A maioria dos cursos universitários tem, em seu currículo, uma disciplina básica obrigatória de elementos de probabilidade e estatística. Além dos procedimentos de natureza descritiva, associados a análise de dados, fazem parte da ementa dessas disciplinas procedimentos inferenciais, geralmente apresentados dentro da teoria clássica(ou frequentista) de Neyman-Pearson. Não é costume nesta disciplina nem discutir aspectos epistemológicos ligados à inferência estatística e nem incluir a apresentação da escola Bayesiana, como uma possível alternativa. Sabidamente, tal disciplina é um entrave na vida escolar, tanto do aluno como do professor. Do aluno, porque este se depara, em boa parte das vezes, com um oferecimento mecânico da disciplina, sem motivação de natureza aplicada e sem vínculo aparente com sua realidade próxima curricular. Do professor, porque encontra geralmente alunos, além de despreparados com relação aos conceitos primários de incerteza e variabilidade, também com predisposição negativa, devido ao tabu associado à disciplina. Com o intuito de discutir a necessidade do oferecimento das primeiras noções inferenciais nessa disciplina, bem como responder a pergunta qual a inferência que deve ser ensinada numa disciplina básica de um curso universitário? buscamos caracterizar, ao longo de trabalho, as relações da estatística com: criação científica em geral e racionalismo e empirismo em particular; a existência ou não de um método científico; o objetivismo e o subjetivismo; os paradigmas das escolas clássica e Bayesiana; aprendizagem e cognição. Foram analisadas e comparadas as abordagens inferenciais feitas segundo cada escola, bem como apresentados alguns exemplos. A sugestão deste trabalho é de que o programa de uma primeira disciplina inclua os aspectos epistemológicos ligados à inferência, bem como a apresentação do tópico inferência estatística segundo as duas abordagens: clássica e Bayesiana. Isto eliminaria, pelo menos nos primeiros contatos do aluno com a área, a proposta de rompimento com a escola clássica preconizada por muitos adeptos da escola Bayesiana, bem como a proposta de resistência (manutenção do status quo), defendida por muitos elementos da escola clássica. Na verdade, a proposta preconiza a coexistência entre as duas escolas numa apresentação de curso básico, pois entendemos que o dever do professor é mostrar o estado da arte da área a seus alunos, deixando a opção (se isto fizer sentido) para uma etapa futura, seja acadêmica ou profissional. / In general most of the undergraduate courses in Brazil offer a basic discipline on probability and statistics. Beyond the descriptive procedures, associated with data analysis, these courses present to the students some inferential techniques, usually linked to the classical (frequentist) Neyman-Pearson school. It is not common to present the inferential aspects from the Bayesian point of view. Everybody knows that both student and teacher have problems with this basic discipline. The student, because he/she receives, in general, a mechanical course, without motivation, with no links to their other disciplines, and the teacher, because he/she usulally teaches to very naïve students concerning concept like uncertainty and variability. Added to that, students seem to have some fear towards the discipline (taboo). In order to discuss the first inferential notions presented in this discipline, and to answer the question which inference should we teach in a basic discipline of statistics to undergraduate students? we have tried, in this work, to characterise the relationship between statistics and the following aspects: scientific creation in general and empirism and rationalism in particular; the existence or not of a scientific method; objectivism and subjectivism; the paradigms associated to the classical and to the Bayesian schools; learning and some cognitive aspects. We have compared the inferential approaches, and some examples have been presented. This work suggests that the first program of a basic discipline of probability and statistics should include some epistemological inferential aspects as well as the introduction of inferential statistics by means of both approaches: classical and Bayesian. This action will prevent, at least at the first contact, the members of the Bayesian school from proposing the rupture with the classical, and also the members of the classical one from maintaining the status quo. In fact, the proposal is of coexistence of both schools in a first level, because we think it is a teachers duty to show the state of art to his/her students, giving the possibility of option (if necessary) for a following step.

