Capítulo 3 Conceitos Fundamentais

Antes de mergulharmos nas análises, precisamos de dois conceitos que sustentam qualquer estudo quantitativo: a estatística descritiva e a estatística inferencial. Pense assim: a descritiva organiza e resume os dados que você coletou; a inferencial tira conclusões sobre uma população maior a partir dessa amostra. Vamos ver cada uma com exemplos.

3.1 Estatística descritiva

A estatística descritiva organiza, resume e apresenta os dados de forma compreensível, usando tabelas, gráficos e medidas numéricas.

3.1.1 Exemplo 1: saúde mental dos estudantes

Imagine que você quer avaliar a saúde mental dos estudantes da UFTM, coletando informações sobre níveis de estresse e de ansiedade, presença de depressão e bem-estar geral.

Como esses dados são coletados? Por meio de instrumentos psicométricos, que são questionários e escalas padronizadas para medir características psicológicas de forma objetiva. Esses instrumentos passam por processos rigorosos de validação estatística, justamente para garantir que medem o que se propõem a medir.

Aspecto avaliado	Instrumento	O que avalia
Estresse	PSS-10 (Escala de Estresse Percebido)	O quanto as situações da vida são percebidas como estressantes
Ansiedade	BAI (Inventário de Ansiedade de Beck) ou GAD-7	Sintomas de ansiedade em diferentes intensidades
Depressão	BDI-II (Inventário de Depressão de Beck) ou PHQ-9	Presença e gravidade de sintomas depressivos
Bem-estar	Escala de Bem-Estar Subjetivo ou WHO-5	Qualidade de vida e satisfação geral

Atenção: muitos desses instrumentos podem ser aplicados por pesquisadores de diferentes áreas, e não só por psicólogos. Mas a interpretação clínica e o diagnóstico são atribuição exclusiva de profissionais habilitados em psicologia ou psiquiatria.

Com esses dados em mãos, a estatística descritiva organiza as respostas em tabelas (por curso, por período, por faixa etária), calcula médias que resumem o conjunto em um número (média de estresse de 6,5 numa escala de 0 a 10), monta gráficos que facilitam a leitura (a porcentagem de alunos com ansiedade baixa, média e alta), mede a variabilidade — um desvio padrão alto avisa que os alunos são muito diferentes entre si — e ajuda a enxergar padrões, como a relação entre horas de sono e nível de estresse.

O resultado é um panorama claro da saúde mental dos estudantes, e é sobre esse panorama que a instituição consegue montar programas de apoio psicológico, formular políticas de bem-estar e identificar os grupos que precisam de mais atenção.

3.1.2 Exemplo 2: prática de atividades físicas

Agora suponha que você queira entender como os estudantes se exercitam. Você pode levantar a frequência semanal e descobrir que 45% praticam atividade mais de três vezes por semana. Pode levantar os tipos de atividade e montar um gráfico com a distribuição: corrida 30%, musculação 25%, futebol 20%, dança 15% e yoga 10%. E pode classificar a intensidade em leve, moderada e intensa, para comparar os grupos.

Com essas informações, a universidade consegue criar campanhas direcionadas, oferecer novas modalidades e ajustar a infraestrutura ao que os alunos de fato procuram.

3.2 Estatística inferencial

A estatística inferencial usa os dados de uma amostra para tirar conclusões sobre a população inteira, com uma margem de confiança conhecida.

3.2.1 Exemplo 1: saúde mental dos estudantes

Você pesquisou 200 estudantes e quer falar sobre todos os 6.900 da UFTM.

A primeira coisa que a inferência permite é estimar a média da população. Se a média de ansiedade na amostra foi 7,0 numa escala de 0 a 10, você pode afirmar, com 95% de confiança, que a ansiedade média de todos os estudantes está entre 6,5 e 7,5.

A segunda é comparar grupos. Estudantes de Medicina têm mais ansiedade que os de Engenharia? Com média de 7,8 contra 6,2, uma diferença de 1,6 ponto, o teste estatístico indicou que essa diferença é significativa (p < 0,05). A conclusão é que sim, os estudantes de Medicina apresentam níveis maiores de ansiedade.

