Olá, tudo bem com você? Hoje o objetivo é falar um pouco mais sobre o que os estatísticos fazem ou podem fazer! Muita “coisa” legal, pode apostar!
Duas semanas atrás, nós comentamos sobre as etapas iniciais do trabalho de um estatístico. Fases muito importantes e que devem ser realizadas com bastante cuidado, para que as análises, interpretações e conclusões de todo o seu esforço, seja o mais eficiente possível.
Se quiser aprender (ou relembrar) todas as etapas, eu recomendo a leitura do post “O que os Estatísticos fazem? (P1)” sobre definição do problema e conjunto de dados ideal, e também a escolha da melhor forma de acesso aos dados. Para complementar, você pode ler também o post “O que os Estatísticos fazem? (P2)“, que fala sobre como obter, “limpar” e realizar a análise exploratória dos dados.
A partir de agora, vamos falar da estatística mais “robusta”. Aquela que poucas pessoas usam; que as empresas gostariam de aplicar (mas nunca dá tempo); mas que muita gente adora. Principalmente mestres e doutores. Vamos falar de Inferência e Modelagem Estatística, de como interpretar os resultados e apresentar de forma dinâmica (dashboard).
Então para começar a “brincadeira”, vamos falar dos próximos passos, além da análise exploratória. Lembrando que nesse momento, estamos apenas citando que existe, e não nos aprofundando sobre o assunto. Esse momento chegará. Vamos lá!
1. Inferência Estatística e Modelagem Estatística
O que será isso? Resumidamente e de forma simples, apresentamos os seguintes conceitos:
Inferência Estatística: é a ação de inferir ou deduzir (concluir) algo por meio de técnicas estatísticas. Esse conjunto de técnicas nos permite estudar uma população apenas analisando as amostras de interesse. E a partir deste ponto fazer afirmações com um certo grau de precisão. Para isso, é comum usarmos estimação de parâmetros e testes de hipóteses.
Exemplos:
- Estimação de parâmetros nos esportes: previsão de resultados de jogos de futebol.
Modelagem Estatística: é a representação “simplificada” da realidade por meio de um modelo, construído com técnicas estatísticas (baseado em probabilidades), que busca descrever os aspectos de interesse (ou mais significativos), excluindo os outros.
Exemplos:
- Modelagem estatística para dados financeiros: modelo para definir quem é mau ou bom pagador de uma nova linha de crédito de um banco específico.
- Modelagem estatística para dados esportivos: modelo, baseado em probabilidades, que prevê os movimentos de jogadores de basketball, com um certo grau de precisão.
Dica: Assistam ao vídeo “The math behind basketball’s wildest moves“ de Ravij Maheswaran ().
2. Interpretação de resultados
Essa é uma fase muito importante do seu trabalho. De nada adianta obter resultados (números, gráficos, mapas, equações), valores de estimadores, p-valor, estatísticas de testes (qui-quadrado, t-student), se você não sabe o que eles querem dizer. Um número sozinho não significa nada.
Entenda o contexto; aplique o conceito. Não tire conclusões precipitadas. Analise o conjunto. Só assim, você conseguirá interpretar seus dados de maneira correta e eficiente.
3. Apresentação de resultados
E por fim, mas não menos importante. Apresente seus resultados. Tão importante quanto interpretar e fazer uma análise correta. É nesse momento que o seu trabalho aparece e se transforma (pelo menos para as pessoas que não são da área). É aqui que acontece a mágica. É o resultado (visual) de todo o seu empenho. É hora de se fazer entender.
Por isso, nessa fase, seja o mais dinâmico possível. Apresente seus resultados de uma forma que qualquer leigo entenda. Para que seu trabalho seja valorizado, os demais profissionais envolvidos têm que entender a importância e a magnitude de uma ciência tão bonita como essa.
Valorize seu trabalho. E ajude os outros a valorizarem também.
Se você não se contenta em realizar apenas a análise exploratória dos dados, e quer “inferir” nos resultados (estimação de parâmetros, teste de hipóteses, construção de modelos), eu encorajo você a explorar esse universo. Se você já faz isso, aprimore mais ainda seu conhecimento.
Pensando nisso, eu sugiro esses ótimos livros de Inferência Estatística (usei na faculdade, e recomendo). Bom estudo!
- . Mood, A. M.; Graybill, F. A. (1982)
- . Migon, H. S.; Gamerman, D. (2014)
- . Degroot, M. H. (2001)
Material usado
Imagem do homem analisando os resultados: http://bit.ly/2e06tcV
Siga-nos nas redes sociais
Facebook: https://www.facebook.com/oestatistico
Twitter:
Instagram:
Pinterest:
