Tópicos de Métodos Quantitativos

>>O que é análise Quantitativa? representativa para refletir as características da

- A análise quantitativa envolve o uso de
técnicas estatísticas para calcular
métricas-chave, como lucratividade,
liquidez e alavancagem, garantindo a
precisão dos resultados
>> O Que é análise Qualitativa?
- A análise qualitativa refere-se a uma
abordagem de pesquisa que se concentra
na qualidade dos dados, ou seja, na
compreensão aprofundada e na
interpretação dos significados, contextos e
narrativas subjacentes
>> O que é estatística
inferencial?
- é o processo de inferir conclusões sobre
uma população com base em uma amostra
dos dados dessa população Ela utiliza
técnicas como testes de hipóteses,
intervalos de confiança e regressão para
tirar conclusões sobre parâmetros
populacionais a partir de dados amostrais
população
>> Censo vs. Amostragem
- Pesquisa Estatística: Informações obtidas da
população ou amostra, por meio de Censo (coleta
exaustiva) ou Amostragem (seleção de um
subconjunto representativo)
-Censo: Coleta de informações de todas as unidades
populacionais
-Amostragem: Processo de coleta de informações de
elementos amostrais seguindo critérios específicos
>> Dado vs. Variáve
-Dados estatísticos: Características observáveis ou
mensuráveis
-Variável: Característica observada para inferências
-Representada por letras maiúsculas do alfabeto,
como X, Y, Z
>> Tipos de Variáveis
>> Qualitativas: Características não mensuráveis

>> Sobre Precisão e Rigor. - Nominal: Representação por símbolos ou números

para categorias
-São essenciais para garantir a - Ordinal: Classificação em categorias ordenadas
confiabilidade dos resultados e das
conclusões Métodos quantitativos >> Quantitativas: Características mensuráveis
oferecem uma estrutura precisa para a - Discretas: Valores inteiros, resultantes de contagem
análise de dados, ajudando a evitar - Contínuas: Valores dentro de um intervalo,
interpretações tendenciosas e contribuindo resultantes de medição
para a replicação e validação dos
resultados
>> Parâmetros vs. Estatísticas
>>População? - Parâmetros: Medidas populacionais,
>> Conjunto total de elementos impossíveis de inferir, pois toda a população é
investigada
relacionados a um fenômeno, podendo ser
- Estatísticas ou Estimadores: Medidas obtidas
finita ou infinita da amostra, permitindo inferências sobre a
população
- Finita: Número limitado de observações
- Infinita: Número ilimitado >>
de Parâmetros x Estatísticas
observações, geralmente associado a
processos

>> Amostra?
- Subconjunto da população, selecionado de forma
 Tópicos de Métodos Quantitativos
A ideia é a média em parâmetro é um símbolo já em
estimador (Estatística)
obs: O professor disse que na prova vai perguntar em
média isso
>> Arredondamento de Dados
Olhe para o primeiro número depois do número que
você está arredondando
>>Se for de 0 a 4, você deixa o número que está
arredondando como está e ignora os números depois
dele
>> Ex: 7,34856 para uma casa decimal, fica 7,3
>>Se o primeiro número depois do número que você
está arredondando for de 6 a 9, você aumenta em um o
número que está arredondando e ignora os números
depois dele
>> Ex: 1,2734 para uma casa decimal, fica 1,3
Arredondamento com de 5:
>> Se o número antes do 5 for par, você simplesmente
mantém o algarismo como está e ignora os zeros depois
dele
>>Se o número antes do 5 for ímpar, você aumenta o
algarismo em uma unidade e ignora os zeros depois
dele
>>Ex: 6,2500 e estamos arredondando para décimos,
como o 5 é seguido apenas de zeros e o número antes
dele é par, mantemos o 6,2
>>Ex 2: 2,350, também arredondando para décimos,
como o número antes do 5 é ímpar, aumentamos o 2
para 3, então fica 12,4
>>Se o 5 estiver seguido por outros algarismos
diferentes de zero:
>>Aumentamos o algarismo em uma unidade e
ignoramos os algarismos depois dele
>>Ex: 8,2502 e estamos arredondando para décimos,
como o 5 é seguido por outros algarismos (2),
aumentamos o 2 para 3, então fica 8,3
obs: Isso pq na prova vai cair arredondamento de
porcentagem:
>> Definições:
>>Definição do Problema: Identificar claramente o
problema a ser resolvido, considerando variáveis,
população relevante e hipóteses Isso inclui revisar a
literatura existente sobre o assunto
>>Planejamento: Determinar como resolver o
problema definido, incluindo métodos de coleta de
informações, como realizar o levantamento (censo
completo ou amostragem parcial), cronograma e
custos
>>Coleta ou Levantamento dos Dados: Obter os
dados necessários para a análise, diretamente da
fonte ou através de fontes secundárias Os dados
podem ser primários (obtidos por você) ou
secundários (registros de terceiros)
>>Apuração dos Dados ou Sumarização: Resumir os
dados, geralmente por meio de contagens e
agrupamentos, utilizando métodos manuais,
mecânicos, eletrônicos ou eletromecânicos
>>Apresentação dos Dados: Mostrar os resultados
obtidos na coleta e organização dos dados, utilizando
tabelas (apresentação numérica) ou gráficos
(apresentação visual)
 Tópicos de Métodos Quantitativos
>>Análise e Interpretação dos Dados: Fase crucial >>Assimetria:
onde os dados são analisados para tirar conclusões Dispersão Simétrica:
que ajudam a resolver o problema definido
inicialmente X = Mo = Md
Isso envolve o uso de medidas descritivas, como
medidas de posição, variabilidade e assimetria, para Simetria Positiva (Esquerda):
entender melhor os dados e sua relevância para o Mo < Md < X
problema em questão
Simetria Negativa (Direita)
>>Definições de Medidas
X < Md < Mo
Descritivas:
>>Medidas de Posição Representativas: Tais como Obs: O prof disse que ia cair na prova
média, média geométrica e média harmônica, que sopre a posição
representam o centro do conjunto de dados Ex: A simetria positiva é em que lado?
Soma de todos os fatores divididos pela quantidade de Ou algo do tipo
fatores
Curtose: Mede o achatamento da curva
>>Separatrizes: Como a mediana, que divide o
da distribuição em relação à curva
conjunto de dados ordenados em partes iguais
normal
A mediana é ver o valor central o valor que ta no
“meio”
>Dominantes: A observação mais frequente, útil
para identificar o valor mais típico da
distribuição
Dominante é o que mais se repete

