O seu Blog de Psicometria

Tenha acesso à nossa enciclopédia virtual de conhecimento em Psicometria e Análise de Dados

Junte-se a mais de 22.300 membros e receba conteúdos exclusivos e com prioridade

Estatística Descritiva e Estatística Inferencial: o que são e quais as diferenças

psicometriaonline

mar 21, 2023

Olá. Neste post vamos explicar de forma fácil o que são e quais as principais diferenças entre a estatística descritiva e a estatística inferencial.

O que é estatística descritiva?

A estatística descritiva é empregada na caracterização e síntese dos dados. Seu propósito primordial é descrever o comportamento dos dados coletados, identificando padrões, tendências e outras características relevantes, tais como medidas de tendência central, dispersão e distribuição, sem, contudo, estender as conclusões para além do conjunto de dados examinado.

Por exemplo: ao coletar dados sobre a estatura dos estudantes de um determinado estabelecimento de ensino, a Estatística Descritiva permite calcular a média de estatura, a moda (estatura mais frequente) e a variabilidade entre as estaturas dos alunos.

De maneira direta, os principais termos que você precisa entender quando falamos de estatística descritiva são:

Média: A média é calculada somando-se todos os valores numéricos de um conjunto de dados e dividindo-se pelo número total de valores. Representa o ponto central ou a localização central dos dados.

Moda: A moda refere-se ao valor que aparece com maior frequência em um conjunto de dados. Pode ser útil para identificar categorias ou valores que são particularmente comuns.

Mediana: A mediana é o valor que divide um conjunto de dados ordenados em duas partes iguais. Quando o número de observações é ímpar, a mediana é o valor central; quando é par, é a média dos dois valores centrais. A mediana é menos sensível a valores extremos do que a média.

Desvio Padrão: O desvio padrão mede a dispersão ou variabilidade dos valores em um conjunto de dados em relação à média. Um desvio padrão baixo indica que os valores tendem a estar próximos da média, enquanto um desvio padrão alto indica maior dispersão.

Variância: Semelhante ao desvio padrão, a variância quantifica a dispersão dos dados, mas faz isso elevando ao quadrado as diferenças entre cada valor e a média, fornecendo uma medida da variabilidade em termos quadráticos.

Erro Padrão: O erro padrão mede a precisão com que a média de uma amostra representa a média da população total. Um erro padrão menor indica uma estimativa mais precisa da média da população.

Vale salientar, como dito anteriormente, que esses dados irão fazer alusão apenas à sua própria amostra, sem tentar realizar inferências para outras amostras ou populações.

Se você quiser entender mais sobre estatística descritiva, confira outros posts, sobre tendências centrais, variação e distribuição.

O que é estatística inferencial?

Diferentemente da estatística descritiva, a estatística inferencial dedica-se à extrapolação de conclusões acerca de uma população maior, baseando-se em uma amostra de dados.

Este ramo utiliza métodos estatísticos para testar hipóteses e estimar parâmetros, possibilitando inferências sobre características da população a partir da análise de amostras.

Um exemplo pertinente seria investigar se a estatura média dos estudantes de uma escola difere significativamente daquela de outra instituição.

Nesse cenário, poderia ser empregado a estatística inferencial para realizar um teste t de amostras independentes com o intuito de testar essa hipótese, com base nos dados coletados das respectivas escolas.

Para entender melhor a estatística inferencial, você precisará entender ao menos dois conceitos básicos: o teste de hipóteses e a inferência baseada no valor de p.

Testes de Hipóteses: Os testes de hipóteses são procedimentos que permitem tomar decisões sobre a população com base em amostras de dados. Utilizam-se para determinar se um resultado observado em dados de amostra pode ser atribuído ao acaso ou se é estatisticamente significativo.

Valor de P (Valor de Probabilidade): O valor de p é uma medida que indica a probabilidade de observar os resultados encontrados, ou resultados mais extremos, sob a suposição de que a hipótese nula é verdadeira. Valores de p baixos (tipicamente < 0,05) sugerem que é improvável obter tais resultados por acaso, levando à rejeição da hipótese nula.

