ENSAIO ACADÊMICO - A Importância da Matemática e da Estatística na Formação Profissional

Estou realizando um curso de Banco de Dados e, na última seman, tive que desenvolver um ensaio acadêmico sobre A importância da matemática e da estatística para a área de estudo. Sem esgotar o tema, desenvolvi o trabalho a seguir.

" Introdução

A Matemática e Estatística são pilares fundamentais na formação profissional de Banco de Dados, pois permeiam tanto o Eixo Gestão e Negócio quanto o Eixo Tecnologia da Informação. A decisão de abordar o tema da importância da Matemática e Estatística na minha formação profissional surge da percepção profunda de como esses campos são essenciais e intrínsecos ao meu desenvolvimento acadêmico e às minhas aspirações profissionais como engenheira de dados. Ao longo deste ensaio, pretendo argumentar sobre como a aplicação da Matemática e Estatística me auxiliam , já na minha etapa de estágio. Destacarei como os conceitos das duas disciplinas se aplicam no meu dia a dia. Neste sentido, o presente ensaio está estruturado da seguinte forma: inicialmente, discutirei a relevância da Matemática e Estatística em contextos multidisciplinares; em seguida, explorarei situações práticas que ilustram a aplicação desses conceitos; por fim, apresentarei conclusões derivadas dessa análise e apontarei para possíveis direções futuras de estudo e pesquisa.

1. Corpo do Ensaio

A relevância da Matemática e Estatística em contextos multidisciplinares é inegável, uma vez que essas disciplinas fornecem as ferramentas e métodos fundamentais para compreender e lidar com uma variedade de fenômenos complexos em diversas áreas do conhecimento. Aqui estão alguns pontos que destacam essa relevância: 

• Tomada de Decisões: A Matemática e Estatística fornecem as bases para analisar e interpretar dados de maneira sistemática. Em um mundo onde a informação é abundante, essas disciplinas permitem que os profissionais tomem decisões baseadas em evidências sólidas. Em qualquer área, seja na tecnologia ou no mercado financeiro ou na medicina, a análise matemática e estatística permite que as decisões sejam embasadas em dados concretos. 
•  Desenvolvimento de Modelos e Teorias: Muitas áreas multidisciplinares requerem a criação de modelos e teorias que expliquem fenômenos complexos. A Matemática, por ser uma linguagem universal para modelagem, permite que conceitos abstratos sejam representados de forma precisa. Já a estatística, por sua vez, valida e aprimora esses modelos através da análise de dados observados. 
• Descoberta de Padrões e Tendências: Através da estatística, é possível identificar padrões ocultos em grandes conjuntos de dados. Essa utilidade da estatística é fundamental para áreas de ciência de dados, onde a compreensão de padrões pode levar a insights valiosos. 
• Inovação e Tecnologia: As inovações tecnológicas têm sua base na Matemática e Estatística. Desde o uso de algoritmos de criptografia que garantem a segurança de dados, até o uso de algoritmos de aprendizado de máquina que permitem que as máquinas aprendam com os dados, essas disciplinas têm sido os pilares da revolução tecnológica.

Nas profissões ligadas ao curso de banco de dados, a aplicação da matemática e da estatística desempenha um papel fundamental na organização, análise e interpretação dos dados armazenados. Através do uso dessas disciplinas, os profissionais de banco de dados são capazes de desenvolver estratégias eficazes para a coleta e gestão de informações, identificar padrões ocultos nos conjuntos de dados e tomar decisões embasadas em insights quantitativos. A matemática e a estatística permitem otimizar consultas, aprimorar a eficiência na busca de informações relevantes e contribuir para a criação de sistemas de informação mais inteligentes e orientados por dados.

A estatística fornece ferramentas para coletar, analisar e interpretar dados, o que é essencial para a tomada de decisões informadas em muitas áreas, incluindo negócios, saúde, governo e ciência. Através dela podemos identificar padrões e tendências nos dados, o que pode ser usado para fazer previsões e projeções sobre eventos futuros. 

Também é possível utilizar dessa técnica para entender e explicar fenômenos complexos, como a distribuição de doenças, a variação dos preços dos produtos ou o desempenho escolar. Reduzir incertezas e tornar a comunicação mais eficaz. 

Como exemplo, podemos utilizar a análise fatorial. A análise fatorial é uma forma de reduzir a dimensionalidade dos dados e permitir a identificação de relações entre as variáveis. Essa técnica busca explicar as variações dos dados, de acordo com um conjunto de fatores. 

O conjunto de fatores, são combinações lineares das variáveis originais, conhecidas por componentes principais. A seleção deve ocorrer de forma que as variáveis dos componentes sejam o máximo possível, e as correlações entres os componentes sejam o mínimo possível. Além disso, cada variável pode ser expressa como uma combinação dos fatores e, também, essas variáveis são correlacionadas como um único fator, o que permite a simplificação da interpretação dos dados, e a identificação dos principais grupos de variáveis que estão relacionados.

Existem dois tipos principais de análise fatorial: a análise fatorial exploratória (EFA) e a análise fatorial confirmatória (CFA). A EFA é usada quando os dados não têm uma estrutura conhecida, como exemplo: estudar a percepção da qualidade de vida em uma comunidade. A CFA é usada quando uma estrutura hipotética é testada com os dados, por exemplo: ao investigar a participação cívica, pode-se confirmar ou refutar uma estrutura proposta, como "Envolvimento Político" e "Participação em Organizações Comunitárias".

