Curso Online de Estatística Aplicada

Curso Online de Estatística Aplicada

Este curso apresentará três técnicas estatísticas, a saber: (1) estatística descritiva, (2) inferência estatística e (3) regressão linear...

Continue lendo

Autor(a):

Carga horária: 17 horas


Por: R$ 23,00
(Pagamento único)

Certificado digital Com certificado digital incluído

Este curso apresentará três técnicas estatísticas, a saber: (1) estatística descritiva, (2) inferência estatística e (3) regressão linear simples.

Consultora Educacional e Empresarial.



  • Aqui você não precisa esperar o prazo de compensação do pagamento para começar a aprender. Inicie agora mesmo e pague depois.
  • O curso é todo feito pela Internet. Assim você pode acessar de qualquer lugar, 24 horas por dia, 7 dias por semana.
  • Se não gostar do curso você tem 7 dias para solicitar (através da pagina de contato) o cancelamento ou a devolução do valor investido.*
  • Adquira certificado ou apostila impressos e receba em casa. Os certificados são impressos em papel de gramatura diferente e com marca d'água.**
* Desde que tenha acessado a no máximo 50% do material.
** Material opcional, vendido separadamente.

Modelo de certificados (imagem ilustrativa):

Frente do certificado Frente
Verso do certificado Verso
  • Estatística Aplicada

  • 1
    Estatística descritiva: conceitos e aplicações
    Muitos associam os métodos quantitativos e, particularmente, a estatística a cálculos complicados e resultados que pareçam ter pouca aplicabilidade em nosso dia a dia. Ledo engano. A estatística está menos restrita a números em si e tem, cada vez mais, contribuído de forma decisiva no suporte à tomada de decisão qualificada em diferentes áreas do conhecimento, como marketing, finanças, logística, operações, gestão de pessoas, economia e contabilidade. Por um lado, o avanço computacional nos anos recentes contribuiu para que cálculos complicados pudessem ser automatizados, reduzindo o tempo de execução de uma pesquisa de forma jamais vista antes. Por outro lado, a tomada de decisão, em especial no mundo dos negócios, tem sistematicamente migrado de uma ênfase mais subjetiva para uma abordagem em que o embasamento quantitativo tenha papel de destaque.
    Os métodos quantitativos são utilizados para extrair informações potencialmente úteis, com base em dados disponíveis (ou feitos disponíveis), de modo que gestores consigam tomar decisões sistematicamente melhores. Nesse sentido, é necessário entender o conceito de pesquisa quantitativa e como esse conceito direciona os métodos quantitativos mais adequados para cada situação.
    Ao longo deste capítulo, teremos como objetivo descrever quais são as relações entre pesquisa, pesquisa quantitativa e métodos quantitativos, expor como conduzir uma pesquisa quantitativa, com base no desenvolvimento de um questionário, e descrever as relações entre métodos quantitativos e tomada de decisão.
    Imaginemos este cenário: alguém X sabe preparar um delicioso bolo de chocolate. Em determinado momento do processo de elaboração do tal bolo, alguém X sabe que precisa incluir fermento para que a massa do bolo cresça e, assim, o bolo fique fofinho e delicioso. Ainda que alguém X não consiga explicar exatamente o motivo, sabe que o fermento faz o bolo crescer. É evidente que não conseguir explicar o crescimento do bolo não descaracteriza o conhecimento que existe na elaboração do bolo. Esse tipo de conhecimento pode ser considerado “popular” (também chamado de senso comum) e é passível de ser transmitido entre gerações pela educação informal e, muitas vezes, com base na imitação e na experiência pessoal.
    Agora, nesse mesmo contexto, imaginemos que alguém Y esteja curioso acerca dos reais ou verdadeiros motivos que fazem o bolo crescer com base na aplicação do fermento e comece a investigar propriedades do ingrediente. Eis que, em dado momento, alguém Y descobre que o fermento, quando adicionado à massa, promove processos químicos e biológicos que acabam produzindo compostos gasosos, e são esses gases que expandem a massa, dando origem a pequenos buracos e, como consequência, o bolo fica macio. É de notar que a natureza desse outro tipo de conhecimento é diferente da primeira. Esse conhecimento tem caráter mais científico e é passível

  • Estatística Aplicada
    10
    de transmissão por meio de capacitação adequada, sendo um conhecimento obtido por meio de procedimentos científicos, de maneira mais lógica e racional (MARCONI; LAKATOS, 2010).
    O que diferencia ambos os casos são os métodos e os instrumentos que resultaram no conhecimento: como é que se chegou a determinada conclusão? Nesse contexto, convém distinguir pesquisa e método. De maneira coloquial, pesquisa é o quê se pretende investigar, e método é como se pretende investigar. Assim, há geração de conhecimento com uma base menos popular e, portanto, mais científica. É evidente que o quê e como estão proximamente relacionados, mas é particularmente importante destacar a relação cronológica de ambos em uma investigação: primeiramente, define-se o quê e, apenas depois, define-se como.
    Tanto a pesquisa quanto os métodos podem ter natureza qualitativa ou quantitativa. Para fins deste material, a pesquisa e os métodos quantitativos são de particular interesse. É esse o motivo pelo qual, a seguir, serão abordados os seguintes temas: pesquisa, pesquisa quantitativa e métodos quantitativos.

    Pesquisa
    A pesquisa, também usualmente chamada de investigação ou estudo, é um processo sistemático para a construção do conhecimento humano, seja pela geração de novos conheci- mentos, seja pela contribuição para o detalhamento, a refutação, a ampliação ou a atualização de conhecimentos preexistentes. Em caráter geral, trata-se do conjunto de atividades orientadas e planejadas pela busca do conhecimento.
    É da natureza da pesquisa seu caráter científico, pois pressupõe que seus achados tenham como pilares provas observáveis, empíricas e mensuráveis. Com base na formulação e em testes de hipóteses, dados são coletados por meio da observação e experimentação. É nesse ponto que se distingue ciência e opinião (ou, como apresentado, senso comum).
    Por exemplo, suponha que um empresário perceba que o lucro de sua empresa de produção de lâmpadas esteja em queda constante. Uma de suas hipóteses é que a linha de produção esteja ineficiente, por isso, decide coletar dados diretamente nas lâmpadas que saem da linha de produção. Para sua surpresa, é constatado que 63% das lâmpadas são produzidas com defeitos, portanto há evidência de que a linha de produção está com problemas. É importante notar que o fato de 63% das lâmpadas estarem com defeito não é apenas opinião, mas uma evidência irrefutável. Ademais, é de sistematizar o raciocínio da pesquisa:
    formulação da hipótese: linha de produção ineficiente;
    coleta de dados nas lâmpadas que saem da linha de produção; e
    dados observáveis: 63% das lâmpadas estão com defeitos.
    Do ponto de vista da gestão, no mesmo exemplo da produção de lâmpadas, a coleta de dados e a identificação de 63% de lâmpadas com defeitos permitem que o gestor proponha ações como suspensão imediata da produção, para evitar mais desperdício, ou mesmo a contratação de outra pesquisa, para identificar e descrever com mais precisão quais são as causas exatas dos defeitos (será que se trata de uma anomalia no maquinário? Problemas de calibragem dos equipamentos?

