Estatística Descritiva e Inferencial Básica Introdução e conceitos fundamentais A Estatística é a ciência que desenvolve e aplica métodos para coletar, organizar, resumir, analisar e interpretar dados, com o objetivo de extrair informações relevantes e apoiar a tomada de decisão sob incerteza. Tradicionalmente, divide‑se em duas grandes áreas complementares: Estatística Descritiva: ocupa‑se da organização, sumarização e apresentação dos dados, sem pretender ir além do conjunto observado. Seus instrumentos são as tabelas, os gráficos e as medidas‑resumo (média, mediana, desvio‑padrão etc.). Estatística Inferencial: utiliza os dados amostrais para fazer afirmações sobre a população de onde a amostra foi extraída, quantificando a incerteza por meio de probabilidades. Seus instrumentos incluem intervalos de confiança e testes de hipóteses. No setor público, a estatística é onipresente: embasa a construção de indicadores sociais, o desenho de amostras de pesquisas como a PNAD Contínua, a avaliação de impacto de políticas e o monitoramento de metas. 1.1 População, amostra, parâmetro e estimativa População (N): conjunto completo de elementos que compartilham uma característica de interesse para o estudo. Ex.: todas as escolas públicas do país, todos os beneficiários do Bolsa Família. Amostra (n): subconjunto da população, selecionado segundo um plano amostral, com o propósito de representar a população. Ex.: 500 escolas sorteadas aleatoriamente. Parâmetro: medida numérica que descreve uma característica da população. É um valor fixo, mas geralmente desconhecido. Ex.: média populacional ($\mu$), desvio‑padrão populacional ($\sigma$), proporção populacional ($\pi$ ou $p$). Estatística (ou estimador): medida calculada a partir dos dados da amostra. É uma variável aleatória, pois seu valor depende da amostra sorteada. Ex.: média amostral ($\bar{x}$), desvio‑padrão amostral ($s$), proporção amostral ($\hat{p}$). O objetivo da inferência estatística é utilizar as estatísticas para estimar (ou testar hipóteses sobre) os parâmetros populacionais, com um grau de incerteza mensurável. Levantamento censitário × levantamento amostral: é importante não confundir os dois. Um censo — como o Censo Demográfico ou o Censo Escolar, ambos coordenados pelo IBGE/INEP — busca coletar informações de toda a população (todas as escolas do país, no caso do Censo Escolar), sem sorteio de unidades. Já uma pesquisa amostral, como a PNAD Contínua, coleta dados apenas de uma fração da população, selecionada por um plano amostral probabilístico, e usa inferência estatística para generalizar os resultados. Tipos de variáveis A classificação correta das variáveis orienta a escolha das técnicas de análise e das representações gráficas adequadas. Qualitativas (categóricas): Nominais: não têm ordem natural. Ex.: sexo, cor da pele, religião, região de residência, partido político. A única medida de tendência central possível é a moda. Ordinais: possuem uma ordem ou hierarquia, mas as diferenças entre categorias não são quantificáveis. Ex.: escolaridade (fundamental, médio, superior), classe social (A, B, C, D, E), grau de satisfação (insatisfeito, neutro, satisfeito). Admite‑se mediana e percentis, mas a média aritmética pode ser questionável. Quantitativas (numéricas): Discretas: assumem valores enumeráveis, geralmente números inteiros. Ex.: número de filhos, número de processos em um tribunal, quantidade de multas aplicadas. Contínuas: podem assumir qualquer valor em um intervalo, inclusive decimais. Ex.: altura, peso, salário, tempo de espera, distância percorrida. Uma variável qualitativa com apenas duas categorias (ex.: sim/não, aprovado/reprovado) é chamada de dicotômica ou binária, e é frequentemente tratada numericamente como 0/1 em modelos de regressão. Organização e apresentação de dados Antes de calcular qualquer medida‑resumo, os dados brutos costumam ser organizados em tabelas de frequência e representados graficamente. 