ESTATÍSTICA_1

ESTATÍSTICA_1

1. Hist

   • Jose Maria Pompeu Memoria 2004 https://ainfo.cnptia.embrapa.br/digital/bitstream/item/92422/1/sge-texto-21.pdf
   • ver https://www.youtube.com/watch?v=s2SYbdIbuYw
   • imperador Cesar Augusto - IMPOSTOS
     •  levantamento p/ter dados terra, proprietarios,animais e calcular IMPOSTOS
     • https://super.abril.com.br/historia/por-que-pagamos-impostos/
   • BALANCETES do IMPÉRIO ROMANO (Carlos Magno); DOOMSDAY BOOK ;
     • carlos magno
     • doomsday book: registro de proprieds rurais dos conquistados anglo-saxoes por ordem de Guilherme,o Conquistador, invasor normando da Inglaterra no séc 11" - Embrapa 2004, Memoria. https://ainfo.cnptia.embrapa.br/digital/bitstream/item/92422/1/sge-texto-21.pdf
   • RENASCIMENTO (sec 14 a 17)
     • igreja católica romana reconhece a importância registros batismos, nasc, óbitos => Concilio de Trento 1545 a 1563
       • igreja católica romana reconhece a importância registros batismos,nascimentos,óbitos (tornados obrigatorios a partir do Concilio de Trento- 1545 a 1563) https://ainfo.cnptia.embrapa.br/digital/bitstream/item/92422/1/sge-texto-21.pdf
     • estatísticos italianos ; Francesco Sansovini
       • obra de Francesco Sansovini (1521 a 1586) publicada em 1561
   • sec 17
     • John GRAUNT (Inglaterra,1662): TÁBUA de Vida rudimentar, 1ªtentativa tirar conclusões a partir dados numéricos (William PETTY chamou de "Aritmética Política", conhecido hj como DEMOGRAFIA )
       • - Graunt,  1620 a 1674 - negociante de tecidos, leigo mas mt curioso no assunto a pto de virar Fellow Royal Society; - obra 1662: analise de dados coletados entre 1604 a 1660 nas paróquias de Londres => conclusão alta mortalid nos 1ºs anos vida e nas zonas urbanashttps://ainfo.cnptia.embrapa.br/digital/bitstream/item/92422/1/sge-texto-21.pdf
       • - William Petty 1623 a 1687 propôs uso metodos quantitativos como meio de analise de riqueza de um país https://edisciplinas.usp.br/pluginfile.php/6035492/mod_resource/content/1/Alguns%20Precursores.pdf
       • EDMOND HALLEY: 1º a construir tabua c/dados 1687 a 1691 seguindo preceitos cientificos, criador do cálc atuarial (tabua q dá base p/ cálc SEGUROS DE VIDA, PLANOS PREVIDÊNCIA )
         • - E.Halley 1656 a 1742; https://pt.wikipedia.org/wiki/T%C3%A1bua_de_mortalidade  . ; https://pt.wikipedia.org/wiki/Ci%C3%AAncias_atuariais
     • CÁLC PROBABILIDADES- PASCAL e FERMAT (jogos azar)
       • COMO SE JOGA BARALHO?
         • https://www.youtube.com/watch?v=fmMagj_jdOI .
         • https://youtu.be/qPUjLQStxzc?list=PLxI8Can9yAHdJq561NyRN9wZpTqVJn0Z0
   • séc 20 Estatística Moderna
     • - Demografia surge como disciplina autônoma
   • Br
     • Profissional
       • https://www.conre3.org.br/MTrabalho/DOS_ESTATISTICOS_ESTATISTICAS_EBOOK_ED1.pdf
       • CBO https://empregabrasil.mte.gov.br/76/cbo/
       • LEI 4.739/1965 regulamenta, cria CONFE, CONRE
         • http://www.planalto.gov.br/ccivil_03/leis/1950-1969/L4739.htm
         • Dec.62.497/1968
