Résumé
RESUMEN Tras varios decenios de críticas a las técnicas inferenciales basadas en las pruebas de significación estadística orientadas al rechazo de la llamada "hipótesis nula" y, a pesar del notable consenso alcanzado entre los estadísticos profesionales, este recurso se mantiene vigente tanto en las publicaciones biomédicas, entre ellas las de Salud Pública, como en cursos introductorios de estadística. Entre las muchas deficiencias señaladas por los más prominentes especialistas se destacan tres por ser las más obvias y fáciles de comprender: que no contribuyen a cumplimentar la encomienda de la ciencia, que se conocen de antemano las respuestas a las preguntas que se encaran por su conducto y que los resultados que producen dependen de un elemento ajeno a la realidad estudiada: el tamaño muestral. El artículo discute en detalle tales limitaciones, ilustra su perniciosa presencia en la investigación actual y valora las razones para la subsistencia de la sinrazón en esta materia.
ABSTRACT After decades of criticism against inferential techniques based on statistical significance tests, which mainly reject the so-called "null hypothesis", and in spite of the remarkable consensus among professional statisticians, this resource remains prevalent in both biomedical publications (including public health journals) and introductory statistics courses. Among the many problems identified by the most prominent specialists, three of them are the most obvious and easy to understand: that these tests do not contribute to the actual enterprise of science, that the answers to the questions that are addressed are known in advance and that their results depend critically on an element that is external to the domain that is being studied: sample size. This paper discusses in detail these limitations, illustrates their pernicious presence in current research and evaluates the reasons for the survival of the senselessness in this matter.
RESUMO Trás vários decênios de críticas as técnicas inferenciais baseadas nas provas de significação estatística orientadas ao rejeito da chamada "hipótese nula" e, embora do notável consenso alcançado entre os estatísticos profissionais, este recurso se mantem vigente tanto nas publicações biomédicas, entre elas as de Saúde Pública, como nos cursos introdutórios de estatística. Entre as muitas deficiências assinaladas pelos mais proeminentes especialistas se destacam três por ser as mais obvias e fácies de compreender: que não contribuem a complementar a encomenda da ciência, que se conhecem de antemão as respostas ás perguntas que se encaram pelo seu conduto y que os resultados que produzem depende dum elemento alheio á realidade estudada: o tamanho amostral. O artigo discute em detalhe tais limitações, ilustra a sua perniciosa presença na investigação atual e valora as razões para a subsistência da sem-razão em esta matéria.
Résumé
O objetivo deste trabalho foi determinar o tamanho de amostra (número de anos) para a estimação da média decendial de duração diária de brilho solar em 30 locais do Rio Grande do Sul. Com os dados de duração de brilho solar do período de 1960 a 2007, formaram-se 1.080 séries temporais (30 locais x 36 decêndios) de média decendial de duração diária de brilho solar. Testou-se a aleatoriedade e a normalidade dos dados, de cada série temporal, por meio dos testes de sequência (run test) e de Lilliefors, respectivamente. Para cada decêndio e local, foi determinado o tamanho de amostra por meio de reamostragem bootstrap, com reposição de 3.000 amostras. Vinte e cinco anos de observações são suficientes para a estimação da média decendial de duração diária de brilho solar, com amplitude do intervalo de confiança de bootstrap de 95% igual a 2,00 horas dia-1.
The objective of this research was to determine the sample size (number of years) to estimate the ten-day average of daily sunshine duration in 30 locations of the Rio Grande do Sul State, Brazil. With sunshine data duration of the period from 1960 to 2007, 1,080 time series (30 locations x 36 ten-days) of ten-day of daily sunshine duration average were formed. The aleatory and normality, in each time series, was verified through the run test and Lilliefors test, respectively. For each ten-day and locality, it was determined the sample size using bootstrap resampling with replacement of 3,000 samples. Twenty-five years of data are enough to predict the ten-day average of daily sunshine duration, with amplitude of bootstrap confidence interval of 95%, equal to 2.00 hour day-1.
Résumé
O planejamento de atividades agropecuárias exige que os riscos climáticos, em um determinado local e período do ano, sejam estimados com máxima precisão. Dessa forma, foram utilizados os dados de 15 locais do Estado do Rio Grande do Sul, com o objetivo de estudar a variabilidade temporal e espacial da precisão das estimativas das médias mensais de precipitação pluvial, insolação, radiação solar global e temperaturas mínima, média e máxima. Para isso, calculouseo erro de estimação (semiamplitude do intervalo de confiança) (EE), em percentagem da estimativa da média mensal de precipitação pluvial, insolação, radiação solar global e temperaturas mínima, média e máxima, para cada mês e local, que foi utilizado como medida de precisão. A partir do EE, para cada um dos elementos meteorológicos, agruparam-se os meses e os locais, por meio do método hierárquico de Ward, e calculou-se o coeficiente de correlação linear de Pearson entre as matrizes de distância euclidiana média padronizada e gráfica a fim de verificar a consistência dos agrupamentos. Conclui-se que a precisão das estimativas, média de meses e locais, entre os elementos meteorológicos, aumenta na seguinte ordem: precipitação pluvial (EE=21,66%), insolação (EE=6,74%), radiação solar global (EE=5,52%) e temperaturas mínima (EE=4,40%), média (EE=2,63%) e máxima (EE=2,27%). Há variabilidade da precisão das estimativas das médias mensais de precipitação pluvial, insolação, radiação solar global e temperaturas mínima, média e máxima, no Estado do Rio Grande do Sul, no tempo (meses) e no espaço (locais). Estimativas com base em 30 anos de observações têm precisão menor nos meses de abril, maio, junho, julho, agosto e setembro, em relação aos demais meses.
Planning agricultural activities requires that climatic risks in each location and time of year are estimated with maximum precision. In this estudy data from15 locations of Rio Grande do Sul, Brazil, were used with the objective ofstuding spatial and temporal variability of the precision estimates average of monthly rainfall, sunshine, solar radiation global and temperatures minimum, mean and maximum. It was estimated the estimation error (half-amplitude of the confidence interval) (EE) in percentage of estimate averagemonthly rainfall, sunshine, solar radiation global and temperatures minimum, mean and maximum for each month and location, which was used as a measure of precision. From the EE, for each meteorological elements, months and locations were clustered by hierarchical method of Ward. The Pearsons linear correlation coefficient between the arrays of the standardized average euclidian distance and graphics was calculated in order to check the clusters consistency. It was concluded that the precision estimates, average of months and locations, between the meteorological elements, increases inthe following order: rainfall (EE=21.66%), sunshine (EE=6.74%), global solar radiation (EE=5.52%) andtemperatures minimum (EE=4.40%), mean (EE=2.63%) and maximum (EE=2.27%). Results showed that there is variability in precision estimate of monthly average rainfall, sunshine, global solar radiation and minimum, mean and maximum temperatures in Rio Grande do Sul, both in temporal and spatial scale. Estimates based on 30 years data are less precision in April, May, June, July, August and September in relation to the others.