3.1 Distribuição de frequências Rol: conjunto de dados brutos ordenado (crescente ou decrescente). Frequência absoluta ($fi$): número de vezes que um valor (ou classe de valores) aparece. Frequência relativa: $fi / n$, geralmente expressa em percentual. Frequência acumulada: soma das frequências de todos os valores até determinado ponto, usada para localizar mediana, quartis e percentis. Para variáveis contínuas ou com muitos valores distintos, os dados são agrupados em classes (intervalos). Uma regra prática para decidir o número de classes ($k$) é a Regra de Sturges: $k = 1 + 3{,}322 \cdot \log{10}(n)$ A amplitude de cada classe é obtida dividindo a amplitude total do conjunto de dados pelo número de classes definido. 3.2 Principais representações gráficas Histograma: barras contíguas (sem espaço entre elas) que representam a frequência de classes de uma variável quantitativa contínua. Gráfico de barras: barras separadas, usado para variáveis qualitativas ou quantitativas discretas. Polígono de frequência: linha que une os pontos médios do topo das barras de um histograma. Ogiva: representação gráfica da frequência acumulada. Gráfico de setores (pizza): adequado para mostrar a composição percentual de um todo em poucas categorias. Ramo‑e‑folhas (stem‑and‑leaf): representação que preserva os valores individuais dos dados, combinando tabela e gráfico. Boxplot (diagrama de caixa): representa a mediana, os quartis, o IQR e os valores extremos/outliers (ver seção 6.5). Estatística descritiva: medidas de tendência central 4.1 Média aritmética ($\bar{x}$) É a soma de todos os valores dividida pelo número de observações. Representa o “centro de gravidade” dos dados. $\bar{x} = \frac{\sum{i=1}^{n} xi}{n}$ Vantagem: utiliza toda a informação disponível. Desvantagem: extremamente sensível a valores atípicos (outliers). Um único salário muito alto pode inflar a média salarial de um grupo. No setor público: a média é usada para gasto médio por aluno, renda per capita, tempo médio de espera etc. 4.2 Médias geométrica e harmônica Além da média aritmética, duas outras médias aparecem com frequência em contextos específicos: Média geométrica ($MG$): raiz $n$‑ésima do produto dos valores. É adequada para dados que representam taxas de variação ou crescimento ao longo do tempo (ex.: taxa média de crescimento do PIB em vários anos). $MG = \sqrt[n]{x1 \cdot x2 \cdots xn}$ Média harmônica ($MH$): inverso da média aritmética dos inversos dos valores. É adequada quando os dados são razões ou taxas referidas a uma mesma unidade (ex.: velocidade média de um percurso feito em trechos de igual distância, mas com velocidades diferentes). $MH = \frac{n}{\sum{i=1}^{n} \frac{1}{xi}}$ Para um mesmo conjunto de dados positivos, vale sempre a relação $MH \leq MG \leq \bar{x}$. 4.3 Mediana (Md) É o valor que divide o conjunto ordenado de dados ao meio: 50% das observações estão abaixo e 50% acima. Cálculo: se $n$ é ímpar, a mediana é o valor central. Se $n$ é par, calcula‑se a média dos dois valores centrais. Vantagem: é resistente a outliers; a presença de valores extremos não a afeta. Aplicação: amplamente empregada em distribuições assimétricas, como a renda domiciliar (a mediana é preferível à média para descrever o “domicílio típico”). 4.4 Moda (Mo) É o valor que aparece com maior frequência no conjunto de dados. Uma distribuição pode ser unimodal, bimodal ou multimodal (ou mesmo amodal, quando não há valor que se repita). Vantagem: é a única medida de tendência central aplicável a variáveis qualitativas nominais. Desvantagem: em conjuntos de dados pequenos ou contínuos, pode não ser representativa. 