Estatisticas

Compreendendo as estatísticas

A estatística é usada em praticamente todas as disciplinas científicas, como ciências físicas e sociais, bem como em negócios, humanidades, governo e manufatura. A estatística é fundamentalmente um ramo da matemática aplicada que se desenvolveu a partir da aplicação de ferramentas matemáticas, incluindo cálculo e álgebra linear, até a teoria da probabilidade.

Na prática, estatística é a ideia que podemos aprender sobre as propriedades de grandes conjuntos de objetos ou eventos (uma população ) estudando as características de um número menor de objetos ou eventos semelhantes (uma amostra ). Como, em muitos casos, coletar dados abrangentes sobre uma população inteira é muito caro, difícil ou totalmente impossível, as estatísticas começam com uma amostra que pode ser observada de maneira conveniente ou econômica.

Dois tipos de métodos estatísticos são usados ​​na análise de dados: estatística descritiva e estatística inferencial. Os estatísticos medem e reúnem dados sobre os indivíduos ou elementos de uma amostra e, em seguida, analisam esses dados para gerar estatísticas descritivas. Eles podem então usar essas características observadas dos dados da amostra, que são apropriadamente chamadas de “estatísticas”, para fazer inferências ou suposições fundamentadas sobre as características não medidas (ou não medidas) da população mais ampla, conhecidas como parâmetros.

Estatísticas descritivas

A estatística descritiva concentra-se principalmente na tendência central, variabilidade e distribuição dos dados da amostra. Tendência central significa a estimativa das características, um elemento típico de uma amostra ou população, e inclui estatísticas descritivas como média, mediana e moda. A variabilidade se refere a um conjunto de estatísticas que mostram quanta diferença existe entre os elementos de uma amostra ou população ao longo das características medidas e inclui métricas como intervalo, variância e desvio padrão.

A distribuição se refere à “forma” geral dos dados, que pode ser representada em um gráfico, como um histograma ou gráfico de pontos, e inclui propriedades como a função de distribuição de probabilidade, assimetria e curtose. As estatísticas descritivas também podem descrever diferenças entre as características observadas dos elementos de um conjunto de dados. As estatísticas descritivas nos ajudam a entender as propriedades coletivas dos elementos de uma amostra de dados e formam a base para testar hipóteses e fazer previsões usando estatísticas inferenciais.

Estatística inferencial

Estatísticas inferenciais são ferramentas que os estatísticos usam para tirar conclusões sobre as características de uma população a partir das características de uma amostra e para decidir o quão certos eles podem ter da confiabilidade dessas conclusões. Com base no tamanho da amostra e na distribuição dos dados da amostra, os estatísticos podem calcular a probabilidade de que as estatísticas, que medem a tendência central, a variabilidade, a distribuição e as relações entre as características dentro de uma amostra de dados, forneçam uma imagem precisa dos parâmetros correspondentes de toda a população de onde a amostra é retirada.

As estatísticas inferenciais são usadas para fazer generalizações sobre grandes grupos, como estimar a demanda média por um produto, levantando uma amostra dos hábitos de compra dos consumidores, ou para tentar prever eventos futuros, como projetar o retorno futuro de um título ou classe de ativos com base sobre os retornos em um período de amostra.

A  análise de regressão é um método comum de inferência estatística que tenta determinar a força e o caráter da relação (ou correlação ) entre uma variável dependente (geralmente denotada por Y) e uma série de outras variáveis ​​(conhecidas como variáveis ​​independentes). A saída de um modelo de regressão pode ser analisada quanto à significância estatística, que se refere à alegação de que um resultado das descobertas geradas por teste ou experimentação não é provável de ter ocorrido aleatoriamente ou por acaso, mas é provável que seja atribuível a uma causa específica elucidada pelos dados. Ter significância estatística é importante para disciplinas acadêmicas ou profissionais que dependem fortemente da análise de dados e pesquisa.

perguntas frequentes