O presente trabalho tem como principal objetivo, propor e testar métodos alternativos de precificação de contratos de seguro agrícola, baseados em um indicador de produtividade regional. A taxa de prêmio é calculada utilizando a abordagem nãoparamétrica de estimação da densidade da produtividade agrícola, a abordagem paramétrica utilizando as distribuições Normal e Beta e modelos hierárquicos Bayesianos. Na recuperação do processo gerador destes dados, são considerados os efeitos temporal, espacial e espaço-temporal visando a predição e a precificação de um contrato de seguro agrícola regional. Os dois primeiros métodos são aplicados a um conjunto de dados de produtividade municipal do Instituto Brasileiro de Geografia e Estatística (IBGE), no período de 1990 a 2002, para as culturas da soja, milho e trigo, no Estado do Paraná. Na análise empírica do modelo Bayesiano, são utilizados dados de produtividade municipal de milho, no Estado do Paraná, nos anos de 1990 a 2002. A escolha do melhor modelo dentre os modelos não-aninhados ajustados, é baseado no critério da preditiva a posteriori. As metodologias utilizadas nesta pesquisa incorporam melhorias no cálculo atuarial da taxa de prêmio, tendo em vista o pequeno número de observações de produtividade agrícola existentes. Além de propor novas metodologias, estudou-se a viabilidade de implantar um esquema de seguro agrícola regional na região de Castro, no Estado do Paraná, levando em conta a quantificação e redução do risco sistêmico proveniente da aquisição do seguro e da correlação da produtividade individual e regional. Para melhor entendimento dos diversos aspectos do problema, é feito um amplo levantamento histórico e principais tendências do seguro agrícola no Brasil e nos EUA, ressaltando os aspectos legal, institucional e operacional. O estudo mostrou que se o seguro regional de produtividade for oferecido na região de Castro, os produtores se beneficiariam devido à redução do risco proveniente do seguro e também devido ao prêmio relativamente menor do que aquele cobrado pelas seguradoras para os mesmos municípios estudados. / This research analyses alternative methods of pricing agricultural insurance contract based on regional yields. The premium rate is calculated using three different approaches: nonparametric method to estimate the density of the agricultural yield; parametric approach fitting the Normal and Beta distributions; and, hierarchical Bayesian models. The data generating process is recovered considering the temporal, spatial and spatio-temporal aspects to make predictions and pricing for area-yield insurance contract. The data used are county yields, collected by the Brazilian Institute of Geography and Statistics (IBGE), 1990 through 2002. The first two methods were applied to soybean, corn and wheat in the State of Paraná. In the Bayesian model, the empirical analysis limited to corn, in the State of the Paraná, from 1990 through 2002. The choice of the best model among the several non-nested models tested was based on the posterior predictive criteria. The methods proposed in this research intend to improve the actuarial calculation of the premium rate, taking into account the small size of data regarding agricultural yields. Besides proposing different methodologies, a case study of the viability was carried out. The possibility of implementation of an are-yield agricultural insurance was studied in the region of Castro, in the State of the Paraná. This case study considers the quantification and reduction of the systemic risk and also the correlation of the individual and regional yield. To better understand the problem involving the agricultural insurance, a broad historical review of literature was made in Brazil and U.S.A., considering its legal, institutional and operational aspects. The study shows that if a regional yield insurance contract is offered in the Castro region, producers would benefit from exposure to lower risk levels and also a relatively smaller premium rate than the rates charged by insurance companies in the same region.

A maioria dos cursos universitários tem, em seu currículo, uma disciplina básica obrigatória de elementos de probabilidade e estatística. Além dos procedimentos de natureza descritiva, associados a análise de dados, fazem parte da ementa dessas disciplinas procedimentos inferenciais, geralmente apresentados dentro da teoria clássica(ou frequentista) de Neyman-Pearson. Não é costume nesta disciplina nem discutir aspectos epistemológicos ligados à inferência estatística e nem incluir a apresentação da escola Bayesiana, como uma possível alternativa. Sabidamente, tal disciplina é um entrave na vida escolar, tanto do aluno como do professor. Do aluno, porque este se depara, em boa parte das vezes, com um oferecimento mecânico da disciplina, sem motivação de natureza aplicada e sem vínculo aparente com sua realidade próxima curricular. Do professor, porque encontra geralmente alunos, além de despreparados com relação aos conceitos primários de incerteza e variabilidade, também com predisposição negativa, devido ao tabu associado à disciplina. Com o intuito de discutir a necessidade do oferecimento das primeiras noções inferenciais nessa disciplina, bem como responder a pergunta qual a inferência que deve ser ensinada numa disciplina básica de um curso universitário? buscamos caracterizar, ao longo de trabalho, as relações da estatística com: criação científica em geral e racionalismo e empirismo em particular; a existência ou não de um método científico; o objetivismo e o subjetivismo; os paradigmas das escolas clássica e Bayesiana; aprendizagem e cognição. Foram analisadas e comparadas as abordagens inferenciais feitas segundo cada escola, bem como apresentados alguns exemplos. A sugestão deste trabalho é de que o programa de uma primeira disciplina inclua os aspectos epistemológicos ligados à inferência, bem como a apresentação do tópico inferência estatística segundo as duas abordagens: clássica e Bayesiana. Isto eliminaria, pelo menos nos primeiros contatos do aluno com a área, a proposta de rompimento com a escola clássica preconizada por muitos adeptos da escola Bayesiana, bem como a proposta de resistência (manutenção do status quo), defendida por muitos elementos da escola clássica. Na verdade, a proposta preconiza a coexistência entre as duas escolas numa apresentação de curso básico, pois entendemos que o dever do professor é mostrar o estado da arte da área a seus alunos, deixando a opção (se isto fizer sentido) para uma etapa futura, seja acadêmica ou profissional. / In general most of the undergraduate courses in Brazil offer a basic discipline on probability and statistics. Beyond the descriptive procedures, associated with data analysis, these courses present to the students some inferential techniques, usually linked to the classical (frequentist) Neyman-Pearson school. It is not common to present the inferential aspects from the Bayesian point of view. Everybody knows that both student and teacher have problems with this basic discipline. The student, because he/she receives, in general, a mechanical course, without motivation, with no links to their other disciplines, and the teacher, because he/she usulally teaches to very naïve students concerning concept like uncertainty and variability. Added to that, students seem to have some fear towards the discipline (taboo). In order to discuss the first inferential notions presented in this discipline, and to answer the question which inference should we teach in a basic discipline of statistics to undergraduate students? we have tried, in this work, to characterise the relationship between statistics and the following aspects: scientific creation in general and empirism and rationalism in particular; the existence or not of a scientific method; objectivism and subjectivism; the paradigms associated to the classical and to the Bayesian schools; learning and some cognitive aspects. We have compared the inferential approaches, and some examples have been presented. This work suggests that the first program of a basic discipline of probability and statistics should include some epistemological inferential aspects as well as the introduction of inferential statistics by means of both approaches: classical and Bayesian. This action will prevent, at least at the first contact, the members of the Bayesian school from proposing the rupture with the classical, and also the members of the classical one from maintaining the status quo. In fact, the proposal is of coexistence of both schools in a first level, because we think it is a teachers duty to show the state of art to his/her students, giving the possibility of option (if necessary) for a following step.