4.5 Relação entre média, mediana e moda e a forma da distribuição Distribuição simétrica: $\bar{x} \approx Md \approx Mo$. Assimetria positiva (cauda à direita): $Mo < Md < \bar{x}$. Ex.: distribuição de salários, onde poucos ganham muito e a maioria ganha pouco. Assimetria negativa (cauda à esquerda): $\bar{x} < Md < Mo$. Menos comum em fenômenos sociais. Separatrizes: quartis, decis e percentis As separatrizes são valores que dividem o conjunto de dados ordenado em partes com a mesma quantidade de observações. A mediana é a separatriz mais simples (divide os dados em duas metades). Quartis ($Q1$, $Q2$, $Q3$): dividem o conjunto em quatro partes iguais. $Q1$ deixa 25% dos dados abaixo, $Q2$ coincide com a mediana (50%) e $Q3$ deixa 75% dos dados abaixo. Decis ($D1, ..., D9$): dividem o conjunto em dez partes iguais. Percentis ($P1, ..., P{99}$): dividem o conjunto em cem partes iguais. O percentil 50 coincide com a mediana, e o quartil $Q1$ coincide com o percentil 25. As separatrizes são a base para o cálculo do intervalo interquartílico (seção 6.5) e das medidas de assimetria e curtose baseadas em quartis e percentis (seção 7). Medidas de dispersão As medidas de dispersão quantificam a variabilidade dos dados, complementando as medidas de centro. 6.1 Amplitude total Diferença entre o valor máximo e o valor mínimo. É a medida mais simples, porém muito influenciada por outliers. 6.2 Desvio médio absoluto Média das distâncias (em valor absoluto) de cada observação em relação à média: $DM = \frac{\sum{i=1}^{n} |xi - \bar{x}|}{n}$ É de interpretação intuitiva, mas pouco utilizado em inferência estatística por não possuir propriedades matemáticas tão convenientes quanto a variância. 6.3 Variância ($s^2$ para amostra, $\sigma^2$ para população) Capta o desvio quadrático médio em relação à média. $s^2 = \frac{\sum{i=1}^{n} (xi - \bar{x})^2}{n-1} \qquad \qquad \sigma^2 = \frac{\sum{i=1}^{N} (xi - \mu)^2}{N}$ A divisão por $n-1$ (graus de liberdade), e não por $n$, é conhecida como correção de Bessel e fornece um estimador não‑viesado da variância populacional a partir de dados amostrais. 6.4 Desvio‑padrão ($s$) É a raiz quadrada da variância. Retorna a medida à unidade original dos dados, facilitando a interpretação. Quanto maior o desvio‑padrão, maior a heterogeneidade dos dados. 6.5 Coeficiente de variação (CV) Relaciona desvio‑padrão e média, sendo expresso em percentagem: $CV = \frac{s}{\bar{x}} \times 100$ Permite comparar a variabilidade de conjuntos com unidades ou escalas distintas — por exemplo, comparar a dispersão dos gastos municipais com saúde (em reais) com a dispersão do número de atendimentos (em unidades). Uma classificação de referência, frequentemente citada em provas (originada nas ciências agrárias, com Pimentel‑Gomes, e hoje usada de forma mais geral), é: CV ≤ 15% indica baixa dispersão (dados homogêneos); entre 15% e 30%, dispersão média; e CV > 30%, alta dispersão (dados heterogêneos). Esses cortes são convencionais e variam conforme a área de aplicação. 6.6 Quartis e intervalo interquartílico (IQR) O intervalo interquartílico é $IQR = Q3 - Q1$. Mede a dispersão dos 50% centrais e é resistente a outliers. O boxplot é o gráfico que representa a mediana, os quartis, o IQR e os valores extremos — e é comumente usado também para identificar outliers (valores além de $Q1 - 1{,}5 \cdot IQR$ ou $Q3 + 1{,}5 \cdot IQR$). Medidas de assimetria e curtose Completam a descrição de uma distribuição, informando sobre sua forma: o grau de deformação (assimetria) e o grau de achatamento (curtose) em relação à curva normal. 