Método estatístico e técnicas de amostragem

Método estatístico

No âmbito dos métodos científicos, entendidos como um conjunto de meios para se obter um resultado (CRESPO, 2011), podemos enfatizar dois tipos: o método experimental e o método estatístico. O método experimental consiste na aplicação de uma série de procedimentos, que ocorrem geralmente em laboratórios, cujo objetivo é realizar o controle dos referenciais de pesquisa envolvidos e suas variações.

O método experimental é muito utilizado na área da saúde, em que se elege uma referência de pesquisa (comportamento de cobaias mediante o uso de uma determinada medicação).

Já no método estatístico os procedimentos estão pautados nas Teorias das Probabilidades, que estabelecem relações de causa e efeito de diferentes situações da sociedade, ou de uma população qualquer, registrando possíveis variações e probabilidades de ocorrência de certos eventos. Assim, coletam-se dados que representam uma população, e, a partir desta amostra, são obtidos resultados e possíveis variações de resultados que passam por análises.

Quando o seu médico lhe pede um hemograma, o técnico de laboratório retira uma pequena fração do seu sangue e envia para análise. Assim, os resultados obtidos são analisados pelo médico.

Fases do método estatístico

De acordo com Crespo (2011), as fases do método estatístico são compostas por:

  • definição do problema: ocorre ao se estabelecer um problema, uma hipótese de pesquisa;
  • planejamento: dado pela escolha das técnicas de pesquisa e ferramentas apropriadas para a obtenção dos indicadores pretendidos (como médias, por exemplo);
  • coleta de dados: envolve o levantamento de informações que serão posteriormente catalogadas e serão a base para uma pesquisa.
  • apuração dos dados: separação e catalogação em variáveis específicas, como faixas etárias de uma população, por exemplo;
  • apresentação dos dados: dá-se por meio da catalogação dos dados apurados em tabelas e gráficos;
  • análise e interpretação dos dados: ocorre mediante o cálculo de coeficientes e indicadores necessários ao esforço de pesquisa.

O método estatístico pressupõe a coleta de dados, cuja finalidade é de estabelecer uma base para estudo e descrição das variáveis que compõem uma análise.

Coleta de dados

A coleta de dados consiste na pesquisa de informações necessárias para análise e estudo de um determinado problema. Para efetivar uma coleta de dados adequada, deve-se definir o tipo de variável a ser estudada. Uma variável é o referencial que representa uma característica proeminente da base de dados de uma pesquisa.

A variável de pesquisa é definida pelo agente observador, o próprio pesquisador, a partir de um problema, uma pergunta que ele deseja responder.

Os tipos de coleta de dados são:

  • coleta direta: obtida diretamente a partir da fonte da pesquisa, dividindo-se em:
  1. coleta direta contínua: quando a coleta de dados se dá de forma continua, sem interrupções, em um determinado período (durante um ano, por exemplo, para o cálculo da pluviosidade mensal de uma região);
  2. coleta direta periódica: quando a coleta de dados ocorre em épocas determinadas (como o Censo, no Brasil, que ocorre a cada 10 anos);
  3. coleta direta ocasional: quando a coleta de dados ocorre de forma casual, atendendo a um estudo de uma situação (como o levantamento dos casos de epidemia do vírus Ebola, na África);
  • Coleta de dados indireta: obtida por meio de fontes e bases de dados já registradas em revistas, jornais, livros, documentos, entre outros. Divide-se em:
  1. por analogia: ocorre a partir de outros estudos já realizados, nos quais o pesquisador identifica e relaciona aspectos de causalidade entre a sua pesquisa;
  2. por proporcionalização: quando a coleta ocorre por meio de uma amostra de uma população, permitindo posteriores generalizações;
  3. por indícios: ocorre a partir de situações não factuais, ou seja, pela via de indícios que levam ao estudo pretendido;
  4. por avaliação: ocorre por meio de informações autênticas ou de estimativas cadastrais. Assim, a partir destas informações, estima-se a relação quantitativa de um fenômeno (CRESPO, 2011).

A coleta de dados é uma das primeiras fases da análise estatística. Com ela, podemos obter as bases de dados necessárias para um estudo, por meio de amostras ou pelo exame de toda uma população.

A chamada Estatística Indutiva estuda as características de uma população a partir de uma amostra, ou seja, permite a generalização por meio de fenômenos observados na amostra escolhida.

