Escolar Documentos
Profissional Documentos
Cultura Documentos
Objectivos
No final deste mdulo espera-se que o participante seja capaz de: Distinguir variveis e constantes Identificar variveis qualitativas e quantitativas Conhecer as medidas de tendncia central e de disperso Caracterizar populao e amostra Construir uma amostra Diferenciar estatstica descritiva e inferencial
Tpicos
Conceitos bsicos de Estatstica Estatstica Descritiva Inferncia Estatstica Introduo Amostragem Enquadramento dos Mtodos Estatsticos na M&A
variveis
Propriedades associadas com conceitos ou nmeros e expressar informao sobre a forma de medida
MDULO 2: NOES DE ESTATISTICA BSICA Conceitos Bsicos de Estatstica Classificao das variveis:
NOMINAL QUALITATIVA sexo, cor dos olhos
CONTNUA
QUANTITATIVA
peso, altura, salrio, idade nmero de filhos, nmero de carros, numero de raparigas por turma
DISCRETA
MDULO 2: NOOES DE ESTATISTICA BSICA Estatstica Descritiva Calculo numrico de medidas amostrais Medidas de Tendncia Central Mdia aritmtica
Mediana Moda
Representado como:
L-se : somatrio de todos os Xi (xis i) quando i varia de 1 a n. Por ex.: media aritmtica de 2,5,8,13,14,15,20,30,46,47
IMPORTANTE:
A media aritmtica o valor que pode substituir todos os valores da varivel, isto e o valor que a varivel teria se em vez de ser uma varivel fosse uma constante
i1
xi
DADOS AGRUPADOS
i 1 n
x in n
i
i 1
Onde ni o numero de ocorrncias na classe i Xi representa o ponto mdio de classe i Ex: para a classe 20 40 o ponto mdio seria 30
2 . Um treinador de futebol est preocupado em melhorar resultados da sua equipa elaborou uma tabela com a seguinte informao.
Jogador No de passes errados 1 4 2 5 2 6 4 7 5 4 6 8 7 9 8 6 9 8 10 2 11 4
Indicando a mediana por Md e o numero de dados por n, devem ser considerados 2 casos:
f fi
Na prtica acontece o mesmo a moda! Se esto todos a ouvir os clssicos, dizemos que a a musica clssica est na moda. Se os chapus entram na moda, ento.
Embora existam varias medidas de disperso vamos nos ocupar de apenas duas:
Se recorrermos a mdia aritmtica dos acertos??? NO RESOLVEMOS o problema XA e XB = 9 acertos e por isso os conjuntos so iguais???
Mas para dizermos que algo variou precisamos de um ponto de referencia MDIA ARITMTICA DE CADA CONJUNTO E vamos fazer o seguinte. (por pura coincidncia, neste caso a mdia igual nos dois conjuntos)
Subtrair de cada valor a mdia aritmtica do conjunto ao qual pertence Elevar cada diferena encontrada ao quadrado Somar os quadrados Dividir a soma dos quadrados pelo numero de parcelas
Xi (Xi-X) = xi xi^2 8 -1 1 9 0 0 10 1 1 8 -1 1 6 -3 9 11 2 4 7 -2 4 13 4 16 72 0 36
36/8 = 4,5 ACERTOS 2
Yi 7 3 10 6 5 13 18 10 72
QUANTO MAIOR A VARINCIA, MAIOR A HETEROGENIDADE QUANTO MAIOR A VARINCIA, MAIOR O DESVIO PADRO
EXERCICIO 5
MDULO 1: NOOES DE ESTATISTICA BSICA Introduo Amostragem Populao ou Universo Coleco de unidades individuais com uma ou mais caractersticas comuns, que se pretendem estudar
Exemplos
Alunos de uma escola Crianas (0-5) de um orfanato Agregados familiar de uma provncia Cadeiras dentro do MMAS Automveis da cidade de Maputo
Imparcial todos os elementos da populao tem igual oportunidade de fazer parte da amostra
MDULO 2: NOOES DE ESTATISTICA BSICA Amostragem Probabilistica e No Probabilistica Mtodos Probablisticos (Aleatrios)
Todos os elementos da populao tem uma probabilidade conhecida, diferente de zero, de pertencer amostra. Desta forma, a amostragem probabilstica implica um sorteio com regras bem determinadas.
