Você está na página 1de 66

1

FACAM FACULDADE DO MARANHO SOMAR SOCIEDADE MARANHENSE DE ENSINO SUPERIOR LTDA CNPJ 04.855.275/0001-68 GRADUAO PS-GRADUAO ENSINO DISTNCIA

ESTATSTICA APLICADA AO SERVIO SOCIAL PROF. ESP. WAGNER S

So Lus 2013

S, Wagner Estatstica Aplicada ao Servio Social / Wagner S . So Lus, 2012. f.87 Impresso por computador (Fotocpia) Apostila (Graduao em Servio Social Distncia) Curso de Graduao em Servio Social Distncia, Faculdade do Maranho, 2012

1. Estatstica Aplicada ao Servio Social. Faculdade do Maranho. II. Ttulo. CDU 519.22:36 CDU 512

SOMAR Sociedade Maranhense de Ensino Superior Ltda. FACAM Faculdade do Maranho

Carlos Csar Branco Bandeira Diretor Geral

Thatiana Soares Rodrigues Bandeira Diretora Executiva

Henilda Ferro Castro Diretora Acadmica

Heraldo Marinelli Coordenador Geral de Ensino a Distncia

MeyryJanes Costa Almeida Supervisora Adjunta de Ensino a Distncia

Paula Carolina Caetano de Moraes Coordenadora do Curso de Servio Social

Adriana Gomes de Oliveira Bibliotecria

FLUXOGRAMA DE ESTUDO

ENTRADA Inscrio / Seleo TUTORIA

Orientao aluno

ao

Encontros pedaggicos

Recebimento do material Funcional

Processo de Estudo Independente

Avaliao presencial

T U T O R I A

No alcanou desempenho satisfatrio

Alcanou desempenho satisfatrio

Aluno processo

entra

em de

Aluno inicia Estudo Independente demais mdulos dos

reorientao com o tutor

SADA

PLANO DE ENSINO

DISCIPLINA: Estatstica Aplicada ao Servio Social Professor Especialista: Wagner S

1. OBJETIVOS DA DISCIPLINA 1.1 Geral Proporcionar ao estudante de Servio Social ferramentas que possibilite o entendimento da disciplina Estatstica, de forma a desenvolver no aluno o raciocnio lgico e organizado, sua capacidade de formular e interpretar dados, grficos e tabelas, procurando sempre proporcionar aos alunos tcnicas para formular relatrios de pesquisas e bancos de dados.

1.2 Especficos Expor os fundamentos da Estatstica e Probabilidade com base na aplicao dos conceitos e teoremas. Estudar as principais caractersticas do campo da Estatstica e probabilidade. Capacitar o aluno para desenvolver o hbito de reescrever e redefinir conceitos da Estatstica visando o aprofundamento dos temas. Adquirir uma viso global sobre tpicos da Estatstica. Compreender como lidar com as anlises e interpretaes da Estatstica e probabilidade.

2. EMENTA DA DISCIPLINA Histria, conceitos, funes e aplicaes da Estatsticas: conceito de populao e amostra. Estatstica Descritiva. Medidas de Tendncia Central. Probabilidade e Amostragem. A utilizao da Estatstica no Servio Social.

3. METODOLOGIA Desenvolvimento de aulas expositivas e dialogadas visando enriquecer o entendimento dos contedos da disciplina; Realizao de dinmica em grupo com nfase nas tcnicas de memorizao e interao dos conhecimentos socializados; Desenvolvimento de seminrios temticos relacionados aos contedos programticos; Resoluo de questes problemas como orientao para a realizao das atividades extra-sala.

4. RECURSOS TCNICOS Quadro de melaminico e acessrios; Retroprojetor e acessrios; Data show.

5. AVALIAO Seminrios Temticos em equipe, com culminncias em sala de aula; Sntese e fichamentos de publicaes (textos cientficos, artigos e etc.);

Auto avaliao; Avaliaes escritas.

6. REFERNCIAS BARBETTA, P. A. Estatstica Aplicada as Cincias Sociais. 3 ed. Florianpolis: Ed. Da UFSC.1999. CRESPO, ANTONIO. Estatstica Fcil. So Paulo: Saraiva, 1998. DOWNING, Douglas; CLARK, Jeffrey. Estatstica Aplicada. So Paulo: Saraiva, 2002. BRAULE, Ricardo. Estatstica Aplicada com Excel para cursos de Administrao e econmia. Rio de Janeiro: Campus, 2001.

SUMRIO

CAPTULO 1 HISTRIA, CONCEITOS, FUNES E APLICAES DA ESTATSTICA ........... 8 UNIDADE 1.1 Consideraes Gerais .......................................................................................................... 8 UNIDADE 1.2 Conceito de populao e amostra ...................................................................................... 11 UNIDADE 1.3 Tipos de variveis e escalas de mensurao ...................................................................... 21 UNIDADE 1.4 Estatstica descritiva ........................................................................................................... 23 CAPTULO 2 MEDIDAS DE TENDNCIA CENTRAL ........................................................................ 32 UNIDADE 2.1 Introduo ........................................................................................................................... 32 UNIDADE 2.2 Mdia Aritmtica ................................................................................................................ 32 UNIDADE 2.3 Mediana ............................................................................................................................... 34 UNIDADE 2.4 Moda .................................................................................................................................... 37 UNIDADE 2.5 Medidas de Disperso ......................................................................................................... 38 CAPTULO 3 PROBABILIDADE E AMOSTRAGEM: noes tericas e prticas ................................ 41 UNIDADE 3.1 Introduo aos principais conceitos de probabilidade: experimento aleatrio, espao, amostral e eventos .......................................................................................................................................... 41 UNIDADE 3.2 Probabilidade condicional e independncia de eventos ................................................... 50 UNIDADE 3.3 Tipos de Amostras, Amostras aleatrias e Distribuio Amostral ................................. 52 CAPITULO 4 A UTILIZAO DA ESTATSTICA NO SERVIO SOCIAL ..................................... 58 UNIDADE 4.1 A utilizao de tcnicas no Servio Social ......................................................................... 58 UNIDADE 4.2 Estudos de populaes ........................................................................................................ 61 UNIDADE 4.3 Bancos de Dados .................................................................................................................. 62

CAPTULO 1 HISTRIA, CONCEITOS, FUNES E APLICAES DA ESTATSTICA UNIDADE 1.1 Consideraes Gerais A origem da palavra Estatstica est associada palavra latina STATUS (Estado). H indcios de que 3000 anos A.C. j se faziam censos na Babilnia, China e Egito e at mesmo o 4o. livro do Velho Testamento faz referncia a uma instruo dada a Moiss, para que fizesse um levantamento dos homens de Israel que estivessem aptos para guerrear. Usualmente, estas informaes eram utilizadas para a taxao de impostos ou para o alistamento militar. O Imperador Csar Augusto, por exemplo, ordenou que se fizesse o Censo de todo o Imprio Romano. Contudo, mesmo que a prtica de coletar dados sobre colheitas, composio da populao humana ou de animais, impostos, etc., fosse conhecida pelos egpcios, hebreus, caldeus e gregos, e se atribuam a Aristteles cento e oitenta descries de Estados, apenas no sculo XVII a Estatstica passou a ser considerada disciplina autnoma, tendo como objetivo bsico descrio dos BENS do Estado. A palavra Estatstica foi cunhada pelo acadmico alemo Gottfried Achenwall (1719-1772), que foi um notvel continuador dos estudos de Hermann Conrig (1606-1681). Gottfried determinou os objetivos da Estatstica e suas relaes com as demais cincias. Com a Escola Alem as tabelas tornaram-se mais completas, surgiram as representaes grficas e o clculo das probabilidades, e a Estatstica deixou de ser simples catalogao de dados numricos coletivos para se tornar o estudo de como chegar a concluses sobre o todo (populao), partindo da observao de partes desse todo (amostras). Atualmente, os estudos estatsticos tm avanado rapidamente e, com seus processos e tcnicas, Tm contribudo para a organizao dos negcios e recursos do mundo moderno. A Estatstica uma parte da Matemtica Aplicada que fornece mtodos para coleta, organizao, descrio, anlise e interpretao de dados e para a utilizao dos mesmos na tomada de decises. A utilizao de tcnicas, destinadas anlise de situaes complexas ou no, tem aumentado e faz parte do nosso cotidiano. Tome-se, por exemplo, as transmisses esportivas. Em um jogo de futebol, o nmero de escanteios, o nmero de faltas cometidas e o tempo de posse de bola so dados fornecidos ao telespectador e fazem com que a concluso sobre qual time foi melhor em campo se torne objetiva (no que isso implique que tenha sido o vencedor...). O que tem levado a essa qualificao de nossas vidas no dia a dia? Um fator importante a popularizao dos computadores. No passado, tratar uma grande massa de nmeros era uma tarefa custosa e cansativa, que exigia horas de trabalho tedioso. Recentemente, no entanto, grandes quantidades de informaes podem ser analisadas rapidamente com um computador pessoal e programas adequados. Desta forma o computador contribui, positivamente, na difuso e uso de mtodos estatsticos. Por outro lado, o computador possibilita uma automao que pode levar um indivduo sem preparo especfico a utilizar tcnicas inadequadas para resolver um dado problema. Assim, necessria a compreenso dos conceitos bsicos da Estatstica, bem como as suposies necessrias para o seu uso de forma criteriosa. A grosso modo podemos dividir a Estatstica em trs reas: Estatstica Descritiva Probabilidade Inferncia Estatstica

Vamos caracterizar estas trs reas Estatstica Descritiva A Estatstica Descritiva pode ser definida como um conjunto de tcnicas destinadas a descrever e resumir dados, a fim de que possamos tirar concluses a respeito de caractersticas de interesse. Em geral utilizamos a Estatstica Descritiva na etapa inicial da anlise quando tomamos contato com os dados pela primeira vez. Objetivando tirar concluses de modo informal e direto, a maneira mais simples seria a observao dos valores colhidos. Entretanto ao depararmos com uma grande massa de dados percebemos, imediatamente, que a tarefa pode no ser simples. Para tentar retirar dos dados informaes a respeito do fenmeno sob estudo, preciso aplicar algumas tcnicas que nos permitam simplificar a informao daquele particular conjunto de valores. A finalidade da Estatstica Descritiva tornar as coisas mais fceis de entender, de relatar e discutir. A mdia industrial Dow-Jones, a taxa de desemprego, o custo de vida, o ndice pluviomtrico, a quilometragem mdia por litro de combustvel, as mdias de estudantes so exemplos de dados tratados pela Estatstica Descritiva. Probabilidade A Probabilidade pode ser pensada como a teoria matemtica utilizada para estudar a incerteza oriunda de fenmenos que envolvem o acaso. Jogos de dados e de cartas, ou o lanamento de uma moeda para o ar enquadram-se na categoria do acaso. A maioria dos jogos esportivos tambm influenciada pelo acaso at certo ponto. A deciso de um fabricante de cola de empreender uma grande campanha de propaganda visando a aumentar sua participao no mercado, a deciso de parar de imunizar pessoas com menos de vinte anos contra determinada doena, a deciso de arriscar-se a atravessar uma rua no meio do quarteiro, todas utilizam a probabilidade consciente ou inconscientemente. Inferncia Estatstica Inferncia Estatstica o estudo de tcnicas que possibilitam a extrapolao, a um grande conjunto de dados, das informaes e concluses obtidas a partir de subconjuntos de valores, usualmente de dimenses muito menores. Deve-se notar que se tivermos acesso a todos os elementos que desejamos estudar, no necessrio o uso das tcnicas de inferncia estatstica; entretanto, elas so indispensveis quando existe a impossibilidade de acesso a todo o conjunto de dados, por razes de natureza econmica, tica ou fsica. Estudos complexos que envolvem o tratamento estatstico dos dados, usualmente incluem as trs reas citadas acima. O trabalho estatstico um mtodo cientfico, que consiste das cinco etapas bsicas seguintes: 1- Coleta e crtica de dados 2- Tratamento dos dados 3- Apresentao dos dados 4- Anlise e interpretao dos resultados 5- Concluso