  • Estatística descritiva: conceitos e aplicações
    11
    Ou imperícia por parte dos funcionários da produção?). É de enfatizar que o uso mais notável da pesquisa não é o cálculo complexo em si, mas as melhores decisões que podem ser tomadas com base em tais cálculos. Assim, do ponto de vista da gestão, a pesquisa não é o fim em si, mas o meio pelo qual o gestor consegue tomar decisões melhores.
    Embora muitas vezes haja uma tentação de se partir diretamente para a coleta de dados (o que é compreensível, muitas vezes, por conta da urgência causada pela escassez de tempo ou pela ansiedade de se chegar rapidamente aos resultados), o primeiro passo no planejamento de uma pesquisa é a definição clara de um objetivo.
    É comum a declaração de objetivo enfatizar o cálculo que será feito ou o método da pesquisa que será utilizado. Exemplo (ruim): “o objetivo desta pesquisa é calcular medidas estatísticas da produção de lâmpadas em nossa empresa”. Outro exemplo (ruim): “o objetivo desta pesquisa é entrevistar funcionários da linha de produção da nossa empresa”. Essas declarações não refletem a real intenção daquele que planeja a pesquisa ou, pelo menos, podem ser consideradas imprecisas ou incompletas. É preferível a seguinte declaração de objetivo: “o objetivo da pesquisa é aumentar a eficiência da produção de lâmpadas em nossa empresa” (exemplo bom). Para isso, eventualmente, medidas estatísticas podem ser calculadas e entrevistas com funcionários da linha de produção podem ser conduzidas. Portanto, o objetivo fim da pesquisa não é apenas “calcular medidas estatísticas” ou “entrevistar funcionários da linha de produção”, mas “aumentar a eficiência da produção de lâmpadas”, como pode ser observado no Quadro 1 a seguir.
    Quadro 1 Exemplo de objetivo de pesquisa
    Fonte: Elaborado pelo autor.
    Com base em uma declaração de objetivo nobre, é necessário identificar qual é o tipo de pesquisa e quais são os métodos de pesquisa que podem contribuir mais decisivamente para atingir esse objetivo. Em linhas gerais, existem dois tipos de pesquisas: pesquisa qualitativa e pesquisa quantitativa.
    Além de cada tipo apresentar procedimentos e métodos específicos, eles se distinguem na natureza intrínseca. A pesquisa qualitativa tem como natureza a profundidade, portanto, a pertinência para adoção de uma pesquisa qualitativa está na tentativa de identificar e descrever detalhes de um dado fenômeno de interesse por meio da observação, da narrativa ou da percepção. O interesse repousa nas particularidades e experiências individuais. Fenômenos que requerem uma vertente mais qualitativa são aqueles que apresentam algum tipo de interesse, seja por sua reconhecida particularidade, seja por sua relação com o pesquisador. Exemplo: “identificar e descrever as iniciativas internas que promovem a inovação no Google (que é considerada uma organização reconhecidamente inovadora, portanto de interesse em uma pesquisa sobre inovação)”.

  • Estatística Aplicada
    12
    Outro exemplo: “identificar e descrever as percepções dos funcionários quanto às condições de trabalho em nossa empresa”.
    Por outro lado, a pesquisa quantitativa busca a generalização. O interesse é identificar e descrever preferências e tendências em geral. O objetivo é descrever (e, talvez, até mesmo compreender) os fenômenos por meio da coleta de dados numéricos, que apontarão preferências, comportamentos e outras ações dos indivíduos que pertencem a determinado grupo ou sociedade. Exemplo: “identificar qual é o percentual dos alunos que estão satisfeitos com a instituição de ensino (nota maior do que 8 em uma escala de 0 a 10)”. Outro exemplo: “com dois pontos percentuais para mais ou para menos, qual é o percentual de votos que tem um candidato na véspera do segundo turno de uma corrida eleitoral para presidência?”.
    A natureza de uma pesquisa qualitativa é, portanto, da busca pela profundidade e, de uma pesquisa quantitativa, é da abrangência. De maneira visual, pode-se estabelecer uma relação entre profundidade de análise desejada e abrangência ou generalização da análise, como apresentada na Figura 1 a seguir.
    Figura 1 Profundidade e abrangência das pesquisas científicas

    Profundidade da análise

    nálise

    Fonte: Nielsen; Olivo; Morilhas, 2018, p. 116.
    Se, por um lado, na pesquisa qualitativa, o estudo é conduzido sobre um ou poucos casos de interesse, por outro lado, na pesquisa quantitativa, espera-se um número de respondentes (ou de casos) “grande o suficiente”. Se o objetivo é a generalização, “grande o suficiente” significa que o conjunto de dados representa bem o fenômeno de interesse.
    Quanto à coleta de dados, pode-se afirmar que, na pesquisa qualitativa, ela acontece de maneira menos estruturada, podendo ter como fonte a observação de um fenômeno, a condução de uma entrevista ou de uma interação social, apenas para citar alguns exemplos. Já na pesquisa quantitativa, a coleta de dados é mais estruturada, em geral, por meio de um questionário com perguntas mais objetivas e menos passíveis à subjetividade do respondente. Espera-se que, ao final, depois dessa fase de coleta de dados, sejam aplicadas ferramentas estatísticas para a análise de dados. Nesse sentido, a pesquisa qualitativa pode ser considerada mais exploratória, mais inicial do ponto de vista da compreensão do fenômeno de interesse. De outra parte, a pesquisa quantitativa pode ser considerada mais conclusiva.