>>Medidas de Variabilidade ou Dispersão: São

usadas para descrever o grau de dispersão ou
afastamento dos valores em torno da média,
incluindo desvio extremo, desvio médio,
Foque no gráfico com as definições
variância e desvio padrão

>> Definições Slide 3.

>>Aleatoriedade: Os números são
sorteados aleatoriamente, sem padrões
previsíveis
Cada sorteio é independente dos
anteriores
Espaço Amostral Grande: Com 60
Esse vai ser o Exemplo usado na prova, números e a escolha de apenas 6, há
Refazer!! milhões de combinações possíveis,
tornando a probabilidade de acertar uma
combinação específica muito baixa

>>Probabilidade Baixa: As chances de acertar os

seis números são muito pequenas,
independentemente dos números escolhidos
 Tópicos de Métodos Quantitativos
>>Teorema de Bayes: Este teorema é útil para >>Distribuição de Bernoulli: Modela uma única tentativa
atualizar probabilidades com base em novas de um experimento aleatório com sucesso ou fracasso,
evidências, mas não pode ser aplicado eficazmente onde "p" é a probabilidade de sucesso e "q" é a
na Mega-Sena, pois não há informações prévias probabilidade de fracasso
sobre os resultados futuros dos sorteios
>>Distribuição Binomial: Aplicável quando uma variável
aleatória está agrupada em duas categorias mutuamente
>>Modelos Determinísticos: Baseiam-se em
exclusivas e coletivamente exaustivas Propriedades
condições específicas para prever resultados,
necessárias incluem um número fixo de tentativas,
utilizando equações com parâmetros pré-
resultados de sucesso ou fracasso em cada tentativa,
determinados
probabilidades de sucesso iguais e independência entre as
Eles empregam considerações físicas para prever
tentativas
resultados precisos
>>Distribuição de Poisson: Utilizada quando o número de
>>Modelos Não Determinísticos ou
observações "n" é grande e a probabilidade de sucesso "p"
Probabilísticos: Informam a chance ou
é pequena, modelando a ocorrência de um determinado
probabilidade de eventos ocorrerem, determinando
número de observações em um intervalo de tempo ou
o grau de credibilidade desses eventos
espaço
Também conhecidos como modelos estocásticos,
eles empregam considerações sobre distribuições >>Distribuições Contínuas de Probabilidade:
de probabilidade
>>Distribuição Uniforme: Modela variáveis aleatórias
>>Conceitos em Probabilidade: contínuas definidas em um intervalo [a, b], onde a função
densidade de probabilidade é constante dentro desse
>>Experimento Aleatório: Processo capaz de
intervalo
produzir observações cujos resultados surgem ao
acaso >>Distribuição Normal ou Gaussiana: Modelo de
distribuição contínua amplamente utilizado para variáveis
>>Espaço Amostral: Conjunto de todos os
aleatórias, tanto discretas quanto contínuas
resultados possíveis de um experimento aleatório,
Possui uma forma de sino, é unimodal e simétrico em
podendo ser finito ou infinito e enumerável ou não
enumerável relação à média μ A especificação da média e do desvio
padrão é fundamental, e a área total sob a curva equivale a
>>Evento: Qualquer subconjunto do espaço 100%
amostral
>>Distribuição "t" de Student: Similar à distribuição
>>Operações com Eventos:
normal padrão, é usada para inferências estatísticas,
União de Eventos (A U B): Evento que ocorre se
especialmente em amostras com menos de 30 elementos,
pelo menos um dos eventos A ou B ocorrerem
onde a distribuição normal padrão não é aplicável devido a
onde se complementam
limitações na estimativa do desvio padrão populacional
Interseção de Eventos (A ∩ B): Evento que ocorre
se ambos os eventos A e B ocorrerem
simultaneamente
o que tem em A e B
Complemento de A (A'): Evento que ocorre se A
não ocorrer
Onde B complementa o que falta em A
Obs: Professor disse que era questão de prova

>> Distribuição de Probabilidade

(Questão de Prova)
Distribuições Discretas de Probabilidade: