MACS 11 Ano Aula 1 22abril

Fazer download em pdf ou txt
Fazer download em pdf ou txt
Você está na página 1de 25

MACS – 11º Ano

1ª Aula

Prof. Álvaro Velosa


Introdução à Inferência
Estatística
Manuais
Texto Porto Editora Areal
Pág. 222 Pág. 200 Pág. 268
Introdução

A estatística é uma área da matemática que se


pode dividir em três partes:
• Estatística descritiva
• Teoria da probabilidade
• Inferência estatística
Estatística descritiva
Organização e interpretação da informação
recolhida a partir de um conjunto de dados (10º
ano)
Teoria da probabilidade
Estuda a possibilidade de quantificar
acontecimentos ou situações influenciadas por
fatores aleatórios (11º ano)
Inferência estatística (estatística indutiva)
Consiste na análise e interpretação de amostras
com o objetivo de tirar conclusões acerca da
população.
Recordando:

- População é o conjunto de todos os elementos de um estudo, com uma


ou mais características comuns.
Cada elemento da população constitui a unidade estatística.
Ao número de elementos da população chamamos efetivo ou dimensão
da população.

- Amostra é um subconjunto finito da população.


Porque razão utilizamos amostras?

• Impossibilidade de reutilização dos elementos da


população analisados

Para testar a qualidade da produção diária numa fábrica de bolachas


não poderíamos prová-las todas, pois deixaria de haver bolachas para
comercializar.
• Custos muito elevados para analisar todos os
elementos da população

Uma fábrica que produz componentes eletrónicos, seria


praticamente impossível testar todos, não só em termos
de custos como em termos de tempo.
Para que o processo de inferência seja credível é
necessária uma amostra bem selecionada.
A amostra tem que ser aleatória e representativa
da população.

Qualquer elemento da população deve ter alguma


probabilidade de pertencer à amostra, as características
de interesse da população devem estar presentes na
amostra de forma proporcional e a dimensão da amostra
deve ser suficiente.
• Se a amostra não for representativa, as
conclusões sobre a população podem ser falsas.
Diz-se que a amostra é enviesada.

Uma amostra de cinco alunos de uma turma não


será uma amostra representativa para tirar
conclusões sobre o aproveitamento dos alunos da
escola.
Uma empresa tem três departamentos:
financeiro, marketing e vendas.

Se utilizarmos apenas um grupo do departamento


financeiro para estudar o grau de conhecimentos a
nível financeiro de todos os trabalhadores.

Vamos concluir que todos têm bons


conhecimentos a nível financeiro, o que pode não
corresponder à realidade.
Como obter uma amostra
representativa?
Existem vários métodos para selecionar uma amostra,
que podemos dividir em dois grupos:

• Métodos de amostragem probabilística (ou aleatória):


qualquer elemento da população tem alguma
probabilidade de fazer parte da amostra

• Métodos de amostragem não probabilística (ou não


aleatória): alguns elementos da população podem não
ter possibilidade de ser selecionados para a amostra e a
inclusão de elementos nesta, normalmente, a
intervenção do fator humano.
Os métodos de amostragem probabilística são
os que interessam para o nosso estudo, pois
permitem quantificar, em termos de
probabilidade, o erro cometido ao fazer a
inferência para a população das propriedades
verificadas na amostra.
Métodos de amostragem probabilística

• Amostragem aleatória simples de n elementos:


é toda a amostra em que qualquer elemento da
população tem a mesma probabilidade de ser
selecionado.
Este tipo de amostra pode ser obtido usando
números aleatórios, gerados por computador ou
através da calculadora.
Exemplo
Para um determinado estudo, uma escola precisa
de uma amostra de dimensão 25, a extrair dos seus
1200 alunos.

Para conseguir uma amostra aleatória simples


atribuímos um número entre 1 e 1200 a cada um
dos alunos e depois selecionamos os 25 gerados
pela calculadora.
Como gerar números aleatórios na
calculadora gráfica?
• Texas:

Números inteiros :
1- Prima a tecla MATH e, no menu PROB,
escolha a opção 5, surgirá Ran Int# ( .

2- Indique o limite inferior, o limite superior e o número de elementos


pretendidos.
Ran Int# (1, 1200, 25)

3- Prima a tecla ENTER.


• Casio:

Números inteiros :

1- Prima a tecla MENU e escolha o menu 1(MATH)

2- Prima a tecla OPTN e escolha a seguinte sequência


PROB – RAND – INT , surgirá Ran Int# ( .

3- Indique o limite inferior, o limite superior e o número de


elementos pretendidos.
Ran Int# (1, 1200, 25) .

4- Prima a tecla EXE.


• Amostragem aleatória sistemática:
dada uma população, ordenada segundo algum
critério, escolhe-se aleatoriamente um elemento e
a partir daí são selecionados para a amostra os
restantes elementos através de um processo
predefinido.
Para um determinado estudo, uma empresa
precisa de uma amostra de dimensão 15, a
extrair dos seus 1500 funcionários.

Se atribuírmos um número, de 1 a 1500, a cada


um dos funcionários e escolhermos um
𝑁 1500
elemento de 100 em 100 = , no final
𝑛 15
teremos uma amostra de 15 elementos
selecionados de forma sistemática.
Se o 1º elemento escolhido aleatoriamente for
50 a amostra é constituída por:
50, 150, 250, 350, 450, 550, 650, 750, 850, 950,
1050, 1150, 1250, 1350,1450

Se o 1º elemento escolhido aleatoriamente for


1460 a amostra é constituída por:
1460, 60, 160, 260, 360, 460, 560, 660, 760,
860, 960, 1060, 1160, 1260, 1360
• Amostragem aleatória estratificada:

a população é dividida em classes homogéneas


(estratos), que podem ser formadas por idade,
sexo, etc.
A amostra é depois recolhida aleatoriamente em
número proporcional ao número de elementos de
cada estrato.
Na população de uma escola de 1500 alunos, podemos
considerar cada ciclo ou cada ano de escolaridade, um
estrato.
Se nessa escola tivermos 690 alunos do 3º Ciclo e 810 alunos
do Ensino Secundário, a escolha de uma amostra estratificada
por ciclo de escolaridade de dimensão 50 seria constituída
por:
690
p=
1500

690×50
= 23 alunos do 3º ciclo
1500

810
p=
1500

810×50
= 27 alunos do Ensino Secundário
1500

Você também pode gostar