10

Segue o modelo para melhor compreenso dessas cinco etapas:

Vamos tratar cada uma dessas etapas: Coleta e crtica dos dados Aps definirmos cuidadosamente o problema que se quer pesquisar, damos incio a coleta dos dados numricos necessrios sua descrio. A coleta pode ser direta ou indireta. A coleta direta quando feita sobre elementos informativos de registro obrigatrio (nascimentos, casamentos e bitos, importao e exportao de mercadorias), elementos pertinentes aos pronturios dos alunos de uma escola ou, ainda, quando os dados so coletados pelo prprio pesquisador atravs de inquritos e questionrios. A coleta direta de dados pode ser classificada relativamente ao fator tempo em: a) Contnua quando feita continuamente, tal como a de nascimentos e bitos e a de frequncia dos alunos s aulas. b) Peridica quando feita em intervalos constantes de tempo, como os censos e as avaliaes mensais dos alunos. c) Ocasional Quando feita extemporaneamente, a fim de atender a uma conjuntura ou a uma emergncia, como no caso de epidemias que assolam ou dizimam rebanhos inteiros. A coleta se diz indireta quando inferida de elementos conhecidos (coleta direta) e/ou do conhecimento de outros fenmenos relacionados com o fenmeno estudado. Como por exemplo, podemos citar a pesquisa sobre a mortalidade infantil, que feita atravs de dados colhidos por uma coleta direta. Obtidos os dados, eles devem ser cuidadosamente criticados, procura de possveis falhas e imperfeies, a fim de no incorrermos em erros grosseiros ou certo vulto, que possam influir sensivelmente nos resultados. A crtica externa quando visa s causas dos erros por parte do informante, por distrao ou m interpretao das perguntas que lhe foram feitas; interna quando visa observar os elementos originais dos dados da coleta. Tratamento dos dados: Nada mais do que a soma e o processamento dos dados obtidos e a disposio mediante critrios de classificao Pode ser manual ou eletrnica. Apresentao dos dados:

11

Por mais diversa que seja a finalidade que se tenha em vista, os dados devem ser apresentados sob forma adequada tabelas e grficos tornando mais fcil o exame daquilo que est sendo objeto de tratamento estatstico. Anlise dos resultados: Aps a apresentao dos dados devemos calcular as medidas tpicas convenientes para fazermos uma anlise dos resultados obtidos, atravs dos mtodos da Estatstica Indutiva ou Inferencial, e tirarmos desses resultados concluses e previses. Concluso: de responsabilidade de um especialista no assunto que est sendo pesquisado, que no necessariamente um estatstico, relatar as concluses de maneira que sejam facilmente entendidas por quem as for usar na tomada de decises.

UNIDADE 1.2 Conceito de Populao e Amostra Ao conjunto de entes portadores de, pelo menos, uma caracterstica comum denominamos Populao estatstica ou universo estatstico. Esse termo refere-se no somente a uma coleo de indivduos, mas tambm ao alvo sobre o qual reside nosso interesse. Assim, nossa populao pode ser tanto todos os habitantes de Vila Velha, como todas as lmpadas produzidas por uma fbrica em certo perodo de tempo, ou todo o sangue no corpo de uma pessoa. Como em qualquer estudo estatstico temos em mente pesquisar uma ou mais caractersticas dos elementos de alguma populao, esta caracterstica deve estar perfeitamente definida. E isso se d quando, considerando um elemento qualquer, podemos afirmar, sem ambiguidade, se esse elemento pertence ou no populao. Vamos entender que, em Estatstica, a palavra populao tem significado muito mais amplo do que no vocabulrio leigo. Para o estatstico, todos os valores que uma varivel pode assumir, nos elementos de um conjunto, constitui uma populao. Algumas vezes podemos acessar toda a populao para estudarmos caractersticas de interesse, mas em muitas situaes, tal procedimento no pode ser realizado, por impossibilidade ou inviabilidade econmica ou temporal. Por exemplo, uma empresa no dispe de verba suficiente para saber o que pensa todos os consumidores de seus produtos. H ainda razes ticas, quando, por exemplo, os experimentos de laboratrio envolvem o uso de seres vivos. Alm disso, existem casos em que a impossibilidade de acessar toda a populao de interesse incontornvel como no caso da anlise do sangue de uma pessoa ou em um experimento para determinar o tempo de funcionamento das lmpadas produzidas por uma indstria. Tendo em vista as dificuldades de vrias naturezas para observar todos os elementos da populao, tomaremos alguns deles para formar um grupo a ser estudado. A essa parte proveniente da populao em estudo denominamos amostra. Uma amostra um subconjunto finito de uma populao.

12

Os pesquisadores trabalham com amostras. Primeiro, porque as populaes infinitas s podem ser estudadas atravs de amostras. As populaes finitas muito grandes tambm s podem ser estudadas atravs de amostras. Finalmente, o estudo cuidadoso de uma amostra tem mais valor cientifico do que o estudo rpido de toda a populao. Exemplos: De populao infinita: A produo futura de uma mquina. As extraes, com repetio das bolas de uma urna. Os nascimentos de bebs. O nmero de peixes do mar constitui uma populao finita muito grande, pois esse nmero , em dado momento, matematicamente finito, mas to grande que pode ser considerado infinito para finalidade pratica. Os alunos de uma sala de aula, os produtos de um supermercado, os livros de uma biblioteca, os automveis de vila velha, so exemplos de populaes finitas. A distino entre populao e amostra fundamental porque com base nos dados de uma amostra que os estatsticos inferem sobre a populao. Exemplo: Uma pesquisa de opinio para saber o resultado das eleies para o governo do estado de So Paulo em 1988, a populao considerada foram todos os eleitores do estado e para constituir a amostra o IBOPE coletou a opinio de cerca de 1600 eleitores. so denominadas parmetros. As medidas estatsticas obtidas com base na populao

13

As medidas obtidas com base em amostras so denominadas estimativas. Tanto parmetros quanto estimativas so numricos a nica diferena o fato de os parmetros serem obtidos com base na populao e as estimativas com base nas amostras. Os parmetros so em geral desconhecidos porque, na pratica, no possvel observar toda a populao. Mas, como j disse algum, no preciso beber todo o vinho para saber que gosto ele tem. Ento o pesquisador obtm uma amostra para ter uma ideia do valor do parmetro. Embora nenhum plano de amostragem possa garantir que a amostra seja exatamente semelhante populao da qual foi extrada, se a amostra for suficientemente grande e obtida com a tcnica correta, na maioria das vezes, poderemos estimar o valor do erro possvel, isto dizer quo prxima esta a amostra da populao, em termos de representatividade. Mas ainda, amostras sucessivas da mesma populao tendem a fornecer estimativas similares entre si e com valores em torno do verdadeiro, ou seja, o valor do parmetro. Amostragem X Censo Uma amostra usualmente envolve o estudo de uma parcela dos itens de uma populao, enquanto que um censo requer o exame de todos os itens. Embora concentremos nossa ateno nas amostras, conveniente considerar tambm a alternativa do censo. primeira vista pode parecer que a inspeo completa ou total de todos os itens de uma populao seja mais conveniente do que a inspeo de apenas uma amostra deles. Na prtica, o contrrio que quase vlido Firmas comerciais e entidades governamentais recorrem amostragem por vrias razes. O custo usualmente um fator relevante. Colher dados e analisar resultados custam dinheiro e, em geral quanto maior o nmero de dados colhidos, maior o custo. Outra razo para o emprego de amostragem que o valor da informao dura pouco. Para ser til, a informao deve ser obtida e usada rapidamente. A amostragem a nica maneira de se fazer isso. Por vezes, o exame de determinado artigo o destri. Testar cadeiras quanto a sua resistncia ao peso obviamente s destri; se fssemos testar todas as cadeiras, no sobrariam cadeiras para a venda. A amostragem prefervel ao censo quando: a) A populao pode ser infinita, e obviamente no seria possvel examinar todos os itens da populao o que tornaria ento o censo impossvel. b) Uma amostra pode ser mais atualizada do que o censo. Se se necessita de uma informao rapidamente, um estudo de toda a populao pode consumir demasiado tempo e perder utilidade. Alm disso, se a populao tende a modificar-se com o tempo, um censo poder, na realidade, combinar vrias populaes. c) Os testes podem apresentar carter destrutivo, ou seja, os itens examinados so destrudos no prprio ato do experimento. Ento o censo nos daria o panorama preciso de uma populao que no existe mais. d) O custo de um censo pode ser proibitivo, normalmente se o custo individual elevado e se existem muitos itens na populao. e) A preciso pode sofrer no caso de um censo de uma grande populao. A amostragem envolve menor nmero de observaes e, consequentemente, menor nmero de coletores de dados. Com grande nmero de agentes, h menor coordenao e controle, aumentando a chance de erros. A amostragem pode revelar maior uniformidade nos mtodos de coleta de dados, e maior comparabilidade entre os dados, do que um censo.