7.1 Medidas de assimetria Primeiro coeficiente de Pearson: $As = \dfrac{\bar{x} - Mo}{s}$ Segundo coeficiente de Pearson: $As = \dfrac{3(\bar{x} - Md)}{s}$ Coeficiente de assimetria de Bowley (ou quartílico), baseado apenas nos quartis e por isso resistente a outliers: $As = \dfrac{Q3 + Q1 - 2 \cdot Md}{Q3 - Q1}$, variando de $-1$ a $. Coeficiente momento de assimetria (Fisher), baseado no terceiro momento centrado em relação à média: $g1 = \dfrac{m3}{s^3}$ Em qualquer desses coeficientes: valor igual a zero indica simetria; valor positivo indica assimetria positiva (cauda mais longa à direita); valor negativo indica assimetria negativa (cauda mais longa à esquerda). 7.2 Medidas de curtose A curtose mede o grau de achatamento (ou afilamento) da curva de frequências em comparação com a curva normal. Coeficiente percentílico de curtose: $K = \dfrac{Q3 - Q1}{2(P{90} - P{10})}$. Para a distribuição normal, $K = 0{,}263$. Se $K = 0{,}263$, a distribuição é mesocúrtica; se $K > 0{,}263$, é platicúrtica (mais achatada que a normal); se $K < 0{,}263$, é leptocúrtica (mais afilada/pontiaguda que a normal). Coeficiente momento de curtose (Fisher), baseado no quarto momento centrado, na convenção de "excesso de curtose": $g2 = \dfrac{m4}{s^4} - 3$. Aqui, $g2 = 0$ indica curva mesocúrtica; $g2 > 0$, curva leptocúrtica; $g2 < 0$, curva platicúrtica. Atenção: os dois critérios de curtose usam escalas e direções diferentes (o percentílico compara com 0,263 e inverte a leitura de "maior" e "menor" em relação ao momento de Fisher, que compara com zero). Não devem ser confundidos entre si nem tratados como equivalentes numericamente — cada um deve ser interpretado segundo seu próprio referencial. Distribuições de probabilidade 8.1 Distribuição Normal (Gaussiana) É a distribuição mais importante da estatística. Possui forma de sino, é simétrica em torno da média, e seus parâmetros são $\mu$ e $\sigma$. Regra Empírica (68‑95‑99,7): aproximadamente 68% dos dados estão a 1 desvio‑padrão da média; 95% a 2 desvios‑padrão; 99,7% a 3 desvios‑padrão. Escore padronizado (Z): indica quantos desvios‑padrão um valor está acima ou abaixo da média. $z = \frac{x - \mu}{\sigma}$ Importância: pelo Teorema Central do Limite (TCL), a média amostral de um grande número de observações independentes se aproxima de uma distribuição normal, independentemente da forma da distribuição original. Isso justifica o uso de intervalos de confiança e testes de hipóteses mesmo quando a população não é normal. 8.2 Outras distribuições importantes Binomial: modela o número de sucessos em $n$ ensaios independentes, cada um com probabilidade de sucesso $p$ constante (amostragem com reposição, ou população efetivamente infinita). Ex.: proporção de eleitores que aprovam determinada política. Hipergeométrica: modela o número de sucessos em $n$ extrações sem reposição de uma população finita com um número conhecido de sucessos. Distingue‑se da binomial justamente por não haver reposição — a probabilidade de sucesso muda a cada extração. Ex.: sortear uma amostra de processos de um lote finito de processos, alguns dos quais contêm um determinado vício. Poisson: modela a contagem de eventos raros em um intervalo fixo (tempo, área). Ex.: número de acidentes de trânsito em um cruzamento por mês. t de Student: similar à normal, mas com caudas mais pesadas. Utilizada quando o desvio‑padrão populacional é desconhecido e a amostra é pequena ($n < 30$). Converge para a normal à medida que os graus de liberdade aumentam. Qui‑quadrado ($\chi^2$): utilizada para testes de associação em variáveis categóricas (teste de independência) e para testar a aderência a um modelo. F de Snedecor: surge da razão