apresentacao quanti v4
Post on 07-Jun-2015
1.397 Views
Preview:
TRANSCRIPT
Seminário para Disciplina ICA 5763-2
Júlia Camara de Assis 4900043Jussara Shirazawa de Freitas 4906971Renata de Souza Leão Martins 5959030Rafael Selvaggio Viñas 4982852Ricardo Santos d’Avila 3034362
Introdução – Pesquisa Quantitativa Envolve coleta de dados (númericos) para responder
uma pergunta de pesquisa específica. É um tipo de pesquisa que oferece uma descrição/fotografia precisa de uma situação ou fenômeno; relações de causa-efeito (Christensen, 2001).
Métodos quantitativos: são explicativos; almejam o produto (resultados finais matematicamente trabalhados) (Turato, 2005).
Traduz em números as opiniões e informações para serem
classificadas e analisadas– Utilizam-se técnicas estatísticas (Rodrigues, 2007)
Entidade: pessoa, local, data, hora ou coisa que fornece o atributo;
Atributo: contagem ou valor de medição de interesse; Variável: qualidade, ou quantidade, com um valor
alterável por Entidade.
VariávelPossíveis valores /
tipo (categoria)Entidade
Idade 25, 30, 31, 32 anos Pessoa
Forma de pagamento
Dinheiro, cheque, cartão
Transação
Área 25,35, 50 m2 Sala comercial
Tensão Elétrica 2V, 5V Circuito Elétrico
Escalas Nominal: mede variáveis não numéricas (categorias).
Ex.: empregado/desempregado, ligado/desligado. Ordinal: dados nominais e ordenados.
Ex.: Questionários de avaliação de restaurante. Intervalar: ordinais, intervalo entre as observações,
unidade fixa de medida.
Ex.: Frio (10ºC a 20ºC) Quente (80ºC a 90ºC) de Razão: dados intervalares, dividir as observações,
“zero” a não existência de valor, unidade de medida.
Ex.: distância, massa, comprimento e tempo.
População: Um conjunto de dados grande, exaustivo;
Amostra: fração, uma parte da População, possível de representá-la e de descrevê-la estatisticamente;
Amostragem: processo de coleta de dados, como uma imagem da população;
Amostragem Não Aleatória: entidades são selecionadas por escolha pessoal;
Amostragem Aleatória: não há influência de escolha pessoal, podem ser direcionada a áreas de interesse (parte da população maior que a amostra).
Estatística Descritiva: dados são descritos e representados por médias e desvios, ordenados, verificados quanto à representatividade ou a falta de dados e relações entre variáveis.
Estatística Inferencial: objetivo é afirmação sobre uma população baseada em uma amostra. Utiliza testes de hipótese para estimativas e decisões.
Regressão: avaliação da relação entre duas ou mais variáveis, duas ou mais quantidades.
Ex.: Relação linear entre as variáveis, reta Y=A +BX. Correlação (r2): medida de até que ponto o
comportamento de Y é “explicado” por X. (-1≤r2≤+1) Maior “r2” -> maior a correlação entre X e Y.
Histórico do método quantitativo 1637: Discurso sobre o método (Descartes)
Sonho: “Método universal para encontrar a verdade”
Coleta de dados (criteriosa e justificada) Análise Síntese (elaboração de conclusões simples) Revisão das conclusões
Indução (captação de realidades mínimas) Dedução (agrupar observações e inferir
resultados Enumeração (revisão e reelaboração de
conceitos)
Físico e Matemático
Histórico do método quantitativo 1824: Sistema de filosofia positiva (Comte)
Doze anos de trabalho
Lei dos três estágios Teológico Metafísico Positivo
"Todas as concepções humanas passam por três estádios sucessivos"
Engenheiro
Características da Pesquisa Quantitativa Quadro resumo
das características da pesquisa quantitativa (Modificado de Turato, 2005).