  • Estatística descritiva: conceitos e aplicações
    13
    Por fim, o Quadro 2, a seguir, apresenta um resumo das principais diferenças entre pesquisa qualitativa e quantitativa.
    Quadro 2 Comparação entre pesquisa qualitativa e quantitativa
    Fonte: Elaborado pelo autor com base em Nielsen; Olivo; Morilhas, 2018, p. 155.
    A condução de uma boa pesquisa começa com a definição de um objetivo nobre, um objetivo que mereça ser investigado. Na área das ciências sociais aplicadas, da qual fazem parte a administração, a economia e a contabilidade, apenas para citar algumas, são exemplos de objetivos nobres: (a) aumentar o faturamento da minha empresa, (b) identificar países que tenham características semelhantes de desenvolvimento ou (c) identificar nível ótimo de alavancagem de determinado grupo de empresas.
    Com base nas características intrínsecas das pesquisas qualitativa e quantitativa, esta obra tem como enfoque a vertente quantitativa, cujos planejamento e pesquisa de campo merecem cuidados, os quais serão abordados a seguir.

    1.2 Pesquisa quantitativa
    Como apresentado anteriormente, a pesquisa quantitativa almeja a generalização sobre determinado fenômeno de interesse, ainda que alcançar esse objetivo implique uma série de premissas e seja carregado de limitações para sua operacionalização. Uma das maneiras de se alcançar o objetivo da generalização é por meio de uma boa amostragem. Para esse ponto, convém entender a distinção e a relação entre população e amostra.
    Com base na declaração do objetivo da pesquisa, é necessário reconhecer quem são os objetos da pesquisa (ou objetos do estudo), e aos objetos da pesquisa é atribuído o nome de indivíduo. Por exemplo, em uma pesquisa sobre a satisfação de discentes sobre o curso que estão fazendo, cada discente regularmente matriculado é um indivíduo dessa pesquisa. É de notar, portanto, que definir quem é o indivíduo da pesquisa está intimamente ligado ao objetivo da pesquisa. Nesse sentido, deve-se perceber que, embora a nomenclatura indivíduo possa remeter a uma pessoa, isso não é obrigatório: em uma pesquisa sobre os carros de determinado município, cada carro desse município é um indivíduo da pesquisa.

  • Estatística Aplicada
    14
    De volta à discussão sobre população e amostra, à totalidade dos indivíduos atribui-se a nomenclatura de população (ou universo). Na pesquisa sobre satisfação de discentes sobre o curso que estão fazendo, a população é composta por todos os discentes regularmente matriculados. No limite, cabe inclusive a discussão sobre se a população, nesse exemplo, precisa incluir também aqueles que solicitaram trancamento nos últimos seis meses. Ou excluir aqueles que, embora regularmente matriculados, não estejam frequentando as aulas há mais de quatro semanas consecutivas. Não há critério universal único: o que determina a definição da população de uma pesquisa inclui a aderência ou a compatibilidade com o objetivo da pesquisa que fora delineado, mas, em situações variadas, isso não é suficiente. Essa compatibilização, por outro lado, não trata apenas de uma vontade do pesquisador em alcançar o objetivo da pesquisa, senão também da factibilidade de acesso que terá aos indivíduos da população. Por exemplo, no caso da pesquisa de satisfação de discentes, caso a opção seja por uma coleta de dados presencial, a população pode ser definida como aqueles discentes que estejam regularmente matriculados e que frequentem o campus presencialmente na semana de 25 a 29 de março. Portanto, a definição sobre a população precisa compatibilizar, de um lado, o objetivo da pesquisa e, de outro, a factibilidade de acesso aos indivíduos.
    Uma vez entendido como definir a população, vale o comentário sobre o censo. Quando todos os indivíduos participam do estudo, a pesquisa produzirá afirmações sobre a população como um todo. É evidente que a tomada de decisão fica potencialmente mais rica quando as afirmações recaem sobre a população como um todo e não apenas sobre parte dela. Por outro lado, inspecionar todos os indivíduos pode ser uma tarefa demorada, custosa, operacionalmente difícil e, algumas vezes, até mesmo impossível. Suponha uma pesquisa eleitoral de intenção de votos para presidência: se a população puder ser definida como todos que tenham um título de eleitor válido, vale imaginar a complexidade logística para se conseguir respostas de intenção de voto de todos os indivíduos. Em outro exemplo, suponha que, em uma linha de produção de lâmpadas, precisemos mensurar o tempo médio que a lâmpada funcione até queimar. É claro que, se esperarmos cada lâmpada queimar, para, então, poder calcular a média de tempo, não restará nenhuma lâmpada no estoque para que possamos vender. Desse modo, em muitas situações do nosso dia a dia, convém considerar trabalhar com uma parte da população. Na pesquisa quantitativa, a essa parte da população atribui-se a nomenclatura de amostra.
    Se, por um lado, qualquer parte da população constitui uma amostra, não é toda amostra que pode ser considerada boa para fins estatísticos. Uma amostragem melhor distingue-se por estas duas características: representatividade e aleatoriedade.
    Uma amostra é mais representativa quanto mais fidedignamente conseguir representar a população. Por exemplo: suponha que 58% de dada população de interesse seja composta por mulheres e 42% por homens; considerando-se apenas a variável gênero, uma amostra representativa terá essa mesma proporção de mulheres e homens. Por sua vez, uma amostra pode ser considerada aleatória quando cada indivíduo tem chances iguais de ser selecionado para compor a amostra. No mesmo exemplo anterior, supondo que precisemos eleger 1.000 mulheres para a amostra, cada uma das mulheres da população tem chance igual de ser selecionada para

