Técnicas de modelagem estatística

Análise de dados de pesquisa em Python

EbunOluwa Andrew

Data Scientist

Por que usar técnicas de modelagem estatística em pesquisas?

• Fazer previsões a partir de relações entre variáveis
• Ativar ferramentas de visualização
  • Insights ficam inesquecíveis

¹ Foto de Chris Liverani no Unsplash

Quando usar técnicas de modelagem estatística

• Dados difíceis
• Influência entre variáveis
• Prever desfechos

¹ Foto de Tyler Easton no Unsplash

Exemplos de técnicas de modelagem estatística

• Regressão linear
• Teste t bicaudal de duas amostras
• Teste qui-quadrado

Modelo de regressão linear

• Modelo de regressão linear
  • Assume relação linear entre as variáveis x e y
  • y = m*x + b
  • y = variável dependente
  • x = variável independente
  • m = inclinação
  • b = intercepto em y

¹ Foto de Seeing Theory-Brown.edu

Regressão linear em análise de pesquisas

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff200	Male	Service	No	3	0.24
fff500	Female	Service	Yes	5.7	0.45
fff700	Female	Service	Yes	5.8	0.49
fff300	Female	Service	Yes	6.7	0.63
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5
fffe3400	Female	Product	No	6.7	0.58
fffe200	Male	Service	Yes	6.3	0.48
fffe3000	Male	Service	Yes	5.4	0.41

Regressão linear em análise de pesquisas

data.plot.scatter(
x='mental_fatigue_score',
y='burn_rate')
plt.show()

Teste t de duas amostras

• Testar diferença estatisticamente significativa entre duas médias populacionais
• Hipótese nula = as duas médias populacionais são iguais
• Hipótese alternativa = as duas médias populacionais NÃO são iguais

¹ Foto de Olesia Bahrii no Unsplash

Teste t de duas amostras em análise de pesquisas

employee	gender	company_type	wfh_available	mental_fatigue_score	burn_rate
fff100	Female	Product	Yes	4.7	0.38
fff400	Male	Service	Yes	3.4	0.28
fff600	Female	Product	Yes	5.4	0.5

company_type	burn_rate
Service	0.57
Service	0.75
Service	0.51
Service	0.57

company_type	burn_rate
Product	0.51
Product	0.79
Product	0.66
Product	0.39

Teste qui-quadrado

• Testar significância estatística entre duas variáveis categóricas
• Hipótese nula = não há associação significativa entre as variáveis
• Hipótese alternativa = há associação significativa entre as variáveis

Teste qui-quadrado em análise de pesquisas

• Variável nº 1

  • company_type
  • Product ou Service

• Variável nº 2

  • wfh_available
  • Yes ou No

company_type	wfh_available
Product	Yes
Product	Yes
Product	No
Service	Yes
Service	Yes
Product	Yes
Service	No
Service	No
Product	Yes
Service	Yes

Qual técnica usar? - regressão linear

Ambas as variáveis = numéricas

Qual técnica usar? - teste t de duas amostras

• Teste t de duas amostras
  • Uma variável = categórica
  • Uma variável = numérica

¹ Foto de Diana Polekhina no Unsplash

Qual técnica usar? - teste qui-quadrado

• Teste qui-quadrado
  • Ambas as variáveis = categóricas

¹ Foto de Element5 Digital no Unsplash

Vamos praticar!

Análise de dados de pesquisa em Python