Paradigma mais influente Positivismo Atitude Científica Busca de explicação para o comportamento
das coisas Força do Método Atribuída à qualidade da alta confiabilidade/
reprodutibilidade dos resultados Objeto de estudo Fatos (vistos e descritos) Objetivo da Pesquisa Estabelecimento matemático das relações
causa-efeito Autores de referência na filosofia e na ciência Descartes, Comte, Claude Bernard, Pavlov,
Durkheim Desenho e andamento do projeto Recursos e procedimentos preestabelecidos Interesse por comparações Ocorrência confrontada entre grupos
expostos e não expostos a diferentes variáveis ou situações
Instrumentos específicos Experimentos e surveys Adequação dos instrumentos Experimento piloto Amostragem Randomizada Perfil da amostra Número maior de sujeitos: representantes
com características do todo populacional Tamanho da amostra Previa e estatisticamente definido; “N” é
indispensável Estudo das variáveis Necessidade de controle das variáveis
Tratamento/análise dos dados Uso de técnicas estatísticas Apresentação dos resultados Linguagem matemática (tabelas, quadros) Alvo da discussão dos trabalhos Estabelecimento das correlações entre
resultados (matemáticos) Cotejamento coma literatura Confrontação dos achados com resultados de
outras pesquisas Finalização da concepção teórica Construção teórica inicial é verificada e
testada Conclusões sobre as hipóteses Confirmação ou refutação das hipóteses
previamente formuladas Tipos de generalizações Estatística: dos resultados (matematizados)
aplicados para explicar outras populações constituídas pelas mesmas variáveis
Justificativas para o Uso A opção pelo método de pesquisa, quantitativo e/ouqualitativo, orienta-se pela formulação do problema depesquisa, objetivos e hipóteses.
Qualquer que seja a escolha, esta deve estar claramente
Definida e justificada no tópico referente à metodologia.
Quando bem realizada a pesquisa quantitativa fornece
um grau de generalidade útil ao pesquisador.
Tipos de pesquisa quantitativa: Experimental
Semi-experimental
Descritiva
causa efeito;
variáveis independentes
variáveis dependentes
Influencia
variáveis em seu ambiente natural; não inclui tratamentos
Técnicas quantitativas de estudo:
Duas abordagens principais:
Surveys (levantamentos) e questionários
Experimental
Survey (levantamento): Produz um quadro de opiniões,
atitudes, comportamentos de um grupo de pessoas;
Entrevista (telefone, cara a cara).
Questionários: Formato fixo, respondido pelos
entrevistados em seu próprio tempo;
Respostas mais honestas.
Experimental: Variáveis independentes produzem mudanças
em um conjunto de variáveis dependentes.
RESULTADO FINAL /VARIÁVEL DEPENDENTE
VARIÁVEL INDEPENDENTE
MANIPULAÇÃO
SISTEMA DE ESTUDO
Delineamento Experimental
Planejamento dos estudos de campo ou de
laboratório em detalhe;
Aborda as questões e as variáveis que serão
estudadas;
Escolha de um programa de amostragem;
Amostragem Amostra - parcela de uma população
(representativa das características deste universo).
Amostragem - técnica utilizada para obtenção de amostras representativas.
Amostragem
Amostragem Processo pelo qual coletamos dados; Imagem da população em estudo.
Definir a população e a hipótese a testar
Selecionar o método de amostragem
Determinar a dimensão da amostra
AmostragemSeleção do método de amostragem
Determinação da amostra
Informações a priori sobre a variável a ser medida
ESTUDOS-PILOTO
Método definido conhecer o passo a passo (normas, validação do método, incertezas)
Tipos de amostragem Dois tipos: Aleatórias (probabilística):
escolha ao acaso (cada elemento da população tem a mesma chance de ser escolhido).
Não aleatória: selecionar elementos através de escolha pessoal.
Podem não ser representativas.
Coleta de dados Pode ser dividida em: Contínua: eventos são registrados à medida que
ocorrem (ex.: nascimentos); Periódica: acontecem de ciclo em ciclo (ex.:
CENSO); Ocasional: são aqueles realizados sem a
preocupação de continuidade ou periodicidade (ex.: praga).
