Escolar Documentos
Profissional Documentos
Cultura Documentos
ANÁLISE ESTATÍSTICA
Análise estatística é uma ciência que tem como propósito coletar, explorar e demonstrar dados em
busca de descobertas de padrões e tendências. Com o avanço tecnológico as análises estatísticas
evoluíram, e continuam progredindo, aumentando, assim, a precisão no encontro de padrões e
tendências.
Ainda que existam diversas maneiras de realizar esse tipo de análise, porém, no geral, ela segue cinco
etapas fundamentais, sendo:
Descrição dos dados a serem analisados;
Exploração dos dados;
Criação de um modelo para compreender os dados;
Provação ou refutação da validade do modelo;
Uso de análises preditivas.
Análise Descritiva: A análise descritiva é um dos tipos de análise estatística usada para resumir os
dados do mercado de atuação da empresa. Assim sendo, esse tipo de análise mostra informações sobre
o setor com o uso de mapas, gráficos e tabelas.
Considerando que esses três elementos são componentes primários em uma análise, eles são usados
para facilitar a compreensão de dados brutos. Portanto, isso favorece a interpretação do panorama do
mercado. Entretanto, como o próprio nome sugere, é feita apenas uma descrição do cenário, não
chegando a uma conclusão efetiva.
Análise Conclusiva: A análise conclusiva, por sua vez, é um dos tipos de análise estatística elaborada
para estudar os dados de forma mais objetiva. Para isso, você deve realizar perguntas mais específicas
que devem ser respondidas por meio de um processo analítico.
Esse tipo de análise permite que você teste hipóteses e chegue a conclusões sobre a causalidade dos
fatores analisados. Por exemplo, a análise descritiva pode mostrar o perfil da população de um
determinado mercado, mas somente uma análise conclusiva encontra quais os fatores que resultam
nesse comportamento.
DESVIO PADRÃO: É uma medida que mostra o grau de dispersão do conjunto de dados. Ele
indica, portanto, o quanto esse conjunto é uniforme ou disforme. Dessa forma, quanto mais próximo
de 0 o desvio padrão for, mais próximos os dados se alinham com a média, e quanto mais distante de
0, mais dispersos eles estão da média.
Para calculá-lo é preciso subtrair todos os dados da média aritmética e depois fazer a divisão pela
quantidade total de dados.
Vale dizer que assim como a média, em alguns casos o desvio padrão pode não trazer muitas
informações quando analisado sozinho. Isso ocorre em uma curva anormal, ou quando há dados muito
distantes da média.
REGRESSÃO: É um dos tipos de análise estatística mais usadas. Ela pode ser dividida em três
grupos:
Regressão linear simples;
Regressão linear múltipla;
Regressão não linear.
A Regressão Linear Simples é a mais usada e permite modelar uma relação entre dois conjuntos de
variáveis. Vale dizer que a linha de regressão mostra se o relacionamento entre os conjuntos é forte
ou fraco. Esse é um método muito usado na ciência, mas no mercado ele pode em alguns casos não
trazer informações precisas. Uma vez que o produto mais vendido da empresa se for muito além dos
outros, ficará mais distante da média.
AMOSTRAGEM: É o conjunto de dados em si. Quanto maior for a amostra mais precisa ela será.
Por exemplo, se você tem 2 mil clientes e quer lançar um novo produto.
Ao entrevistar os 2 mil, os dados serão mais precisos. No entanto, ao entrevistar apenas 20 deles, terá
uma amostragem tão pequena, que o desvio padrão será muito alto, fazendo com que a confiança no
resultado em si seja baixa.
8 – Descreva e Interprete os Dados: Os dados devem ser descritos através de tabelas e gráficos e
somente então serem interpretados. Pode-se nessa parte aplicar também outros elementos como
Média, Moda, Mediana e Desvio Padrão para indicar estimativas, intervalos de confiança e predição.
Os avanços tecnológicos permitiram uma maior exatidão na coleta, interpretação e análise desses
dados. Por isso, usar a tecnologia a seu favor faz uma grande diferença em uma análise estatística
atual.
Para gerar insights de negócios tendo como base os dados, é preciso que esses dados estejam corretos.
Assim, a probabilidade de o resultado dos insights sair como esperado é maior. E, para assegurar a
qualidade dos dados, é possível usar a Análise Exploratória de Dados. Através dela é possível
identificar erros e detectar desvios.
Vamos imaginar que uma equipe de marketing de uma loja de roupas quer fazer uma promoção e
enviar cupons de desconto via e-mail para seus clientes. O cientista de dados pode identificar quem
são os clientes que têm mais chances de usar o cupom.
Porém, para isso, ele precisa checar se as informações dos clientes (e-mail, localização, frequência
de compra, por exemplo) que constam na base de dados da loja estão corretas, isto é, fazer uma análise
exploratória dos dados. Caso elas estejam incorretas, a ação da equipe de marketing não dará
resultado. A Análise Exploratória de Dados dá ideia da qualidade dos dados e nos diz se o campo é
confiável.
Diante dessas duas variáveis (suco preferido e idade), pode-se tentar fazer uma relação para ver como
a idade pode afetar a preferência de suco das pessoas. Além disso, pode-se listar outras informações
como gênero ou de onde a pessoa é, por exemplo.
Univariada Com Gráficos: A análise com gráficos mostra uma imagem dos dados. No caso da
univariada, ela vai analisar apenas uma variável. Um tipo comum de gráfico univariado é o
histograma. No histograma, cada barra representa a frequência de casos para uma variedade de
valores.
Por exemplo: abaixo, temos uma tabela em que mostra opções de alturas e a quantidade de estudantes
que se encaixam nesses dados. Ao lado da tabela, temos um histograma que contém as informações
desta tabela.
Multivariada Com Gráficos: A análise multivariada com gráficos utiliza imagens para exibir a
relação entre duas ou mais variáveis. Um tipo comum deste tipo de análise é o mapa de calor. Esta é
uma representação gráfica de dados em que os valores são retratados por cores.
Se uma empresa deseja entender o comportamento dos consumidores que acessam o seu site, por
exemplo, ela pode utilizar o mapa de calor. Neste tipo de representação, uma escala de cores é usada,
do vermelho ao azul, em que as cores quentes indicam os locais com maior atividade, e as mais frias,
os com menos interações. Analisar este tipo de mapa ajuda a entender o comportamento dos usuários
no site e, a partir daí, é possível otimizar a estratégia para incrementar a experiência do usuário.