CURSO DE ENFERMAGFEM EAD – POLO SÃO MATEUS

PROF. DIONNEY ANDRADE DE SOUSA

DISCIPLINA: MATEMÁRTICA E ESTATÍSTICA
ALUNA: MARIA DA CONCEIÇÃO CARVALHO REIS

ATIVIDADE – MATEMÁTICA E ESTATÍSTICA

SÃO MATEUS – MA
2023
1. INTRODUÇÃO

• Estatísticas conceito básica

A Estatística é um campo da matemática que se dedica à coleta, análise e
interpretação de dados. Seu objetivo central é extrair significado e conhecimento de
conjuntos de dados, fornecendo uma estrutura para compreender fenômenos
complexos e incertos por meio de métodos quantitativos.

Na prática, a análise estatística envolve várias etapas inter-relacionadas:

Coleta de Dados: É o primeiro passo, envolvendo a obtenção de informações

numéricas ou categorizadas a partir de fontes variadas, como pesquisas,
experimentos, registros e observações.

Organização e Resumo dos Dados: Os dados brutos podem ser vastos e

desorganizados. A estatística descritiva entra em cena para organizar, resumir e
apresentar os dados de maneira compreensível. Isso pode envolver medidas de
tendência central (como média, mediana e moda) e medidas de dispersão (como
desvio padrão e variância).

Análise Exploratória: Antes de prosseguir para análises mais complexas, é importante

explorar os dados visualmente. Gráficos, histogramas, diagramas de dispersão e
outras representações visuais ajudam a identificar padrões, outliers e características
importantes dos dados.

Inferência Estatística: A estatística inferencial é uma etapa crucial que permite tirar
conclusões sobre uma população inteira com base em uma amostra representativa.
Isso envolve a aplicação de conceitos de probabilidade e técnicas estatísticas para
estimar parâmetros populacionais e testar hipóteses.

Testes de Hipóteses: Essas são ferramentas estatísticas usadas para tomar decisões
sobre afirmações ou suposições baseadas em evidências amostrais. Os testes
avaliam se as diferenças observadas entre grupos são estatisticamente significativas
ou se podem ser atribuídas ao acaso.

Modelagem Estatística: Às vezes, os dados podem ser ajustados a modelos

matemáticos que descrevem o comportamento subjacente do fenômeno. A regressão,
por exemplo, permite quantificar as relações entre variáveis independentes e
dependentes.

A Estatística desempenha um papel vital em várias disciplinas acadêmicas

e campos aplicados, incluindo ciências sociais, medicina, economia, engenharia,
psicologia e muitos outros. Ela oferece uma abordagem sistemática e baseada em
evidências para a análise de dados, fornecendo uma estrutura sólida para a tomada
de decisões informadas, a descoberta de padrões e a compreensão de fenômenos
complexos. Existem duas principais áreas dentro das estatísticas: estatística
descritiva e estatística inferencial.

• Estatística Descritiva
A estatística descritiva é uma etapa fundamental na análise de dados,
focando na organização e resumo desses dados para obter uma visão inicial e
compreensível. Ela fornece um panorama básico das características e tendências
presentes nos dados coletados. Principais técnicas e conceitos associados à
estatística descritiva:

Medidas de Tendência Central: Essas medidas revelam onde o centro dos dados está
localizado e ajudam a entender o valor típico em um conjunto de dados. A média é a
soma de todos os valores dividida pelo número de observações. A mediana é o valor
do meio quando os dados estão ordenados, enquanto a moda é o valor mais
frequente. Essas medidas são usadas para descrever a "localização" dos dados.

Medidas de Dispersão: A dispersão indica o quão espalhados ou concentrados os

dados estão em relação à medida central. A variância é uma medida da variação dos
valores em torno da média. O desvio padrão é a raiz quadrada da variância e fornece
uma estimativa da dispersão média dos valores. Quanto maior o desvio padrão, maior
a dispersão dos dados.