de duas variâncias e é usada na ANOVA e na comparação de modelos de regressão. Amostragem 9.1 Amostragem probabilística Toda unidade da população tem probabilidade conhecida e maior que zero de ser selecionada. Permite calcular a margem de erro e generalizar estatisticamente. Aleatória simples (AAS): cada elemento da população tem a mesma probabilidade de ser selecionado, e as seleções são independentes. Ex.: sorteio de registros do CadÚnico. Sistemática: seleciona‑se um início aleatório e, a partir dele, toma‑se cada $k$‑ésimo elemento ($k = N/n$). Ex.: entrevistar um a cada dez pacientes em uma fila. Estratificada: a população é dividida em estratos homogêneos internamente, e sorteia‑se uma amostra dentro de cada estrato. Reduz a variância quando os estratos realmente diferem entre si. Ex.: amostrar separadamente zonas urbana e rural de um município. Por conglomerados (clusters): a população é dividida em conglomerados (heterogêneos internamente); sorteiam‑se alguns conglomerados e estuda‑se todos os seus elementos. Reduz custos logísticos. Ex.: sortear escolas e entrevistar todos os professores das escolas selecionadas. Em múltiplos estágios: combinação dos anteriores, geralmente estratificação seguida de conglomerados selecionados em sequência. Ex.: a PNAD Contínua do IBGE, cujo plano amostral seleciona, em três estágios, primeiro os municípios (unidades primárias, estratificadas geograficamente), depois os setores censitários dentro dos municípios sorteados, e por fim os domicílios dentro dos setores sorteados. 9.2 Amostragem não probabilística A probabilidade de seleção é desconhecida. Útil para pesquisas exploratórias, mas não permite generalização estatística rigorosa. Conveniência: seleciona‑se quem está disponível. Ex.: entrevistas em uma praça. Por julgamento (intencional): o pesquisador seleciona unidades que julga representativas. Por cotas: define‑se cotas (sexo, idade) e seleciona‑se até preenchê‑las. Similar a uma estratificada, mas sem aleatorização dentro das cotas. Bola de neve (snowball): um entrevistado indica outro, útil para populações de difícil acesso. Distribuição amostral e erro padrão Toda estatística calculada a partir de uma amostra (como $\bar{x}$) é, ela própria, uma variável aleatória: se fossem coletadas várias amostras diferentes da mesma população, cada uma produziria um valor diferente de $\bar{x}$. A distribuição de probabilidade dessa estatística, considerando todas as amostras possíveis de tamanho $n$, é chamada de distribuição amostral. O erro padrão da média mede a dispersão típica da média amostral em torno da média populacional: $\sigma{\bar{x}} = \frac{\sigma}{\sqrt{n}} \qquad \text{(estimado, quando } \sigma \text{ é desconhecido, por } \quad s{\bar{x}} = \frac{s}{\sqrt{n}} \text{)}$ O erro padrão diminui à medida que o tamanho da amostra aumenta — mas na proporção de $\sqrt{n}$, e não de $n$: para reduzir o erro padrão pela metade, é preciso quadruplicar o tamanho da amostra. É esse erro padrão que aparece diretamente na construção dos intervalos de confiança e nas estatísticas de teste da seção 12. Inferência estatística: estimação 11.1 Estimação pontual Fornece um único valor como estimativa do parâmetro. Ex.: $\bar{x}$ para estimar $\mu$. Contudo, o valor pontual não informa sobre a precisão da estimativa. 