           • http://www.planalto.gov.br/ccivil_03/decreto/1950-1969/D62497.htm
         • Regimento CONREs - Resol CONFE 30 / 1974
           • http://www.confe.org.br/regimentoconres.pdf
         • fiscalização
           • CONFE
             • http://www.confe.org.br/apresentacao.htm http://www.confe.org.br/historico.htm
             • CONREs
               • regimento int http://www.confe.org.br/regimentoconres.pdf
       • CÓD. ÉTICA Resol 58 (1976)
         • http://www.confe.org.br/resolucao_58.pdf
     • Império, IBGE
       • https://educa.ibge.gov.br/jovens/materias-especiais.html ;; . https://educa.ibge.gov.br/
       • 1947 - 1ºcurso inferência estatística ; 1953- ENCE e Esc.Estat. Bahia
     • resolução 8/2008 CNE/CES diretrizes curriculares graduação
       • http://portal.mec.gov.br/cne/arquivos/pdf/2008/rces008_08.pdf
       • registro profissional provisório p/formandos
       • disciplinas
         • art 6 http://portal.mec.gov.br/cne/arquivos/pdf/2008/rces008_08.pdf
         • Estat : Métodos Paramétricos e Não Paramétricos, Inferência, Modelos Lineares, Amostragem e Análise Multivariada;
         • Computç: linguagem pgmç; pctes estatísticos;B.D;
         • Estat. Computacional:  métodos de simulação e geração de variáveis aleatórias;
         • Probabilid e Matemát:  Geometria Analítica e Álgebra Linear;
       • MEC
         • https://www.gov.br/mec/pt-br/estrutura-organizacional/organograma
         • C N E
           • órgão colegiado http://portal.mec.gov.br/conselho-nacional-de-educacao/atos-normativos--sumulas-pareceres-e-resolucoes?id=12816
           • CÂM Eduç Básica
             • "analisar e emitir pareceres sobre procedimentos e resultados de processos de avaliação da educação infantil, fundamental, média, profissional e especial, deliberar sobre diretrizes curriculares propostas pelo Ministério da Educação; e acompanhar a execução do Plano Nacional de Educação (PNE). " http://portal.mec.gov.br/index.php?option=com_content&view=article&id=14306:cne-historico&catid=323:orgaos-vinculados
           • C E S Cãm Eduç Sup
   • sábios islâmico, 1447
   • Instituto Internacional de Estatística (IIE),1885
     • http://www.ime.unicamp.br/~laurarifo/graduacao/Declaration-PT2010.pdf
   • necessidade contar (terras, populç, rituais reliigisos?); COMPARAÇÃO 1 A 1; REGISTROS (Ossos, Cavernas...) ; CONTAGEM 1-2-MUITOS
     • ideia de número pode ser mais antiga que a escrita! hipótese: contar surgiu em ativds de rituais religiosos (mitos da criaç) comparaç 1 a 1: pedras (p/contar), marcas em ossos/ cavernas (p/registro) ex: theco-eslováquia osso lobo c/ 57 marcas (separadas em grupos de 5) ~30.000 anos  Contagem do tipo “um-dois-muitos”
     • https://edisciplinas.usp.br/pluginfile.php/4381191/mod_resource/content/1/MAT1514%20-%20SistemasNumeracao%28Texto%20MariaElisa%29.pdf
     • censos já eram realizados, muitos anos antes de Cristo, no Egito, na China e na Babilônia
       •  censo = ESTUDO abrange TODA POPULAÇa  =>infs importantes pra criação de políticas públicas e tomadas de decisão.