Gráficos e Tabelas: A visualização dos dados é essencial na estatística descritiva. Os

histogramas, por exemplo, mostram a distribuição de frequência dos dados em
intervalos, enquanto os gráficos de barras ajudam a comparar diferentes categorias.
Os gráficos de dispersão exibem a relação entre duas variáveis. O diagrama de caixa,
ou boxplot, ilustra a dispersão dos dados, os quartis e a identificação de valores
extremos.
Medidas de Posição: Além da mediana, os quartis e percentis também são medidas
de posição importantes. Os quartis dividem os dados em quatro partes iguais, sendo
o primeiro quartil a mediana dos valores mais baixos, o segundo quartil a mediana
geral e o terceiro quartil a mediana dos valores mais altos. Os percentis funcionam de
maneira similar, dividindo os dados em 100 partes.

Tabelas de Frequência: Uma tabela de frequência é uma forma de organizar e resumir

dados discretos ou categorizados. Ela mostra as categorias e a frequência com que
cada categoria ocorre nos dados. Isso ajuda a identificar padrões de distribuição.

A estatística descritiva é a base para a compreensão inicial de dados e a

exploração de padrões. Ela nos permite resumir e comunicar informações essenciais
sem a necessidade de técnicas estatísticas mais complexas. Ao resumir dados
através dessas técnicas, podemos obter insights preliminares, identificar valores
incomuns e visualizar as características centrais dos dados, preparando o terreno para
análises mais aprofundadas.

• Estatística Inferencial
A Estatística Inferencial é um ramo da estatística que vai além da simples
descrição de dados. Ela se concentra em tirar conclusões e fazer previsões sobre
populações maiores com base em informações retiradas de amostras menores. É
como usar uma pequena parte dos dados para fazer afirmações sobre o todo. Um
exemplo de estatística inferencial: se você deseja saber se a altura média dos alunos
da escola é maior do que a altura média dos alunos de outra escola, a estatística
inferencial pode ser usada para testar essa hipótese usando um teste em dados
coletados das duas escolas.

Principal diferença entre a estatística descritiva e inferencial;

A estatística descritiva e a estatística inferencial são dois ramos
interconectados da análise estatística, cada um desempenhando um papel crucial em
diferentes aspectos da pesquisa e tomada de decisões. A estatística descritiva é o
primeiro passo na análise de dados. Ela trata da organização, resumo e representação
visual dos dados coletados. Isso envolve calcular medidas de tendência central, como
a média, a mediana e a moda, para entender onde a maioria dos valores está
concentrada. Além disso, as medidas de dispersão, como o desvio padrão, permitem
avaliar a variabilidade dos dados. Gráficos como histogramas e gráficos de barras são
utilizados para dar uma imagem visual clara da distribuição dos dados. Em resumo, a
estatística descritiva ajuda a sintetizar informações para uma compreensão inicial dos
dados.
Por outro lado, a estatística inferencial visa fazer afirmações ou previsões
sobre uma população maior com base em informações extraídas de uma amostra
menor. Isso é possível por meio da probabilidade e do uso de técnicas estatísticas. A
amostragem adequada é fundamental para garantir que a amostra seja representativa
da população. Intervalos de confiança são usados para fornecer uma estimativa
intervalar da população com base nas características da amostra. Os testes de
hipóteses avaliam a probabilidade de uma afirmação ser verdadeira com base na
amostra. A regressão e a correlação permitem entender as relações entre variáveis e
fazer previsões.
Tanto a estatística descritiva quanto a inferencial têm aplicações essenciais
em várias disciplinas. Na economia, elas ajudam a entender tendências de mercado
e tomar decisões financeiras. Na medicina, contribuem para avaliar a eficácia de
tratamentos. Na psicologia, auxiliam na análise de comportamentos e emoções. Em
essência, essas duas vertentes da estatística trabalham em conjunto para fornecer
insights valiosos, embasando a pesquisa científica e respaldando a tomada de
decisões informadas em uma ampla gama de campos.

AMOSTRAGEM: é definida como o processo de coleta das informações da amostra.

Ou seja, corresponde aos métodos de seleção, bem como o cálculo amostral utilizado
no processo de detecção do número de indivíduos que deverão participar da pesquisa,
a fim de garantir a validade dos resultados.