11.2 Intervalo de confiança (IC) para a média Faixa de valores que, com um nível de confiança - \alpha$ (usualmente 95%), contém o parâmetro populacional. A interpretação correta é frequentista: se repetíssemos o processo de amostragem infinitas vezes, a proporção de intervalos que conteriam o verdadeiro parâmetro seria - \alpha$. Para a média, com $\sigma$ conhecido (ou amostra grande) e normalidade: $IC{\mu (1-\alpha)} = \bar{x} \pm z{\alpha/2} \cdot \frac{\sigma}{\sqrt{n}}$ Quando $\sigma$ é desconhecido e a amostra é pequena, substitui‑se $z{\alpha/2}$ pelo valor crítico $t{\alpha/2}$ da distribuição t de Student (com $n-1$ graus de liberdade) e $\sigma$ por $s$: $IC{\mu (1-\alpha)} = \bar{x} \pm t{\alpha/2} \cdot \frac{s}{\sqrt{n}}$ Margem de erro: o termo que multiplica/soma ao redor de $\bar{x}$ (ex.: $z{\alpha/2} \cdot \sigma / \sqrt{n}$). Para reduzir a margem de erro pela metade, o tamanho da amostra precisa quadruplicar. Interpretação errônea comum: não se pode dizer que há 95% de probabilidade de o parâmetro estar no intervalo já calculado; o parâmetro é fixo, o intervalo é que é aleatório (varia de amostra para amostra). 11.3 Intervalo de confiança para uma proporção Para amostras suficientemente grandes, o intervalo de confiança para uma proporção populacional $p$ segue a mesma lógica, usando a proporção amostral $\hat{p}$ e seu erro padrão estimado: $IC{p (1-\alpha)} = \hat{p} \pm z{\alpha/2} \cdot \sqrt{\frac{\hat{p}(1-\hat{p})}{n}}$ Testes de hipóteses 12.1 Estrutura lógica Formulam‑se duas hipóteses complementares: $H0$ (hipótese nula): representa o status quo, a ausência de efeito ou de diferença. $H1$ (hipótese alternativa): afirma que há efeito, diferença ou associação. Escolhe‑se o nível de significância $\alpha$ (tradicionalmente 0,05), que é a probabilidade máxima tolerada de cometer um Erro Tipo I (rejeitar $H0$ quando ela é verdadeira). Calcula‑se a estatística do teste e o valor‑p (p‑valor), que é a probabilidade de obter um resultado tão ou mais extremo que o observado, supondo $H0$ verdadeira. Toma‑se a decisão: se p‑valor < $\alpha$, rejeita‑se $H0$ (resultado estatisticamente significativo). Caso contrário, não se rejeita $H0$. 12.2 Testes unilaterais e bilaterais Teste bilateral (bicaudal): usado quando $H1$ afirma apenas que o parâmetro é diferente de um valor de referência (ex.: $H1: \mu \neq \mu0$). A região crítica se divide entre as duas caudas da distribuição. Teste unilateral (unicaudal): usado quando $H1$ afirma uma direção específica (ex.: $H1: \mu > \mu0$ ou $H1: \mu < \mu0$). Toda a região crítica se concentra em uma única cauda, o que torna o teste mais sensível a diferenças naquela direção específica, para o mesmo $\alpha$. A escolha entre um teste unilateral e um bilateral deve ser feita antes de observar os dados, com base na pergunta de pesquisa — nunca escolhida a posteriori para forçar significância. 12.3 Erros possíveis Erro Tipo I ($\alpha$): falso positivo — rejeitar $H0$ quando ela é verdadeira. A probabilidade é controlada pelo pesquisador ao definir $\alpha$. Erro Tipo II ($\beta$): falso negativo — não rejeitar $H0$ quando $H1$ é verdadeira. Depende do tamanho do efeito real e do tamanho da amostra. Poder do teste ( - \beta$): probabilidade de rejeitar corretamente uma $H0$ falsa. Testes com amostras maiores têm maior poder. 12.4 Significância estatística × relevância prática Um resultado pode ser estatisticamente significativo (p < 0,05) e, ainda assim, ter efeito de magnitude tão pequena que não justifica uma política pública. A significância informa sobre a confiança na existência do efeito; a magnitude do efeito informa sobre sua importância. 