Dados pré-existentes (dados secundários), dados levantamentos (dados primários) e experimentos.
Anotar situações não previstas na coleta
de dados que sejam relevantes para o
estudo.
Registrar informações que podem ser úteis
na análise posterior dos dados.
Recomendações
IMPORTANTE: rigor nas coletas de dados
respeitando o método escolhido.
Não esquecer:
Validação do método
Modificação no método justificar
Estudo reconhecido dados bem coletados.
Qualidade de coleta/extração de dados
Erros amostrais Coleta da amostra bem planejada e executada:
haverá algum erro nos resultados.
Erro amostral: diferença entre o resultado amostral e o verdadeiro resultado da população.
Erro não-amostral: dados amostrais são coletados, registrados ou analisados incorretamente.
TAMANHO DA AMOSTRA ERRO AMOSTRAL
Análise Quantitativa de Dados Coletas de Dados: Modo Questionário/Survey
Como o desenho/modelagem do questionário pode auxiliar? Planejamento
Como analisar as respostas (e os dados contidos nelas)? Análise Multivariada Teste de Hipótese Verificação
Como serão expostos/ comunicados os resultados? Gráficos, Estatísticas descritivas, estatisticas de hipóteses
Análise Quantitativa de Dados: Multivariada
Qual o tipo de relação examinada?
Métodos de interdependência
Métodos de dependência
Qual a estrutura de relação
examinada?
Análise Fatorial
Escalonamento Multidimensional
Análise de Correspondência
Análise de Clusters
(agrupamentos) Objeto
Variável
Casos ouRespondentes
Quantas variáveis e relações
examinadas?
Uma variável dependente e uma
relação
Equações Estruturai
s
Várias variáveis dependentes e uma
relação
Várias variáveis dependentes e várias
relações
nm xxxyyy 2121
0
2
4
6
0 2 4 60
2
4
6
0 2 4 6
Grupo 1 Grupo 2 Grupo 3
Qual a escala da variável
depenente?
nxxxy 211
nm xxxyyy 2121
Análise Quantitativa de Dados: Multivariada
Métodos de dependência
Quantas variáveis e relações
examinadas?Uma variável dependente e uma
relação
Equações Estruturai
s
Várias variáveis dependentes e uma
relação
Várias variáveis dependentes e várias
relações
nm xxxyyy 2121
Qual a escala da variável
dependente?Regressão Múltipla
Análise conjunta
Análise Discriminante
Regressão Logística
Várias não métricas
Várias métrica
s
nxxxy 211
Qual a escala da variável
dependente?
Correlação canônica (com
variáveis binárias)
Várias não métricas
Várias métricasQual a escala das
variáveis independentes?
Correlação
canônica
Análise multivariada de variância (MANOVA)
Várias métricas
Várias não
métricas
nm xxxyyy 2121
t-Student
Teste de Hipótese e Verificação
Os softwares estatístico fornecem a significância do teste (a) a baixo rejeitar H0 (assumir que H1 é verdadeiro) a alto não rejeitar H0 (assumir que H0 é verdadeiro)
Ho Hi
Ho OKErro tipo II
(Poder do teste de Beta)
HiErro tipo I
(significância do teste alfa)
OK
RealidadeRealidadeD
eci
são
Deci
são
Verificar Normalidade das variáveis Curtose (Kurtosis): medida de achatamento e Skewness: medida
de (as)simetria Homocedasticidade: dispersão constante
Teste de Levene Teste Box´s M
Linearidade
Tratamento dos dados
• Ferramentas Estatísticas:– Entendimento das quantidades e incertezas de valores medidos;– Cálculos estatísticos para fornecer um Valor Central e as
Medidas de Dispersão (Incertezas, Erros, Desvios);– Valores Centrais
• Média Aritmética (µ ou ): soma de todos os valores medidos dividida pelo número de valores;
• Mediana (Mi): o valor para o qual 50% dos elementos são menores e 50% dos elementos são maiores;
• Moda ou Valor Modal (Mo): o valor de maior de ocorrência.