• Tipos De Amostragens
Amostragem probabilísticas
- Amostragem aleatória simples
- Amostragem de agrupamentos
- Amostragem de sistemática
- Amostragem aleatória estratificada

Amostragem não-probabilística
- Amostragem de conveniência
- Amostragem criteriosa/proposital
- Amostragem de bola de neve
- Amostragem de cotas

• População
O termo "população" abrange o conjunto total de indivíduos residentes em
um específico território ou região. Dentro desse contexto, identificam-se dois aspectos
fundamentais: população absoluta e população relativa. A população absoluta refere-
se ao valor total e inquestionável de habitantes em uma determinada área. Essa
métrica oferece uma visão quantitativa direta da dimensão populacional de um lugar
específico. No entanto, por si só, a população absoluta pode não fornecer uma
imagem completa da realidade, uma vez que não considera as variações de
densidade populacional.
Adicionalmente, a população relativa, também conhecida como densidade
populacional, tem o papel de contextualizar a população absoluta em relação à área
geográfica ocupada. Esse indicador pondera o número de habitantes pela extensão
territorial, o que resulta em uma medida mais precisa e comparável da concentração
populacional. Ambos os conceitos desempenham um papel vital na formulação de
políticas públicas, planejamento urbano, alocação de recursos e em diversos campos
do conhecimento. A análise da população absoluta fornece uma compreensão inicial
do tamanho de uma comunidade, enquanto a população relativa aprofunda essa
compreensão, destacando a densidade e distribuição dos habitantes em relação ao
espaço disponível. Portanto, a consideração conjunta desses dois aspectos enriquece
significativamente nossa compreensão das dinâmicas populacionais.

2. MÉTODO ESTATÍSTICO
O método estatístico desempenha um papel essencial ao simplificar a
análise de processos complexos por meio de uma abordagem estruturada. Ele é
desenvolvido com o propósito de desembaraçar a avaliação quantitativa de todas as
variáveis presentes em um determinado processo. Em sua essência, o método
estatístico tem como principal finalidade a investigação de problemas por intermédio
de dados. Através dessa abordagem, é possível explorar a fundo um cenário,
examinando as correlações, tendências e padrões ocultos nos dados coletados. Essa
exploração profunda frequentemente conduz à identificação de soluções e
perspicácias valiosas.
O método estatístico é, essencialmente, uma ferramenta analítica que
capacita a tomada de decisões informadas. Por meio da análise rigorosa de dados, é
possível avaliar a eficácia das operações, detectar áreas problemáticas e,
crucialmente, propor otimizações e aprimoramentos. Em síntese, o método estatístico
simplifica a abordagem de problemas complexos, transformando-os em um contexto
quantitativo acessível. Ele atua como uma bússola que guia a exploração minuciosa
de dados, gerando discernimento e sugerindo melhorias que podem ser
implementadas para aprimorar processos, operações e resultados.

2.1 Definição do problema

A definição do problema é uma ferramenta fundamental que desempenha
um papel crucial tanto no início da abordagem de um desafio quanto na elaboração
de soluções eficazes. Funciona como um ponto de partida para diversas etapas do
processo, incluindo o planejamento estratégico. O planejamento, por sua vez, é um
processo no qual se antecipam ações futuras e se elaboram estratégias programadas
para atingir um objetivo específico. Serve também como um método para identificar
metas específicas e, a partir daí, organizar e empregar os melhores métodos para
alcançá-las.
O principal propósito do planejamento é guiar as ações no presente e no
futuro, com o objetivo de realizar um alvo predefinido. Ao fazer isso, ajuda a minimizar
a incerteza inerente ao futuro, possibilitando tomar decisões proativas sobre cenários
que possam ocorrer. Além disso, a descrição do problema, juntamente com a
definição de contexto mais amplo, contribui para identificar problemas inter-
relacionados. Apesar da aparente simplicidade, a definição de um problema pode ser
complexa. Muitas vezes, o que inicialmente parece ser um problema é, na verdade,
apenas um sintoma superficial de um problema subjacente mais profundo. Nesse
sentido, a compreensão precisa do problema é fundamental para garantir que os
esforços sejam direcionados para a verdadeira raiz do desafio.