12.5 Panorama dos principais testes | Situação | Teste indicado | |---|---| | Média de uma amostra vs. valor de referência, $\sigma$ conhecido ou $n$ grande | Teste Z | | Média de uma amostra vs. valor de referência, $\sigma$ desconhecido e $n$ pequeno | Teste t (uma amostra) | | Comparação de médias de dois grupos independentes | Teste t (amostras independentes) | | Comparação de médias de observações pareadas (antes/depois) | Teste t (amostras pareadas) | | Comparação de médias de três ou mais grupos | ANOVA (teste F) | | Associação entre duas variáveis categóricas | Qui‑quadrado de independência | | Aderência de uma distribuição observada a uma distribuição teórica | Qui‑quadrado de aderência | | Comparação de uma proporção amostral com um valor de referência | Teste Z para proporção | Correlação e regressão 13.1 Correlação Mede o grau de associação linear entre duas variáveis quantitativas. Coeficiente de correlação de Pearson ($r$): varia de $-1$ a $+1$. $r = 0$ indica ausência de correlação linear; $|r| \approx 1$ indica forte correlação. Sensível a outliers. $r = \frac{\sum (xi - \bar{x})(yi - \bar{y})}{\sqrt{\sum (xi - \bar{x})^2 \sum (yi - \bar{y})^2}}$ Correlação de Spearman ($\rho$): baseia‑se nos postos (ordens), não nos valores brutos. É uma medida não‑paramétrica, adequada para variáveis ordinais e para relações não‑lineares monotônicas. Cuidado fundamental: correlação não implica causalidade. Duas variáveis podem estar associadas por conta de uma terceira variável (confundidora) ou por mero acaso. 13.2 Regressão linear simples Modela a relação entre uma variável dependente ($y$) e uma variável independente ($x$): $y = \beta0 + \beta1 x + \varepsilon$ $\beta0$: intercepto. $\beta1$: coeficiente angular — efeito de $x$ sobre $y$. $\varepsilon$: erro aleatório (ruído). $R^2$: coeficiente de determinação — proporção da variância de $y$ explicada pelo modelo (varia de 0 a 1, na regressão linear simples com intercepto). Um $R^2$ elevado não garante causalidade; um modelo pode ter $R^2$ alto e ser espúrio. 13.3 Regressão linear múltipla Extensão para várias variáveis independentes: $y = \beta0 + \beta1 x1 + \beta2 x2 + ... + \betak xk + \varepsilon$. Permite isolar o efeito de cada variável, controlando pelas demais. Ex.: estimar o efeito do gasto por aluno no desempenho escolar ($x1$), controlando pelo nível socioeconômico médio da escola ($x2$). A hipótese de ceteris paribus é crucial. ANOVA (Análise de Variância) A ANOVA é um método para comparar médias de três ou mais grupos simultaneamente, controlando a taxa de erro do Tipo I (que seria inflada se fizéssemos múltiplos testes t par a par). O teste F verifica se a variância entre os grupos é significativamente maior do que a variância dentro dos grupos. Pressupostos: independência das observações, normalidade dos resíduos e homocedasticidade (igualdade das variâncias entre grupos). Ex.: comparar o desempenho médio de alunos submetidos a quatro métodos de ensino diferentes. Se a ANOVA indicar diferença significativa entre os grupos, mas não especificar quais grupos diferem entre si, recorre‑se a testes de comparação múltipla post‑hoc (como o teste de Tukey) para identificar exatamente onde estão as diferenças. Para a prova — quadro‑resumo Variáveis: nominais, ordinais, discretas, contínuas. A moda é a única medida para nominais. Média é sensível a outliers; mediana é resistente; $MH \leq MG \leq \bar{x}$ para dados positivos. Regra de Sturges: $k = 1 + 3{,}322 \log{10} n$ estima o número de classes de uma distribuição de frequências. Variância amostral usa $n-1$ no denominador (correção de Bessel); a populacional usa $N$. CV = $s/\bar{x} \times 100$ — adimensional, usado para comparar variabilidades entre variáveis de unidades diferentes. Assimetria: zero = simétrica; positiva = cauda à direita ($Mo < Md < \bar{x}$); negativa = cauda à esquerda. Coeficiente de Bowley varia de $-1$ a $. Curtose: mesocúrtica (como a normal), leptocúrtica (mais afilada) e platicúrtica (mais achatada) — atenção ao critério usado (percentílico vs. momento de Fisher), pois têm referenciais diferentes. Distribuição normal: 68% (1$\sigma$), 95% (2$\sigma$), 