MDULO 2: NOOES DE ESTATISTICA BSICA Amostragens Probabilsticas Aleatria Simples Estratificada Por Clusters Multi-Etapas
No podemos evitar a ocorrncia do ERRO AMOSTRAL, porm podemos limitar seu valor atravs da escolha de uma amostra de tamanho adequado. Obviamente, o ERRO AMOSTRAL e o TAMANHO DA AMOSTRA seguem sentidos contrrios. Quanto maior o tamanho da amostra, menor o erro cometido e vice-versa.
TAMANHO DA AMOSTRA
ERRO AMOSTRAL
A determinao do tamanho de uma amostra problema de grande importncia, porque: Amostras desnecessariamente grandes acarretam desperdcio de tempo e de dinheiro; Amostras excessivamente pequenas podem levar a resultados no confiveis.
A frmula para clculo do tamanho da amostra para uma estimativa confivel da MDIA POPULACIONAL () dada por:
( Z / 2 S ) 2 n E
Onde: n Z /2 s E Nmero de indivduos na amostra Valor crtico que corresponde ao grau de confiana desejado. Desvio-padro populacional da varivel estudada Margem de erro ou ERRO MXIMO DE ESTIMATIVA. Identifica a diferena mxima entre a MDIA AMOSTRAL ( X ) e a verdadeira MDIA POPULACIONAL Nvel de significancia
Exemplo
Um economista deseja estimar a renda mdia para o primeiro ano de trabalho de um bacharel em direito. Quantos valores de renda devem ser tomados, se o economista deseja ter 95% de confiana em que a mdia amostral esteja a menos de $500,00 da verdadeira mdia populacional? Suponha que saibamos, por um estudo prvio, que para tais rendas, s = $6250,00.
( Z / 2 S ) 2 n 2 E
2
( Z 2 / 2 ( p )(1 p )) n d[ ]i 2 E
n 1.56 [1.962 (0.50) (1-0.50) / 0.052] n 600 + (esperando-se que 10% no queira responder ao questionrio, a grosso modo esperando 60) n 660
90
* Baseado nos calculos da amostra - incrementado de 2,008 para 2,015 por causa de arredondamento baseado na estratificacao ** Baseado em materia logisitica
Table 2: Sample Stratification Neigborhood Bairros P.A. de Urbana 1 P.A. de Urbana 2 # Sites P.A. de Urbana 3 Selected Cidade de Chimoio
BAIRRO Bairro de CENTRO HPICO Bairro de NHAMADJESSA Bairro de NHAMASSANE Bairro de 25 DE JUNHO Bairro AGOSTINHO NETO Bairro FRANCISCO MANYANGA Bairro de 1 DE MAIO Bairro de CHISSUI Bairro de HEROIS MOAMBICANOS Bairro de TRANGAPASSO P.A. de URBANA 1
Number of Sites per N. de sitios por Administrative areas P.A. (total of 75 sites) 28% 10 29% 10 43% 14 100% 34
2 1 1 3 0 1 1 1 0 0 10
MDULO 2: NOOES DE ESTATISTICA BSICA Amostragem Aleatria Simples Estabelece-se o tamanho da amostra e aleatoriamente seleccionam-se os elementos que a compe.
MDULO 2: NOOES DE ESTATISTICA BSICA Exemplo: Amostragem Aleatria Simples Na primeira srie 3 alunos
Normas Organizacionais
Obrigado!
MEASURE Evaluation is funded by the U.S. Agency for International Development (USAID) through Cooperative Agreement GPO-A-00-03-00003-00 and is implemented by the Carolina Population Center at the University of North Carolina in partnership with Constella Futures Group, John Snow, Inc., Macro International, and Tulane University.