2. estatística (método) x estatísticaS (nº)

   • [sing] MÉTODO (coleta, organiza, interpreta, apresenta). relação c/ PROBABILIDADE, ESTATÍSTICA DESCRITIVA, INFERENCIAL
   • [pl] NÚMERO (dados fornece infs de uma ativid ex: estatísticas demográficas - nº nasc/mortes, estatísticas econômicas - dados desempenho gov ou empresa)

3. Aplicações

   • https://www.youtube.com/watch?v=U5Q9zdIHbRU&t=3s
   • http://www.confe.org.br/areas.pdf
   • Aplicações da Estatística
   • área de Dados_
   • Programação_

4. PROBABILIDADE (0 a 1)

   • medida numérica (entre 0 e 1, sendo 0 evento impossível e 1 certeza) de um evento acontecer sendo 0 impossível e 1 certeza. *SOMA DE TODAS AS PROBABILIDADES = 1
   • Análise Combinatória
     •  pte da matemática q desenvolve tecnicas e metodos de contagem 
     • - Princípio Aditivo: m possibilidades + n possibilidades ; . - Princípio Multiplicativo: 1º evento com M possibilidades  x   2º evento com N possibilidades 
     • *ideia de fila (ordem importa) e grupo (ñ importa)
     • PFC; Diagrama Árvore; Princps contagem adição (m possibilids + n possiblids) e multiplç (m * n)
       • PFC: método algébrico p/determinar o nº possibilids de ocorrência sem precisar descrever todas as possiblids
     • PERMUTAÇÃO P(n) = n!
     • ARRANJO: An,p = n ! / (n - p) !
   • EXPERIMENTO (tentativa gera 1 result) ; ESPAÇO AMOSTRAL (conj todos results possíveis) ; EVENTO (subgrupo Espaço Amostral)
     • Evento COMPLEMENTAR (P(E) + P(E') = 1)
     • Evento SIMPLES (1 / nº total resultados do experimento aleatório) e COMPOSTO ( nº resultados favoráveis / nº total resultados para experimento)
   • tipos
     • *Qd se repete mtas vezes experimento de probabilid empírica se aproxima da probabilid teórica. ex: lança moeda n vezes e vê q results de sair cara se aproximam de 0,5 [Lei dos grandes nºs]
     • Empírica
       • experimentos anteriores
       • ex: pesq eleitoral: candidatos A (ganharia 280 votos), B(170 votos) e N (50 votos). Qual probabilid da próx pessoa entrevistada votar no candidato A? = 280/500 = 0,56 08 56%
     • Clássica ou Teórica (= nº elementos do evento / nº elementos espaço amostral )
       • ex: probabilid sair nº par ao jogar um dado 3/6 = 1/2 = 50%
     • Subjetiva
       • Intuitiva ex: médico tem um palpite da probabilid do paciente se recuperar;
   • experimentos aleatórios => VARS ALEATÓRIAS ; DISTRIB PROB (estudo todas possibilids) ; DIST PROB VAR DISCRETA e CONTÍNUAS ( TLC ; dist NORMAL / GAUSSIANA)
     • vars aleat = nascem de experimentos aleatórios (q n dá pra prever result) ; . *Distribuiç de probabilid = estudo de todas probabilids
     • distrib normal / Gaussiana= teorema limite central TLC;
     • https://www.youtube.com/watch?v=-N60-uc_Erk  ; https://www.youtube.com/watch?v=i6mUb252t-Q
     • DIST PROB DE VARS DISCRETAS ( dist POISSON = λ^x * e^-λ / x!)
       • distribuiç de poisson (var aleat discreta) aplicada experimentos ocorrência aleatória e independente ex nº acidentes numa rodovia num periodo tempo - cada acidente é evento único; ex: nº clientes entra mercado num intervalo de 1h ; Fórmula Dist Prob Poisson: P(x)=λ^x * e^-λ / x! λ (lambda, Parametro Poisson): M.A nº ocorrencias no intervalo estabelecido; e: nºEuler; x: qtd ocorrencias durante estudo
       • função discreta de probabilidade ou função de probabilidade
     • DIST PROB DE VARS CONTÍNUAS ( dist NORMAL / GAUSSIANA) dist normal padrão μ=0 e σ=1 ; Padronização da Var Tabela de escores z = x - μ / σ
       • função densidade de probabilidade
     • função distribuição de probabilidade
   • EXPERIMENTO BINOMIAL ; DIST PROB BINOMIAL (= P(x) = nCx * p^x * q^(n-x)) ; M.A e D.P de Distr Binomial
     • condiçs de experimento binomial:  tem q existir n testes idênticos (pode replicar o teste várias vezes em qualquer local por outras pessoas),  tem 2 results possíveis: Sucesso ou Insucesso/Fracasso (ñ no sentido bom/ruim, C/E, mas no sentido se aconteceu como esperado e ñ aconteceu como esperado), probabilids dos 2 eventos tem q permanecer ctes durante evento (chance de acontecer sucesso ou fracasso ñ pode mudar), todos testes tem q ser independentes (um teste ñ depende de outro ex: lançar 10 moedas),
     • P(x) = nCx * p^x * q^(n-x) nCx = n! / x!(n-x)! ; n = nºtot testes; p = prob sucesso; q = 1-p = prob insucesso; x = nº sucessos; n-x = nº insucessos
     • M.A e D.P de Distr Binomial (Média arit e Desvio padrao): M.A(µ) = n*p DP (σ)= raiz de n*p*q n: nº tot testes; p: prob sucesso; q: prob insucesso
   • Probabilidade CONDICIONAL:
     • resposta de um evento depende de outro

