<h2>Métodos Quantitativos e Big Data para Políticas Públicas</h2> <h3>Estatística descritiva</h3> <p>A <strong>estatística descritiva</strong> organiza, resume e apresenta os dados coletados, sem fazer inferências para além da amostra. Medidas centrais:</p> <ul> <li><strong>Média</strong>: sensível a valores extremos (outliers);</li> <li><strong>Mediana</strong>: valor que divide a distribuição ao meio; resistente a outliers;</li> <li><strong>Moda</strong>: valor mais frequente.</li> </ul> <p>Medidas de dispersão: <strong>amplitude</strong>, <strong>variância</strong>, <strong>desvio-padrão</strong> e <strong>coeficiente de variação</strong>. Representações gráficas: histograma, gráfico de barras, boxplot, diagrama de dispersão.</p> <h3>Estatística inferencial</h3> <p>A <strong>estatística inferencial</strong> usa dados amostrais para fazer generalizações sobre a população, com quantificação da incerteza. Conceitos centrais:</p> <ul> <li><strong>Intervalo de confiança</strong>: faixa de valores na qual o parâmetro populacional provavelmente se encontra, com determinado nível de confiança (ex.: 95%);</li> <li><strong>Teste de hipóteses</strong>: procedimento para rejeitar ou não a hipótese nula (H₀); usa o p-valor — se p < 0,05 (convenção), rejeita-se H₀;</li> <li><strong>Erro tipo I (falso positivo)</strong>: rejeitar H₀ quando ela é verdadeira; <strong>Erro tipo II (falso negativo)</strong>: não rejeitar H₀ quando ela é falsa.</li> </ul> <h3>Análise exploratória de dados</h3> <p>A <strong>análise exploratória de dados (AED)</strong>, popularizada por <strong>John Tukey</strong> (obra <em>Exploratory Data Analysis</em>, 1977), propõe uma abordagem visual e iterativa de identificação de padrões, anomalias, outliers e hipóteses <em>antes</em> da testagem formal. É especialmente valiosa quando se trabalha com grandes bases de dados de políticas públicas (PNAD, Censo Escolar, SIS-CULTURA).</p> <h3>Modelos multivariados</h3> <p>Modelos que analisam simultaneamente múltiplas variáveis para controlar confundidores e identificar relações complexas:</p> <ul> <li><strong>Regressão linear múltipla</strong>: variável dependente contínua explicada por múltiplas independentes (ex.: explicar nota no IDEB por renda, escolaridade dos pais, gasto por aluno);</li> <li><strong>Regressão logística</strong>: variável dependente binária (ex.: probabilidade de evasão escolar);</li> <li><strong>Análise de cluster</strong>: agrupamento de municípios ou escolas por perfil similar de indicadores;</li> <li><strong>Análise fatorial</strong>: redução de dimensionalidade — identifica fatores latentes que explicam correlações entre variáveis observadas (ex.: nível socioeconômico como fator latente);</li> <li><strong>Diferenças em diferenças (DiD)</strong>: técnica quasi-experimental para avaliar impacto causal de uma política, comparando grupo tratado e grupo de controle antes e depois da intervenção.</li> </ul> <h3>Big Data e ferramentas analíticas</h3> <p><strong>Big Data</strong> refere-se a volumes massivos de dados caracterizados pelos "5 Vs": <strong>Volume</strong> (grande quantidade), <strong>Velocidade</strong> (geração em tempo real), <strong>Variedade</strong> (estruturados, semiestruturados e não estruturados), <strong>Veracidade</strong> (qualidade e confiabilidade) e <strong>Valor</strong> (utilidade para decisão).</p> <p>Ferramentas e plataformas relevantes para políticas públicas:</p> <ul> <li><strong>Business Intelligence (BI)</strong>: Power BI, Tableau — visualização e análise de indicadores;</li> <li><strong>Linguagens de análise</strong>: R e Python — as mais usadas em pesquisa acadêmica e governo;</li> <li><strong>Bases de dados abertas do governo</strong>: Portal de Dados Abertos (dados.gov.br), Censo Escolar (INEP), CadÚnico, Siope, Sieclo;</li> <li><strong>Machine learning</strong>: algoritmos de aprendizado de máquina para identificar padrões preditivos (ex.: identificação precoce de risco de evasão escolar).</li> </ul> <h3>Tratamento de bases de dados</h3> <p>O pré-processamento de dados é etapa crítica: inclui <strong>limpeza</strong> (tratamento de valores ausentes, outliers, erros de digitação), <strong>integração</strong> (cruzamento de bases por chaves comuns — CPF, INEP, CNPJ), <strong>transformação</strong> (normalização, criação de variáveis derivadas) e <strong>redução</strong> (seleção de variáveis relevantes).</p> <h3>Para a prova</h3> <ul> <li><strong>Estatística descritiva</strong>: organiza dados; medidas de tendência central e dispersão.</li> <li><strong>p-valor < 0,05</strong>: convenção para rejeitar H₀ (hipótese nula) em testes de significância.</li> <li><strong>Tukey</strong>: análise exploratória de dados — identificação visual de padrões antes da testagem formal.</li> <li><strong>Diferenças em diferenças (DiD)</strong>: avaliação quasi-experimental de impacto causal.</li> <li><strong>Big Data — 5 Vs</strong>: Volume, Velocidade, Variedade, Veracidade, Valor.</li> <li>Erro tipo I = falso positivo; Erro tipo II = falso negativo.</li> </ul>