– Medidas de dispersão:• Desvio Padrão (dP ou S): é a média geométrica dos desvios
(diferenças) entre cada valor medido e a média aritmética.
• Amplitude (R): a diferença entre o maior e o menor valor encontrado no conjunto de medições
X
Tratamento dos dados
• Ferramentas Estatísticas:– Exemplo: 25 valores de medições de tensão elétrica em volts;
• Variável: Tensão Elétrica;
• Entidade: Circuito Elétrico;
• Valores: em volts [V];
• Escala de Razão;
• Estatística descritiva;
2 2 1 5 3
1 2 3 6 2
3 4 7 0 2
5 6 0 1 3
4 0 4 1 1
2 2 1 5 3
Tratamento dos dados
• Ferramentas Estatísticas:
– Valores calculados para o Exemplo das 25 medições:• Medidas Centrais:
• Média aritmética, µ=(soma dos valores)/(nº de valores) = 68/25=2,72V;
• Moda, Mo=1V (5 em 25 = 20%) e 2V (5 em 25 = 20%);
• Mediana, Mi=2V.
• Medidas de Dispersão:
• Desvio Padrão, dP=1,95V;
• Amplitude, R=7-0=7V.
Tratamento dos dados
Intervalo (u-1dP)<u<(u+1dP) = 0,77<2,72<4,67-> 68% (17 em 25);
Intervalo (u-2dP)<u<(u+2dP) = -1,18<2,72<6,62 ->96% (1 em 25).
25 medições de Tensões Elétricas (Média, Mediana e Desvios)
µ=2,72
0,77=(µ-1dP)
4,67=(µ+1dP)
-1,18=(µ-2dP)
6,62=(µ+2dP)
Mi=2
-2
-1
0
1
2
3
4
5
6
7
8
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Medição nº
Te
ns
ão
[V
]
valor medido médiamédia - (1 x desvio padrão) média + (1 x desvio padrão)média - (2 x desvio padrão) média + (2 x desvio padrão)mediana
Tratamento dos dados
Frequencia (Moda)
0
1
2
3
4
5
6
0 1 2 3 4 5 6 7Valor medido [V]
Nº
de
veze
s
Valor medido [V]
Nº de vezes
0 3
1 5
2 5
3 4
4 3
5 2
6 2
7 1
Moda, Mo=1V (5 em 25 = 20%) e 2V (5 em 25 = 20%)
Tratamento dos dados
Nível d'água (m) X Temperatura ambiente (ºC)
y = -1E-05x6 + 0,0004x5 - 0,0075x4 + 0,0653x3 - 0,2861x2 + 0,5722x + 0,1608
R2 = 0,5121
0,20
0,25
0,30
0,35
0,40
0,45
0,50
0,55
0,60
0,65
20 25 20 27 28 29 20 20 22 23 21 27 26Temperatura (ºC)
Nív
el d
'ág
ua
(m)
Cartilha para pesquisa de campo
Determinar o objetivo da saída;
Equipamentos necessários;
Condições de tempo;
Roteiro para a coleta de dados;
N° de amostras e os locais de coletas;
Rigor na coleta de dados (comparar com
outras saídas ou outros trabalhos);
Anotar TUDO que acontece.
Cartilha para pesquisa de campo
Rigor na saída de campo: Dados coletados servirão para
mostrar a evolução do objeto de estudo em um período de tempo.
Lembrar: saída de campo será repetida (reprodução do trabalho realizado em campo).
Menghini, 2004
Cartilha para pesquisa de campo Rigor na saída de campo: Os dados coletados devem ser replicáveis e
generalizáveis. Escolha de outra área/objeto de estudo
(CONTROLE): resultados comparados “situação do objeto de estudo”.
Menghini, 2004
GráficosTécnicas de representação dos dados:
Gráficos
Representação dinâmica dos dados das tabelas.
Eficientes na sinalização de tendências.
Tabela OU gráfico!
Se bem construído, substitui dados de difícil compreensão na forma de tabela.
