Logo após a Revolução Industrial, métodos estatísticos foram incorporados nos processos industr...
This presentation is the property of its rightful owner.
Sponsored Links
1 / 45

A INFORMÁTICA CONSTROI MODELOS PARA SIMULAR SITUAÇÕES REAIS COM BASE EM MODELOS DE PROBABILIDADE. PowerPoint PPT Presentation


  • 57 Views
  • Uploaded on
  • Presentation posted in: General

Download Presentation

A INFORMÁTICA CONSTROI MODELOS PARA SIMULAR SITUAÇÕES REAIS COM BASE EM MODELOS DE PROBABILIDADE.

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Logo após a Revolução Industrial, métodos estatísticos foram incorporados nos processos industriais para garantir a qualidade dos produtos. A avaliação da qualidade passou a ser feita ao longo de todo o processo produtivo como forma de corrigir eventuais falhas no sistema. Isto levou a um aumento da qualidade do produto final e a redução de custos, pois se reduziram drasticamente as perdas por defeitos.

ACOMPANHAMENTO ESTATÍSTICO DA QUALIDADE DO PRODUTO.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Enquanto a INFORMÁTICA é a ciência que trata da informação através de meios eletrônicos, a ESTATÍSTICA procura obter informações relevantes de massas de dados e, nos dias de hoje, isso costuma ser feito com o auxílio da máquina.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

A INFORMÁTICA CONSTROI MODELOS PARA SIMULAR SITUAÇÕES REAIS COM BASE EM MODELOS DE PROBABILIDADE.

A INFORMÁTICA UTILIZA UM CONJUNTO DE BANCO DE DADOS, ESTATÍSTICA E INTELIGÊNCIA ARTIFICIAL PARA EXTRAIR INFORMAÇÕES RELEVANTES E NÃO TRIVIAIS DE GRANDES ARQUIVOS DE DADOS, ARMAZENADOS SOB DIFERENTES FORMATOS, E EM DIFERENTES LOCAIS.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

  • Coleção de números = estatísticas

  • O número de atendimentos ambulatoriais no país aumentou em 30%.

  • A taxa de desemprego atinge, este mês, 12,5%.

  • O número de universitários no país subiu para 1,5 milhão neste ano.

  • Resultados do Carnaval no trânsito: 145 mortos, 2430 feridos.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

É um ramo da matemática que trata dos métodos de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de conhecer um conjunto de dados.

Estatística: uma definição


Conceitos

CONCEITOS

O TERMO ESTATÍSTICA PROVÉM DA PALAVRA ESTADO E FOI UTILIZADO ORIGINALMENTE PARA DENOMINAR LEVANTAMENTOS DE DADOS, CUJA FINALIDADE ERA ORIENTAR O ESTADO EM SUAS DECISÕES.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

A ESTATÍSTICA ...

...FORNECE MÉTODOS PARA COLETA, ORGANIZAÇÕES, DESCRIÇÕES, ANÁLISE E INTERPRETAÇÃO DE DADOS E A SUA UTILIZAÇÃO NA TOMADA DE DECISÕES.

OBJETIVO

ESTATÍSTICA TEM COMO OBJETIVO O ESTUDO DOS FENÔMENOS COLETIVOS.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

1ª ETAPA

ESTATÍSTICA DESCRITIVA

ESTATÍSTICA :

2ª ETAPA

ESTATÍSTICA INFERENCIAL OU INDUTIVA


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

ESTATÍSTICA DESCRITIVA :

COLETA, ORGANIZAÇÃO E DESCRIÇÃO DOS DADOS.

ESTATÍSTICA INFERENCIAL :

INFERÊCIA, ANÁLISE E INTERPRETAÇÃO.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Fases do Método Científico

As Fases principais são:

Definição do Problema

Definição ou formulação correta do problema a ser estudado. Saber exatamente aquilo que se pretende pesquisar é o mesmo que definir corretamente o problema.

Planejamento

Determinação do procedimento necessário para resolver o problema e, em especial, como levantar informações sobre o assunto objeto do estudo. Que dados deverão ser obtidos? Como se deve obtê-los?


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Coleta de Dados

A coleta pode ser feita direta ou indiretamente.

É direta quando é obtida diretamente da fonte, como no caso da empresa que realiza uma pesquisa para saber a preferência dos consumidores pela sua marca.