A vantagem é evidente: você não precisou pesquisar os 6.900 alunos. Com uma amostra bem planejada, dá para fazer afirmações confiáveis sobre a universidade inteira.

3.2.2 Exemplo 2: prática de atividades físicas

Agora você pesquisou 300 estudantes de diferentes cursos, e a inferência responde a duas perguntas.

Qual é a proporção real de estudantes ativos? Na amostra, 60% praticam exercícios regularmente; para toda a UFTM, a estimativa fica entre 55% e 65%, com 95% de confiança.

E quem se exercita mais, Educação Física ou Medicina? Com 85% de ativos contra 42%, o teste apontou diferença significativa: os estudantes de Educação Física são mais ativos fisicamente.

3.3 A conexão com a probabilidade

A teoria de probabilidade é a ponte entre a descritiva e a inferencial. É ela que permite sair dos dados que você tem em mãos e chegar a afirmações sobre quem você não mediu.

A partir dos dados descritivos, podemos calcular a probabilidade de um estudante desenvolver sintomas de estresse durante o semestre, de um aluno que dorme menos de seis horas ter ansiedade alta, ou de quem pratica exercícios apresentar melhor bem-estar mental. Isso nos permite prever e prevenir, e não apenas descrever.

3.4 População e amostra

Entender essa diferença é fundamental para qualquer pesquisa.

A população é o conjunto completo de todos os indivíduos que você quer estudar. No nosso exemplo, são os 6.900 estudantes da UFTM (dado do DRCA de dezembro/2024, incluindo graduação, cursos técnicos e pós-graduação).

A amostra é um grupo menor e representativo, selecionado dessa população. No nosso caso, 364 estudantes sorteados aleatoriamente, que representam toda a população com 95% de confiança e erro máximo de 5%.

3.4.1 Um exemplo completo

Vamos juntar tudo. O objetivo é avaliar o bem-estar emocional dos estudantes da UFTM.

Na coleta, partimos de uma população de 6.900 estudantes, sorteamos 364 e aplicamos um questionário padronizado em escala de 0 a 10.

Na análise descritiva, a amostra deu média de bem-estar 6,8, desvio padrão 1,5, com mínimo de 2,0 e máximo de 10,0.

Na inferência, generalizamos para a UFTM inteira. A média estimada é 6,8, e o intervalo de confiança de 95% vai de 6,65 a 6,95, calculado como 6,8 ± 1,96 × 1,5/√364, ou seja, 6,8 ± 0,15. A leitura é esta: temos 95% de confiança de que o bem-estar emocional médio de todos os estudantes da UFTM está entre 6,65 e 6,95.

Atenção a uma confusão comum: a margem de erro de 5% usada no cálculo do tamanho da amostra é dada em pontos percentuais de uma proporção — ela não é um percentual da média. O intervalo de confiança de uma média depende do desvio padrão da amostra, como na conta acima. São duas coisas diferentes.

E o que significa exatamente esse IC95%? Se você repetisse a pesquisa 100 vezes, com amostras aleatórias diferentes de 364 estudantes, e construísse um intervalo a cada vez, cerca de 95 desses intervalos conteriam a verdadeira média de todos os estudantes, e cerca de 5 não conteriam.

Repare na direção da afirmação: o que varia de amostra para amostra é o intervalo, não a média populacional. A média de todos os estudantes é um número fixo e desconhecido, e ou ela está dentro deste intervalo específico, ou não está. Os 95% são a confiança no procedimento que gerou o intervalo, não a probabilidade de a média cair nele.

O caminho completo, então, é este: da população sorteamos uma amostra; sobre a amostra fazemos a estatística descritiva, organizando, calculando e visualizando; sobre esses resultados fazemos a inferência, estimando, comparando e concluindo; e chegamos a conclusões sobre a população inteira, com margem de erro conhecida.

Agora reflita: em uma pesquisa sobre hábitos alimentares dos estudantes, como você aplicaria esses conceitos?