14

f) O tipo de informao pode depender da utilizao de uma amostra ou de um censo. Frequentemente as despesas com coleta de dados sofrem restries oramentrias. Existe tambm a premncia do tempo. Se nos decidirmos por um censo, os problemas de custo e de tempo podem conduzir a uma limitao do censo a apenas uma ou a poucas caractersticas por item. Uma amostra com o mesmo custo e mesmo tempo, poderia proporcionar resultados mais aprofundados sobre um menor nmero de itens. Entretanto, h certas situaes em que mais vantajoso fazer um censo. Entre essas situaes destacamos: a) A populao pode ser to pequena que o custo e o tempo de um censo sejam pouco maiores que para uma amostra. b) Se o tamanho da amostra grande em relao ao da populao, o esforo adicional requerido por um censo pode ser pequeno, alm disso, o censo eliminar a variabilidade amostral. c) Se se exige preciso completa, ento o censo o nico mtodo aceitvel. Em face da variabilidade amostral, nunca podemos ter certeza de quais so os parmetros verdadeiros da populao. Um censo nos dar essa informao, embora erros na coleta dos dados e outros tipos de tendenciosidade possam afetar a preciso dos resultados. d) Ocasionalmente, j se dispe da informao completa, de modo que no h necessidade de amostra Amostragem Probabilstica Uma amostragem ser probabilstica se todos os elementos da populao tiverem probabilidade conhecida, e diferente de zero, de pertencer amostra. Desta forma, a amostragem probabilstica implica um sorteio com regras bem determinadas, cuja realizao s ser possvel se a populao for finita e totalmente acessvel. Consideraremos aqui os seguintes planos de amostragem probabilstica: 1 Amostragem Aleatria Simples 2 Amostragem Proporcional Estratificada 3 Amostragem Sistemtica. Amostragem Aleatria Simples Este tipo de amostragem equivalente a um sorteio lotrico. A Amostragem Aleatria Simples constituda de elementos retirados ao acaso da populao. Ento todo elemento da populao tem probabilidade fixa de ser amostrado. Por isso que a esse tipo de amostragem tende a produzir amostras representativas. Exemplo: Geralmente so considerados aleatrios os seguintes processos: A chegada de carros a um posto de pedgio As chamadas telefnicas numa grande mesa de operao A chegada de clientes aos caixas de um supermercado A produo de qualquer processo mecnico Sucessivos lances de moeda ou de dado Tempo de servio em estaes de pedgio de mxima importncia dar cuidadosa ateno maneira como se escolhem os itens, bem como se eles so igualmente provveis.

15

Exemplo: Imagine que 500 clientes esto cadastrados em sua empresa e voc precisa obter uma amostra aleatria de 2% dos cadastros. O que voc faria? Como queremos uma amostra de 2% dos cadastros, precisamos sortear 10 deles. Faremos isso seguindo os seguintes passos: 1 Numeramos os cadastros de 001 a 500. 2 - Para o sorteio exibiremos duas opes: a) Escreva os nmeros de 001 a 500, em pedaos iguais de um mesmo papel, colocando-os dentro de uma caixa. Agite sempre a caixa para misturar bem os pedaos de papel e retire, um a um, dez nmeros que formaro a amostra. b) Coloque em uma urna, bolas numeradas de zero a nove, inclusive, misture bem e retire uma. Anote o nmero dessa bola que ser o primeiro dgito do nmero do cadastro que ser amostrado. Volte a bola retirada urna, misture bem e retire outra. O nmero dessa segunda bola ser o segundo dgito do nmero do cadastro que ser amostrado. O procedimento dever ser repetido at completar os trs dgitos da numerao utilizada. Como a populao constituda por 500 cadastros, devem ser desprezados os nmeros maiores do que 500, bem como os nmeros que j foram sorteados e o nmero 000. O sorteio dever ser repetido at se conseguir a amostra de 10 cadastros. O processo de seleo exige que se atribuam nmeros consecutivos aos itens listados escolhendose depois, aleatoriamente, os nmeros dos itens que comporo a amostra. Conceitualmente, podemos usar cartas, dados, fichas numeradas ou bolas numeradas para gerar nmeros aleatrios para gerar nmeros aleatrios correspondentes aos nmeros de nossa listagem. Na prtica, tais dispositivos so empregados raramente, por vrias razes. Uma dela que cada dispositivo deixa algo a desejar; os mtodos no so perfeitamente aleatrios. As cartas, por exemplo, podem aderir umas s outras, impedindo um embaralhamento perfeito. As arestas de um dado podem estar desgastadas. E sempre h o perigo de as bolas de uma urna no terem sido convenientemente misturadas. Em vista disso, e porque a amostragem aleatria vital para a inferncia estatstica, existem tabelas especialmente elaboradas, chamadas Tabelas de Nmeros Aleatrios, construda de modo que os dez algarismos (0 a 9) so distribudos ao acaso nas linhas e colunas. Na tabela de nmeros aleatrios os dez algarismos 0,1,2,...,7,8,9, podem ser lidos isoladamente ou em grupos; podem ser lidos em qualquer ordem, como por colunas, num sentido ou noutro, por linhas, diagonalmente etc., e podem ser considerados aleatrios. A opo de leitura, porm, deve ser feita, antes de iniciado o processo. Para usar uma tabela de nmeros aleatrios devemos: 1 Fazer uma lista dos nmeros da populao. 2 Numerar consecutivamente os itens na lista, a comear do zero. 3 Ler os nmeros na tabela de nmeros aleatrios de modo que o nmero de algarismos em cada um seja igual ao nmero de algarismos do ltimo nmero da sua listagem. 4 Desprezar quaisquer nmeros que no correspondam a nmeros da lista ou que sejam repeties de nmeros lidos anteriormente. Continue o processo at ter o nmero desejado de observaes. 5 Usar os nmeros assim escolhidos para identificar os itens da lista a serem includos na amostra. Segue exemplo de uma tabela de nmeros aleatrios:

16

Exemplo: Imagine que 500 clientes esto cadastrados em sua empresa e voc precisa obter uma amostra aleatria de 2% dos cadastros. Como voc usaria a tabela de nmeros aleatrios para extrair essa amostra? Depois de numerar os cadastros podemos escolher, por exemplo, percorrer a ltima coluna da tabela de cima para baixo lendo os trs primeiros algarismos de cada linha. Os nmeros obtidos dessa forma so: 473, 828, 920, 923, 380, 272, 750, 488, 224, 764, 309, 192, 838, 466, 652, 344, 913, 412. Desprezando os nmeros que so maiores do que 500 (e eventuais repeties) devemos tomar para a amostra os cadastros de nmeros: 473, 380, 272, 488, 224, 309, 192, 466, 344, 412. Dispondo-se de uma lista precisa dos itens da populao, relativamente simples escolher uma amostra aleatria com o auxilio de uma tabela de nmeros aleatrios. Na realidade, a lista no precisa conter todos os itens. As locaes dos itens podem constituir uma alternativa, como por exemplo, os quarteires de uma cidade, ou os arquivos de uma firma etc. Amostragem Sistemtica Quando os elementos da populao j se acham ordenados, no h necessidade de construir um sistema de referncia. So exemplos os pronturios mdicos de um hospital, os prdios de uma rua, as linhas de produo etc. Nestes casos, a seleo dos elementos que constituiro a amostra pode ser feita por um sistema imposto pelo pesquisador. A Amostragem Sistemtica constituda de elementos retirados da populao segundo um sistema preestabelecido.

17

Exemplo 1: Imagine que 500 clientes esto cadastrados em sua empresa e voc precisa obter uma amostra aleatria de 2% dos cadastros. Como voc obteria uma amostra sistemtica? Precisamos obter uma amostra de tamanho 10. Para obter a amostra podemos dividir 500 por 10, e obter 50. Sorteamos um nmero entre 1 e 50, inclusive, para ser o primeiro cadastro da mostra e a partir desse nmero, contamos 50 cadastros e retiramos o ltimo para fazer parte da amostra. Procedemos dessa forma at completarmos os 10 cadastros da amostra. Exemplo 2: No caso de uma linha de produo, podemos a cada dez itens produzidos, retirar um para pertencer a uma amostra da produo diria. Neste caso, estaramos fixando o tamanho da amostra em 10% da populao. preciso especial cuidado com o sistema de seleo. No forme uma amostra com as primeiras pessoas de uma fila ou, se so atendidos 10 clientes por dia, no escolha para a amostra, o dcimo de cada dez clientes. Estes procedimentos podem determinar amostras tendenciosas. Recomenda-se sempre sortear o primeiro elemento que ser selecionado para a mostra e, a partir da, usar o sistema de seleo. Amostragem Proporcional Estratificada Muitas vezes a populao se divide em subpopulaes, denominadas de Estratos. Como provvel que a caracterstica em estudo dessa populao apresente, de estrato em estrato, um comportamento heterogneo e, dentro de cada estrato, um comportamento homogneo, convm que o sorteio dos elementos da amostra leve em considerao tais estratos. A amostra proporcional estratificada composta por elementos proveniente de todos os estratos. Exemplo: Vamos obter uma amostra proporcional estratificada de 10% para a pesquisa da estatura de 90 alunos de uma escola onde 54 so meninos e 36 so meninas. Temos aqui dois estratos, sexo masculino e sexo feminino. a) O primeiro passo determinar o tamanho da amostra em cada estrato:

b) Numeramos os alunos de 01 a 90, sendo que de 01 a 54 correspondem meninos e de 55 a 90 meninas. c) obtemos uma amostra aleatria ou sistemtica de cada sexo e reunimos as informaes numa s amostra, denominada amostra estratificada. Amostragem No Probabilstica Quando nem todos os elementos da populao tiverem uma probabilidade diferente de zero de pertencerem amostra, dizemos que a amostragem no probabilstica. Este processo de amostragem subjetivo e seu regimento depende do conhecimento que possui o pesquisador a respeito da estrutura da populao. empregada, muitas vezes, por simplicidade ou pela impossibilidade de se obter amostragens probabilsticas.

18

Se os efeitos das amostragens no probabilsticas podem ser considerados equivalentes aos das amostragens probabilsticas, ento os processos de amostragens no probabilsticas tambm podem ser considerados vlidos. Consideraremos aqui os seguintes planos de amostragem no probabilstica: 1 Amostragem a Esmo 2 Amostragem por Julgamento Amostragem a Esmo o caso em que o pesquisador procura ser aleatrio, sem, no entanto, utilizar um sorteio aleatrio rigoroso. Exemplo: Se tirarmos 100 parafusos de uma caixa que contm 10.000 parafusos do mesmo modelo e tamanho, de certo no faramos uma amostragem aleatria simples, pois seria extremamente trabalhosa, mas faramos retiradas a esmo. Os resultados de uma amostragem a esmo so os mesmos de uma amostragem probabilstica se a populao homognea e se no existe a possibilidade de o amostrador ser influenciado (mesmo que inconscientemente) por alguma caracterstica dos elementos da populao. No seria o caso da amostra dos parafusos, acima, se estes tivessem modelos e tamanhos diferentes, e isto afetasse a caracterstica observada nos parafusos. Amostragem por Julgamento: Neste tipo de amostragem, a amostra colhida na parte da populao que acessvel. Ento se faz uma distino entre populao objeto (aquela que se tem em mente ao realizar o estudo) e a populao amostrada (a parte da populao que acessvel). Se essas duas populaes tiverem as mesmas caractersticas, este tipo de amostragem vai ser equivalente a uma amostragem probabilstica. Se o tamanho da amostra bem pequeno, digamos de um a cinco itens, a amostragem aleatria pode dar totalmente no representativa, ao passo que uma pessoa familiarizada com a populao pode especificar quais os itens mais representativos da populao. Exemplo: Uma cadeia de restaurantes pode querer experimentar uma nova tcnica de servio, empregando bandejas com aquecimento. Problemas de custo podem fazer com que a experincia se limite a dois restaurantes, os quais podem diferir consideravelmente em termos de tamanho, localizao, clientela e lucratividade. Ao invs de uma seleo aleatria dos dois locais a ser usado como teste, ser melhor confiar no conhecimento da administrao para fazer tal escolha. Ocasionalmente, os itens amostrais, se apresentam convenientemente grupados. Uma pesquisa mdica deve trabalhar com os pacientes disponveis. Este grupo no pode ser considerado como uma amostra aleatria do pblico em geral e seria perigoso tentar tirar concluses gerais com base em tal estudo. Entretanto, os resultados poderiam proporcionar uma base para a elaborao de um plano de amostragem aleatria para validar os resultados bsicos. Os perigos inerentes pesquisa mdica, bem como a outros tipos de pesquisa, frequentemente obrigam a limitar a pesquisa inicial a um pequeno grupo de voluntrios. Outros exemplos similares seriam portadores de doenas fatais, cadveres, animais, etc. Finalmente, a amostragem por julgamento pode ser mais rpida e menos custosa porque no preciso construir uma listagem dos itens da populao.