5. EST. DESCRITIVA

   •  pte da estatist descreve um fenômeno/situaç,  trab c/ coleta, tabulç dados e apresentç por meio graficos/tabelas; se preocupa em pensar como vai ser feita pesq, a coleta dados? quais técnicas amostragem usar? oq fazer c/esses dados dps q chegam na mão do pesquisador?
   • MED DISPERSÃO / VARIABILIDADE
     • dispersão dos valores em torno da M.A
     • █AMPLITUDE ; █VARIÂNCIA (S² ou σ²) ; █DESVIO PADRÃO (S ou σ ) ; █COEFICIENTE VARIAÇÃO (CV % = (S / MÉDIA ) * 100)
       • AMPLITUDE: diferença entre maior ou menor valor (pra saber se estudo tá sendo mto ou pouco amplo, qtas variáveis está pegando. Amplitude indicação ‘rapida e facil’ de variabilidade
       • VARIÂNCIA (S²  ou  σ²): quão distante cada valor está;  considera valores extremos e tb os intermediários; relaciona os desvios em torno da media; M.A dos quadrados dos desvios
       • DESVIO PADRÃO (S  ou σ ): ferramenta de calculo útil qd estiver trabalhando com média aritmética
       • DISTRIBUIÇÃO DE FREQUÊNCIAS: █Fi , █Fia , █Fr , █Fra
         • Distribuição de frequências: são séries estatísticas nas quais os dados são agrupados (com ou sem intervalo de classes) com suas respectivas frequências absolutas. Também se pode apresentar as frequências relativas e as acumuladas; por exemplo: altura dos alunos de uma sala de aula em maio de 2019
         • HISTOGRAMA (simétricos, assimétricos) ;
         • POLÍGONO DE FREQ. ; POLÍGONO FREQ. RELATIVA
           • Políg Frreq une (por segmentos de reta) pontos médios dos retangulos do histograma
         • TABELAS ; SÉRIES ESTAT. (Cronológica, Geográf, Específica, Série Est Mista)
           •  série estatística="toda tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época, do local ou da espécie"" https://pt.wikipedia.org/wiki/S%C3%A9ries_estat%C3%ADsticas
           • Série Temporal: dados são observados segundo a época de ocorrência Série Geográfica: dados são observados segundo a localidade da ocorrência; Série Específica: os dados são agrupados segundo a modalidade de ocorrência;
         • OGIVA ; BARRAS ; POLIGONAL / LINHA
         • SETORES / PIZZA
         • DIAGRAMA DISPERSÃO
     • p/ DADOS NÃO AGRUPADOS (* se NÃO TIVER REPETIÇÃO DE MSMS DADOS, NÃO NECESSARIO TABELAS DIST. FI)
       • POPULAÇÃO ( tam conj: N)
         • VARIÂNCIA σ² = soma ( xi - média) ² / N
       • AMOSTRA ( tam con: n )
         • VARIÂNCIA σ² = soma ( xi - média) ² / n - 1 , {denominador n-1 pq se fosse n tenderia subestimar/valores mto pequenos. colocando valor um pouco menor n-1 corrige essa estimativa}
           • s ² = GRAUS DE LIBERDADE ( gl )