  • Estatística descritiva: conceitos e aplicações
    15
    compor a amostra (por sorteio, por exemplo). Essas características de representatividade e aleatoriedade serão detalhadas com mais rigor adiante, quando, oportunamente, também será lançada à luz a interessante discussão sobre tamanho ideal de amostra.
    Se entendida a diferença e a relação entre população, amostra e indivíduo, é chegada a hora de aprofundar o conceito de variável. Em uma pesquisa, variável é uma característica de interesse do indivíduo. No exemplo sobre pesquisa de satisfação de discentes, se o indivíduo é um discente regularmente matriculado no semestre corrente, idade e nota atribuída à infraestrutura da escola podem ser consideradas variáveis, pois qualificam o indivíduo. Embora ambas sejam variáveis, elas carregam papéis diferentes na pesquisa: a variável idade serve para caracterizar o respondente do ponto de vista demográfico e, por esse motivo, esse tipo de variável é nomeado de variável demográfica.
    Variáveis demográficas contribuem para alcançar o objetivo da pesquisa de forma indireta: suponha que, ao utilizar a variável idade para segmentar em dois grupos, discentes com mais de 25 anos e discentes com menos de 25 anos, descubra-se que discentes do grupo com menos de 25 anos forneçam notas sistematicamente menores para a variável nota atribuída à infraestrutura. Se isso for realmente observado, o gestor pode tentar tomar alguma ação especificamente para esse grupo. Já a variável nota atribuída à infraestrutura da escola contribui diretamente para o objetivo da pesquisa e, por isso, no senso comum, esse tipo é chamado de variável da pesquisa. Variáveis demográficas podem também ser variáveis da pesquisa quando o objetivo é descrever determinada população ou amostra.
    A seguir, na Tabela 1, está um exemplo fictício dos resultados obtidos em uma pesquisa de satisfação de discentes sobre o curso que estão fazendo.
    Tabela 1 Exemplo de pesquisa de satisfação de discentes sobre o curso
    Fonte: Elaborada pelo autor.
    Sweeney et al. (2014) e Nielsen et al. (2018) classificam as escalas em quatro tipos:
    Escala nominal: os números ou rótulos são utilizados para nomear ou categorizar indivíduos. Exemplo: a variável gênero está apenas nomeando indivíduos. Supondo agora que se resolva alterar a forma de armazenar os dados, sendo 1 = Masculino e 2 = Feminino: não significa que 2 seja maior ou melhor do que 1, trata-se apenas de um modo de nomear os indivíduos.
    Escala ordinal: os números ou rótulos são utilizados para nomear e ordenar os indivíduos; portanto, quando dois indivíduos são comparados, é possível afirmar que