Gráficos Coluna
Mostra as alterações de dados em um período de tempo ou ilustra comparações entre itens.
As categorias são organizadas na horizontal e os valores são distribuídos na vertical, para enfatizar as variações ao longo do tempo.
Barras Ilustra comparações entre itens individuais. As categorias são organizadas na vertical e os
valores na horizontal para enfocar valores de comparação e dar menos ênfase ao tempo.
Gráficos
Gráficos Pizza
Mostra o tamanho proporcional de itens que constituem uma série de dados para a soma dos itens.
Mostra somente uma única série de dados, sendo útil quando você deseja dar ênfase a um elemento importante.
http://www.fenaseg.org.br/
Gráficos Rosca
Também mostra o relacionamento das partes com o todo, mas pode conter mais de uma série de dados.
Cada anel do gráfico de rosca representa uma série de dados.
http://office.microsoft.com/
Gráficos Linha
Mostra evolução, ou tendências, nos dados em intervalos iguais.
http://msdn.microsoft.com
Gráficos Dispersão XY
Mostra a relação existente entre os valores numéricos em várias séries de dados ou plota dois grupos de números como uma série de coordenadas xy.
- intervalos irregulares ou clusters de dados. - valores x em uma linha ou coluna e insira valores y
nas linhas ou colunas adjacentes.
http://office.microsoft.com
Gráficos Bolhas
Tipo de gráfico xy (dispersão). O tamanho do marcador indica o valor de uma
terceira variável. Inserir valores de x em uma linha ou coluna e os
valores de y e os tamanhos das bolhas correspondentes nas linhas ou colunas adjacentes.
http://guiadoexcel.com.br
Gráficos Radar
Compara os valores agregados de várias séries de dados.
O gráfico Radar posiciona a Empresa, ou o setor produtivo, em relação aos padrões de excelência propostos pela ME, em termos de práticas e performances.
http://www.deps.ufsc.br
Gráficos Superfície
Útil para localizar combinações vantajosas entre dois conjuntos de dados.
Como em um mapa topográfico, as cores e os padrões indicam áreas que estão no mesmo intervalo de valores.
http://www.scielo.br/scielo.php?pid=S0100-69162007000100001&script=sci_arttext
Gráficos Cone, cilindro e pirâmide
Os marcadores nestas formas podem dar um efeito especial aos gráficos de colunas e de barras 3D.
Gráficos Área
Enfatiza a dimensão das mudanças ao longo do tempo. Exibe a soma dos valores plotados.
Mostra o relacionamento das partes com um todo.
http://area3.updateordie.com/
Tabelas e QuadrosTécnicas de representação dos dados:
Tabelas Completa para ser entendida sem consulta ao
texto.
Somente dados necessários.
Simples e objetiva.
Dados ordenados logicamente.
Dados, unidades e símbolos consistentes com o texto.
P.M. CERQUEIRA, “Avaliação da farinha de semente de abóbora no trato intestinal e no metabolismo glicídico e lipídico em ratos”. Universidade Federal Rural do Rio de Janeiro; 2006.
Quadros Arranjo predominante de palavras com ou
sem indicação de dados numéricos. É diferente da tabela, pois tem teor
esquemático e descritivo. Traços verticais na separação das casas.