             • https://www.youtube.com/watch?v=RX-vvhCng48
     • P/ DADOS AGRUPADOS ( |--- )
       • Ponto medio(xi) do intervalo -> xi.f -> para calc média = soma xi.f / total elementos -> (xi-média)².f -> variância = soma(xi-média)².f / N (*N qdo população. Se amostra dividir por n - 1 -> dp= raiz da variância
       • POPULAÇÃO (tam. N )
         • VARIÂNCIA σ² soma(xi-média)² . FREQUENCIA / N
       • AMOSTRA ( n)
         • VARIÂNCIA σ² soma(xi-média)² . FREQUENCIA / n-1
   • MEDIDAS POSIÇÃO / LOCALIZAÇÃO
     • MTC
       • med tendencia central: resume conj; valor q caracteriza conj; - nem sempre a M.A (media arit) caracteriza conj de forma confiavel => Media PONDERADA, GEOMETRICA, HARMONICA
       • ●MODA(valor +freq: AMODAL, UNIMODAL, BIMODAL, MULTIMODAL)
       • MÉDIAS SIMPLES (●M.A.S ; ●M.G.S ; ●M.H.S)
         • MEDIA: Centro da distribuiç; Reflete todos os valores; É afetada por valores extremos; ; . https://ead.ucs.br/blog/media-ponderada .; https://www.youtube.com/watch?v=4qUvBrRLKLM
         • ●M.G.S: Media GEOMETRICA (Simples): raiz c/ índide qtd termos do radicando produto dos termos
           • M.G de 2 nºs= raiz qaudrada do produto dos 2 nºs; MG de 3 nºs= raiz cubica do produto dos 3 nºs;
         • ●M.A.S: Média ARITMETICA Simples =soma valores / qtd valores),
         • ●M.H.S: Media HARMÔNICA Simples = inverso da M.A dos inversos (1/Mai)
         • MA x MH = (MG) ²
           • https://youtu.be/4qUvBrRLKLM?t=1390
           • MA >= MG >=MH
       • ●MEDIANA: divide conj em 2 ptes iguais; meio da Amostra; (1º) Ordenar dados 2º) tam.conj ímpar: n+1/2) ou 3º) tam.par: média M.A das posições 1 e 2, sendo posiç1= n/2 e posiç2= n/2+1
       • MÉDIAS PONDERADAS (●M.A.P ; ●M.G.P ; ●M.H.P)
         • ● M.A.P: Aritmetica Ponderada(multip peso a cada obs / soma valores)
         • ●M.G.P: Geometrica Ponderada = raiz índice soma dos pesos e radicando produto dos termos sendo cada termo elevado ao seu respectivo peso
         • ●M.H.P: Harmonica Ponderada =MA ponderada dos inversos => MH = 1/MAPI
       • DADOS AGRUPADOS ( |--- )
         • por intervalos / classes
         • Ponto/Valor Médio dos Intervalos (VM)
           • MÉDIA = soma ( VM * Freq ) / total elementos
             • nesse caso calcula como MÉDIA PONDERADA pq tem frequencia (peso)
         • Freq Acumulada (Fia)
           • achar classe da Md
             • n / 2 => posição do meio
             • MEDIANA = lim.inf da classe da Md + [ ( n / 2 - Freq Acumulada da classe anterior à classe da Md) / Freq simples da classe da Md ] x amplitude da classe