O uso da matemática também desempenha um papel fundamental na área dos bancos de dados, proporcionando a base lógica e estrutural que sustenta a eficiência, organização e manipulação dos dados. A matemática participa de todas as etapas, desde a concepção do banco de dados até a execução de consultas complexas, contribuindo para a tomada de decisões informadas e a obtenção de insights valiosos.

Em primeiro lugar, o modelo relacional de banco de dados, que serve como a espinha dorsal dos bancos de dados modernos, é baseado em princípios matemáticos. Desenvolvido com base na teoria dos conjuntos e na lógica matemática, o modelo relacional utiliza relações, atributos e restrições para representar os dados de forma estruturada. As operações básicas de conjuntos, como união, interseção e diferença, formam a base para operações de consulta e recuperação de dados.

A matemática também influencia diretamente a forma como as consultas aos bancos de dados são projetadas e executadas. A linguagem SQL (Structured Query Language) é a linguagem mais usada para trabalhar com bancos de dados, e seu funcionamento é baseado em princípios matemáticos. As cláusulas WHERE, JOIN e GROUP BY permitem filtrar, unir e agrupar dados de maneira eficiente, refletindo conceitos de conjuntos e relações matemáticas. Os predicados lógicos, como igualdade, desigualdade e comparação, são usados para definir condições que orientam as operações de consulta.

Além disso, a matemática desempenha um papel importante na otimização de consultas e na melhoria do desempenho dos bancos de dados. A análise de complexidade, um conceito matemático, é aplicada para determinar a eficiência das consultas em termos de tempo e recursos computacionais. Os otimizadores de consultas usam algoritmos matemáticos para encontrar o plano de execução mais eficiente, minimizando o tempo necessário para recuperar os resultados desejados.

No contexto da análise de dados e da ciência de dados, que envolve a extração de informações significativas dos bancos de dados, a matemática é a base para a identificação de padrões, tendências e correlações. Métodos estatísticos, como regressão, análise de variância e análise de clusters, são aplicados para explorar os dados e obter insights que podem orientar decisões estratégicas.

Nos bancos de dados, a matemática e a estatística são como pilares fundamentais, usados desde o planejamento até a análise dos dados. Essas ferramentas não só ajudam a organizar e encontrar informações nos dados, mas também dão poder para os profissionais descobrirem coisas importantes e tomarem decisões baseadas em dados confiáveis. Em um mundo cheio de informações, a matemática e a estatística são as chaves essenciais para entender e usar os dados de forma eficaz.

1. Conclusão

O presente ensaio demonstra a relevância da Matemática e Estatística no contexto do estudo dos bancos de dados, notando seu papel fundamental na análise de dados complexos em várias áreas. As disciplinas matemáticas e estatísticas são pilares fundamentais para uma tomada de decisão sistemática, oferecendo uma base sólida para embasar escolhas em setores diversos, como tecnologia, finanças e medicina. A Matemática proporciona uma linguagem universal para modelagem precisa, que é complementada pela validação e aprimoramento através da Estatística.

Destaca-se a importância da identificação de padrões e tendências em grandes conjuntos de dados pela Estatística, especialmente na ciência de dados, onde tais insights são inestimáveis. A inovação tecnológica, desde os algoritmos de criptografia  até os algoritmos de aprendizado de máquina, tem suas raízes nas disciplinas em análise.

No contexto dos bancos de dados, a Matemática e Estatística desempenham papéis cruciais na organização, análise e interpretação de dados. Profissionais de bancos de dados aplicam esses princípios para desenvolver estratégias de coleta e gerenciamento de informações, identificar padrões subjacentes e tomar decisões informadas baseadas em insights quantitativos. A Estatística se apresenta como uma ferramenta indispensável para embasar decisões em áreas variadas.

Concluindo, a Matemática e Estatística desempenham papéis essenciais em cenários multidisciplinares, tanto ao proporcionar clareza na análise quanto em embasar decisões. No contexto dos bancos de dados, essas disciplinas contribuem desde a concepção até a análise dos dados, capacitando a extração de informações e embasando escolhas em uma era de proliferação de dados.

1. Bibliografia

• Importância do uso adequado da estatística básica nas pesquisas clínicas. <https://www.scielo.br/j/rba/a/N5PgBCrzhDkfRbX8QXsctHx/?lang=pt>. Acesso em: 19 de agosto de 2023.
• Álgebra Relacional. <https://www.ime.usp.br/~jef/bd05.pdf>. Acesso em: 19 de agosto de 2023.
• SQL Performance 1 — A matemática por trás dos bancos de dados. <https://thihenos.medium.com/sql-performance-1-a-matem%C3%A1tica-por-tr%C3%A1s-dos-bancos-de-dados-1ff6236162f7>. Acesso em: 19 de agosto de 2023.
• O que é estatística para análise de dados? <https://ibpad.com.br/ciencia-dados/o-que-e-estatistica-para-analise-de-dados/#:~:text=A%20estat%C3%ADstica%20fornece%20ferramentas%20para,%2C%20sa%C3%BAde%2C%20governo%20e%20ci%C3%AAncia>. Acesso em: 19 de agosto de 2023.