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0104-12902009000400018
• Caso 1:– “Programa de Comparação Interlaboratorial”;– Temperaturas das partes [ºC] e Potência Dissipada [W];– Disjuntores termomagnéticos In=32A;– Coordenação IEE-USP (2008);
Casos
• Caso 1:– Interpretação dos resultados: “Método Z-escore”
x é um resultado de ensaio obtido pelo participante;
é uma estimativa do valor real
é uma estimativa da variabilidade – Desempenho Satisfatório – Desempenho Questionável – Desempenho Insatisfatório
Casos
σ
Xxz
ˆ
ˆ
X̂ σ̂
2z
3z2 3z
• Caso 1:
Casos
LaboratóriosAmostra
1Amostra
2
Z-escore
Dentro Entre
1 3,66 3,28 0,000 0,000
2 3,87 3,45 -0,201 1,139
3 4,01 3,38 -1,253 1,349
4 3,51 3,36 1,148 -0,210
5 3,30 3,30 1,905 -1,019
Valor central 3,660 3,360
Dispersão 0,266 0,059
Variabilidade Dentro dos LaboratóriosPotência Dissipada
-4-3-2
-1012
34
3 2 1 4 5
Códigos dos Laboratórios
Z-S
core
Rob
usto
Variabilidade Entre LaboratóriosPotência Dissipada
-4
-3
-2
-1
0
1
2
3
4
5 4 1 2 3
Código dos Laboratórios
Z-S
core
Rob
usto
• Caso 1:
Casos
LaboratóriosAmostra
1Amostra
2
Z-escore
Dentro Entre
1 21,8 21,3 -0,934 -0,374
2 17,6 18,4 0,415 -1,179
3 31,1 30,3 -1,245 1,700
4 22,3 24,1 1,453 0,000
5 27,3 27,7 0,000 0,975
Valor central 22,300 24,100
Dispersão 4,077 4,744
Variabilidade Dentro dos LaboratóriosElevação de Temperatura - Borne Conexão Externa
-4-3-2
-1012
34
3 1 5 2 4
Códigos dos Laboratórios
Z-S
core
Rob
usto
Variabilidade Entre LaboratóriosElevação de Temperatura - Borne Conexão Externa
-4-3-2-101234
2 1 4 5 3
Código dos Laboratórios
Z-S
core
Rob
usto
• Caso 2:– É parte de tese de doutorado em desenvolvimento no PPGE-
USP sobre linhas elétricas pré-fabricadas;– Determinação de Queda de Tensão concentrada dV [V/A.100m]
e Impedância (Z) [mΩ/m] e medições de Potencia Ativa [W], Corrente [A] e Tensão [V] elétricas;
– IEE-USP (2010).
Casos
• Caso 2:
Casos
Medição nº / Tipo de circuito
Queda de tensão U95
[V/A.100m] +/-
1 / 3 fases 0,0059 13%
2 / 3 fases 0,0059 14%
3 / 3 fases 0,0059 14%
4 / 3 fases 0,0059 25%
5 / 1 fase 0,0058 71%
6 / 1 fase 0,0058 71%
7 / 1 fase 0,0058 71%
8 / 1 fase 0,0060 63%
Queda de tensão concentrada [V/(100m.A)]
Alumínio (2x110x6,35mm) / 2000A / 60Hz / Th=80ºC)
0,0059
0,0000
0,0020
0,0040
0,0060
0,0080
0,0100
0,0120
Medida1/3f
Medida2/3f
Medida3/3f
Medida4/3f
Medida5/1f
Medida6/1f
Medida7/1f
Medida8/1f
dVconcentrada média +2sigma 2,4%dVconcentrada + U95 de cada
Caso 3 – Ecologia de Paisagens
Landscape Pattern Analysis – Análise dos Padrões da Paisagem
Relacionar padrões espaciais à processos ecológicos, em diferentes escalas.
Problemas: dificuldades de quantificação e entendimento da relação padrões e processos e da análise dos Padrões da Paisagem como um todo.
Caso 3 – Ecologia de Paisagens Fortin (2003): 4 fases para o desenvolvimento
metodológico da pesquisa:
Fase introdutória “key papers” descrevendo nova metodologia
Fase de teste com muitos estudos testando a metodologia
Fase da “critical review” com indicações das limitações, repensando os propósitos fundamentais, premissas e formulações.
Fase da padronização com métodos mais efetivos (“normais”)
Componentes quantificáveis via LPA com mapas categóricos Composição
Métricas de Composição não consideram a organização espacial dos elementos (embora arranjos espaciais sempre existam).
São medidas que dão informações sobre as propriedades das “Classes temáticas” - que facilitar o entendimento dos sistemas.