19

Tenha-se em mente que a amostragem por julgamento no permite a avaliao objetiva do erro amostral, de modo que conveniente usar a amostragem probabilstica sempre que possvel.

Amostras Tendenciosas: Talvez voc nunca faa um trabalho que exija amostragem. Mas muito provavelmente voc ler ou usar resultados de trabalhos cujos dados foram obtidos por amostragem. Ento saiba que importante entender o que uma amostra tendenciosa. Primeiro, as inferncias devem ser feitas apenas para a populao de onde a amostra foi retirada. No tem sentido, por exemplo, estudar os hbitos de higiene dos ndios bolivianos e fazer inferncia para a populao da periferia da cidade de So Paulo. Tambm preciso verificar se a amostra foi retirada da populao usando um processo delineado segundo critrios estatsticos. A amostra deve ter o tamanho usual da rea em que a pesquisa se enquadra. Na prtica, o tamanho da amostra determinado mais por consideraes reais ou imaginrias a respeito do custo de cada unidade amostrada do que por tcnicas estatsticas. Veja o que se faz na sua rea de trabalho, consultando a literatura e verifique o que seu oramento permite fazer. As amostras muito pequenas podem ser excelentes estudos de casos, mas no permitem fazer inferncia estatstica. Mas tambm desconfie de amostras muito grandes. Ser que o pesquisador tinha tempo e dinheiro para fazer um bom levantamento de tantos dados? E veja como foi feito o questionrio. So mais confiveis as respostas obtidas atravs de entrevistas, desde que o entrevistador tenha sido treinado. Estude as perguntas. Elas eram claras? As respostas podem ser, por alguma razo, mentirosas? Leia o artigo e se pergunte: 1 Qual a populao? 2 Como a mostra foi selecionada? 3 Qual o tamanho da amostra? 4 Como o questionrio foi feito? 5 As perguntas eram claras? Se estas perguntas no tiverem resposta satisfatria, a amostra pode ser tendenciosa. Exemplo: Para estimar o tamanho dos morangos de uma caixa, no seria correto examinar o tamanho dos 10 morangos que esto na parte de cima, pois provavelmente, a amostra seria tendenciosa uma vez que os vendedores de morango arrumam as caixas de maneira a colocar as frutas maiores nas camadas mais superficiais. preciso cuidado na forma de tomar a amostra porque os erros de amostragem fazem com que os resultados da amostragem sejam diferentes dos resultados do censo.

20

Quando a pesquisa exige que os participantes respondam a um questionrio, preciso especial ateno forma de obter as respostas. Se o questionrio enviado s pessoas pelo correio, a taxa de resposta baixa. Tendem a responder mais as pessoas que tm opinio formada, seja a favor ou contra o assunto. Ento a amostra pode ser tendenciosa pelo fato de no conter pessoas indiferentes ao tema tratado. Por telefone obtm-se respostas mais rapidamente, mas no Brasil a maioria das residncias no tem telefone. Ento a amostra pode ser tendenciosa pelo fato de s terem sido entrevistadas pessoas suficientemente ricas para ter um telefone. As entrevistas pessoais tm a taxa mais alta de respostas, mas exigem do entrevistador tempo e treinamento. Mesmo assim, muitas unidades podem no responder. A falta de resposta se explica pela inabilidade do pesquisador para entrar em contato com as pessoas ou para conseguir respostas daqueles que, a principio, se recusa a responder. Se essas pessoas diferem da populao a amostra tendenciosa. Mas existem ainda outras fontes de erros nos resultados de um levantamento por amostragem. Exemplo: A origem do erro pode estar na prpria pergunta que feita ao entrevistado. A pessoa pode mentir sobre sua idade ou sobre sua renda. A pessoa pode no lembrar e dar resposta errada quando perguntada sobre questes do tipo: Quantos cigarros o senhor fumou na semana passada?. Quem no entende a pergunta pode dar qualquer resposta, apenas para no mostrar ignorncia. Perguntas mal feitas que induzem a certa resposta. Por exemplo, Voc acha justo pessoas de idade ficarem passeando de nibus de graa, enquanto estudantes e trabalhadores tm que pagar? Finalmente, cabe tratar aqui algumas questes de tica que surgem quando se faz um levantamento de dados. claro que podem existir abusos. Esses abusos no so, contudo, da ordem dos que, vez por outra, ocorrem nos experimentos cientficos. De qualquer forma, a primeira questo de tica que pode surgir o fato de a pessoa que responde estar sendo usada para uma pesquisa, sem saber disso. As pessoas devem ser avisadas de que esto sendo entrevistadas para uma pesquisa e tm o direito de se recusar a participar. Ainda, na maioria das vezes, quem responde no sabe o uso que se far do dado. Mas todo pesquisador deve informar s pessoas que participam da pesquisa quais so os seus objetivos e tem o dever de informar, depois de terminado o trabalho, quais foram as suas concluses. Outra questo tica, muito mais sria do que as anteriores a dos pesquisadores sociais que se infiltram em certos grupos, fingindo pertencer a eles, s para obter informaes. Essa atitude defensvel apenas nos rarssimos casos em que a informao obtida pela pesquisa absolutamente essencial e no pode ser obtida por outros meios. E, por ltimo, vem a questo da identificao, sem a necessria autorizao, de quem responde, usando expedientes como questionrios com cdigos secretos. Definitivamente, a identificao por cdigo no tica. Um estatstico conhecido disse, certa vez, que possvel mentir usando estatstica, mas que se mente mais, e melhor, sem estatsticas. preciso entender que as amostras podem levar a concluses erradas. Contudo, as opinies pessoais, sem base em dados, levam em geral, a concluses muito mais erradas.

21

UNIDADE 1.3 Tipos de variveis e escalas de mensurao. Variveis: Os dados estatsticos se obtm mediante um processo que envolve a observao ou outra mensurao de caractersticas de uma populao ou amostra tais como renda anual numa comunidade, sexo dos indivduos de uma tribo indgena, percentagem de acar em cereais, etc. Cada uma dessas caractersticas chamada de varivel, porque originam valores que tendem a exibir certo grau de variabilidade quando se fazem mensuraes sucessivas. Exemplo: Suponha que um questionrio foi aplicado aos alunos do 3 perodo do curso de Servio Social da FACULDADE X fornecendo as seguintes informaes: 1) Id: Identificao do aluno 2) Turma: Turma em que o aluno foi alocado (A ou B). 3) Sexo: F se feminino, M se masculino. 4) Idade: Idade em anos. 5) Altura: Altura em metros. 6) Peso: Peso em quilogramas. 7) Filhos: Nmero de filhos na famlia. Para a varivel sexo so dois os valores possveis: F ou M. Para a varivel Filhos os valores possveis so expressos atravs de nmeros naturais: 0, 1, 2, 3,... Para a varivel Altura temos uma situao diferente, pois os resultados podem assu mir um nmero infinito de valores dentro de um determinado intervalo. Claramente tais variveis tm naturezas diferentes no que tange aos possveis valores que podem assumir. Tal fato deve ser levado em conta nas anlises dos dados, pois para cada tipo de varivel existe um tratamento diferente. Classificao das variveis: Vamos considerar dois grandes tipos de variveis: a) Quantitativas (numricas): So as variveis cujos valores so expressos em nmeros. Elas podem ser subdivididas em quantitativas discretas e quantitativas contnuas. As variveis discretas podem ser vistas como resultantes de contagens, assumindo assim, valores inteiros. J as variveis contnuas geralmente provm de uma mensurao e podem assumir qualquer valor em intervalos dos nmeros reais. Exemplos: So variveis quantitativas discretas: Nmero de irmos, de alunos numa sala de aula, de defeitos num carro novo, etc. So variveis quantitativas contnuas: Altura, peso, comprimento, espessura, velocidade, etc. b) Qualitativas (no numricas): So as variveis cujos possveis valores que assumem representam atributos e/ou quantidades. Se tais variveis tm uma ordenao natural, indicando intensidades crescentes de realizao, ento elas sero classificadas como qualitativas ordinais ou por postos. Caso contrrio, quando no possvel estabelecer uma ordem natural entre seus valores definindo apenas uma categoria, elas so classificadas como qualitativas nominais. Exemplos:

22

So variveis qualitativas nominais: Turma (A ou B), sexo (F ou M), cor dos olhos, campo de estudo, etc. So variveis qualitativas ordinais: Tamanho (pequeno, mdio ou grande), Classe social (baixa, mdia ou alta), etc. Podemos resumir a classificao das variveis no seguinte esquema:

interessante notar que muitas populaes podem originar os quatro tipos de dados como ilustramos na tabela abaixo:

Escala de Medidas: De acordo com Herrero & Cuesta (2005) a estrutura do processo de medio tem quatro nveis: a) a varivel (propriedade que se quer medir exemplos: inteligncia, memria, temperatura); b) o atributo (o grau ou modalidade em que se manifesta a propriedade medida exemplos: baixo, mdio, alto); c) o valor (modo de expressar de forma numrica o atributo exemplo: 1, 2 e 3); e d) a relao ( ligao entre os vrios valores da varivel). Os nmeros que codificam os valores dos atributos podem ser definidos a partir de diferentes regras. De um modo geral, so definidos a partir de quatro tipos de escalas de medida: nominal, ordinal, intervalar e proporcional (ou razo). Segue figura abaixo que mostra a estrutura do processo de medio (um exemplo):

Segue figura abaixo que mostra a estrutura do processo de medio (um exemplo):

23

Natureza da medida das variveis: Como o termo sugere, YDULiYHO reporta-se a caractersticas ou atributos que podem tomar diferentes valores ou categorias, o que se ope ao conceito de constante (Almeida & Freire: 2000: 59). As variveis, se apenas considerarmos a natureza dos valores que podem assumir, podem ser: variveis qualitativas e variveis quantitativas. Os valores possveis de uma varivel qualitativa so: qualidades ou smbolos. A relao entre esses valores s tem sentido em termos de igualdade e de desigualdade. As variveis qualitativas (descrevem tipos ou classes) podem ser: dicotmicas (apenas duas categorias) ou politmicas (trs ou mais categorias). Os valores de uma varivel quantitativa so representados atravs de nmeros. As variveis quantitativas podem ser discretas ou contnuas. Uma varivel diz-se discreta quando os seus valores podem ser relacionados por uma correspondncia biunvoca com um subconjunto de nmeros inteiros. Uma varivel diz-se contnua quando os seus valores podem ser relacionados por uma correspondncia biunvoca com intervalos de nmeros reais. Assim, as variveis discretas assumem valores inteiros e as variveis contnuas assumem valores reais.

