2 Estrutura de Dados e Notação

Os dados normalmente são dispostos em tabelas ou planilhas, de modo que em cada coluna podem ser observados os valores assumidos por uma dada variável. Assim, nas linhas da tabela são dispostos os valores observados para todas as variáveis em uma unidade amostral ou indivíduo. Essa estrutura permite que os dados sejam analisados por meio de diversos software, tais como R (R Core Team 2020), Python (Van Rossum and Drake Jr 1995), Library Office (Library Office Team 2020), entre outros. No entanto, outras estruturas podem ser requeridas, dependendo das rotinas a serem utilizadas.

A Tabela 2.1 mostra as dez primeiras linhas e sete primeiras colunas do conjunto de dados coletados por meio de questionários respondidos por estudantes ingressantes nos cursos de engenharias do Campus da UFC de Russas no ano de 2020. Os discentes responderam as seguintes perguntas:

  • Qual o local de residência no ato da matrícula no curso que está matriculado?

  • Qual o seu sexo?

  • Qual é sua idade, peso e altura?

  • Qual curso está matriculado?

  • Qual foi a sua nota no ENEM?

  • Com qual idade decidiu fazer o curso que está cursando?

  • Numa escala de 0 a 5, onde 0 significa nada e 5 significa muito, com que intensidade você gosta da área de exatas?

Note que a tabela mostra valores para as varáveis “local de residência dos estudantes”, “sexo”, idade, peso, curso, nota, idade de decisão pelo curso e gosto pelas área de exatas. Cada uma dessas variáveis foram observadas nos indivíduos entrevistados, os alunos. Assim, essas características são dispostas nas colunas da tabela e os indivíduos (que são anônimos) estão dispostos nas linhas da tabela.

if(!require(knitr)) install.packages("knitr");require(knitr) 
## Loading required package: knitr
## no código abaixo, se os dados estiverem em um diretório do computador, bastar fornecer o caminho com barras invertidas, seguido do nome do arquivo, em vez do link, exemplo "C:/user/meus documentos/DataEstudat.csv"
DadosEstudante<-read.table("https://raw.githubusercontent.com/rfdapaz/DadosAME/master/DataEstudat.csv",sep=',', head=TRUE, encoding = "UTF-8", check.names=FALSE) 

knitr::kable(
  head(DadosEstudante[,1:7], 10), caption = 'Dados fornecidos por estudantes ingressantes do ano de 2020 nos cursos de engenharias do Campus da UFC de Russas.',
  booktabs = TRUE
)
Tabela 2.1: Dados fornecidos por estudantes ingressantes do ano de 2020 nos cursos de engenharias do Campus da UFC de Russas.
Cidade UF Sexo Idade Peso Altura
1 Limoeiro do Norte CE Feminino 17 40.2 1.61
2 Aracati CE Feminino 17 100.0 1.60
3 Limoeiro do Norte CE Masculino 19 60.0 1.65
4 Quixadá CE Masculino 20 80.3 1.73
5 Russas CE Masculino 17 59.0 1.68
6 Limoeiro do Norte CE Masculino 19 75.0 1.80
7 Jaguaribe CE Masculino 18 63.0 1.75
8 Jaguaruana CE Feminino 18 57.0 1.53
9 Fortaleza CE Feminino 19 74.0 1.65
10 Russas CE Masculino 20 73.0 1.70

2.1 Notação

Uma variável qualquer é geralmente denotada por uma letra maiúscula, exemplo, \(X\), \(Y\), etc. Um valor observado é denotado pela mesma letra, mas minúscula, exemplo, se a variável é denotada por \(X\), então um valor observado dessa variável será denotado por \(x\). Se for necessário representar uma sequência de \(n\) valores observados da variável \(X\), essa serquência será denota por \(x_1, x_2, \cdots, x_n\). Uma sequência infinita de valores observados da variável \(X\) será denotada por \(x_1, x_2, \cdots\). Caso tenha sido observados dados a partir de todos os elementos da população, o tamanho da sequência de dados observados será denotado por \(N\).

Resumidamente tem-se:

  • \(X\), \(Y\), etc, representa variáveis;

  • \(x\) e \(x_1, x_2, \cdots, x_n\) representam um valor observado e uma sequência de tamanho \(n\) de valores observados de \(X\), respectivamente;

  • \(n\) representa a quantidade de elementos na amostra usada para obter os valores observados e

  • \(N\) representa a quantidade de elementos na população.

Observações

  1. Após a obtenção dos dados, é comum que seja feita uma crítica dos valores obtidos, pois erro de medições e equivocos na anotação de valores podem ocorrer. Assim, é comum que sejam passados “filtros” na tentativa de detectar esses valores.

  2. Os dados após feita essa crítica é denominado dados brutos.

Referências

Library Office Team. 2020. Library Office: The Document Foundation. Alemanha: Library Office , DF. https://pt-br.libreoffice.org/.

R Core Team. 2020. R: A Language and Environment for Statistical Computing. Vienna, Austria: R Foundation for Statistical Computing. https://www.R-project.org/.

Van Rossum, Guido, and Fred L Drake Jr. 1995. Python Reference Manual. Centrum voor Wiskunde en Informatica Amsterdam.