  • Estatística Aplicada
    16
    um tem mensuração maior do que o outro, mas não é possível mensurar quão maior. Exemplo: quando são comparados indivíduos sobre a percepção quanto à didática dos professores, entende-se que alguém muito satisfeito esteja mais satisfeito do que alguém que esteja apenas satisfeito, e que alguém satisfeito esteja mais satisfeito do que alguém insatisfeito, mas, em ambos os casos, não se consegue afirmar quanto mais satisfeito alguém X está em relação a alguém Y.
    Escala intervalar: os intervalos mostram a ordenação e a distância entre os indivíduos quanto a uma determinada característica. Exemplo: nota atribuída à infraestrutura da escola, em uma escala de 1 a 4, em que 1 seja a menor nota disponível e 4 seja a maior nota disponível, sabe-se que Carlos atribuiu 2 pontos mais em relação a Evandro (nota 4 versus nota 2, por exemplo).
    Escala de razão: assim como a escala intervalar, apresenta a ordenação e a distância entre os objetos, mas tem como referencial o zero absoluto, o que permite identificar a magnitude absoluta. Exemplo: variável idade: quem tem 36 anos é mais velho do que quem tem 19 anos, sendo 0 anos o equivalente ao zero absoluto = recém-nascido.
    Conhecer escalas é de particular interesse em pesquisas quantitativas, pois, a menos que o pesquisador tenha acesso a bases de dados já prontas (pagas ou gratuitas), será necessário elaborar um questionário para a obtenção de dados, coletar dados em campo e formar sua própria base. Antes de prosseguir, vale este comentário sobre bases de dados já prontas: em ciências sociais aplicadas, bases de dados (ou banco de dados) disponíveis no Brasil ainda são relativamente raras, pois, na maior parte das vezes, o objetivo daquele que coletou e disponibilizou dados é diferente do objetivo daquele que está com uma investigação em curso. Isso abre margem para uma prática questionável na condução de uma pesquisa: alterar o objetivo da pesquisa consoante com a base de dados disponível. Está claro que é mais fácil alterar o objetivo de pesquisa do que elaborar questionário, coletar dados e formar a própria base, ainda mais com as diferentes fontes de restrição para a condução da pesquisa: tempo, recursos financeiros e humanos, complexidade logística, apenas para citar algumas. Porém uma mensagem merece ser reforçada: para se conseguir a riqueza de um objetivo de pesquisa delineado, na maior parte das vezes, não haverá atalhos fáceis ou óbvios, contudo, caso exista uma base de dados que contribua inequívoca e significativamente para atingir seu objetivo de pesquisa, certamente vale considerá-la.
    Após a definição de objetivo da pesquisa, indivíduos, população, amostra e variáveis (demográficas e da pesquisa) com as respectivas escalas, avalia-se se há bases de dados disponíveis sobre as quais se possam rodar as ferramentas estatísticas e, assim, atingir o objetivo da pesquisa. Caso não sejam encontradas bases de dados para esse fim, os procedimentos a seguir são aplicáveis.
    A elaboração do questionário costuma ser uma fonte usual de erros em pesquisa quantitativa. Em primeiro lugar, porque, muitas vezes, há falta de cuidado na escolha das variáveis e da escala de cada uma delas. Um comentário de caráter mais geral sobre escolha de variáveis, mas que é pertinente a todas as pesquisas: as variáveis precisam estar em convergência com o objetivo da pesquisa. No exemplo da satisfação de discentes, além de variáveis demográficas, as variáveis de pesquisa podem incluir, mas não se restringir a:

  • Estatística descritiva: conceitos e aplicações
    17
    satisfação com o corpo docente;
    satisfação com a coordenação de curso;
    satisfação com a infraestrutura da instituição;
    satisfação com valores atuais;
    satisfação com a forma de pagamento;
    satisfação com a localização.
    Muitas vezes, em pesquisas acadêmicas, é comum que as variáveis tenham como origem a literatura disponível na área de interesse. No mundo corporativo, por outro lado, as variáveis podem ter como origem a experiência do profissional em determinado assunto.
    Em seguida, é necessário eleger uma escala adequada às variáveis escolhidas e, consequentemente, aos objetivos da pesquisa. Em escalas de percepção, que são muito comuns em ciências sociais aplicadas, podem ser adotadas tanto escalas numéricas (por exemplo, de 0 a 10) quanto de concordância. Um exemplo de escala de concordância é a Likert (discordo totalmente até concordo totalmente). Exemplos de resultados possíveis por meio de escalas numéricas e de concordância são apresentados nas Tabelas 2 e 3.
    Tabela 2 Exemplo de resultados possíveis de um questionário com escala numérica [0-10]
    Fonte: Elaborada pelo autor.
    É de notar que o fato de todas as variáveis de pesquisa da Tabela 2 estarem na mesma escala permite uma comparação mais direta. A análise de resultados será discutida mais à frente, mas, olhando os números por cima, já se imagina uma priorização de ações que possam ser adotadas para tentar reverter a situação que está retratada nos resultados.
    Tabela 3 Exemplo de resultados possíveis de um questionário com escala de percepção [discordo-concordo]
    Fonte: Elaborada pelo autor.