UNIDADE 1.4 Estatstica Descritiva A estatstica descritiva consiste na recolha, anlise e interpretao de dados numricos atravs da criao de instrumentos adequados: quadros, grficos e indicadores numricos (Reis, 1996: 15). Huot (2002: 60) define estatstica descritiva como conjunto das tcnicas e das regras que resumem a informao recolhida sobre uma amostra ou uma populao, e isso sem distoro nem perda de informao. A estatstica descritiva pode ser considerada como um conjunto de tcnicas analticas utilizado para resumir o conjunto dos dados recolhidos numa dada investigao, que so organizados, geralmente, atravs de nmeros, tabelas e grficos. Pretende proporcionar relatrios que apresentem informaes sobre a tendncia central e a disperso dos dados. Para tal, deve-se evidenciar: valor mnimo, valor mximo, soma dos valores, contagens, mdia, moda, mediana, varincia e desvio padro. Interpretao de dados: Os dados so o resultado final dos processos de observao e experimentao (Vairinhos, 1996: 21). Na interpretao de dados deveremos produzir um resumo verbal ou numrico ou usar mtodos grficos para descrever as suas principais caractersticas. O mtodo mais apropriado depender da natureza dos dados, e aqui podemos distinguir dois tipos fundamentais: dados qualitativos e dados quantitativos. Dados qualitativos: Os dados qualitativos representam a informao que identifica alguma qualidade, categoria ou caracterstica, no suscetvel de medida, mas de classificao, assumindo vrias modalidades. Exemplo: o estado civil de um indivduo, um dado qualitativo que assume as categorias: solteiro, casado, vivo e divorciado. Para sumariar dados qualitativos numericamente utilizam-se, entre outras formas, contagens, propores, percentagens, taxas por 1000, taxas por 1000000, dependendo da escala apropriada.

24

Por exemplo, se soubermos que 40 de 160 estudantes de Matemtica so homens, poderamos traduzir este fato dizendo que 25% dos estudantes de Matemtica so homens. Se soubermos que 8 sujeitos de uma amostra de 6000 pessoas so portadores de uma doena rara, podemos traduzir esta informao, dizendo que 0,0013 das pessoas da amostra tm essa doena rara, ou que 0,13% tm a doena, ou ainda, podemos afirmar que existem, aproximadamente, 1,3 casos da doena por cada mil pessoas. Os dados qualitativos, ou categricos, podem ser: - Nominais, por exemplo o sexo: masculino, feminino; - Ordinais, por exemplo o desempenho: baixo, mdio, alto. Dados quantitativos: Os dados quantitativos representam informao resultante de caractersticas suscetveis de serem medidas, apresentando-se com diferentes intensidades, que podem ser de natureza discreta

(descontnua) ou contnua. Os dados quantitativos, ou numricos, podem ser: - Discretos: salientamos como exemplos - contagens, nmero de alunos de uma escola; nmero de ataques de asma no ano passado ou, o nmero de irmos de 10 alunos de uma determinada turma, cujos valores so: 3, 4, 1, 1, 3, 1, 0, 2, 1, 2; - Contnuos: apresentamos como exemplos - medidas numa escala contnua, tais como volume, rea, peso, massa ou as alturas de um grupo de 10 alunos representadas, em cm, por: 153, 157, 161, 160, 158, 155, 162, 156, 152, 159. As distines dos tipos de dados so menos rgidas do que a descrio apresenta. Por exemplo, em geral trataramos a idade das pessoas de uma amostra como uma varivel contnua, mas se a idade for apresentada pelo nmero de anos concludos, podemos trata-la como discreta, e se separarmos a amostra, em funo da classificao, em crianas, jovens, pessoas de meia idade e velhos, ento temos a

idade como uma varivel qualitativa. No entanto, em geral recomendado manter os dados na sua forma original, categorizando-os apenas para propsitos de apresentao. Organizao e Apresentao dos dados: A utilidade dos dados estatsticos depende, muitas vezes, da forma como so organizados e apresentados. A apresentao dos dados feita, muitas vezes, atravs de quadros, grficos e de distribuies de frequncia. Para Reis (1996), os quadros e os grficos devem apresentar sempre trs partes: o cabealho, o corpo e o rodap. No cabealho deve ser dada informao sobre os dados, no corpo representam-se os dados e no rodap deve ser indicada a fonte dos dados e observaes pertinentes. Dos vrios tipos de grficos destacamos: grfico de linhas, grfico de barras, grfico de setores e pictogramas, os quais podem ser facilmente construdos a partir de diversos programas informticos ou estatsticos, dos quais destacamos a folha de clculo Excel e o SPSS, respectivamente. Distribuio de frequncias: Consideramos que uma varivel pode ser representada por um smbolo e que assume valores relativos a determinadas caractersticas ou atributos de uma populao ou amostra.

25

Definimos frequncia absoluta de um valor da varivel como sendo o nmero de vezes que esse valor ocorre na amostra ou na populao. Definimos frequncia relativa de um valor da varivel como o quociente entre a frequncia absoluta desse valor e o nmero total de ocorrncias de todos os valores da varivel na amostra ou na populao. Exemplo: Consideremos os 20 alunos de uma turma de 9 ano e as variveis: avaliao final, idade e altura. Varivel: avaliao final Vamos considerar que a varivel Avaliao final pode assumir os valores: Aprovado (A) e Reprovado (R). Assim temos a varivel qualitativa Avaliao final que assume dois valores A e R, expressos numa escala nominal. Feita a recolha dos dados obtiveram-se as seguintes observaes: R-A-A-A-A-A-R-A-A-A-R-A-A-A-A-R-R-A-A-A. A distribuio de frequncia apresentada na figura:

Varivel: idade Considerando a idade como o nmero de anos completos de cada aluno, a varivel quantitativa do tipo discreto, que assume valores numa escala proporcional ou de razo. Os dados obtidos so os seguintes: 14-14-13-13-15-15-16-17-14-14-14-14-14-15-15-15-15-14-14-15.

Varivel: Altura Considerando a altura, expressa em centmetros, podemos admitir esta varivel como quantitativa do tipo contnua, que assume valores numa escala intervalar. Os dados obtidos so os seguintes: 150-165-140-155-145-165-146-157-149-154-154-164-154165-155-148-163-154-144-150. Na definio de classes deve-se tentar conseguir aplicar as seguintes regras: a) Determinar a amplitude de variao (diferena entre os extremos das observaes (mximo e mnimo));

26

b) Determinar o nmero de classes. Para uma amostra de tamanho considerar o nmero de classes igual a , sendo c) Usar classes de igual amplitude. o menor nmero natural tal que

, um critrio consiste em ;

Atendendo ao critrio referido: a amplitude de variao 25 (165-140); o nmero de classes 5, pois, 5 o menor nmero natural, tal que 25 20; a amplitude de cada classe 5 (25/5). Os intervalos correspondentes s cinco classes so: [140, 145[, [145, 150[, [150, 155[, [155, 160[, [160, 165]. Agrupando os dados em classes, obtemos:

c) Usar classes de igual amplitude. A tabela de frequncia que traduz os dados da figura anterior a seguinte:

Vamos definir quatro tipos bsicos de grficos: Grfico de disco: usado para mostrar a importncia relativa das propores. Esse tipo de grfico se adapta melhor s variveis qualitativas nominais. Grfico de barras: Utiliza o plano cartesiano com os valores da varivel no eixo das abscissas e as frequncias ou porcentagens no eixo das ordenadas. Esse tipo de grfico se adapta melhor s variveis discretas ou qualitativas ordinais. Histograma: a representao grfica de uma distribuio de frequncia por meio de retngulos justapostos. Esse tipo de grfico se adapta melhor s variveis quantitativas contnuas. Polgono de frequncia: uma alternativa ao histograma construdo mediante a conexo dos pontos mdios dos intervalos do histograma com linhas retas. Os principais estgios na construo de uma distribuio de frequncia para dados contnuos so: 1 Organizar os dados brutos em um rol de ordem crescente ou decrescente. 2 Determinar a amplitude total dos dados que a diferena entre o maior e menor dos dados. 3 Determinar quanto ao nmero de classes a usar (k). aconselhvel usar entre 5 e 15 classes. Menos que cinco classes podem ocultar detalhes importantes dos dados, e mais que quinze torna a apresentao

27

demasiada detalhada. Uma regra prtica consiste em tomar a raiz quadrada do nmero total de dados ajust-la, se necessrio, aos limites de 5 a 15.

4 Determinar a amplitude de cada classe dividindo a amplitude total por k. Se necessrio o valor encontrado deve ser aproximado para cima com o mesmo nmero ou mais casas decimais que os valores das variveis. 5 Estabelecer os intervalos das classes comeando com um inteiro logo abaixo do menor valor observado e somando a amplitude das classes. Os intervalos de classe devem ser escritos, de acordo com a Resoluo 866/66 do IBGE em termos de desta quantidade at menos aquela, empregando, para isso, o smbolo (incluso por limite inferior e excluso do li mite superior). 6 Relacionar os intervalos e fazer a contagem dos pontos por classe. A contagem total deve ser igual a n. 7 construir uma tabela de frequncia ou um grfico de frequncia.

Exemplo: Considere os dados brutos que representam a safra, em alqueires, por rvore, para um conjunto de 40 pessegueiros.

28

Distribuio de Freqncia para Variveis Quantitativas Discretas

A tabela de frequncia, nesses casos, consiste em listar os valores possveis da varivel, numricos ou no e fazer a contagem na tabela de dados brutos do nmero de suas ocorrncias. Na construo de uma distribuio de frequncia utilizando variveis contnuas, perde-se certa quantidade de informaes porque os valores individuais perdem sua identidade quando so grupados em classes. Isso pode ou no ocorrer com variveis discretas, dependendo da natureza das variveis e dos objetivos do analista. Exemplo: Considere os seguintes dados relativos ao nmero de acidentes dirios num grande estacionamento, durante um perodo de 50 dias.

Podemos construir uma distribuio de frequncia, sem perda dos valores originais, utilizando como classes os inteiros de 0 a 9.

29

Podemos construir uma distribuio de frequncia, sem perda dos valores originais, utilizando como classes os inteiros de 0 a 9. Podemos ver pela frequncia acumulada que em 25 dias (dos 50) ocorreram at 4 acidentes por dia. Dizemos que no h perda de informaes porque poderamos reconstruir os dados originais a partir desta tabela. Por outro lado, poderamos tratar essa varivel como se fosse contnua, gerando a seguinte tabela:

De modo geral, prefere-se uma distribuio de frequncia sem perda de informaes quando: Os dados so constitudos de valores inteiros; H menos de, digamos, 16 dados;

30

H suficientes observaes para originar uma distribuio significativa. Por outro lado, uma distribuio de frequncia com perda de informaes til quando: Esto em jogo inteiros e no-inteiros (ou no inteiros somente); S existem inteiros, porm em nmero demasiadamente elevado para permitir uma distribuio til. A perda de informaes de importncia secundria.