Atenção: Se você quiser entender mais a fundo esses termos, por favor, veja no blog outras postagens sobre: valor de p e testes de hipóteses.

Qual a diferença entre a estatística descritiva e estatística inferencial?

A principal diferença entre a estatística descritiva e estatística inferencial mais notável entre estes dois ramos reside na abordagem dos dados: enquanto a Estatística Descritiva concentra-se na descrição e síntese das características dos dados coletados, a Estatística Inferencial ocupa-se com a generalização dessas observações para populações maiores, permitindo a formulação de inferências e previsões.

Ambos os domínios, a Estatística Descritiva e a Inferencial, são vitais para a condução de pesquisas científicas rigorosas e para a tomada de decisões informadas em variadas disciplinas, incluindo economia, medicina e psicologia.

Conhecendo agora as definições e distinções entre a Estatística Descritiva e Inferencial, incentiva-se a aplicação prática desses conhecimentos na análise de dados, promovendo uma compreensão mais aprofundada e crítica dos fenômenos estudados.

Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).

Conteúdo

Mais lidos

Glossário de Análise Fatorial Exploratória

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Covariância e correlação

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Postados recentemente

Glossário de Análise Fatorial Exploratória

Como lidar com os pressupostos da Análise de Variância (ANOVA)?

Covariância e correlação

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

psicometriaonline

Posts sugeridos

Diferenças entre Modelos Lineares e Modelos Lineares Generalizados (GLMs)

Em análise de dados, Modelos Lineares (LMs) e Modelos Lineares Generalizados (GLMs) são duas técnicas fundamentais que desempenham papéis cruciais na modelagem e interpretação de…

Alex França

fev 11, 2024

Explorando as etapas da análise de dados

No vasto universo da análise de dados, encontramos duas vertentes cruciais: as estatísticas descritivas e as estatísticas inferenciais. Cada uma desempenha um papel distintivo na…

Alex França

fev 4, 2024

Breve check list para escrita de artigo acadêmico

Você está pronto para embarcar em uma jornada de descoberta acadêmica? Seja você um pesquisado experiente ou iniciante, ter um guia para escrever um artigo…

Alex França

jan 28, 2024

Cadastre-se para ser notificado com o link das aulas ao vivo:

Módulo 4: Redes neurais artificiais

• Introdução a Deep Learning

• Avaliando sistemas de Deep Learning

• Redes Neurais feitas (sem programação) no SPSS

• Aula bônus: O futuro da IA na Sociedade

• Aula bônus: Dois Estudos de Caso 

Módulo 3: Interpretar e reportar resultados

• Gerar, interpretar e reportar resultados em Machine Learning

Módulo 2: Criando o seu sistema

• Selecionando algoritmos e métodos 
• Práticas de Machine Learning (Sem programação): Decision Tree (JASP), Linear Discriminant Classification (JASP) e Plataforma ORANGE
• Aula Bônus: Avaliação Psicológica e Machine Learning
• Aula Bônus: Livros e Cursos recomendados  
• Aula Bônus: Entrevista com Cientista de Dados focado na área da Saúde

Módulo 1: O que é Machine Learning

• O que é Machine Learning?
• Como a máquina aprende?
• Machine Learning para Psicometria e Pesquisa Quantitativa (pesquisas comentadas)
• Tipos de Machine Learning (Supervisionado e Não-supervisionado)
• Práticas de Machine Learning (Sem programação): JASP e SPSS
Aula Bônus: Filosofia da Inteligência Artificial
• Aula Bônus: Entrevista com Cientista de Dados graduado em Psicologia
• Aula bônus: Estudo de Caso sobre Redução Dimensional 

Preencha abaixo para
participar gratuitamente

Fique tranquilo, não utilizaremos suas informações de contato para enviar qualquer tipo de SPAM. Os dados coletados são tratados nos termos da Lei Geral de Proteção de Dados e você pode se descadastrar da nossa lista de contatos a qualquer momento.