               • https://www.youtube.com/watch?v=PRNZpbCE-iM&t=205s
         • REGRA DE STURGES: k = 1 + 3,3 log n
           • p/ saber qtas classes terá
         • Método prático: se n < 25 = 5 classes. Se n >= 25 = raiz de n
           • https://www.youtube.com/watch?v=gLt6mAAXUI4&amp;t=0s
         • MODA BRUTA , KING , CZUBER , PEARSON
           • https://www.youtube.com/watch?v=LnjQ3NAC5mI
           • MODA BRUTA = ( l + L ) / 2 , ou seja, lim inf classe modal + lim sup dividido 2 = Ponto Médio do Intervalo Modal (Intervalo Modal é a classe com > fi )
             • https://www.youtube.com/watch?v=2iQWzE0tMMg
           • MODA KING = l+ fpost/fpost+fant * (L-l) = Lim inf do intervalo modal + [ Freq Post / (Freq Post + Freq Ant) ] x amplitude
             • https://www.youtube.com/watch?v=qPevrLZYzIU
           • MODA CZUBER = l + D1/D1+D2 * (L-l) = Lim inf do intervalo modal + [(Δant,ou seja, variação da freq simples do intervalo modal com a freq do intervalo anterior) /Δant +Δpost ] x amplitude
             • D1= fi- fant D2= fi-fpost https://www.youtube.com/watch?v=cqc5X4y5vEo
           • PEARSON = 3 * Md - 2 * média
     • MED POSIÇÃO RELATIVA
       • █PERCENTIS (percentil de x=nº valores menores q x / nºtot valores *100)
         • divide dados em 100 grupos, cada um contendo ~1% do conj;
         • &nbsp;percentil do valor x = nº valores menores q x / nºtot valores *100 ; .. L = k/100 * n&nbsp;(L: localizador, posição do valor, uma vez ordenado a base;&nbsp;&nbsp;n: nº tot valores do conj;Pk: k-ésimo percentil)
       • █QUARTIS ( Q1= Ʃfi / 4 ; Q2=Md=Ʃ fi / 2 ; Q3 = 3*Ʃ fi / 4 )
   • ANALISE BIDIMENSIONAL (2 vars, var X: Independente / Explanatória / Explicativa, var Y: Dependente / Resposta / Explicada)
     • tecnicas estatisticas&nbsp;REGRESSÃO&nbsp; e CORRELAÇÃO avaliam como variaveis se relacionam
     • CORRELAÇÃO (AV qualid da relaç) ; Diagrama Correlaç (correlaç significativa?) ; coeficiente correlaç ( -1, 0, +1)
       • https://www.youtube.com/watch?v=7gWN20iFUFw&nbsp;GRINGS CORRELAÇÃO E REGRESSÃO
       • CORRELAÇÃO LINEAR (Positiva r~1, Negativa r~ -1, SemCorrelaç) <-> coef correlaç pearson (r) = Sxy / raiz de Sxx.Syy
         • Positiva (x aumenta, y aumenta) Negativa (x aumenta y diminui), Nenhuma Correlaç (ñ dá pra identificar comporta/o) https://www.youtube.com/watch?v=v6kI-9s2Qhk
         • univesp&nbsp;https://www.youtube.com/playlist?list=PLxI8Can9yAHdJq561NyRN9wZpTqVJn0Z0
         • REGRESSÃO (descreve por meio Equaçs Algébricas previsão da situaç) y = a + b.x
           • “regredir p/ equação da reta”
       • COVARIÂNCIA (direç da relaç entre vars)