Caso 3 – Ecologia de Paisagens
Caso 3 – Ecologia de Paisagens
Caso 3 – Ecologia de Paisagens
Caso 3 – Ecologia de Paisagens
Caso 3 – Ecologia de Paisagens
As métricas descritivas de COMPOSIÇÃO, quando analisadas isoladamente, podem sugerir interpretações dúbias...
Caso 3 – Ecologia de Paisagens Componentes quantificáveis via LPA com mapas
categóricos Configuração
Métricas de “Configuração” ou de “arranjo espacial” consideram a organização ou disposição dos elementos no espaço.
Caso 3 – Ecologia de Paisagens Componentes quantificáveis via LPA com mapas categóricos
Configuração
Caso 3 – Carta Regional de Fragmentos Florestais
Caso 3 – Rodoanel
Como definir o recorte a ser utilizado para execução das métricas?
Nas margens: ausência de informações distorção dos resultados
Caso 3 - Rodoanel
Caso 3 - Rodoanel
Caso 3 - Rodoanel
Caso 3 - Rodoanel
Caso 4 Avaliação da toxicidade de amostras de água de chuva a
organismos aquáticos Poluentes lançados na atmosfera (observação do fenômeno)
Reagem, são transportados, são depositados (apoio teórico) Deposição úmida (chuva) causa toxicidade à organismos aquáticos
(hipótese)
Métodos utilizados Coleta das amostras de água de chuva Ensaios ecotoxicológicos (4 organismos aquáticos diferentes:
D. similis, C. dubia, P. subcaptata e V. fischeri) – padronizados Testa as amostras e compara com o grupo controle Surge como resposta à insuficiência das análises químicas
Análises físico-químicas: pH, condutividade, dureza Análises químicas: cromatografia iônica
Caso 4 - Resultados
CI –
Variável NMédia
aritmética (±dp)
Mediana Mínimo Máximo MPV
pH 26 6,00 5,97 4,81 7,70 5,45
Cond. 2212,54
(±7,68)10,73 5,68 41,6 9,80
F- 21 1,15 (±1,03) 0,79 0,26 4,80 0,98
Glic- 5 1,78 (±1,38) 2,27 0,06 3,29 1,85
Acet- 513,19
(±3,65)13,37 9,47 16,93 12,45
Form- 3 0,85 (±0,40) 0,17 0,14 0,85 0,33
Cl- 2212,30
(±8,87)9,90 3,64 33,54 11,75
NO3- 22
22,46 (±22,11)
17,74 2,91 113,61 19,48
PO43- 1 4,64
SO42- 22
11,65 (±6,82)
11,11 3,69 32,56 11,3
Ox2- 3 6,84 (±2,04) 7,59 4,54 8,41 7,03
Na+ 2113,41
(±19,25)8,21 1,84 92,02 9,66
NH4+ 21
25,85
(±14,87)21,40 5,44 58,62 26,73
K+ 20 6,24 (±4,40) 4,36 1,63 19,1 5,11
Ca2+ 2113,10
(±11,85)10,53 3,40 49,53 12,01
Mg2+ 15 4,20 (±4,28) 3,05 0,75 18,01 2,5
combustíveis
combustíveis/ decomposição de MO
construção/poeira
Descrição estatística de pH (unidades), cond.(µS/cm) e concentrações iônicas (µmol/L)
CE50 média: 75,35%
Ensaios de Toxicidade AgudaD. similis
V. fischeri Amostras Γ Resultado
SP2 -0,073 NTSP3 -0,020 NTSP4 0,272 ITSP5 0,418 ITSP6 0,349 ITSP7 0,363 ITSP8 0,434 ITSP9 0,485 IT
SP10 0,360 ITSP11 0,170 NTSP13 0,742 ITSP14 0,206 ITSP15 0,196 ITSP17 0,136 NT
SP18 0,688 ITSP19 0,138 NTSP20 0,412 ITSP21 0,646 ITSP22 0,501 ITSP23 0,894 ITSP24 0,533 ITSP25 0,264 ITSP26 0,645 ITSP27 0,214 IT
Verão 07/08
Inverno 08
Verão 08/09
Ensaios de Toxicidade CrônicaC. dubia
AmostraN° de neonatas
(chuva)N° de neonatas
(controle)Resultado
SP2 0* 52 Tóxica
SP4 0* 84 Tóxica
SP5 0* 84 Tóxica
SP6 0* 114 Tóxica
SP8 0* 159 Tóxica
SP11 0* 168 Tóxica
SP14 24* 128 Tóxica
SP15 2* 126 Tóxica
SP17 8* 64 Tóxica
SP18 25* 245 Tóxica
SP19 0* 85 Tóxica
SP20 0* 115 Tóxica
SP21 0* 140 Tóxica
SP22 0* 107 Tóxica
SP24 0* 169 Tóxica
SP25 0* 133 Tóxica
SP26 0* 133 Tóxica
SP27 0* 147 Tóxica
Verão 07/08
Inverno 08
Verão 08/09* Efeito agudo
qualitativo
Caso 4 - Discussão
Comparar resultados com estudos feitos anteriormente• dificuldade, pois não há muitos
Tentar explicar as relações observadas entre as variáveis
Caso 4 - Conclusões Muito cuidado!