É indireta quando é inferida de elementos conhecidos (coleta direta) e/ou do conhecimento de outros fenômenos relacionados com o fenômeno estudado. Como por exemplo, a pesquisa sobre a mortalidade infantil, que é feita através de dados colhidos por coleta direta.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Apuração dos Dados

Consiste em resumir os dados, através de sua contagem e agrupamento. É um trabalho de condensação e de tabulação dos dados. Pode ser manual, mecânica, eletromecânica ou eletrônica.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Exposição e Apresentação dos dados

Os dados devem ser expostos sob a forma adequada:

Tabelas ou Gráficos

Isso tornar mais fácil o exame daquilo que está sendo objeto de tratamento estatístico.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Análise dos Resultados

Assim, realizadas as fases anteriores (estatística escritiva), fazemos uma análise dos resultados obtidos, através dos métodos da estatística indutiva, que tem por base a indução ou inferência, e tiramos desses resultados conclusões e previsões.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

VARIÁVEL

O fenômeno SEXO→ Poder ser: Masculino ou feminino

O fenômeno NÚMERO DE FILHOS→Pode ser: 0,1,2,3,4...

O fenômeno PESO→ Pode ser: 50,5kg, 66,7kg,48,0kg

Variável é, o conjunto de resultados possíveis de um fenômeno.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Numéricas ou Quantitativas

Valores

expressos por números

Qualitativas

Valores expressos por atributos

NOMINAL

ORDINAL

DISCRETA

CONTÍNUA

V

A

R

I

Á

V

E

I

S


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Não pode ordenar:

Sexo

Religião

Estado civil

Profissão

NOMINAL

ORDINAL

Pode ordenar:

Escolaridade

Nivel sócio-econômico


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Contínua

Contáveis

Nº de extrações

Nº de atendimentos

Idade

Nº de filhos

Discreta

Medidas

Altura

Peso

Temperatura

Pressão


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

POPULAÇÃO E AMOSTRA

POPULAÇÃO OU UNIVERSO

CONJUNTO DE ENTES PORTADORES DE, PELO MENOS, UMA CARACTERÍSTICA COMUM. Ex:

Conjunto de todas as estaturas → Estatura

Conjunto de todas as cores de olhos → Cores de olhos

Conjunto de todos os moradores de Vitória → Moradores de Vitória.

O que importa é a variável estudada.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

AMOSTRA

SUBCONJUTO FINITO DE UMA POPULAÇÃO.

Redução da população, a dimensões menores, sem perda das características essenciais. Para uma amostra ser considerada boa, deve ser representativa, deve conter em proporção, tudo o que a população possui qualitativa e quantitativamente e ser imparcial, isto é, todos os elementos devem ter igual oportunidade de fazer parte da amostra.

Escolha dos números → números aleatórios (tabelas, sorteios etc.)


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Uma característica numérica estabelecida para toda a população é denominada PARÂMETRO.

Uma característica numérica denominada para toda a amostra é denominado ESTIMADOR.

Exemplo: No fenômeno Eleição para governador para o estado do ES, a população é o conjunto de todos os eleitores do ES, um parâmetro é a proporção de votos do candidato A, uma amostra é um conjunto de 1000 eleitores selecionados aleatoriamente, um estimador é a proporção de votos do candidato A nesta amostra.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

PROCESSOS ESTATÍSTICOS DE ABORDAGEM

CENSO: É UMA AVALIAÇÃO DIRETA DE UM PARAMETRO, UTILIZANDO-SE TODOS OS COMPONENTES DA POPULAÇÃO.

ESTIMATIÇÃO: É UMA AVALIAÇÃO DIRETA OU INDIRETA DE UM PARAMETRO, COM BASE EM UMA AMOSTRA.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

  • PRINCIPAIS PROPRIEDADES DO CENSO:

  • ADMITE ERRO PROCESSUAL ZERO E TEM CONFIABILIDADE 100%;

  • É CLARO;

  • É LENTO;

  • É QUASE SEMPRE DESATUALIZADO;

  • NEM SEMPRE É VIÁVEL.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

  • PRINCIPAIS PROPRIEDADES DA ESTIMAÇÃO:

  • ADMITE ERRO PROCESSUAL POSITIVO E TEM CONFIABILIDADE MENOR QUE 100%;

  • É BARATA;

  • É RÁPIDA;

  • É ATUALIZADA;

  • É SEMPRE VIÁVEL.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

1ª Atividade

Para pensar, responder e entregar...

  • Quais as fases do Método Estatístico?

  • Exemplifique uma variável qualitativa: nominal e ordinal

  • Exemplifique uma variável quantitativa discreta e contínua.

  • Exemplifique uma população e uma amostra e exemplifique um estimador e um parâmetro.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

REPRESENTAÇÃO DE DADOS


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

TABELAS

TABELA: É UM QUADRO QUE RESUME UM CONJUNTO DE OBSERVAÇÕES.