6. EST. INFERENCIAL

   • INTERVALO DE CONFIANÇA, TESTE DE HIPÓTESES E COMPARAÇÃO aux a tomar decisões, fazer prognósticosInferência estatística: "prevê results". Tipos: INTERVALO DE CONFIANÇA, TESTE DE HIPÓTESES E COMPARAÇÃO
   • TESTE DE HIPÓTESES captam DIFERENÇA, PREDIÇÃO, ASSOCIAÇÃO
   • Ponto Estimado e Intervalo de Confiança
     • Medidas de risco
       • Risco relativo; Razão de chances; Redução do risco

7. █POPULAÇÃO / UNIVERSO EST (todos elementos c/ 1caract em comum sob investigação. Pode ser Finita/Infinita) ; █ELEMENTO / MEMBRO (objeto/ sujeito); █CENSO: dados todos membros pop. (caro, lento, quase inviável, ñ 100%confiável)

   • POP.BRASILEIRA: TODOS os brasileiros. POP.MUNDIAL: POP BRASILEIRA será AMOSTRA

8. █ALGARISMO (sist indo arabico 0 a 9 . romano I,V,X,L,C,D,M) ; █NÚMERO (qtd, formado por Algarismos) ; █NUMERAL (<->gramática. ●CARDINAL, ●ORDINAL, ●MULTIPLICATIVO, ●FRACIONÁRIO, ●COLETIVO) ;

   • Nº: qtd, unids, formado por algarismos; ALGARISMO: 0 a 9 (sist indo arabico), I,V,X,L,C,D,M (romanos); NUMERAL: classfç gramatical, CARDINAL (flexão gên e nº. ex: um(a), dois), ORDINAL(ordemflexão gên e nº. ex: 1º,1ª,2º), MULTIPLICATIVO (multiplç unids ex: dobro,duplo,triplo), FRACIONÁRIO (3/4, 1/20...), COLETIVOS (conj unids, flexão só em nº, ex: dezena, dois séculos, duas dúzias,centena,milênio)
   • https://comunidade.rockcontent.com/numero-numeral-e-algarismo/

9. █OBSERVAÇÃO (valor de 1 var. p/ certo elemento) ; █DADO (valor coletado no estudo) █CONJ DADOS (todas Observações de 1 ou + vars).

   • &nbsp;parâmetro: caract interessada em estudar. ex p/ estudar a expectativa de vida: usa parâmetro qtd anos vividos em média
   • █ROL DADOS: dados ordem de/crescente █ DADOS AGRUPADOS (por PONTOS; por CLASSES/INTERVALOS) E NÃO AGRUPADOS (na mesma ordem de coleta)
     • https://www.youtube.com/watch?v=zWGi05rsvNw

10. █AMOSTRA (pte da população): representa pop. █ESTIMADOR (caract numérica estabelecida na amostra)