  • Estatística Aplicada
    18
    Já na Tabela 3, embora as variáveis sejam as mesmas daquelas escolhidas na Tabela 2, os resultados são apresentados de forma complementar, mas diferente. Embora a soma das concordâncias de cada variável precise somar 100%, a distribuição entre os cinco estados possíveis traz mais detalhamento em relação aos resultados apresentados na Tabela 2. Por outro lado, um questionamento que se coloca em relação à escala da Tabela 3 é sua natureza mais subjetiva do que aquela adotada na escala da Tabela 2. O estado Não concordo nem discordo deveria mesmo ficar no meio da escala? Será que não faria mais sentido arbitrar um número par de estados para que o respondente se posicione minimamente em termos de concordância ou discordância? Enfim, não há respostas certas, mas a mensagem poderosa é: conheça as limitações e críticas da escala que está sendo adotada para coletar os dados, pois isso pode ter efeito na análise.
    Seguindo com a discussão acerca do questionário, outra fonte comum de erro em pesquisa quantitativa é a formulação de perguntas dúbias, omissas, duvidosas ou enviesadas. Em outras palavras, perguntas que não tenham interpretação inequívoca podem gerar erros severos. E o contrário é verdade: perguntas com interpretação inequívoca levam a melhores respostas e, potencialmente, a melhores decisões. Exemplo de pergunta tendenciosa: “sabendo que o cigarro é responsável pela maior parte das mortes por câncer de pulmão, em uma escala de 0 a 100%, qual é a chance de você contratar alguém que fume para trabalhar na sua empresa?”. A despeito da questionável relação dessa pergunta com um eventual objetivo de pesquisa, fica evidente a opinião do pesquisador e sua tentativa de enviesar, de direcionar a resposta de seu respondente. Perguntas mal formuladas, intencionalmente ou não, podem distorcer severamente os resultados.
    Desse modo, cuidados na elaboração do questionário são louváveis. Dois desses cuidados são: pré-teste e piloto. O pré-teste é uma etapa posterior à elaboração da primeira versão do questionário e serve para identificar perguntas mal formuladas ou que levem a eventuais erros, propositais ou não, de interpretação. No pré-teste, são escolhidas algumas pessoas que se colocarão no lugar do potencial respondente e responderão ao questionário. Forza (2002) defende que três tipos de stakeholders1 podem ser considerados para contribuir nessa etapa: (a) colegas (da escola ou do trabalho, pois, em geral, são pessoas com quem você tem mais abertura e podem querer contribuir genuinamente); (b) especialistas do setor (podem ajudar com jargões da área ou identificando perguntas faltantes ou óbvias demais); e (c) potenciais respondentes (para se colocar à prova a primeira versão do questionário).
    O piloto é uma etapa posterior à condução do pré-teste e serve para simular a pesquisa de campo em pequena escala. São selecionadas algumas pessoas que têm o perfil do respondente real e a essas pessoas é solicitado que procedam com o preenchimento completo do questionário. Elas podem ser escolhidas por critérios variados, mas o mais comum é o de conveniência (escolher pessoas próximas amigos, familiares, colegas de trabalho ou da escola que se encaixem no perfil do respondente). Embora o objetivo geral dessa etapa ainda seja refinar o questionário com vistas a se obter sua versão definitiva, o pesquisador pode aproveitar para cronometrar o tempo de resposta

    1 Stakeholders são pessoas ou grupos que tenham algum interesse, participação ou risco na iniciativa. Também são comumente chamados de partes interessadas. No contexto apresentado, stakeholders são pessoas ou grupos que tenham algum tipo de interesse ou participação na pesquisa que esteja em curso.


Matricule-se agora mesmo Preenchendo os campos abaixo
R$ 23,00
Pagamento único
Processando... Processando...aguarde...
Autorizo o recebimento de novidades e promoções no meu email.

  • Estatística descritiva: conceitos e aplicações
  • Estatística descritiva: análise de dados
  • Estatística descritiva: medidas-resumo
  • Noções de probabilidade
  • Distribuições de probabilidade
  • Inferência estatística: amostragem
  • Inferência estatística: estimação
  • Inferência estatística: teoria da decisão
  • Introdução à análise multivariada de dados: regressão e correlação