A estatística na pesquisa
agrária e biológica
O que é a estatística?

A estatística é uma ciência que se
preocupa com o planejamento de uma
pesquisa, envolvendo desde a forma de
coleta das observações, obtidas em
experimentos ou levantamentos, até a
maneira como é feita a organização, a
descrição e o resumo dos dados, assim
como a avaliação e afirmação sobre
características de interesse do
pesquisador.
Planejamento da pesquisa 
Análise estatística



As análises estatísticas dependem da
forma como os dados são coletados,
E o planejamento estatístico da
pesquisa indica o esquema sob o
qual os dados serão obtidos.
PORTANTO, o planejamento da
pesquisa e análise estatística dos
dados estão INTIMAMENTE ligados.
IMPORTANTE!!!


O pesquisador deve possuir um
conhecimento razoável de estatística
para desenvolver suas pesquisas ou,
então, consultar um estatístico para
auxiliá-lo.
É IMPORTANTE frisar que esta
consulta deve ser feita ANTES do
início da pesquisa, ainda durante a
elaboração do projeto.
Forma de coleta dos dados


Observacionais: observa-se o
fenômeno na natureza
Experimentais
Experimentos

Determinísticos

Aleatórios

Variáveis
São mensurações, contagens ou
atributos avaliados pelos
pesquisadores
Classificação das variáveis




Qualitativas (atributos)
Ex: Classe social, sexo, grau de
instrução, cidade de procedência
Quantitativas (mensuração ou
contagem)
Ex: altura, peso, dap, no. de insetos
mortos, no. de bactérias
Qualitativas (atributos)




Variáveis qualitativas ordinais
Ex: grau de instrução, classe social
Variáveis qualitativas nominais
Ex: cidade de procedência, sexo
Variáveis quantitativas




Variáveis quantitativas discretas
Ex: No. de insetos mortos, no. de
bactérias
Variáveis quantitativas contínuas
Ex: Peso, altura, dap
Análise Exploratória dos dados

Depende do tipo de variável
considerada.
Software R






dad1<-rbinom(2000,20,0.6)
dad1
table(dad1)
sum(table(dad1))
plot(table(dad1))
barplot(table(dad1))




dad2<-round(rnorm(1000,60,8),2)
dad2
hist(dad2)
hist(dad2,breaks=20)



dad3<sample(x,1000,replace=T,prob=c(0.1
,0.5,0.4))
table(dad3)
barplot(table(dad3))




demo()
demo(image)
demo(graphics)
history()
Arredondamento
Convenções
Para exercícios e PROVAS!!!
round(2.456789,4)
 [1] 2.4568
round(2.456749,4)
 [1] 2.4567




round(2.456759,4)
[1] 2.4568



round(2.456659,4)
[1] 2.4567









Para facilitar crie o arquivo de dados no EXCEL
Salve com extensão csv (MS-DOS)
No R mude o diretório no qual o arquivo .csv foi
salvo.
Se o separador decimal do EXCEL for vírgula
utilize para a leitura
read.csv2
read.csv2("Dados turma Est Geral 2008.csv",
header=TRUE)
dados<-read.csv2("Dados turma Est Geral
2008.csv", header=TRUE)
names(dados)
# Classifique as variáveis
Resumo: Variáveis qualitativas








Tabela de frequência
table(dados$SEXO)
Gráfico de colunas
barplot(table(dados$SEXO))
Gráfico de semi retas
plot(table(dados$SEXO))
Gráfico tipo pizza
pie(table(dados$SEXO))
Resumo: Variáveis quantitativas





hist(dados$ALTURA)
plot(density(dados$ALTURA))
hist(dados$ALTURA,breaks=20)
boxplot(dados$ALTURA,dados$PESO)
stem(dados$ALTURA,scale=2)
Comandos interessantes









par(mfrow=c(2,1))
pie(table(dados$GIP))
pie(table(dados$GIM))
par(mfrow=c(1,2))
pie(table(dados$GIM))
pie(table(dados$GIP))
mode(dados)
dad1<-dados[which(dados$SEXO=="F"),]
dad1
Gráficos para variáveis qualitativas




x<-c(12,18,6)>
> names(x)<c("Fundamental","Médio","Superior")
pie(x)
pie(x,main="Figura 01: Gráfico em
setores para a variável Grau de
instrução" ,
col=c("red","blue","yellow"), xlab="
Fonte: FMILSA" )