Estatística descritiva e distribuição estatística

Primeiro artigo de uma série sobre conceitos (bem) básicos de estatística aplicada a ciência de dados. Nesse é apresentado o conceito de estatística descritiva, distribuição estatística e o contexto no qual se desenvolverá a série.

Estatística foi um dos assuntos que mais tive dificuldade em engajar nos estudos, inclusive em compreender os conceitos mais básicos. Sempre que começava a estudar, parava, me dava uns dias ou semanas e voltava a estudar a mesma coisa. A cada nova tentativa eu sentia como se aquele tópico ganhasse algo de sentido. E assim vou me arrastando até… hoje… ainda que em novos temas.

Esse artigo é o primeiro de uma série sobre conceitos (bem) básicos de estatística aplicada a ciência de dados. Oh, é bem básico mesmo, se essa é uma das tuas primeiras tentativas, espero que a leitura seja massa. Mas, se tu já sabe alguma coisa, talvez não encontre aqui o está procurando.

Contexto

Nesse ano, 2022, celebramos 90 anos da conquista do voto feminino, ou seja, apenas em 1932 nós mulheres conquistamos com muita luta o direito ao voto. Naquele momento apenas as mulheres casadas com autorização do marido, viúvas ou solteiras com renda própria podiam votar. O sufrágio universal veio dois anos depois, em 1934, onde todas nós pudemos votar, sermos votadas e eleitas para cargos políticos. Por essa razão, vou apresentar conceitos básicos de estatística usando os dados abertos do Tribunal Superior Eleitoral, especificamente os dados das candidaturas para a Câmara dos Vereadores de Recife em 2020. É a esse conjunto de dados que vamos realizar nossas perguntas e respondê-las usando os conceitos apresentados ao longo dessa série, aplicados com a biblioteca Pandas.

Não precisa saber sobre Pandas para acompanhar a série, essa biblioteca será usada para demonstrar como o conceito apresentado pode ser aplicado a um dado real. Isso vai ajudar que ele faça sentido pra gente.

Estatística

A estatística nos ajuda a responder perguntas que queremos fazer aos dados. É uma área do conhecimento que utiliza um conjunto de técnicas para coletar, organizar, descrever, analisar e interpretá-los. Focaremos na estatística descritiva, que se dedica a sintetizar, organizar e descrever dados por meios de instrumentos como medidas, indicadores, gráficos e tabelas.

Distribuição estatística

A distribuição estatística demonstra a concentração de dados de uma variável. Isso é muito abstrado, né?!

Para esse conceito fazer sentido, vamos observar graficamente a distribuição estatística dos dados da coluna NR_IDADE_DATA_POSSE do conjunto de dados do TSE. Essa coluna representa a idade que as pessoas candidatas teriam na data de sua posse.

Fonte: Notebook “Estatística básica para Ciência de Dados”

Essa curva representa a distribuição estatística da coluna, é feita a partir da quantidade de vezes que cada idade aparece, ou seja, existem mais pessoas candidatas com 40 anos do que com 80.

Esse tipo de distribuição que o gráfico só tem 1 pico e a maior parte dos dados estão ao redor da média, chamamos de distribuição normal ou gaussiana simétrica. Existem outros tipos (binomial, poisson e uniforme), mas vamos falar só sobre a distribuição normal nessa série, pois é a que possui a variável que estamos analisando, NR_IDADE_DATA_POSSE.

Mais pra frente vamos falar sobre desvio padrão, mas deixa eu te adiantar uma coisa: a área dessa curva determina a probabilidade de ocorrer um evento, nesse caso o evento é a idade de uma pessoa candidata.

Fonte: Wikimedia

O próximo artigo é sobre medidas de tendência central (média, moda e mediana). Ainda que tu não tenha entendido nada do que escrevi aqui, sugiro que sigas lendo a série até o final, pois os assuntos se complementam e vão ajudar que na tua próxima tentativa de estudo o tema faça um pouquinho mais de sentido.

Se assistir vídeo aula te ajudar, dá uma olhadinha nessa sobre conceitos de estatística básica para ciência de dados, que fiz para a Sprint de Dados da PrograMaria.

Continue estudando

Outros artigos da série

• Medidas de tendência central
• Medidas de dispersão
• Valores discrepantes e valores faltantes
• Correlação entre variáveis

Recomendações gerais

• WHEELAN, Charles. Estatística: O que é, para que serve, como funciona. São Paulo: Zahar, 2016. (como uma das primeiras tentativas, também recomendo a leitura desse livro)
• Notebook “Estatística básica para Ciência de Dados”
• Portal de Dados Abertos do Tribunal Superior Eleitoral: candidaturas 2020.
• Tribunal Superior Eleitoral. Há 80 anos mulheres conquistaram o direito de votar e ser votadas.