    • Amostragem = processo de obter Amostra.1 das etapas +importantes na pesq
    • █AMOSTRAGEM (processo pra obter amostra <-> desvantagens do Censo)
      • Censo: caro, lento, nem sempre é viável, não 100% confiável (quase sempre desatualizado). uma alternat p/censo: AMOSTRAGEM
      • AMOSTRAGEM PROBABILÍSTICA / ALEATÓRIA (generalizáveis)
        • cada elemento da população tem probabilidade conhecida de ser escolhido; usualmente a probabilid é a msm entre os elementos; Populaç c/ N elementos, probalid (em participar) = 1/N são generalizáveis (pode fazer inferências a partir dos parâmetros estudados na amostra);
        • ALEATÓRIA SIMPLES (sorteio; =n! / k! (n-k)! ; TNA)
        • ALEATÓRIA ESTRATIFICADA (pop. dividida em estratos ; na = n/N * Na )
          • &nbsp; na: nº amostras de A; n: nºunids amostras; N: nºunids pop; Na: nº unids estrato A;
        • POR CONGLOMERADO (amostra aleat.simples, cada unid amostragem é um grupo ou conglomerado elementos)
        • SISTEMÁTICA (seleção obedece Intervalo ; Intervalo = populç com N elementos / tamanho n da amostra)
          • &nbsp;população com N elementos, da qual se deseja extrair uma amostra sistemática de n elementos. Primeiro, temos que definir o intervalo (I) de seleção para a extração dos elementos da população que vão compor a amostra: I = N / n (Intervalo = populç com N elementos / tamanho n da amostra) N = tamanho da população, n = o tamanho da amostra e n &lt; N.
      • AMOSTRAGEM NÃO PROB. / INTENCIONAL (escolhe elementos; ñ garante representativid; ñ generalizáveis)
        • escolha deliberada dos elementos da amostra; ; não garantem representatividade da populç;results não generalizáveis;
        • ACIDENTAL / POR CONVENIÊNCIA
          • formada por elementos conf estes vão aparecendo. encerra qd completar o nº de elementos de amostra; dá pra obter ideias/insights p/ novos produtos/serviços; ex: pesq opinião em q entrevistados são acidentalmente escolhidos
        • INTENCIONAL / JULGAMENTO
          • elementos escolhidos por determinado critério; ex: pesq opinião em q entrevistados são especialistas em determinado assunto
        • POR QUOTAS / PROPORCIONALIDADE
          • classifica populç de acordo c/proprieds; determinaç da proporç da poplç p/ cada propried (quotas); seleç não aleatória de elementos de cada quota identificada;
          • https://www.youtube.com/watch?t=719&amp;v=sWJlocN-bpc&amp;feature=youtu.be

11. █VARIÁVEL (características do estudo q pode assumir vários valores ex:altura, peso, cor do objeto) ; █PARÂMETRO (caract q descreve populç ;var interessada em estudar, ex: expectativa vida <- [qtd anos vividos])

    • █QUANTITATIVA: ●DISCRETA (nºinteiro) E ●CONTÍNUA (valor entre 2 limites)
    • █QUALITATIVA (valor ñ numérico): ●NOMINAL (s/ordem específ) E ●ORDINAL(tem ordem)

12. MÉTODO ESTATÍSTICO

    • DEF PROBLEMA ; PLANEJAMENTO (●oq e como será coletado? ●censitário/amostral? ●cronograma; ●custos) ;
      • COLETA (DIRETA / ●DADOS PRIMÁRIOS) OU JÁ PUBLICADOS POR OUTRA ORG / ●DADOS SECUNDÁRIOS)
        • DADOS PRIMÁRIOS: coletado pelo próprio pesquisador; pode ser coletado por OBSERVAÇÃO ou LEVANTAMENTO (entrevistas pessoais, questionario, telefone. Nas entrevistas pode explorar c/+ profundidade infs, porém é +lento; Telefone +rapido mas perde um pouco a prodfundidade; Questionario)
        • DADOS SECUNDÁRIOS: coletados / publicados por outra organização ex: Anuario estatistico do IBGE
        • APURAÇÃO: ●TABULAÇÃO, ●CONTAGEM (respostas válidas), ●AGRUPAMENTO (intervalos)
          • APRESENTAÇÃO: TABELAS, GRÁFICOS
            • ANÁLISE E INTERPRETAÇÃO: cálculos, conclusões

13. canais, links

    • https://www.youtube.com/c/EstaTiDados/videos
    • https://www.youtube.com/c/ProfessorAriomar/playlists

14. Matemática básica

    • https://www.goconqr.com/pt-BR/mind_maps/34108488/edit ; . https://www.youtube.com/c/ProfRaelFISMAT/videos

15. Lógica Matemática

    • https://www.goconqr.com/mindmap/33995197/l-gica-matem-tica -. .; http://www.famat.ufu.br/system/files/conteudo/ges001.pdf
    • Lógica Matemática