A importância do Gráfico Box Plot na estatística descritiva

As estatísticas descritivas são breves coeficientes descritivos que resumem um conjunto de dados, que pode ser ou uma representação de toda a população ou uma amostra de uma população. A estatística descritiva é composta por medidas de tendência central e medidas de variabilidade ( dispersão). As medidas de tendência central incluem a média, mediana e modo, enquanto as medidas de variabilidade incluem o desvio padrão, variância, variáveis mínimas e máximas, curtose, e achatamento (Investopedia, 2022).

Figura 1https://cds.climate.copernicus.eu/toolbox/doc/gallery/54_box_plots.html

 

Na estatística descritiva, um gráfico de caixa ou boxplot (também conhecido como box and whisker plot) é um tipo de gráfico frequentemente utilizado na análise de dados explanatórios. As parcelas de caixa mostram visualmente a distribuição dos dados numéricos e o achatamento através da exibição dos quartis de dados (ou percentis) e das médias.

 

As parcelas de caixa mostram o resumo de cinco números de um conjunto de dados: incluindo a pontuação mínima, primeiro quartil (inferior), mediana, terceiro quartil (superior), e pontuação máxima.

 

 

Então, ao utilizar esta tipologia de gráfico para os seus trabalhos vamos explicar o que é cada conceito e como interpretar cada um deles

Pontuação Mínima

A pontuação mais baixa, excluindo os outliers (mostrados no final do whisker da esquerda).

 

Quartil inferior

Vinte e cinco por cento das pontuações ficam abaixo do valor do quartil inferior (também conhecido como primeiro quartil).

 

Mediana

A mediana marca o ponto médio dos dados e é mostrada pela linha que divide a caixa em duas partes (por vezes conhecida como o segundo quartil). Metade das pontuações são superiores ou iguais a este valor e metade são inferiores.

 

Quartil Superior

Setenta e cinco por cento das pontuações ficam abaixo do valor do quartil superior (também conhecido como o terceiro quartil). Assim, 25% dos dados estão acima deste valor.

 

Pontuação máxima

A pontuação mais alta, excluindo os outliers (mostrados no final do whisker da direita).

 

Os “bigodes”

Os bigodes superiores e inferiores representam pontuações fora do meio 50% (ou seja, os 25% inferiores e os 25% superiores das pontuações).

 

O intervalo interquartil (ou IQR)

Este é o gráfico da caixa que mostra os 50% médios das pontuações (ou seja, o intervalo entre o percentil 25 e 75).

 

COMO INTERPRETAR

Figura 2 https://www.simplypsychology.org/boxplots.html

Passo 1: Compare as medianas das parcelas de caixa

Comparar as respetivas medianas de cada parcela de caixa. Se a linha mediana de uma parcela de caixa estiver fora da caixa de uma parcela de caixa de comparação, então é provável que haja uma diferença entre os dois grupos.

Passo 2: Comparar os intervalos interquartis e os “bigodes” das parcelas de caixa.Comparar os intervalos interquartis (ou seja, os comprimentos das caixas), para examinar como os dados estão dispersos entre cada amostra. Quanto maior for o comprimento da caixa, mais dispersos ficam os dados. Quanto menor, menos dispersos ficam os dados.

Passo 3: Procure potenciais aberturas.

Ao rever uma parcela de caixa, um outlier é definido como um ponto de dados que se encontra fora dos bigodes da parcela de caixa.

Passo 4: Procura de sinais de enviesamento

Se os dados não parecem ser simétricos, será que cada amostra mostra o mesmo tipo de assimetria?

Obras Citadas

Box plots. (2022). Obtido em 2022 de 06 de 2022, de https://cds.climate.copernicus.eu/toolbox/doc/gallery/54_box_plots.html

Investopedia. (2022). Descriptive Statistics. doi:https://www.investopedia.com/terms/d/descriptive_statistics.asp

McLeod, S. (s.d.). What does a box plot tell you? Simply psychology2019. Obtido de https://www.simplypsychology.org/boxplots.html

 

 

 

www.armida.pt

Armida representa um acrónimo que advém de António Alexandre Ramalho Mostardinha, Investigação, Desenvolvimento e Análise de dados.

Atualmente somos uma pequena empresa individual, um projeto em crescimento orientado para a consultadoria em projetos de investigação, desde a conceção, metodologias e análise de dados, quer nas áreas das ciências da saúde quer das ciências sociais.

 A nossa missão é a concretização de uma consultoria focando-se:

 i) Promover a idealização, desenvolvimento e concretização dos objetivos do cliente na execução do seu projeto de investigação, maximizando o potencial do mesmo;

ii) Diligenciar a exequibilidade e aplicabilidade quer em investigações futuras quer na aplicabilidade prática na área temática da investigação

iii) Procurar a permanente satisfação do cliente no seguimento em todas as etapas do desenvolvimento do seu projeto, guiado pela excelência e elevados níveis de satisfação.