99,7% (3$\sigma$). O TCL justifica a aproximação normal para grandes amostras. Binomial exige reposição (ou população infinita); hipergeométrica é sua análoga sem reposição. Erro padrão = $\sigma/\sqrt{n}$: para reduzi‑lo à metade, é preciso quadruplicar $n$. Amostragem probabilística: AAS, sistemática, estratificada, conglomerados, múltiplos estágios (ex.: PNAD Contínua). Não probabilística: conveniência, cotas, bola de neve. Um censo (ex.: Censo Escolar) não é amostra. p‑valor < $\alpha$ → rejeita $H0$. Erro Tipo I = falso positivo; Erro Tipo II = falso negativo. Teste unilateral concentra a região crítica em uma cauda; bilateral, nas duas. Correlação ≠ causalidade. Pearson (linear, quantitativo) × Spearman (ordinal, não‑linear monotônica). Regressão: $R^2$ mede a proporção da variância explicada. ANOVA: compara médias de 3 ou mais grupos; estatística F; testes post‑hoc (Tukey) identificam onde estão as diferenças. Exercícios: Em uma pesquisa sobre hábitos de consumo, a quantidade de produtos adquiridos por cada consumidor é uma variável do tipo: Em uma amostra, a média foi calculada como 50, e o desvio-padrão foi de 10. Qual é o intervalo de confiança de 95% para a média populacional, considerando que a amostra segue uma distribuição normal? Qual das seguintes afirmações sobre a média e a mediana é verdadeira em uma distribuição assimétrica positiva? Qual método de amostragem é mais adequado quando se deseja garantir que diferentes subgrupos da população estejam representados na amostra? Em um teste de hipóteses, se o p-valor obtido for menor que o nível de significância α, a decisão correta é: O coeficiente de correlação de Pearson (r) é utilizado para medir: Para qualquer conjunto de dados composto por valores reais estritamente positivos, a relação entre a média harmônica ($MH$), a média geométrica ($MG$) e a média aritmética ($\bar{x}$) cumpre a relação $MH \le MG \le \bar{x}$, ocorrendo a igualdade estrita se, e somente se, todos os elementos do conjunto forem iguais. O coeficiente percentílico de curtose, dado por $K = \frac{Q_3 - Q_1}{2(P_{90} - P_{10})}$, apresenta valor de referência de $0{,}263$ para a distribuição normal, sendo que valores de $K > 0{,}263$ caracterizam uma distribuição leptocúrtica. O plano amostral da Pesquisa Nacional por Amostra de Domicílios Contínua (PNAD Contínua) do IBGE estrutura-se como uma amostragem probabilística em múltiplos estágios, na qual as unidades primárias de amostragem são os municípios, seguidos pelos setores censitários e pelos domicílios. A distribuição Binomial é o modelo teórico adequado para mensurar a probabilidade de sucessos em uma amostragem realizada sem reposição a partir de uma população finita de elementos. A interpretação frequentista correta de um Intervalo de Confiança de 95% para a média populacional ($\mu$) indica que, se o procedimento de amostragem for repetido infinitas vezes, 95% dos intervalos gerados conterão o parâmetro $\mu$. Em um teste de hipóteses estatístico, o p-valor obtido expressa a probabilidade de a hipótese nula ($H_0$) ser verdadeira diante dos dados coletados na amostra. A obtenção de um alto coeficiente de determinação ($R^2 = 0{,}92$) em um modelo de regressão linear simples com intercepto garante formalmente uma relação de causalidade direta entre a variável explicativa $x$ e a variável resposta $y$. Ao organizar um conjunto de dados brutos contendo $n = 1000$ observações em uma tabela de frequências, a aplicação da Regra de Sturges indica a formação de $k = 11$ classes. O Coeficiente de Variação ($CV = \frac{s}{\bar{x}} \times 100$) é uma medida de dispersão relativa mensurada na própria unidade de medida dos dados originais, como em R\$ ao avaliar orçamentos.