Estatística Matemática

A estatística matemática é o campo da ciência que aplica a teoria das probabilidades e outros conceitos matemáticos rigorosos à estatística. Diferente das técnicas de coleta de dados estatísticos, que focam no planejamento de estudos e amostragem, a estatística matemática concentra-se no desenvolvimento e na análise de métodos para interpretar esses dados.

Para a sua fundamentação, a disciplina utiliza diversas áreas da matemática, incluindo a análise matemática, álgebra linear, análise estocástica, equações diferenciais e a teoria da medida.

Análise de Dados e Metodologia

A análise de dados é geralmente dividida em duas vertentes principais: a estatística descritiva e a estatística inferencial.

Estatística Descritiva

A estatística descritiva é a parte da estatística que visa descrever e resumir os dados, identificando suas propriedades típicas e tendências centrais, sem a intenção de extrapolar esses resultados para uma população maior.

Estatística Inferencial

A estatística inferencial é o processo de tirar conclusões sobre uma população a partir de uma amostra de dados. Isso envolve a seleção de um modelo matemático, a verificação de se os dados atendem às condições desse modelo e a quantificação da incerteza associada, frequentemente utilizando intervalos de confiança.

Embora as ferramentas de análise funcionem de forma ideal em estudos randomizados, elas também são aplicadas a experimentos naturais e estudos observacionais. Nesses casos, a inferência torna-se dependente do modelo escolhido pelo estatístico, introduzindo um componente de subjetividade na análise.

Tópicos Fundamentais

Distribuições de Probabilidade

Uma distribuição de probabilidade é uma função que atribui a probabilidade a cada subconjunto mensurável dos resultados possíveis de um experimento aleatório, pesquisa ou procedimento de inferência. Dependendo da natureza do espaço amostral, as distribuições podem ser:

• Categóricas: Para experimentos com espaços amostrais não numéricos.
• Discretas: Definidas por uma função de probabilidade (probability mass function), quando o espaço amostral é codificado por variáveis aleatórias discretas.
• Contínuas: Definidas por uma função de densidade de probabilidade (probability density function), quando o espaço amostral é codificado por variáveis aleatórias contínuas.

As distribuições podem ser univariadas (referentes a uma única variável aleatória) ou multivariadas (referentes a um vetor de duas ou mais variáveis aleatórias, conhecidas como distribuições conjuntas).

Distribuições Especiais

Existem diversas distribuições fundamentais utilizadas na estatística matemática, tais como:

• Distribuição Normal: A distribuição contínua mais comum, fundamental para o Teorema do Limite Central.
• Distribuição de Bernoulli: Utilizada para o resultado de uma única tentativa (sucesso ou falha).
• Distribuição Binomial: Modela o número de sucessos em um número fixo de tentativas independentes.
• Distribuição de Poisson: Modela o número de ocorrências de um evento em um intervalo de tempo ou espaço determinado.
• Distribuição Exponencial: Modela o tempo de espera entre eventos de Poisson.
• Distribuição t de Student: Utilizada para inferência sobre a média de amostras normalmente distribuídas quando a variância populacional é desconhecida.
• Distribuição Qui-quadrado: Útil para inferência sobre a variância de amostras normalmente distribuídas.

Inferência Estatística

A inferência estatística é o processo de extrair conclusões de dados sujeitos a variações aleatórias, como erros de observação ou variação de amostragem. O objetivo é produzir respostas razoáveis em situações bem definidas e ser generalista o suficiente para ser aplicado a diversos cenários. Enquanto a estatística descritiva resume a amostra, a inferencial projeta previsões e conclusões sobre a população maior que a amostra representa.