 

 

Procuramos fornecer consultoria nos mais elevados níveis de qualidade nas seguintes tarefas:

i) Consultoria na conceção de projetos de investigação quantitativa, qualitativa e mistos (fase conceptual e metodológica);

ii) Consultoria em projetos científicos (investigadores, bolseiros de investigação, etc.) e de trabalhos finais de curso (licenciaturas, pós-graduações, mestrados e doutoramentos, entre outros cursos não conferentes a grau académico);
iii) Auxiliar nas metodologias de processos de amostragem;
iv) Realizar estatística descritiva;
v) Efetuar análise de dados inferencial:
a)Testes paramétricos e não paramétricos;
b)Análise de propriedades psicométricas de escalas;
vi) Auxiliar na análise de resultados com vista à discussão de resultados;
vii) Contribuir em estratégias de divulgação de resultados (manuscritos para submissão e apresentações em eventos científicos).

 

Endereço eletrónico: geral@armida.pt

 

Telemóvel: 912239740

 

Morada: Rua Camilo Castelo Branco, nº98, 2910-445 Setúbal

 

 

 Compreendendo os paradigmas

    Os diferentes paradigmas que devem guiar a escolha de estratégias de pesquisa na área das ciências da saúde e sociais, em que se vai discutir as principais características de dois desses paradigmas: o positivismo (fortemente relacionado a pesquisas de natureza quantitativa), e o interpretativismo (fortemente relacionado a pesquisas de natureza qualitativa). A compreensão desses paradigmas é fundamental para a escolha de uma estratégia adequada de pesquisa; o artigo pretende contribuir para esse entendimento por meio de uma discussão objetiva e didática.

    Antes de definir-se uma estratégia metodológica de investigação, é fundamental compreendermos os diferentes paradigmas de pesquisa.

    O paradigma positivista está fundamentado numa ontologia realista, isto é, admite factos objetivos, independentes da perceção humana, considerando que a realidade é composta por estruturas palpáveis, tangíveis e estáveis.

    Neste seguimento, somente fenómenos observáveis e mensuráveis podem constituir conhecimentos realmente válidos. Este, ainda, considera somente a existência de fatos, e não de opiniões. A pesquisa científica deve procurar, explanar e antedizer o que irá ocorrer no mundo por buscar regularidades e relações de causa e efeito.

    Por seu turno o paradigma interpretativista é um dos principais paradigmas em oposição ao paradigma positivista. Primeiramente, verifica-se que a ontologia interpretativista é de interação sujeito/objeto, isto é, não considera a existência de uma realidade totalmente objetiva, nem totalmente subjetiva, mas sim, que existe uma interação entre as características de um determinado objeto e entre a compreensão que os seres humanos criam a respeito desse objeto, por meio da intersubjetividade. A perspectiva Interpretativista enfatiza a importância dos significados subjetivos e sociopolíticos.

    A lógica prevalecente no paradigma interpretativista é indutiva, pois o pesquisador procura não impor o seu entendimento prévio sobre a situação pesquisada. De acordo com a lógica interpretativista, o conhecimento sobre os processos sociais não pode ser construído a partir de deduções hipotéticas ou cálculos de relações entre variáveis. A compreensão dos processos sociais pressupõe um “mergulho” no mundo no qual os processos são criados. Isso envolve conhecer como as práticas e os significados são formados e informados pela linguagem bem como as normas tácitas compartilhadas em um determinado contexto social.

 Curiosidades: Estatística descritiva

 

A estatística descritiva é utilizada para descrever as características básicas dos dados de um estudo. Fornecem resumos simples sobre a amostra e as medidas. Juntamente com análises gráficas simples, formam a base de praticamente todas as análises quantitativas de dados. 

 

 Com estatísticas descritivas descreve-se o que é ou o que o que se pode observar. Por conseguinte estas são utilizadas para apresentar descrições quantitativas de uma forma exequível. Num estudo de investigação, podemos ter muitas medidas, ou podemos medir um grande número de pessoas em qualquer medida. A estatística descritiva ajuda-nos a simplificar grandes quantidades de dados de uma forma sensata. Cada estatística descritiva reduz muitos dados a um resumo mais simples. 

Análise univariada

A análise univariada envolve  análise de uma variável de cada vez. Há três características principais de uma única variável que temos tendência a analisar:

    . a distribuição
    . a tendência central
    . a dispersão

Na maioria das situações, descreveríamos todas estas três características para cada uma das variáveis do nosso estudo. 

Decrever-se-á que características e as medidas que podem ser analisadas na Análise Univariada.

 

 

Referências Bibliográficas:

. William, M.K. (2022, 29 de Maio). Descritive statistics. Conjoint.ly. https://conjointly.com/kb/descriptive-statistics/

. Santos, C.M.L.S.A ( 2010). Manual de Apendizagem: Estatística Descritiva (2ª Ed.), Lisboa, Edições Sílabo

. Reis, E., Melo, P., Andrade, R., Calapez, T. (2015). Estatística Aplicada (6ª Ed.), vol.1, Lisboa, Eduções Sílabo