Apuração

A apuração de dados associada a uma variável, sobretudo para as variáveis quantitativas, que podem ser numericamente ordenadas, é o processo por meio do qual o pesquisador irá contar, manualmente ou por softwares, o número de vezes que a variável pesquisada assumiu um determinado valor, inserindo este determinado número dentro de uma série de dados.

Em uma pesquisa para verificar o tamanho da População Economicamente Ativa (PEA) de um país, ou seja, o número de indivíduos em potencial condição de trabalhar, após os dados serem coletados, há a apuração e separação por faixas etárias, conforme o conceito da PEA deste país: idade – 0 a 18 anos; 18 a 65 anos (PEA); 65 anos em diante (LAMEIRAS, 2013).

A apuração permite que calculemos as porcentagens, as participações de cada variável, em termos do número de dados observados, em relação à população total. Por exemplo, nas eleições, os votos são apurados, ou seja, contados e distribuídos entre cada um dos candidatos a um cargo eletivo (CRESPO, 2011).

A porcentagem de observações em relação ao total da amostra analisada também é denominada por frequência (relativa).

Técnicas de amostragem

A amostragem é o processo pela qual é determinada a amostra de uma população, uma vez que quando uma população é composta por um número elevado de elementos, é impossível a coleta de dados envolvendo todos os seus indivíduos. Esta amostra deve possuir as características exigidas na pesquisa para que o estudo torne-se viável (por exemplo, “homens acima de quarenta anos e de pele clara”, para verificar a incidência de câncer de próstata nesta população), ou seja, uma amostra deve ser uma parte representativa da população que a originou e a respeito da qual desejamos realizar inferências.

Há dois métodos para composição de uma amostragem: probabilísticos e não probabilísticos.

  • Métodos probabilísticos: são técnicas de amostragem nas quais os dados são selecionados de maneira totalmente aleatória, de modo que cada unidade da população analisada tenha igual probabilidade de ser escolhida. Por exemplo, um sorteio de 1% da população do Brasil pelos dois algarismos finais do seu Cadastro de Pessoas Físicas (CPF).
  • Métodos não probabilísticos: cada elemento do conjunto universo não possui a mesma oportunidade de escolha, pois dependem do critério e seleção do pesquisador e do perfil da pesquisa (como no caso da seleção de homens de pele clara acima de 40 anos, para verificar a porcentagem de portadores de câncer de próstata nesta população específica) (CRESPO, 2011).

A compreensão das técnicas de amostragem é importante para a análise estatística, a fi m de que se componham bases de dados confiáveis para a elaboração dos estudos e pesquisas desejados. Entender estas técnicas permite que os métodos sejam aplicados com precisão, gerando análises eficientes.

Técnicas de arredondamento

Ao realizarmos cálculos estatísticos, é comum encontrarmos valores com diversas casas decimais, até mesmo milhares ou infi nitas; ou as chamadas dízimas periódicas, que são valores que apresentam uma série infinita de algarismos na mesma disposição (como a fração 1/3 = 0,3333… ).

O conceito de casas decimais, embora usual, não é costumeiramente aplicado em Estatística. Usa-se o termo algarismo significativo, que consiste no algarismo (ou uma série deles) que se segue após a vírgula e é diferente de zero, ou seja, o número 3,008, por exemplo, possui um algarismo significativo após a vírgula.

O arredondamento de dados pode acontecer quando:

  • o número tem mais de dois algarismos significativos, se o algarismo do lado posterior for maior que 5, o arredondamento será feito somando mais uma unidade ao número da esquerda. Por exemplo, se a dízima periódica (D) for 0,678678…, temos que seu arredondamento (A) = 0,68;
  • o número for menor que 5, o arredondamento será desprezando os números posteriores. Por exemplo, D = 0,12345345…, temos que A = 0,12.

Porém, se o algarismo de referência for 5, as regras mudam:

  • caso qualquer algarismo que venha após o algarismo 5 for diferente de zero, acrescenta-se uma unidade ao algarismo à esquerda. Por exemplo: 0,8250002, torna-se 0,83. • se ao algarismo 5 não seguirem outros algarismos, ou eles forem zero, só se aumenta uma unidade ao algarismo à esquerda do algarismo 5 se ele for ímpar.
  • Exemplos:
  • 25,650000 passa a 25,6;
  • 78,750000 passa a 78,8.

As técnicas de arredondamento permitem uma descrição de dados mais resumida e eficiente, tornando menos exaustiva a sua apresentação final, e permitem que os cálculos matemáticos sejam, quando possível, simplificados, disponibilizando apenas as informações necessárias à pesquisa em seu estágio final (CRESPO, 2011).

Compartilhar