Escolar Documentos
Profissional Documentos
Cultura Documentos
1
Agenda
• Por que estudar métodos quantitativos?
2
Por que estudar métodos quantitativos e
estatística?
• Necessidade de processar e sintetizar grandes quantidades de
dados e informações de uma maneira inteligível.
3
Programa resumido
Teoria
1. A lógica dos métodos quantitativos e o uso da estatística na pesquisa social.
2. Revisão básica de estatística descritiva.
3. Teorema do Limite Central
4. Distribuição amostral da média e da variância.
5. Intervalo de confiança.
6. Testes de hipótese para médias, proporções e comparação de duas médias.
7. Amostragem e determinação do tamanho da amostra.
8. Testes não paramétricos: aderência, homogeneidade e independência.
9. Análise de variância (ANOVA).
10. Correlação.
11. Regressão linear simples.
12. Apresentação de dados quantitativos e cuidados com estatísticas.
Prática
1. Uso de planilhas e gráficos.
2. Trabalho com bancos de dados.
3. Uso do SPSS para análise de dados e de regressão.
4
Objetivos de aprendizado
• Ao final do curso os alunos deverão:
► Entender melhor a metodologia científica e a lógica das pesquisas
quantitativas.
► Dominar algumas técnicas estatísticas de análise de dados e teste de
hipóteses.
► Conhecer a lógica do pensamento probabilístico, ou seja, de que
estamos cercados por incertezas
► Possuir os conhecimentos básicos para desenhar, executar e analisar
uma pesquisa quantitativa.
► Desenvolver uma avaliação crítica sobre os dados e números com que
se depararem na vida cotidiana e acadêmica.
► Conhecer várias letras gregas.
5
Metodologia didática e avaliação
• Didática
► Aulas expositivas.
► Práticas no laboratório (uso de planilhas e pacotes estatísticos)
► Exercícios (em sala, listas e livros)
► Material disponível no blog
http://perguntasaopo.wordpress.com/disciplinas/mqcs/
• Avaliação:
► (a). Provas + exercícios
o Duas provas
– Recuperação para quem ficou com conceito final D ou F e reposição.
o Exercícios em grupos em sala ou entregues: serão avaliados com conceitos.
o Os três itens (2 provas + média dos exercícios) terão pesos iguais no conceito final.
► (b) Apresentação semanal em grupo: pode valer indicativo “+” ou “–”.
► As provas e exercícios serão avaliadas por conceitos, podendo ter indicativos
“+” ou “-”, de forma a diferenciar a demonstração do aprendizado.
6
Apresentação semanal de tópico
• Funcionamento:
► Apresentação sobre os temas apresentados (quase) semanalmente:
podem ser sobre algum aspecto da estatística, um exercício, um
problema a ser analisado...
► 15 minutos, máximo de 5 slides
► Grupo a apresentar será sorteado aleatoriamente.
• Avaliação:
► Terá indicativo “-” para a definição do conceito final se o grupo não
se apresentar ou se a apresentação tiver erros.
► Grupos que se apresentarem 3 ou mais vezes terão indicativo “+”.
7
Livros recomendados
FARBER, B.; LARSON, R. Estatística aplicada. Ed. Pearson Prentice Hall, 2009
LEVIN, J.; FOX, J. Estatística para ciências humanas, São Paulo: Prentice Hall,
2004
8
Necessidades para o curso
Calculadora (preferencialmente científica):
► Serão usadas nas aulas e nas provas. Conheça a sua, saiba o
que está fazendo.
Formulários e tabelas:
► Pode-se consultar um formulário nas provas. O tamanho
máximo é uma folha A4. Serão entregues tabelas que devem
ser trazidas para as aulas e as provas.
• Lógicas:
► O mundo possui regularidades que podem ser descobertas ou
acessadas observando-se os agregados dos grandes números.
► É necessária informação confiável para orientar a ação social.
► Os métodos quantitativos são consistentes para descobrir e testar
relações causais, especialmente em fenômenos de massa.
10
Deterministas x Probabilistas
• Determinista: o mundo • Probabilista: o mundo não
pode ser compreendido e pode nem poderá ser
determinado em sua completamente
totalidade. Apenas não determinado. Podemos
conseguimos ainda avançar nosso
processar e determinar entendimento, mas sempre
todas as informações e haverá algo que não
relações existentes. seremos capazes de explicar.
Conseguimos, Conseguimos,
eventualmente, ter provas eventualmente, determinar
de como as coisas as chances de que algo
funcionam e podemos fazer aconteça, mas não podemos
afirmações categóricas. garantir que elas venham a
ocorrer.
11
Esse cara tem um pensamento probabilístico?
12
13
O que a estatística nos diz?
