Pesquisa Experimental

Prof. Dr. Henrique FERNANDES

Pesquisa Observacional e Experimental

 Numa pesquisa observacional (ou de levantamento) as

características de uma população são levantadas
(observadas ou medidas), mas sem manipulação.
◦ É o caso de um censo demográfico, pesquisas eleitorais, pesquisas de
mercado, inspeção da qualidade, etc.
◦ Em todos esses casos, se quer ter idéia de uma certa população tal
qual ela é na natureza ou no processo.
 Nas pesquisas experimentais, grupos de indivíduos (ou
animais, ou objetos) são manipulados para se avaliar o
efeito de diferentes tratamentos.
◦ É o caso de se verificar o rendimento de um processo químico para
diferentes temperaturas de reação, as quais são manipuladas de
acordo com o interesse prático.
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
População
 População é o conjunto de elementos (indivíduos,
objetos, etc.) que formam o universo de nosso estudo e
que são passíveis de serem observados, sob as mesmas
condições.
 Num processo de inspeção da qualidade, a população
pode ser considerada como o conjunto de todos os
itens que saem da linha de produção.
 Numa pesquisa de mercado, a população é o conjunto
de possíveis consumidores.
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
Censo

A palavra censo refere-se à pesquisa de

todos os elementos de uma população.
 Geralmente realizamos um censo
quando:
◦ A população é pequena.
◦ As variáveis são fáceis de serem medidas ou
observadas.
◦ Necessitamos resultados exatos.
 Amostragem
 Grande parte das pesquisas científicas ou de resoluções
de problemas de engenharia são feitos por amostragem,
ou seja, observamos apenas um subconjunto de
elementos da população.
 A amostragem é particularmente interessante quando:
◦ a população é grande ou infinita
◦ as observações ou mensurações têm alto custo
◦ as medidas exigem testes POPULAÇÃO: todos os
amostragem

destrutivos possíveis consumidores

Amostra: um subconjunto dos

◦ necessidade de rapidez consumidores

◦ etc.

inferência
 Técnicas de Amostragem
 Amostragem aleatória simples.
 Amostragem sistemática.
 Amostragem estratificada.
 Amostragem de conglomerados.

 Convenção:
◦ N é o tamanho da população
◦ n é o tamanho da amostra
Amostragem aleatória simples

 Para a seleção de uma amostra aleatória

simples precisamos ter uma lista
completa dos elementos da população.
 Esse tipo de amostragem consiste em
selecionar a amostra através de sorteios,
sem restrição.
 Amostragem Sistemática
 Um processo mais simples é sortear o primeiro
elemento e extrair os demais sistematicamente.
 Mais especificamente:
◦ calcula-se o intervalo de seleção, dado por
l=N/n, desprezando as decimais.
◦ sorteia-se o primeiro elemento do conjunto {1,
2, ..., I}; e
◦ completa-se a amostra extraindo um elemento
a cada I elementos.
Amostragem Estratificada
 A técnica da amostragem estratificada
consiste em dividir a população em
subgrupos, que denominaremos de
estratos.
 Esses estratos
devem ser
internamente mais
homogêneos do que
a população toda,
com respeito às
variáveis em estudo.
Amostragem de Conglomerados
 Tende a produzir uma amostra que gera
resultados menos precisos, quando
comparada com uma amostra aleatória
simples de mesmo tamanho.
 Contudo, seu custo financeiro tende a
ser bem menor, especialmente em
amostragens de grandes populações.
Amostragem Acidental ou a Esmo
 Toma-se amostras a esmo (exemplo,
alguns alunos em uma universidade).
 Não produz resultados tão confiáveis
quanto as outras formas.
Tamanho da Amostra
 Um fator importante na determinação do
tamanho da amostra é a variabilidade da
população em termos da variável em estudo.
 Por exemplo, uma amostra de sangue pode ser
bem pequena, pois o sangue é razoavelmente
homogêneo em nosso corpo.
 Por outro lado, populações com variâncias
grandes exigem amostras maiores
 Outra questão importante é a relação
entre tamanho da população (N) e
tamanho da amostra (n).
 Considerando uma precisão desejada
para as estimativas de interesse, a relação
entre N e n não é linear

tamanho da amostra

tamanho da população
Tamanho de Amostra
 Toda amostra comporta um erro amostral,
que é a diferença entre o parâmetro
obtido e o seu valor real (média, por
exemplo).
 Pode-se calcular um tamanho mínimo de
amostra para permitir um erro amostral
mínimo (E) dentro de um determinado
nível de confiança.
 A dificuldade para obter este tamanho de
amostra para garantir um erro mínimo é
que muitas vezes a variância da população
não é conhecida a priori.
 Em alguns casos essa variância pode ser
obtida a partir de uma amostragem
piloto.
 Uma amostra muito grande custará
muito caro e levará muito tempo para
ser verificada.
 Uma amostra muito pequena poderá
apresentar grande erro.
 Portanto, deve-se determinar o tamanho
mínimo da amostra para encontrar uma
proporção em uma população finita.
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
Variáveis