2.3 COLETA DE DADOS

 A coleta de dados é um procedimento essencial que visa adquirir
informações provenientes de indivíduos ou processos, servindo como matéria-prima
para o planejamento estratégico de um negócio. Essas informações podem ser
obtidas através de plataformas de coleta dedicadas, formulários, websites e outras
metodologias específicas. Esta ação é de suma importância, uma vez que tem por
objetivo reunir dados de relevância originados de ferramentas, sítios eletrônicos e
interações com o público.
Essa prática desempenha um papel fundamental ao possibilitar a análise
de padrões de comportamento e preferências. Ao realizar tal análise, é possível
desenvolver campanhas de marketing mais afinadas e dirigidas, uma vez que as
informações coletadas oferecem insights valiosos sobre as inclinações do público-
alvo. Em resumo, a coleta de dados é uma etapa crucial para a obtenção de
informações essenciais que embasarão decisões estratégicas. Através dela, as
empresas podem compreender melhor as demandas de seus consumidores e ajustar
suas estratégias de acordo, visando alcançar resultados mais eficazes.

2.4 CORREÇÃO DOS DADOS COLETADOS:

A aplicação da matemática na área da enfermagem se manifesta por meio
da correção de dados, referindo-se à utilização de fórmulas e cálculos para executar
procedimentos como dosagem de medicamentos, diluição de soluções, controle de
gotejamento, bem como a manutenção do balanço hídrico, entre outros aspectos
relevantes. A realização destes cálculos requer conhecimentos fundamentais de
conceitos matemáticos como regra de três, proporção, porcentagem e fração.
A correção de dados desempenha um papel crucial no campo da
enfermagem, pois busca assegurar a qualidade e a segurança na prestação de
cuidados aos pacientes. Esse processo envolve a minuciosa verificação, validação e
eventual retificação dos dados coletados, registrados e empregados no âmbito da
prática de enfermagem. Em síntese, a incorporação da matemática na enfermagem
se dá por meio da correção de dados, que abrange desde cálculos complexos até
verificações meticulosas dos registros. Garantir a precisão destas informações é
fundamental para fornecer assistência de alta qualidade e segurança aos pacientes,
um dos princípios basilares dessa área essencial da saúde.

• Alguns exemplos de dados que podem ser corrigidos na enfermagem são:

Dados do histórico de enfermagem, como sinais vitais, queixas, alergias, etc.
Dados dos diagnósticos de enfermagem, como definição, características definidoras
e fatores relacionados
Dados das prescrições e das intervenções de enfermagem, como medicamentos,
procedimentos, cuidados etc.
Dados das evoluções e dos resultados de enfermagem, como melhora, piora,
complicações, alta etc.
• Para corrigir os dados na enfermagem, é preciso seguir alguns princípios
éticos e legais, como:
Identificar o paciente corretamente antes de coletar, registrar ou utilizar os dados
Evitar rasuras ou emendas nos registros de enfermagem
Utilizar formas padronizadas e legíveis de correção ou retificação dos dados
Justificar e assinar as correções ou retificações dos dados
Preservar a confidencialidade e a integridade dos dados

REFERENCIAS

BUSSAB, Wilton de O.; MORETTIN, Pedro A. Estatística básica. In: Estatística

básica. 2010. p. xvi, 540-xvi, 540.

FONTES, Martins. Segurança, território, população. Trad. Eduardo Brandão. São

Paulo: Martins, 2008.

LEVINE, David M.; BERENSON, Mark L.; STEPHAN, David. Estatística: teoria e
aplicações. Rio de janeiro: LTC, v. 811, 2000.

MORETTIN, Pedro A.; BUSSAB, Wilton O. Estatística básica. Saraiva Educação SA,
2017.

SANTOS, Carla. Estatística descritiva. Manual de auto-aprendizagem, v. 2, 2007.