ANÁLISE CRÍTICA DO ARTIGO ESTATÍSTICA APLICADA À QUÍMICA: DEZ

DÚVIDAS COMUNS
Disciplina de Teoria Geral de Química ministrada pelo professor Marconiel Neto da Silva
Elma Silva Sousa, Wesley Araújo Marques

O uso da estatística é onipresente na vida acadêmica dos profissionais e pesquisadores

que fazem uso de dados amostrais em suas atividades a fim de assegurar a acurácia e precisão
dos resultados obtidos. Contudo, diversos alunos e profissionais podem não compreenderem
muito bem adequadamente a disciplina, trazendo prejuízos em seus experimentos, inclusive na
área da química, que é basicamente uma ciência experimental.

Para auxiliar a compreensão acerca do uso da estatística especialmente na área da

química, o artigo “Estatística aplicada à química: dez dúvidas comuns” (PASSARI et al., 2011)
elenca algumas dúvidas comuns a serem analisadas e respondidas. Os autores buscam com esse
texto salientar as razões por que certos métodos são necessários serem empregados nas práticas
experimentais da química, por mais que existam diversos métodos estatísticos disponíveis.

As dúvidas respondidas no artigo compreendem dez tópicos que tratam sobre: 1º) o
porquê do denominador do desvio padrão amostral ser N-1, 2º) da necessidade do uso da média
em detrimento da mediana, 3º) da superioridade da reta que minimiza as soma dos quadrados
das distâncias verticais entre os pontos e a reta em métodos de regressão, 4º) da possibilidade
de determinação de um modelo quadrático usando regressão linear, 5º) da forma de verificar se
uma curva de calibração é realmente uma reta, 6º) de como a possibilidade do coeficiente de
correlação ser zero não anula a probabilidade de relação entre as duas variáveis, 7º) da
importância de examinar os gráficos ao invés de apenas calcular os parâmetros estatísticos, 8º)
da importância de realizar as determinações em triplicata em um laboratório de química, 9º) da
diferença entre a estatística paramétrica e a não paramétrica e 10º) da capacidade de
computadores conseguirem realizar cálculos que resolvam problemas não resolvidos por meio
da estatística clássica.

No primeiro tópico o autor a razão do denominador do desvio padrão amostral ser N-1
argumentando que influencia o grau de liberdade de predição de uma próxima amostra. O
desvio padrão amostral é uma fórmula utilizada para representar a partir de n amostras o
comportamento que determinado objeto de estudo, propiciando que possa predizer o valor de
uma próxima amostra a ser medida.
 O artigo defende que a média é um método é um valor numérico bem mais
representativo que a mediana, pois engloba valores que são extremos ou muito discrepantes
inclusos no espaço amostral levantado do experimento. Outra razão é porque, diferentemente
da mediana, a média possui uma fórmula simples de analisar o erro no valor médio.

A regressão linear é um método que permite a predição de um valor para um parâmetro

de uma função a partir da obtenção de valores amostrais obtidos em experimentos. Passari et al
(2011) salienta que a regressão linear necessita da minimização as soma dos quadrados das
distâncias verticais entre os pontos e a reta em razão de parâmetros do modelo mais precisos,
para isso os valores dos desvios são minimizados através da diminuição do comprimento dos
erros em relação aos erros. Contudo, ainda assim, regressão linear ainda é um instrumento que
possui validade limitada, podendo adicionar um termo ao modelo linear para que consista em
uma modelo quadrático.

Os modelos de calibração usados em experimentos precisam ser analisados no que tange

a relação entre o parâmetro estabelecido e os resultados obtidos e se realmente constitui
característica linear. A forma de averiguação é a comparação entre valores dos erros previstos
em modelos e de reproduções do experimento, tendo a linearidade dependente da proximidade
dos referidos erros.

Quando o valor do coeficiente de correlação linear de uma função entre duas variáveis
é igual a zero não significa necessariamente que não existe uma relação entre as duas variáveis.
O coeficiente de correlação basicamente avalia estatística o quanto uma variável distribui os
seus valores a depender de outra variável, contudo a relação avaliada se dá somente de modo
linear, ou seja, uma distribuição de valores de modo mais aleatoriamente não necessariamente
produziria valores significativos de coeficiente de correlação.

Apesar de serem importantes para a análise estatística, os parâmetros estatísticos não

devem ser analisados separadamente, mas necessariamente de modo conjunto, dispostos em um
gráficos. A representação gráfica possibilita expressar a complexidade das relações entre as
variáveis em uma função.

Os experimentos são recomendados a serem realizados em triplicata em razão de

propiciar um valor médio que melhor represente a amostra do objeto de estudo. Desse modo,
pode se obter mais confiança que amostras que não representem o comportamento do objeto de
estudo por serem discrepantes demais do valor médio ou etc. não comprometa a representação
da relação entre as variáveis.

Os computadores são amplamente utilizados e necessários para realizar cálculos

estatísticos, principalmente dos casos em que não há uma possibilidade prática de realizar uma
determinada análise por simplesmente não existir uma fórmula que possibilite de modo simples
obter a solução.

O artigo objeto de análise apesar de não levantar um extenso número de referências

bibliográficas, são apenas sete, consegue representar o que academicamente é o de mais
essencial no uso da estatística experimental na química, usando de linguagem relativamente
simples, e de modo resumido considerando que o público leitor alvo são acadêmicos,
principalmente os de nível superior. O uso de exemplos e gráficos propiciam mais didatismo e
contextualização do assunto levantado. Dessa forma, podemos afirmar que o artigo consiste em
uma boa introdução para os interessados em compreender algumas formas de estimar
estatisticamente funções em experimentos e os casos em que devem ser aplicadas.

REFERÊNCIAS

PASSARI, L. M. Z. G. et al. Estatística aplicada à química: dez dúvidas comuns. Química

Nova, São Paulo, v. 34, n. 5, 2011. Disponível
em:<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-
40422011000500028&lng=en&nrm=iso&tlng=pt>. Acesso em: 02 de Maio, 2019.