 Uma variável, é o nome que se dá a um

fenômeno que pode ser medido e que
varia conforme a medição.
 Se não variasse seria uma constante e não
teria maior interesse para a pesquisa.
Definições constitutivas e
operacionais
 Definições constitutivas são definições
de dicionário
 Uma definição operacional atribui
significado a um constructo ou variável
especificando as atividades ou
“operações” necessárias para medi-lo
ou manipulá-lo.
Variáveis discretas e contínuas
 O domínio de uma variável pode ser discreto
ou contínuo.
 A idéia de contínuo vem do fato de que entre
dois valores sempre existe um terceiro.
 Já as variáveis discretas assumem seus valores
em conjuntos cujos elementos podem ser
ordenados ou em conjuntos finitos
(categóricas).
 Variável Medida
 Uma variável medida é aquela cujo fenômeno vai
ser observado pelo pesquisador.
 Por exemplo, quantas vezes um usuário de uma
ferramenta vai olhar no manual para obter
informações para desempenhar a tarefa que lhe
foi proposta.
◦ Essa variável tem como domínio o conjunto dos
números naturais e seus valores não são determinados
pelo observador, mas simplesmente medidos.
Variável Manipulada
 A variável manipulada é aquela que o
experimentador vai deliberadamente
modificar para realizar seu experimento.
 Por este motivo, esse tipo de variável
também é chamado de variável
experimental.
Mas porque pesquisadores manipulam uma ou mais
variáveis enquanto observam outras?

 É porque eles querem encontrar dependências

entre essas variáveis.
 A princípio pode-se testar a dependência entre
quaisquer variáveis manipuladas e observadas.
 Mas nem sempre esse teste fará sentido.
 Antes de analisar uma dependência
experimentalmente o pesquisador usualmente
desenvolve uma teoria ou hipótese.
Variáveis Dependentes e
Independentes

 A variável independente é aquela que, se

supõe, influencia outra.
 A variável dependente é a influenciada.

 Dependência pode ser medida por

correlação.
Para chegar na correlação
precisaremos antes
de um pouco de
matemática.
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
 Média

 Usualmente a média é considerada uma medida

importante na avaliação de conjuntos de valores
 Por exemplo, ao avaliar um determinado sistema,
o pesquisador contabiliza o tempo de interação
de cada pessoa dentre um conjunto previamente
definido.
Média
 Por exemplo, se quatro pessoas foram
analisadas e os tempos medidos em
minutos foram 10, 12, 14, 9, então se pode
dizer que o tempo médio observado foi
de 11,25 minutos.
Variância
 Considere-se as três séries de valores abaixo:
◦ <10, 12, 14, 9>
◦ <1, 20, 2, 22>
◦ <11, 11, 11, 12>
 É possível notar certa semelhança entre elas?
 Aparentemente são conjuntos bem diferentes.
 Mas todos têm a mesma média: 11,25.
Variância
 A observação do distanciamento dos
elementos em relação à média é chamada
de variância.
 Então, além da média, o pesquisador deve
ficar atento também à variância do
conjunto de valores, já que esta
complementa a caracterização do
conjunto.
 Cálculo da variância

 Para cada elemento, subtraia a média do conjunto

deste elemento:
<10-11,25, 12-11,25, 14-11,25, 9-11,25> = <-1,25, 0,75, 2,75, -2,25>
<1-11,25, 20-11,25, 2-11,25, 22-11,25> = <-10,25, 8,75, -9,25, 10,75>
<11-11,25, 11-11,25, 11-11,25, 12-11,25> = <-0,25, -0,25, -0,25, 0,75>

Agora, cada valor representa a distância do elemento para a média do

conjunto
 Eleve os valores resultantes ao quadrado:

<-1,252, 0,752, 2,752, -2,252> = <1,5625, 0,5625, 7,5625, 5,0625>

<-10,252, 8,752, -9,252, 10,752> = <105,0625, 76,5625, 85,5625, 115,5625>
<-0,252, -0,252, -0,252, 0,752> = <0,0625, 0,0625, 0,0625, 0,5625>

Isso faz com que todas as distâncias fiquem positivas e aumenta a influência
de elementos mais distantes da média.
 Some os resultados:

1,5625+0,5625+7,5625+5,0625 = 14,75
105,0625+76,5625+85,5625+115,5625 = 382,75
0,0625+0,0625+0,0625+0,5625 = 0,75

Isso gera um valor absoluto da variância acumulada

 Divida pelo número de elementos do
conjunto menos 1:
14,75/3 = 4,9166...
382,75/3 = 127,5833...
0,75/3 = 0,25

Isso gera a distância média, ou seja, independente do

número de elementos no conjunto.
Poderia ser n ao invés de n-1, mas a variância de um
conjunto com apenas 1 elemento deve ser indeterminada.
é a variância do conjunto X

representa cada um dos elementos do conjunto X

é a média do conjunto X

é o número de elementos do conjunto X

Desvio-Padrão
 O desvio-padrão é uma medida também
bastante utilizada para analisar conjuntos
e é definido simplesmente como a raiz
quadrada da variância
Pesquisa Experimental
 População
 Amostragem
 Variáveis
 Média e Variância
 Correlação
Dependência
 Variáveis manipuladas realmente
influenciam as variáveis experimentais?
 Existe dependência entre elas?
 A co-variância pode dizer!
Co-variância (exemplo)
 O valor de pontos de caso de uso
estimado por um método Y produz uma
estimativa melhor do que um outro
método Y’?
 Onde “melhor” significa com “alta
dependência em relação ao conjunto de
tempos X”.
Exemplo de co-variância alta e direta
(método Y)

Caso de Tempo conhecido Pontos de caso

Uso (horas) - X de uso - Y
UC1 1 1
UC2 18 2
UC3 4 1
UC4 67 3
UC5 22 2
UC6 12 2
UC7 2 1
UC8 7 1
UC9 18 2
UC10 55 3
Exemplo de co-variância baixa (método Y’)

Caso de Tempo conhecido Pontos de caso

uso (horas) - X de uso – Y’
UC1 1 1
UC2 18 2
UC3 4 3
UC4 67 1
UC5 22 2
UC6 12 3
UC7 2 1
UC8 7 2
UC9 18 3
UC10 55 1
Co-variância
Covariância de Y
Caso Tempo Pontos de caso (xi - ) (yi - ) (xi - )(yi - )
de conhecido de uso - Y
uso (horas) - X
UC1 1 1 -19,6 -0,8 15,68
UC2 18 2 -2,6 0,2 -0,52
UC3 4 1 -16,6 -0,8 13,28
UC4 67 3 46,4 1,2 55,68
UC5 22 2 1,4 0,2 0,28
UC6 12 2 -8,6 0,2 -1,72
UC7 2 1 -18,6 -0,8 14,88
UC8 7 1 -13,6 -0,8 10,88
UC9 18 2 -2,6 0,2 -0,52
UC10 55 3 34,4 1,2 41,28

149,2 / 9 = 16,57777...
xy'

Covariância de Y’
Caso Tempo conhecido Pontos de caso de (xi - ) (y’i - ) (xi - )(y’i - )
de uso (horas) - X uso – Y’
UC1 1 1 -19,6 -0,9 17,64
UC2 18 2 -2,6 0,1 -0,26
UC3 4 3 -16,6 1,1 -18,26
UC4 67 1 46,4 -0,9 -41,76
UC5 22 2 1,4 0,1 0,14
UC6 12 3 -8,6 1,1 -9,46
UC7 2 1 -18,6 -0,9 16,74
UC8 7 2 -13,6 0,1 -1,36
UC9 18 3 -2,6 1,1 -2,86
UC10 55 1 34,4 -0,9 -30,96

-70,4 / 9 = -7,822222...
Correlação
 É uma medida de variância normalizada
(entre -1 e 1)
Voltando ao exemplo
 Correlação de Y e X: 0,928041193.
 Correlação de Y’ e X: -0,39445403.

 Existe correlação entre Y e X?

 Existe correlação entre Y’ e X?
Valores mínimos de correlação para ser considerada
significativa com 95% de certeza.
n mínimo n mínimo n mínimo

3 .99692 13 .5529 27 .3809

4 .95000 14 .5324 32 .3494
5 .8783 15 .5139 37 .3246
6 .8114 16 .4973 42 .3044
7 .7545 17 .4821 47 .2875
8 .7067 18 .4683 52 .2732
9 .6664 19 .4555 62 .2500
10 .6319 20 .4438 72 .2319
11 .6021 21 .4329 82 .2172
12 .5760 22 .4227 92 .2050
No exemplo
 n = 10
 Mínimo: 0,6319

 Corr(X,Y) = 0,928041193 OK
 Corr(X,Y’) = -0,39445403 .....