Responder a pergunta de pesquisa e confirmar ou refutar a hipótese
Extrapolação e generalização Amostras ambientais são misturas complexas
(dificuldade de achar a causa da toxicidade) – usar métodos adequados, se o objetivo for descobrir a causa da toxicidade.
Exemplos de pesquisas do PROCAM Hahn, C. M., Oliveira, R.G.
Valoração econômica do meio ambiente e políticas públicas
– o estudo dos termos de ajustamento de conduta.
Objetivos: Avaliar se o TAC pode ser considerado um vetor de valoração ou de
mudança nas práticas vigentes no Sistema Estadual de Meio Ambiente. Verificar se a valoração pode ser considerada um instrumento de
sustentabilidade.
Exemplos de pesquisas do PROCAM Rosangela Calado da Costa e Célia Regina Tomiko Futemma
A decisão de participar de projetos de conservação ambiental:
O caso dos assentados do Ribeirão Bonito - Teodoro Sampaio SP.
Objetivo: Identificação de fatores que influenciam na tomada de decisão de
populações rurais em participar de projetos de conservação ambiental.
Exemplos de pesquisas do PROCAM Mesmo se tratando de um estudo de caso, para análise dos
resultados foi criado um banco de dados, o qual recebeu tratamentos estatísticos descritivos e inferenciais.
Exemplos de pesquisas do PROCAM Luiza Helena Lopes Ribeiro e Ana Lúcia Brandimarte
A eutrofização na formação do reservatório da Usina Hidrelétrica de Salto Caxias PR:
uma análise com vistas ao gerenciamento sustentável.
Identificar alterações limnológicas
e mudanças no estado trófico ocorridas
entre as fases de pré e pós enchimento
de um reservatório.
Exemplos de pesquisas do PROCAM
Referências bibliográficas Bussab, W.O. & Morettin, P. A., Estatística Básica, SP; Ed. Saraiva, 2002. Fortin, M. 2003. O processo de investigação: da concepção à
realização. 3ª. Edição. Loures: Lusociência. Haddad, Nagib. Metodologia de estudos em ciências da saúde, como
planejar, analisar e apresentar um trabalho científico. SP, Roca, 2004. Kotz, S., Johnson, N.L. Breakthroughs in Statistics, Vols
I,II,III;1992,1992,1997. Lakatos, Eva; Maria Marconi, Marina de A. Metodologia Científica. SP,
Atlas, 2007. Mantovani, W. (org.), Caminhos de uma Ciência Ambiental. São Paulo,
Annablume, 2005. Pallant J., Apresentação sobre Quantitative research methods. School of
Rural Health, University of Melbourne. Stigler, Stephen M.The History of Statistics: The Measurement of
Uncertainty before 1900. [S.l.]: Belknap Press/Harvard University Press, 1990.
Valentim, Oséias Faustino. O Brasil e o Positivismo. Rio de Janeiro: Publit, 2010.
top related