Inferencial
2️
2️
⃣
A Estatística Inferencial usa amostras para fazer previsões e generalizações sobre
uma população maior.
📌 Principais tipos de Estatística Inferencial:
•Teoria da Probabilidade:
• Distribuições de Probabilidade → Modelam a ocorrência de eventos
(Normal, Binomial, Poisson).
• Teorema de Bayes → Usa probabilidade condicional para atualizar
previsões.
•Estimação de Parâmetros:
• Intervalo de Confiança → Intervalo onde um parâmetro populacional pode
estar.
• Erro Padrão → Mede a incerteza da média da amostra.
•Testes de Hipótese:
• Teste T → Compara médias entre grupos (exemplo: homens x mulheres).
• Teste Qui-Quadrado → Mede a relação entre variáveis categóricas.
• ANOVA → Compara mais de duas médias.
• Correlação e Regressão → Mede a relação entre duas variáveis.

19. Tipos de estatísticas
3️
3️
⃣ Estatística Aplicada (Outros Ramos)
Além dessas duas áreas principais, a Estatística pode ser aplicada em
diferentes campos:
•Bioestatística → Aplicada na área da saúde (exemplo: testes clínicos).
•Estatística Computacional → Algoritmos para análise de grandes
volumes de dados.
•Estatística Econômica (Econometria) → Aplicada em estudos
econômicos e financeiros.
•Estatística Educacional → Avaliação de desempenho escolar.
Resumindo
📌 Estatística Descritiva → Resume e organiza dados.
📌 Estatística Inferencial → Usa amostras para prever e generalizar.

20. Conceito fundamentais da
estatística
1. População e Amostra
2. Variáveis
3. Distribuição de Frequência
4. Medidas de Tendência Central
5. Medidas de Dispersão
6. Distribuições de Probabilidade
7. Inferência Estatística
8. Correlação e Regressão
9. Estatísticas Descritivas e Inferenciais
10.Teste de Significância