ESTATÍSTICA DESCRITIVA

Quando queremos investigar, o primeiro objectivo é

descrever o fenómeno. Por isso, a primeira fase de
tratamento dos dados é a análise univariada, através da
verificação das frequências e o cálculo das medidas de
localização central e de dispersão para cada variável
isoladamente.
Geralmente, não se calculam mais que as seguintes
medidas:
•as frequências absolutas (números absolutos de cada
valor) e as frequências relativas (as proporções em
percentagens ou permilagens, etc.).
•a média e desvio-padrão
•a mediana e desvio-quartil
•a moda.
No entanto, as medidas atrás referidas não poderão ser
calculadas para qualquer tipo de variável. Tudo depende da
escala de valores de cada variável, pelo que aqui será
importante fazer um pequeno parêntesis para classificarmos
as variáveis quanto à sua escala. Compreender esta
classificação é de importância crucial para utilizarmos de
forma adequada a estatística. Sumariamente, poderemos
classificar as variáveis da seguinte forma:
1- Variáveis qualitativas nominais: são variáveis cujos
valores não tem uma relação de ordem entre eles, por ex.,
o Sexo e Raça.
Para este tipo de variáveis poder-se-á fazer o estudo das
frequências absolutas e relativas (no EpiInfo escolhemos o
Comando FREQUENCIES).
2- Variáveis qualitativas ordinais, cujos valores não são
métricos mas incluem relações de ordem. É o caso da
variável "Peso" medida em 3 níveis (pouco pesados,
pesados, muito pesados).
Para este tipo de variáveis poder-se-á fazer tudo quanto é
possível fazer-se para as variáveis nominais, mas também
adicionalmente é possível estudar as medianas, quartis,
modas (Comando MEANS no EpiInfo);
3- Variáveis quantitativas, cujos valores são medidos numa
escala métrica, como por ex., a "Idade", ou o "Peso"
medido em gramas.
Para este tipo de variáveis poder-se-á fazer tudo quanto é
possível fazer-se para as variáveis nominais e ordinais, mas
também adicionalmente é possível estudar as médias e
desvios-padrão (Comando MEANS no EpiInfo).
Se quiser utilizar o EpiInfo (disponível gratuitamente
em www.cdc.gov/epiinfo), aconselho a criar uma pequena
base de dados,(recomenda-se estudar o Manual existente
neste site), e que poderemos nomear "Experiência":
 Nome Data de Nascimento Data Actual Peso Sexo
João 13-12-1973 15-12-2000 60 homem
Maria 10-07-1961 15-12-2000 55 mulher
Manuel 20-11-1980 15-12-2000 80 homem
Luís 11-05-1950 15-12-2000 75 homem
Ana 15-08-1985 15-12-2000 50 mulher

Com esta base de dados criada será mais fácil compreender as provas estatísticas.

1.1 Interpretar as frequências absolutas e relativas.

No caso de variáveis nominais como o sexo ou a raça, só poderão ser calculadas as
frequências. É totalmente impossível calcular a média ou a mediana do sexo porque
a escala destas variáveis não tem sequer uma relação de ordem. Repare-se que por
vezes codificam-se as variáveis com números para introdução no computador, o
que torna possível pedir erradamente médias para variáveis nominais, embora tais
resultados, evidentemente, não tenham significado nenhum!
No caso de variáveis ordinais ou quantitativas, claro que é também possível calcular
as frequências. Por exemplo, suponhamos que sabemos o Peso medido em Kg de
1000 pessoas. Será possível calcular as frequências de quem tem 40 Kg, 41 Kg, 42
Kg, ..., etc., mas atendendo ao elevado número de pessoas, será preferível agrupá-
las em grupos com o mesmo intervalo, por exemplo, grupo A (40-45 Kg), grupo B
(46-49 Kg), etc., de forma a calcular as frequências para cada grupo.
Convém que o intervalo de amplitude dos diferentes grupos seja sempre o mesmo,
caso contrário, os resultados poderão confundir-nos, pois tenderemos a comparar
grupos que não são comparáveis! [1]

1.2 Interpretar as médias, desvios-padrão, medianas, etc.

Para além das frequências absolutas e relativas já referidas, existem outras
medidas geralmente calculadas para variáveis ordinais ou quantitativas, tal como
se encontra no quadro seguinte:

ESCALA DA VARIÁVEL MEDIDAS DE LOCALIZAÇÃO CENTRAL MEDIDAS DE DISPERSÃO

Ordinal ou Quantitativa Mediana Amplitude interquartil / Desvio

interquartil
Quantitativa Média Variância / Desvio-padrão
Qualquer escala Moda -

A Média aritmética assim como o Desvio-padrão que lhe está associado, são
conceitos que geralmente oferecem poucas dúvidas. São calculados apenas em
variáveis com a escala quantitativa. Por exemplo, não tem significado calcular a
média para o Sexo (variável nominal) ou para o Peso medido em escala ordinal.
O conceito de Mediana, no entanto, gera muitas confusões: a Mediana é
simplesmente o valor que se situa a meio da fila ordenada de valores, desde o mais
baixo ao mais alto. Assim, tem que haver uma relação de ordem nos valores, pelo
que a Mediana pode ser calculada tanto para as variáveis ordinais como para as
quantitativas puras. A partir do exemplo relacionado com a base de dados
"Experiência" criada no EpiInfo, poderemos criar uma nova variável idade a partir
da data de nascimento e data actual, tal como se explica no Manual sobre o
EpiInfo, e executar o comando MEANS para a idade, obtendo todas estas medidas.
Neste exemplo, temos cinco pessoas com as seguintes idades já ordenadas:

15  -  20  -  27  -  39  -  50

O número 27 representa o valor que está a meio, ou seja, é a Mediana. Isto

significa que 50% das pessoas têm uma idade igual ou maior que 27 e,
evidentemente, os outros 50% têm uma idade igual ou menor que 27.
O número 20 representa o valor que está a meio da primeira metade, ou seja, é o
primeiro Quartil ou Percentil 25. Isto significa que 75% das pessoas têm uma idade
igual ou maior que 20 e, evidentemente, os outros 25% têm uma idade igual ou
menor que 20.
O número 39 representa o valor que está a meio da segunda metade, ou seja, é o
terceiro Quartil ou Percentil 75. Isto significa que 75% das pessoas têm uma idade
igual ou menor que 39 e, evidentemente, os outros 25% têm uma idade igual ou
maior que 39.
Claro que a mediana é também o segundo Quartil e o Percentil 50. No caso deste
exemplo, com um número ímpar de valores ordenados (cinco), a mediana é o valor
que está a meio, mas no caso de um número par de valores ordenados, a mediana
terá ser calculado fazendo-se a média entre os dois valores que estão a meio.
A Moda é o valor mais frequente (ou seja, o que "está na moda"...). Neste caso,
como não existe nenhum valor mais frequente, o EpiInfo dá-nos o menor valor
(através do comando MEANS), o que não tem significado absolutamente nenhum,
podendo mesmo induzir-nos em erro. O que se passa é que quando existem várias
Modas, o EpiInfo apresenta sempre a menor: ou seja, se numa amostra existem 10
pessoas com 20 anos e 10 pessoas com 30 anos, sendo todas as outras idades
menos frequentes, sucede que existem duas Modas, mas o EpiInfo vai referir
apenas a que apresenta o menor valor ou seja, dirá que 20 anos é o valor mais
frequente. Por isto, se nos interessa referir a Moda, convém verificar se não há
outro valor tão frequente na nossa amostra. Para isto basta executar o comando
FREQUENCIES, que nos dá as frequências de todos os valores.
Qual a diferença de interpretação entre a Mediana e a Média?
Em primeiro lugar a Mediana pode ser utilizada tanto em variáveis quantitativas
como em variáveis qualitativas ordinais, enquanto a Média só pode ser utilizada em
variáveis quantitativas.
Em segundo lugar, no caso das variáveis quantitativas, embora a Média seja um
valor mais fácil de entender, tem o defeito de nos induzir em erro se a nossa
amostra tiver valores muito extremos. Por exemplo, na distribuição de idades da
nossa amostra a Média é de 30,2 e a Mediana de 27. Imagine que o indivíduo mais
velho tinha não 50 anos de idade mas sim 100 anos. Isto faria com que a Média
saltasse para 40,2, ou seja, seria superior a quase todos os valores individuais,
mas a Mediana continuaria a ser 27. Se olharmos para todos os 5 valores
individuais da nossa amostra, verificamos que o número 27 é melhor representante
da distribuição global da idade na nossa amostra que o erróneo número 40,2.
Assim, no caso das variáveis quantitativas, quando o valor da Mediana é muito
diferente da Média, é aconselhável considerar sempre a Mediana como valor de
referência mais importante.
Além das medidas de localização central (média, mediana, moda) existem as
medidas de dispersão que nos dão a ideia da variação dos dados.
Quando se calcula a média dever-se-á sempre calcular o desvio-padrão,
apresentando-se a sua fórmula apenas para ficar-se com uma ideia do que
representa:

Desvio-padrão =

em que
Xi =  Cada valor individual
N  =  Número de todos os valores

Ou seja, para calcular o Desvio-padrão é necessário primeiro calcular a Média e

depois calcular todas as diferenças entre cada valor individual e a média. É um erro
dizer que o desvio-padrão é a média de todas as diferenças, mas podemos senti-lo
como algo aproximado.
Por vezes, queremos comparar duas variáveis quantitativas quanto ao seu grau de
dispersão, por exemplo, o Peso (em Kg) e a Idade (em Anos). Esta comparação não
poderá ser feita comparando simplesmente os Desvios-padrão respectivos, porque
estes estão expressos em unidades de medida diferentes, i.e., não se pode
comparar a dispersão de Kg com a de Anos! No entanto, é possível fazer esta
comparação em termos relativos, se calcularmos o coeficiente de variação, da
seguinte forma:

Coeficiente de variação = x 100%

um coeficiente de variação >10% significa "dispersão forte"

Nas variáveis ordinais, como não é possível calcular médias ou desvios-padrão,

para avaliar o grau de dispersão, poder-se-á calcular a Amplitude interquartil e o
Desvio-quartil.
A Amplitude interquartil é simplesmente a diferença entre o 3º e o 1º Quartil, ou
seja, no exemplo anterior, 39-20= 19. Repare-se que nesta Amplitude inter-quartil
situam-se os 50% centrais dos valores.
O Desvio interquartil é sempre metade da Amplitude interquartil, ou seja,
19/2=9,5.
Também é possível, calcular a o coeficiente de variação quartil da seguinte forma:

Coeficiente de variação quartil = X 100%

Claro que estes cálculos também podem ser efectuados para as variáveis
quantitativas.