EXEMPLO:

TÍTULO

PRODUÇÃO DE CAFÉ

BRASIL – 1991-1995

CABEÇALHO

CABEÇALHO

PRODUÇÃO

(1.000 t)

COLUNA

INDICADORA

ANOS

COLUNA

NUMÉRICA

  • 2.535

  • 2.666

  • 2.122

  • 3.750

  • 2.007

CASA OU CÉLULA

CORPO

LINHAS

RODAPÉ

FONTE: IBGE.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

SÉRIES HISTÓRICAS, CRONOLÓGICAS OU TEMPORAIS.

DESCREVEM OS VALORES DA VARIÁVEL, EM DETERMINADO LOCAL, DISCRIMINADOS SEGUNDO INTERVALOS DE TEMPO VARIÁVEIS.

EXEMPLO:


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

SÉRIES GEOGRÁFICAS, ESPACIAIS, TERRITORIAIS.

DESCREVEM OS VALORES DA VARIÁVEL, EM DETERMINADO INSTANTE, DISCRIMINADOS SEGUNDO REGIÕES.

EXEMPLO:


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

SÉRIES ESPECÍFICAS

DESCREVEM OS VALORES DA VARIÁVEL, EM DETERMINADO TEMPO E LOCAL, DISCRIMINADOS SEGUNDO ESPECIFICAÇÕES OU CATEGORIAS.

EXEMPLO:


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

SÉRIES CONJUGADAS OU TABELA DE DUPLA ENTRADA

MUITAS VEZES TEMOS NECESSIDADE DE APRESENTAR, EM UMA ÚNICA TABELA, A VARIAÇÃO DE VALORES DE MAIS UMA VARIÁVEL, ISTO É, FAZER UMA CONJUGAÇÃO DE DUAS OU MAIS TABELAS.

EXEMPLO:


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

DISTRIBUIÇÃO DE FREQUÊNCIA

É o tipo de tabela mais importante para a Estatística Descritiva. Sua construção usa faixa de dados em intervalos de classe ou células que aumentam a informação visual na distribuição de freqüências

EXEMPLO:


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

GRÁFICOS

O GRÁFICO ESTATÍSTICO É UMA FORMA DE APRESENTAÇÃO DOS DADOS ESTATÍSTICOS, CUJO OBJETIVO...

... É PRODUZIR NO INVESTIGADOR OU NO PÚBLICO EM GERAL UMA IMPRESSÃO MAIS RÁPIDA E VIVA DO FENÔMENO EM ESTUDO, JÁ QUE OS GRÁFICOS AJUDAM MAIS RÁPIDAMENTE NA COMPREENSÃO DE UM RESULTADO QUE VISUALIZAÇÃO DESTES DADOS EM TABELAS.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

PRINCIPAIS TIPOS

DE

GRÁFICOS


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

GRÁFICO EM LINHA


Gr fico em colunas ou em barras simples

GRÁFICO EM COLUNAS OU EM BARRAS SIMPLES


Gr fico em colunas ou em barras m ltiplas

GRÁFICO EM COLUNAS OU EM BARRAS MÚLTIPLAS


Gr fico em setores

GRÁFICO EM SETORES


Cartograma

CARTOGRAMA


Pictograma

PICTOGRAMA


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

AMOSTRAGEM

Técnica especial para recolher amostras, que garante, tanto quanto possível, o acaso na escolha.

Garante a representatividade dos elementos.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Existem 03 principais técnicas de amostragem

  • Casual ou Aleatória Simples

  • Proporcional Estratificada

  • Amostragem Sistemática


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Para Pensar, fazer entregar:

1º) Em um curso da Faesa existem 120 alunos, sendo 35 no 1º período, 50 no 2º período, 25 no 3º período, 10 no 4º período.

Obtenha uma amostra de 40 alunos utilizando a a amostragem proporcional estratificada.

2º) Explique como seria possível retirar uma amostra sistemática de 30 elementos de uma população ordenada, formada por 2500 componentes.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Tamanho da Amostra:

O problema do tamanho da amostra tem sido discutido em dezenas de livros de estatística e é basicamente função dos seguintes fatores:

  • - números de indivíduos componentes da população;

  • - a variabilidade dos indivíduos;

  • - nível de precisão desejada para a inferências a partir da amostra.

  • - custos.

    ESSA QUANTIDADE É CHAMADA NÚMERO MÁGICO, deve está condicionada a análise dos itens anteriores.


A inform tica constroi modelos para simular situa es reais com base em modelos de probabilidade

Construção da tabela:

DISTRIBUIÇÃO DE FREQUÊNCIA

PRINCIPAIS ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQUÊNCIA.


  • Login