(http://www.economist.com/news/united-states/21595437-america-no-less-socially-mobile-it-was-
generation-ago-mobility-measured)
“Causos” versus estatísticas
• Estudos de Paul Slovic mostram que as pessoas tendem a abstrair da
sobrecarga de dados e ter mais empatia com “vítimas identificáveis” do que
com “vítimas estatísticas” (psychic numbing).
► Em um experimento, voluntários podiam contribuir com $5 para a uma fundação. Os
que tiveram apenas estatísticas doaram em média $1,17, contra $2,83 para os que
receberam também a história de uma vítima com foto.
Fonte: http://blogs.worldbank.org/impactevaluations/impact-narrative-guest-post-bruce-wydick
► Além disso, parte de cada grupo recebeu um texto sobre a sensibilização causada pelas
histórias. Houve leve aumento na doação dos que receberam apenas estatísticas, mas
grande decréscimo para os que tiveram acesso à história da “vítima identificável”.
15
Ciência e peculiaridades das ciências sociais
Lógica da ciência Desafios das ciências sociais
• Busca causalidade e • A causalidade raramente é
enunciados. evidente e tende a ser múltipla.
• Falseabilidade: as afirmações • Uso de construtos teóricos e
devem poder ser testadas. simbólicos, com conceitos
• Métodos, premissas e imprecisos e contestáveis.
conclusões são provisórios. • Modelos simplificadores da
• Elementos: realidade.
► Conceitos: construção de sentido • Lidar com a subjetividade e
► Teoria: explicação provisória da com condicionantes históricos
realidade, definição de hipóteses e culturais.
e questões.
• Incertezas e imprecisões nas
► Quebra de paradigmas, revisões
das teorias, modelos e hipóteses.
métricas e proxys.
16
Teorias e modelos explicativos
• Ajudam na:
► Construção de questões e hipóteses.
► Simplificação da nossa compreensão de mundo - referencial analítico.
► Organização dos dados e observações.
• Modelo teórico:
► Simplificação útil da realidade, salienta aspectos relevantes para os
objetivos da pesquisa.
► Podem ser mais abstratos (parcimoniosos e generalistas) ou mais
específicos (maior número de variáveis e dificuldade de
generalização).
17
Modelos explicativos em métodos quantitativos
• Necessidade de estabelecer relações causa-efeito.
• Variáveis:
► Variável dependente (Y): variável ou fenômeno a ser explicado.
► Variável independente (X): variáveis explicativas (causais).
o Podem ser variáveis de interesse e de controle.
19
Formalização de uma pesquisa quantitativa
1. Definição do problema e questões de pesquisa.
20
EXEMPLO DE UMA ANÁLISE
QUANTITATIVA DO SÉCULO XIX
21
Contaminação
por cólera em
Londres (1849,
1854)
Fonte: “On the mode of communication of cholera. John Snow (1854). PP 62-63
pela água.
John Snow
considerava que a água
era uma das principais
fontes de
contaminação. Para
isso, desenvolveu uma
análise espacial dos
óbitos de cólera.
22
Modelo e operacionalização da pesquisa
Lógica da pesquisa Operacionalização
Formalização do modelo explicativo A contaminação por cólera é função da fonte de
água, que serve de cultura e forma de transmissão
para o vírus.
Processamento e teste das hipóteses Plotagem dos casos fatais de cólera em seus
endereços e localização das fontes de água. Cada
traço representa um óbito.
Análise dos resultados Relação forte entre a proximidade de uma
determinada bomba d’água e de grande número
de casos de óbito por cólera.
23
A relação entre
contaminação por
cólera e a fonte de
água fica mais
evidente?
A análise permitiu
localizar uma
possível fonte da
epidemia (bomba
d’água na Broad
Street) e levou ao
seu fechamento.
24
A parte pelo todo?
• Se queremos saber algo sobre a população, porque não
medimos todos os seus elementos?
• Pode ser:
► Trabalhoso
► Caro
► Inviável
► Porque queremos incluir elementos inacessíveis (passado, futuro...)
► Porque não é uma população no seu sentido tradicional (ex.: vitórias
do partido X, tempo de espera em filas...)
► Porque não é necessário
25
Vamos ver três tipos de estatística
• Descritiva: visa sintetizar grandes quantidades de dados em números
informativos (contagens, médias, desvio-padrão...) e/ou em
visualizações (gráficos, diagramas...). “O que temos aqui?”
26
Exemplos de técnicas estatísticas
• Análises gráficas • Regressão
► Simples
• Comparação de (para uma ou ► Múltipla Técnicas
várias populações): ► Logística multivariadas
► Médias
► Medianas • Análise de componentes
principais
• Testes não paramétricos:
► Aderência, independência, • Análise de clusters
homogeneidade
► Wilconox
► Teste dos sinais
• Análise discriminante
► Kruslal-Wallis
• Análise fatorial
• ANOVA (várias populações)
• Séries temporais
27
Apresentação grupos: dia 10/02 (terça)
• Definir:
► Dados
► Microdados
► Metadados
28