Distribuio de Frequncia para Variveis Qualitativas Nominais ou Ordinais: Talvez as distribuies de frequncia mais simples sejam as relativas as variveis nominais ou ordinais. Tal simplicidade decorre do fato de que as classes so facilmente reconhecveis, tornando mnimos os clculos. Exemplo: Considere os dados nominais referentes venda de bebidas leves em um dia no Mercado Peg-Pag, dispostos na tabela de frequncia abaixo:

As categorias so os diversos tipos de bebidas. Pode haver diversos tipos de bebidas com vendas bastante baixas, tais como soda, cerveja e chocolate, que foram englobadas numa nica categoria, que chamamos de Outros, para tornar os dados mais abrangentes. Podemos optar pela construo de um grfico de barras horizontais ou verticais usando as frequncias simples ou destacar os percentuais de vendas de cada bebida construindo um grfico de setores com as frequncias relativas.

Diagrama de Pareto:

31

usado na gesto de qualidade para estabelecer a ordem em que as causas das perdas ou de outros tipos de fracasso devem ser sanadas. O Diagrama de Pareto apresenta fracassos e insucessos em ordem de frequncia. Tem-se, ento, a ordem em que devem ser sanados os erros, resolvidos os problemas, atendidas as reclamaes, diminuindo o desperdcio. Diz-se, por isso, que o Diagrama de Pareto estabelece prioridades. Mas o Diagrama de Pareto tambm pode ser usado para identificar causas de sucesso como, por exemplo, as causas do aumento de venda de um produto. Exemplo: Consideremos a distribuio de frequncia das reclamaes feitas no Procon por rea em 1999.

Observe que os dados esto apresentados em ordem decrescente de frequncias relativas. O Diagrama de Pareto, neste caso, :

Note que a linha que est desenhada acima das colunas obtida com base na doma dos valores das colunas. O Diagrama de Pareto para essas reclamaes no Procon deve ser interpretado da seguinte forma: Como a maior parte de reclamaes se concentram nas areo de servios e assuntos financeiros, o Procon dever centralizar suas investigaes nessas reas.

32

CAPTULO 2 MEDIDAS DE TENDNCIA CENTRAL UNIDADE 2.1 Introduo Se estivermos numa parada de nibus urbano e nos pedirem alguma informao sobre a demora em passar um determinado nibus, que diremos? Ningum imagina que poderamos dar como resposta uma tabela de frequncias que pacientemente coletamos no ltimo ms, ou ano! Quem pergunta deseja uma resposta breve e rpida que sintetiza a informao que dispomos e no uma completa descrio dos dados coletados. Para resumir a quantidade de informao contida em um conjunto de dados, os estatsticos definem medidas que descreve, atravs de um s nmero, caractersticas dos dados. Algumas dessas medidas descrevem a tendncia central, isto , a tendncia que os dados tm de se agrupar em torno de certos valores. Dentre as medidas de tendncia central, destacamos: A mdia Aritmtica A Mediana A Moda

UNIDADE 2.2 Mdia Aritmtica A mdia aritmtica a ideia que ocorre maioria das pessoas quando se fala em mdia. E como ela possui certas propriedades matemticas[convenientes, a mais importante das trs medidas que estudaremos. A mdia aritmtica D de um conjunto de dados a soma de todos eles dividido pelo nmero deles.

i g i t e

u m a

c i
Isto , a mdia aritmtica, nesse caso, 5. Esse ser o nmero representativo dessa srie de

valores, embora no esteja representado nos dados originais.

Desvio em relao mdia: Denominamos desvio em relao mdia a diferena entre cada elemento de um conjunto de valores e a mdia aritmtica.

d o

33

Mdia Aritmtica Ponderada: A frmula anterior para calcular a mdia aritmtica supe que cada observao tenha a mesma importncia. Apesar desse caso ser o mais geral, h excees. Podemos considerar casos em que as observaes tenham importncias diferentes. Nesses casos, devemos ponderar a importncia de cada varivel para calcular a mdia aritmtica.

Exemplo 1: Em uma faculdade a mdia semestral de cada disciplina calculada considerando as duas mdias bimestrais com peso 3 cada uma um exame final com peso 4. Se um aluno obtm 8,0 no 1 bimestre, 9,0 no 2 bimestre e 9,6 no exame final de Estatstica, Qual ser a sua mdia semestral em Estatstica? O clculo da mdia aritmtica deve levar em conta os pesos desiguais das notas. Assim, para esse aluno temos:

Exemplo 2: Durante uma manh, um feirante vendeu determinado produto a preos variados: 12 unidades foram vendidas a 2 reais; 10 unidades foram vendidas a 3 reais e 8 unidades foram vendidas a 6 reais. Qual foi o preo mdio de venda desse produto naquela manh? Podemos construir um rol para a varivel Preo de venda do produto:

34

A segunda igualdade da expresso acima, nos mostra que basta ponderar cada preo praticado pela frequncia com que foi praticado, para calcular o preo mdio de venda. Para facilitar as contas, podemos criar uma coluna auxiliar na tabela de frequncia, chamada de multiplicao, correspondente aos produtos pelo total da coluna de frequncia simples. , e calcular o preo mdio dividindo o total dessa coluna

UNIDADE 2.3 Mediana Uma segunda medida de tendncia central de um conjunto de nmeros a mediana. Mediana o valor que ocupa a posio central do conjunto dos dados ordenados. Da definio de mediana, segue-se que sua caracterstica principal dividir um conjunto ordenado de dados em dois grupos iguais; a metade ter valores inferiores mediana, a outra metade ter valores superiores mediana. A mediana de uma amostra ser indicada por md. Para calcular a mediana, necessrio primeiro ordenar os valores (comumente) do mais baixo ao mais alto. Em seguida, conta-se at a metade dos valores para achar a mediana. Em geral, a mediana ocupa a posio , onde representa a quantidade de valores do conjunto.

35

O processo para determinar a mediana o seguinte: 1 Ordenar os valores 2 Se o nmero de dados mpar, a mediana o valor que est no centro da srie. 3 Se o nmero de dados par, a mediana a mdia dos dois valores que esto no centro da srie.

Clculo da Mediana por dados agrupados: Se os dados se agrupam em uma distribuio de frequncia, o clculo da mediana se processa de modo muito semelhante quele dos dados no agrupados, implicando, porm, a determinao prvia das frequncias acumuladas. Ainda aqui, temos que determinar um valor tal que divida a distribuio em dois grupos que contenham o mesmo nmero de elementos. Tambm o processo e os resultados diferem, dependendo de dispormos ou no dos dados originais. Se dispusermos dos dados originais, o processo ser o seguinte: 1 Determine as frequncias acumuladas. 2 Determinar a posio da mediana. 3 Identificar a frequncia acumulada imediatamente superior ao valor determinado em (1). 4 A mediana ser aquele valor da varivel que corresponde a tal frequncia acumulada se o nmero de dados for mpar. 5 A mediana ser a mdia aritmtica entre o valor da varivel correspondente a essa frequncia acumulada e o da posio anterior se o nmero de dados for par. Exemplo: Considere a distribuio relativa a 33 famlias de quatro filhos, tomando para varivel o nmero de filhos do sexo masculino:

36

Exemplo: Considere a distribuio relativa a 8 pessoas, tomando para varivel o nmero de vezes que vo ao cinema por ms:

Exemplo: Considere a distribuio relativa a 40 pessoas, tomando para varivel estatura de cada uma.

37

UNIDADE 2.4 Moda A moda o valor que ocorre com maior frequncia num conjunto. A moda de uma amostra ser indicada por

38

Segue um quadro comparativo resumindo mdia, mediana e moda

UNIDADE 2.5 Medidas de disperso As medidas de disperso traduzem a variao de um conjunto de dados em torno da mdia, ou seja, da maior ou menor variabilidade dos resultados obtidos. Permitem identificar at que ponto os resultados se concentram ou no ao redor da tendncia central de um conjunto de observaes. Incluem, entre outras, o desvio absoluto mdio, a varincia e o desvio padro, cada uma expressando diferentes formas de quantificar a tendncia que os resultados de uma experincia aleatria tm para se concentrarem em determinados valores. Quanto maior for a disperso, menor a concentrao e vice-versa. As medidas mais comuns de variabilidade para dados quantitativos so a varincia e o desvio padro. Desvio Absoluto Mdio:

39

Varincia:

Desvio Padro:

40

41

CAPTULO 3 PROBABILIDADE E AMOSTRAGEM: noes tericas e prticas. UNIDADE 3.1 Introduo aos principais conceitos de probabilidade: experimento aleatrio, espao amostral e eventos. Modelos Matemticos: Podem-se distinguir dois tipos de modelos matemticos: Modelos Determinsticos: Refere-se a um modelo que estipule que as condies sob as quais um experimento seja executado determinem o resultado do experimento. O modelo determinstico requer o uso de parmetros pr-determinados em equaes que definem processos precisos. Em outras palavras, um modelo determinstico emprega "Consideraes Fsicas" para prever resultados. Modelos No Determinsticos ou Probabilsticos: So aqueles que informam com que chance ou probabilidade os acontecimentos podem ocorrer. Determina o "grau de credibilidade" dos acontecimentos. (Modelos Estocsticos). Em outras palavras, um modelo probabilstico emprega uma mesma espcie de consideraes para especificar uma distribuio de probabilidade.

Conceitos em Probabilidade: Os conceitos fundamentais em probabilidade so experimentos aleatrios, espao amostral e eventos. Experimento aleatrio () Qualquer processo aleatrio, capaz de produzir observaes, os resultados surgem ao acaso, podendo admitir repeties no futuro. Um experimento aleatrio apresenta as seguintes caractersticas: a) b) Os resultados podem se repetir vezes ;

Embora no se possa prever que resultados ocorrero, pode-se descrever o conjunto de

resultados possveis;

42

c) A medida que se aumenta o nmero de repeties, aparece uma certa regularidade nos resultados. Espao Amostral (S) o conjunto de resultados possveis, de um experimento aleatrio. Quanto ao nmero de elementos pode ser: Finito Nmero limitado de elementos; Ex.: S = {1, 2, 3, 4, 5, 6} Infinito Nmero ilimitado de elementos pode ser subdividido em: a ) Enumervel Quando os possveis resultados puderem ser postos em concordncia biunvoca com o conjunto dos nmeros naturais (N) (caso das variveis aleatrias discretas). Ex.: N (Conjunto dos Nmeros Naturais) b) No Enumervel Quando os possveis resultados no puderem ser postos em concordncia biunvoca com o conjunto dos nmeros naturais (caso das variveis aleatrias contnuas). Ex.: R (Conjunto dos Nmeros Reais) Evento (E): Um evento (E) qualquer subconjunto de um espao amostral (S). Pode-se ter operaes entre eventos da mesma forma que com conjuntos, como mostra a seguir. Operaes com Eventos: A unio B Smbolo utilizado "U", o evento que ocorrer se, e somente se, A ou B ou ambos ocorrerem;

A interseo B Smbolo utilizado "", o evento que ocorrer se, e somente se, A e B ocorrem simultaneamente.

43

Complementar de A Simbologia " ", o evento que ocorrer se, e somente se A no ocorrer.

Tipos de eventos: Eventos Mutuamente Excludentes: So ditos eventos mutuamente excludentes, quando a ocorrncia de um implica ou no ocorrncia de outro, isto , no pode ocorrer junto, e consequentemente, o conjunto vazio ().

Eventos No Excludentes ou Quaisquer: So ditos eventos no excludentes quando a ocorrncia de um implica na ocorrncia do outro, isto , so aqueles que ocorrem ao mesmo tempo, .

44

Eventos Independentes So aqueles cuja ocorrncia de um evento, no possui efeito algum na probabilidade de ocorrncia do outro.

Eventos Dependentes ou Condicionados:

45

Eventos Coletivamente Exaustivo: So aqueles que ocorrem se nenhum outro ocorrer.

Conceito de Probabilidade: Probabilidade: uma medida de possibilidade de ocorrncia de um determinado evento; ela pode assumir um valor entre 0 e 1.

46

Regra do Complemento:

47

Regra Geral da Adio:

48

Segue Exemplo:

49

Regras de Multiplicao: A regra especial de multiplicao requer que dois eventos A e B sejam independentes. Definio: Dois eventos A e B so independentes se a ocorrncia de um no tem efeito sobre a probabilidade de ocorrncia do outro. A regra especial escrita simbolicamente como:

Para trs eventos independentes A,B e C, a regra especial da multiplicao usada para determinar a probabilidade de que todos os eventos ocorram :

Exemplo: Um investidor possui duas aes. Uma de uma companhia de produo de petrleo e a outra de uma cadeia de supermercados, de forma que podemos assumir que suas cotaes so independentes. A probabilidade de que a ao da companhia de petrleo suba no prximo ano 0,50. A probabilidade de que a cotao da cadeia de supermercados aumente em valor no prximo ano 0,70. Qual a probabilidade de que ambas as aes cresam em valor no prximo ano? Seja A o evento: a cotao da companhia de petrleo cresce no prximo ano e seja B o evento: a cotao da cadeia de supermercados cresce no prximo ano.

50

Exemplo:

UNIDADE 3.2 Probabilidade Condicional e independncia de eventos a probabilidade de que um evento particular ocorra, dado que outro evento tenha ocorrido. Notao: A probabilidade do evento A dado que o evento B ocorreu denotada por Regra geral da multiplicao: A Regra Geral da Multiplicao usada para encontrar a probabilidade conjunta de que dois eventos ocorram. A regra estabelece que para dois eventos A e B, a probabilidade conjunta de que os dois eventos ocorram obtida pela multiplicao da probabilidade de que o evento A ocorra pela probabilidade condicional de B dado que A ocorreu. A probabilidade conjunta, P(A e B) dada pela seguinte frmula: :

Exemplo:

51

Independncia de eventos:

52

Segue o diagrama:

UNIDADE 3.3 Tipos de Amostras, Amostras aleatrias e Distribuio amostral: conceitos em amostragem Inferncia Estatstica - o processo de obter informaes sobre uma populao a partir de resultados observados na Amostra. Amostragem: o processo de retirada de informaes dos "n" elementos amostrais, na qual deve seguir um mtodo adequado (tipos de amostragem).

Plano de Amostragem:

53

Tipos de Amostragem: Amostragem Simples ou Ocasional: o processo mais elementar e frequentemente utilizado. Todos os elementos da populao tem igual probabilidade de serem escolhidos. Para uma populao finita o processo deve ser sem reposio. Todos os elementos da populao devem ser numerados. Para realizar o sorteio dos elementos da populao devemos usar a Tabela de Nmeros Aleatrios. Amostragem Sistemtica: Trata-se de uma variao da Amostragem Aleatria Ocasional, conveniente quando a populao est naturalmente ordenada, como fichas em um fichrio, lista telefnica, etc. Amostragem Estratificada: um processo de amostragem usado quando nos depararmos com populaes heterogneas, na qual se pode distinguir subpopulaes mais ou menos homogneas, denominados estratos. Aps a determinao dos estratos, seleciona-se uma amostra aleatria de cada uma subpopulao (estrato). As diversas subamostras retiradas das subpopulaes devem ser proporcionais aos respectivos nmeros de elementos dos estratos, e guardarem a proporcionalidade em relao a variabilidade de cada estrato, obtendo-se uma estratificao tima. Tipos de variveis que podem ser usadas em estratificao: idade, classes sociais, sexo, profisso, salrio, procedncia, etc. Amostragem por Conglomerados (ou Agrupamentos): Algumas populaes no permitem, ou tornam-se extremamente difceis que se identifiquem seus elementos, mas podemos identificar subgrupos da populao. Em tais casos, uma amostra aleatria simples desses subgrupos (conglomerados) podem ser escolhida, e uma contagem completa deve ser feita no conglomerado sorteado. Agregados tpicos so: quarteires, famlias, organizaes, agncias, edifcios, etc.

54

Tamanho da Amostra: Os pesquisadores de todo o mundo, na realizao de pesquisas cientficas, em qualquer setor da atividade humana, utilizam as tcnicas de amostragem no planejamento de seus trabalhos, no s pela impraticabilidade de poderem observar, numericamente, em sua totalidade determinada populao em estudo, como devido ao aspecto econmico dessas investigaes, conduzidos com um menor custo operacional, dentro de um menor tempo, alm de possibilitar maior preciso nos respectivos resultados, ao contrrio, do que ocorre com os trabalhos realizados pelo processo censitrio (COCHRAN, 1965; CRUZ, 1978). A tcnica da amostragem, a despeito de sua larga utilizao, ainda necessita de alguma didtica mais adequada aos pesquisadores iniciantes. Na teoria da amostragem, so consideradas duas dimenses: 1) Dimensionamento da Amostra; 2) Composio da Amostra.

Amostragem Probabilstica:

Distribuio Amostral: So apresentadas a seguir as distribuies amostrais das mdias e das diferenas entre mdias. Distribuio de :

55

Para se ilustrar o processo de distribuio amostral das mdias considerada uma populao uniforme discreta com trs valores apresentados a seguir. A populao considerada e seus respectivos parmetros so:

Na obteno da distribuio de amostragem das mdias podem ser retiradas amostras com ou sem reposio dessa populao, como j comentado anteriormente. Esses dois processos so descritos a seguir utilizando amostras de tamanho n=2. Todas as possveis amostras foram extradas dessa populao e a distribuio das mdias foi ento obtida.

[ D i g i t e

u m a

c i t a o

56

Distribuio Amostral:

57

58

CAPTULO 4 A UTILIZAO DA ESTATSTICA NO SERVIO SOCIAL UNIDADE 4.1 A utilizao de tcnicas no servio social Na rea do Servio Social a Estatstica tem dado uma contribuio efetiva no levantamento e no relato da situao social das diversas comunidades, particularmente as carentes. A relevncia do trabalho estatstico de fundamental importncia para o planejando de aes que busquem o equilbrio social. Entre as muitas aplicaes, podemos citar: Caracterizar a populao, sua estrutura etria, de renda e perfil scio econmico; Analisar o crescimento do contingente de idosos; Avaliar a segurana social e identificar violncia familiar; Analisar a evoluo da alfabetizao; Levantar e acompanhar as condies e tipos de moradia, ocupao territorial e acesso aos servios de saneamento bsico; Entender comportamento do mercado de trabalho; Pesquisar dependncia de substncias psicoativas; Entender as tbuas de mortalidade e natalidade, entre outros; Devemos destacar que a prtica profissional e a pesquisa deve est inerente a qualquer profissional e precisam caminhar juntas no intuito de atender a realizao profissional e pessoal do mesmo. A pesquisa uma das formas de se produzir conhecimento, que foi se estruturando com o tempo, criando seus objetos e mtodos, definindo as relaes que os pesquisadores devem estabelecer com seus objetos de conhecimento, em um processo de discusso profundo e polmico entre os cientistas. Mas a prtica profissional representa uma das possibilidades de se produzir conhecimento tambm. Alguns preferem denominar esta produo como um tipo de saber, e na ps-graduao de algumas reas mais profissionalizadas, como o caso do Servio Social, tem-se valorizado o saber que se origina do fazer profissional. O que pesquisar para ns? Achamos que a pesquisa e a produo de conhecimento s podem ser desenvolvidas na Universidade ou nas Instituies de Pesquisas? Ou s por pesquisadores reconhecidos pela sociedade como tal? H pesquisas que contribuem para o avano do conhecimento terico ou que contestam teorias estabelecidas. muito frequente, na ps-graduao e em bancas, arguidores perguntarem: o que esse trabalho trouxe de contribuio para a teoria? Quer dizer, que novo conhecimento foi produzido? Confirmou as teorias existentes? Aponta novos caminhos para a pesquisa? Diante disso, pode se restringir a noo de pesquisa com a pesquisa terica e acadmica, bem como o lcus de produo do conhecimento na universidade. E muitos chegam a pensar que se no esto na universidade, no esto produzindo conhecimento, e, no podem ou no tm condies de pesquisar. No entanto, essa no a nica forma de produzir conhecimento, e nem a universidade e os institutos de pesquisa so os nicos lugares para se desenvolver pesquisas. H outras formas, e dentre elas, devemos destacar a pesquisa em servios, que necessariamente, no est produzindo um novo conhecimento terico, que muitas vezes no valorizada pela academia, nem passa pelas provas que a academia considera legtimas, mas que uma pesquisa realizada na pratica e no cotidiano de muitas instituies e servios.

59

No podemos esquecer que o Servio Social uma profisso, e que na essncia, somos profissionais embora tambm pesquisadores e formadores. Esta uma questo muito importante para pensarmos a pesquisa no Servio Social, pois fundamental para o seu desenvolvimento que haja uma reflexo contnua sobre sua prtica, como uma forma de produzir conhecimento, to importante quanto pesquisa acadmica. Na rea social, pesquisas de tipo exploratrio tm trazido contribuies muito importantes para a compreenso de questes novas que esto sendo percebidas na realidade concreta, denominados de temas emergentes. A pesquisa exploratria permite uma aproxim ao de tendncias que esto ocorrendo na realidade, para as quais no temos ainda conhecimento sistematizado nem bibliografia consolidada. Nestas condies preciso consultar pessoas que tenham alguma experincia prtica em relao ao tema ou que elaboraram alguma observao, ainda que inicial, sobre os fenmenos que esto ocorrendo. Este tipo de pesquisa pode ser um instrumento muito importante para o trabalho profissional do Assistente Social e tambm para a formao dos futuros profissionais. Devemos reconhecer que atualmente, apesar das dificuldades, temos melhores condies de desenvolver a produo do conhecimento no Servio Social, como em todas as reas das Cincias Humanas e Sociais. As experincias de Iniciao Cientfica, ainda durante a graduao, embora sejam ainda reduzidas numericamente, mostram tendncia de crescimento; a exigncia do Trabalho de Concluso de Curso - TCC; algumas pesquisas, realizadas pelos profissionais em seu campo de trabalho; as monografias de especializao; as dissertaes de mestrado e as teses de doutorado tm incentivado a preocupao dos Assistentes Sociais com relao produo de conhecimento, ao domnio das metodologias de sua produo e escolha dos mtodos e instrumentos de pesquisa mais adequados ao que desejam pesquisar. Do ponto de vista metodolgico, percebem-se no Servio Social nos ltimos anos, uma valorizao das pesquisas qualitativas, dos estudos de casos, dos instrumentos e tcnicas de entrevistas, principalmente entrevistas semiestruturadas, da anlise de contedo e de discurso. Aproximamo-nos durante os anos 90 de uma viso muito interessante a respeito da discusso da relao sujeito-objeto, subjacentes discusso da pesquisa-ao e da pesquisa participante. E da reflexo sobre a necessidade de compartilhar o processo da produo do conhecimento - seja cientfico ou popular. Devemos aproximar esses dois tipos de conhecimento, para que eles se complementem e se fertilizem mutuamente. As pesquisas tericas, metodolgicas ou sobre a prtica exigem: uma preparao inicial passa pela etapa de execuo (ou trabalho de campo) e anlise dos achados, e, por fim, pela etapa de apresentao e divulgao dos resultados. No geral se trabalha com uma amostra da realidade e as amostras podem ser probabilsticas ou no probabilsticas. As probabilsticas so usadas em pesquisas quantitativas, buscando-se uma representatividade do universo. As amostras no probabilsticas so mais usadas em pesquisas qualitativas, e esto preocupadas em captar a diversidade do universo. As tcnicas mais usadas nas pesquisas so as observaes, os questionrios, as entrevistas, histrias de vida e a anlise de documentos. As observaes podem ser assistemticas quando so realizadas de modo ocasional e informalmente, mas devem transformar-se em observaes sistemticas: planejar o que ser observado, em que condies e como sero feitos os registros. Pode ser externa (quando o pesquisador o faz a observao de fora da

60

situao), participante (quando o pesquisador se insere na situao ou no grupo investigado), individual ou em equipe. O questionrio um instrumento de pesquisa, constitudo pr uma srie ordenada de perguntas referentes ao tema de pesquisa. Quando o Questionrio enviado para os pesquisados responderem diretamente, precisa ser acompanhado de uma carta com explicaes claras para o preenchimento correto, mas mesmo assim a porcentagem de respostas e devoluo costuma ser muito pequena. Quando o prprio pesquisador aplica pessoalmente o instrumento nos pesquisados, este denominado de Formulrio. Os questionrios e formulrios apresentam perguntas objetivas, muitas vezes com alternativas de respostas j codificadas, mas podem conter tambm algumas perguntas abertas. Antes de serem aplicados os formulrios ou enviados os questionrios, o instrumento de coleta deve passar por um pr - teste, isto , ser aplicado em algumas pessoas que tenham caractersticas semelhantes quelas que faro parte das amostras, para se verificar se h necessidade de modificar as perguntas ou a sequncia delas. As entrevistas so os instrumentos mais usados nas pesquisas sociais, porque alm de permitirem captar melhor o que os pesquisados sabem e pensam, permitem tambm ao pesquisador, observar a postura corporal, a tonalidade da voz, os silncios, etc. Podem ser Padronizadas, Estruturadas ou Semi-estruturadas, quando o pesquisador apenas coloca alguns tpicos para o pesquisado expressar o que pensa sobre eles. A anlise um processo de descrio dos dados coletados e a interpretao um processo de reflexo sobre o que foi descrito, luz de conhecimentos mais amplos, que extrapolam os dados da pesquisa ou comparam esses dados com outras pesquisas semelhantes. A anlise de dados quantitativos passa pelas seguintes operaes: a) estabelecimento de categorias para a anlise; b) codificao das informaes; c) tabulao e distribuio de frequncias: colocao dos dados em tabelas para verificar as relaes que apresentam entre si, e apresentao dos dados sob a forma de frequncias absolutas (n.), frequncias relativas (%) e frequncias acumuladas. Podemos tambm cruzar uma ou mais variveis entre si, como por exemplo: escolaridade e acesso aos servios de sade. A concluso da pesquisa deve compreender quatro partes: a) Retrospectiva rpida do que se pretendia com o trabalho (objetivos, hipteses mais importantes, conceitos que a embasaram) e procedimentos que utilizou; b) Apresentao dos principais resultados a que chegou; c) Contribuies para o conhecimento da temtica que abordou, novas questes que suscitou; d) Recomendaes de ordem pratica ou profissional se for o caso; e) Devoluo dos resultados aos pesquisados: estes devem constituir o primeiro grupo a tomar conhecimento dos resultados preliminares para que possam pronunciar-se, fazer sugestes e ouvir as explicaes dos pesquisadores. Estes devem incorporar o mximo possvel, as sugestes dos entrevistados no Relatrio Final para divulgao;

61

f) Divulgao dos resultados: o mesmo material deve ser apresentado em vr ias verses: uma para o meio cientfico, outra mais resumida para as reunies, uma cartilha ou manual para a populao, um artigo para revista especializada, um texto para divulgao na mdia; g) relatrio final: deve estar constitudo pelas seguintes partes: Capa (ttulo, autor, orientador, entidade responsvel, data, cidade); Folha de Rosto (idem acima); Agradecimentos (se houver); Resumo (de uma pgina); Relao de tabelas e grficos (se existirem); Sumrio;

1 - Introduo (pesquisa realizada, importncia, objeto, objetivos, disposio dos captulos); 2 - Reviso da bibliografia relacionada ao tema; 3 - Esquema de Investigao (procedimentos empregados, fontes de dados, metodologia e organizao da pesquisa de campo); 4 - Apresentao, anlise e interpretao dos resultados; 5 - Resumo e Concluses; 6 Recomendaes; 7 - Anexos (se houver: figuras, questionrios ou roteiros, documentos, circulares etc.); 8 Bibliografia.

UNIDADE 4.2 Estudos de Populao A estatstica que tem papel de elaborar concluses sobre um grupo de medies ou observaes da varivel em estudo. Ora, o conjunto de medies ou observaes realizadas sobre diferentes elementos de conjuntos bem definidos e rigorosamente condicionados designa-se por POPULAO. A respectiva dimenso identifica-se por N. Existem vrios "tipos" de populaes e podem classificar-se as populaes de acordo com vrios critrios. Por vezes, as populaes em estudo no existem na realidade, fisicamente. Neste caso, alguns autores referem-se a populaes "imaginrias", "hipotticas" ou "potenciais". No entanto, existem

classificaes mais consensuais e mais vulgarizadas de "tipos" de populaes. Assim, podemos falar em POPULAES FINITAS e INFINITAS. As primeiras so constitudas por um nmero finito de elementos. Por exemplo, se quisermos estudar a altura dos alunos do Curso de Servio Social da Faculdade populao em estudo. Se pretendermos estudar determinada caracterstica de uma conserva de sardinha da marca XYZ: ento a populao que estamos a estudar constituda por todas as latas de conserva de sardinha produzidas por essa determinada empresa. Se, por exemplo, estivermos a estudar, em laboratrio, o efeito de determinado complemento alimentar sobre a taxa de crescimento de 40 cobaias; a populao de que estamos a falar no so as cobaias mas as taxas de crescimento (de todas as cobaias que, eventualmente, poderiam receber esse complemento alimentar em condies similares). : todos os alunos do curso constituem a

62

Se estivermos a estudar uma populao relativamente pequena, digamos as mulheres que j atravessaram o Canal da Mancha a nado ou o nmero de homens que pisou a Lua, poderemos examinar toda a populao porque raticvel em tempo til obter a informao que pretenderamos daquelas mulheres ou desses homens. Assim, quando podemos examinar toda a populao (neste caso, as dita (o)s senhoras ou senhores) estamos a realizar um CENSO. Todavia, em casos particulares, efetua-se o censo de populaes maiores do que aquelas. Regularmente, de 10 em 10 anos, realiza-se o censo da populao portuguesa com o objetivo de obter a tal "informao vital" para a governao designadamente o nmero de habitantes, as idades, as profisses, se possuem eletricidade, gua e telefone, etc. Vulgarmente no possvel obter informao relativa a toda uma populao. De fato, se estamos a estudar uma populao maior, digamos as sardinhas da costa portuguesa ou a qualidade das sardinhas enlatadas por determinado fabricante, no ser possvel pesar, medir ou analisar bioquimicamente todos os peixes ou o contedo/embalagem de todas as latas. Ento, poderemos examinar uma parte dessa populao, ou seja, obter uma AMOSTRA. O nmero de elementos/observaes, isto , o TAMANHO DA AMOSTRA designa-se . Uma amostra em que =

composta por um nmero determinado de observaes individuais, geralmente referidas por

. Este ser o modo mais vivel de estudar, do ponto estatstico (e no s!), muitos problemas prticos. Podem obter-se amostras de uma populao de acordo com vrios critrios. Contudo, para se

elaborarem concluses vlidas, a maioria dos mtodos estatsticos assume que as amostras foram obtidas de modo aleatrio, ou seja, conhecida a probabilidade com que determinado elemento da populao pode ser (es)colhido e a escolha de um dado elemento no influencia a escolha de outro(s) - AMOSTRAGEM ESTATSTICA. Obtm-se, assim, AMOSTRAS ALEATRIAS. O conjunto dessas(s) amostra(s) possveis de obter de determinada populao com base em determinado critrio designado por AMOSTRAGEM. Como vimos, no entanto, tambm se utiliza o termo amostragem para designar o processo de obteno das amostras.

UNIDADE 4.3 Banco de dados Aps a coleta e a digitao de dados em um banco de dados apropriado, o prximo passo a anlise descritiva. Esta etapa fundamental, pois uma anlise descritiva detalhada permite ao pesquisador familiarizar-se com os dados, organiz-los e sintetiz-los de forma a obter as informaes necessrias do conjunto de dados para responder as questes que esto sendo investigadas. Tradicionalmente, a anlise descritiva limitava-se a calcular algumas medidas de posio e variabilidade. No final da dcada de 70, Tukey criou uma nova corrente de anlise. Utilizando principalmente tcnicas visuais, buscando descrever quase sem utilizar clculos, alguma forma de regularidade ou padro nos dados, em oposio aos resumos numricos. Nessa etapa, iremos produzir tabelas, grficos e medidas resumem que descrevam a tendncia dos dados, quantifiquem a sua variabilidade, permitam a deteco de estruturas interessantes e valores atpicos no banco de dados.

63

importante conhecer e saber construir os principais tipos de tabelas, grficos e medidas resumo para realizar uma boa anlise descritiva dos dados. Vamos tentar entender como os dados se distribuem, onde esto centrados, quais observaes so mais frequentes, como a variabilidade etc., tendo em vista responder s principais questes do estudo. Cada ferramenta fornece um tipo de informao e o seu uso depende, em geral, do tipo de varivel que est sendo investigada. LISTA DE EXERCCIOS

2 Lista de Exerccio:

64

65

66