O uso de fronteira de produ¸c˜ ao estoc´ astica com m´ ultiplos produtos tem despertado um interesse especial em ´areas da economia que defrontam-se com o problema de quantificar a eficiˆencia t´ecnica de firmas. Na estat´ýstica cl´ assica, quando se defronta com firmas que possuem v´arios produtos, as fun¸c˜ oes custo ou demanda s˜ ao mais utilizadas para calcular essa eficiˆencia, mas isso requer uma quantidade maior de informa¸c˜ oes sobre os dados, al´em das quantidades de insumos e produtos, tamb´em s˜ ao necess´ arios seus pre¸cos e custos. Quando existem apenas informa¸c˜ oes sobre os insumos (x) e os produtos (y) h´a a necessidade de se trabalhar com a fun¸c˜ ao de produ¸c˜ ao e a inexistˆencia de estat´ýsticas suficientes para alguns parˆ ametros tornam a an´alise d´ýficil. A abordagem Bayesiana pode se tornar uma ferramenta muito ´ util para esse caso, pois ´e poss´ývel obter uma amostra da distribui¸ c˜ ao de probabilidade dos parˆ ametros do modelo, possibilitando a obten¸c˜ ao de resumos de interesse. Para obter as amostras dessas distribui¸ c˜ oes m´etodos Monte Carlo com cadeias de Markov, tais como, amostrador de Gibbs, Metropolis-Hastings e "Slice sampling" s˜ ao utilizados. / The use of stochastic production frontier with multiple-outputs has been waking up a special interest in areas of the economy that are confronted with the problem of quantifying the technical efficiency of firms. In the classic statistics, when it is confronted with firms that possess several outputs, cost or profit functions are more used to calculate that efficiency, but that requests an amount larger of information about data set, besides the amounts of inputs and outputs, are also necessary your prices and costs. When just exist information on inputs (x) and outputs (y) there is need to work with the production function and the lack of enough statistics for some parameters turn the difficult analysis. Bayesian approach can become a useful tool for that case, because is possible to obtain a sample of the distribution of probability of the parameters of the model, making possible the obtaining of summaries of interest. To obtain samples of those distributions methods Markov chains Monte Carlo, that is, Gibbs sampling, Metropolis-Hastings and Slice sampling are used.

Este trabalho tem o objetivo de divulgar a metodologia de ponderação de modelos ou Bayesian Model Averaging (BMA) entre os pesquisadores da área agronômica e discutir suas vantagens e limitações. Com o BMA é possível combinar resultados de diferentes modelos acerca de determinada quantidade de interesse, com isso, o BMA apresenta-se como sendo uma metodologia alternativa de análise de dados frente os usuais métodos de seleção de modelos tais como o Coeficiente de Determinação Múltipla (R2 ), Coeficiente de Determinação Múltipla Ajustado (R2), Estatística de Mallows ( Cp) e Soma de Quadrados de Predição (PRESS). Vários trabalhos foram, recentemente, realizados com o objetivo de comparar o desempenho do BMA em relação aos métodos de seleção de modelos, porém, há ainda muitas situações para serem exploradas até que se possa chegar a uma conclusão geral acerca desta metodologia. Neste trabalho, o BMA foi aplicado a um conjunto de dados proveniente de um experimento agronômico. A seguir, o desempenho preditivo do BMA foi comparado com o desempenho dos métodos de seleção acima citados por meio de um estudo de simulação variando o grau de multicolinearidade e o tamanho amostral. Em cada uma dessas situações, foram utilizadas 1000 amostras geradas a partir de medidas descritivas de conjuntos de dados reais da área agronômica. O desempenho preditivo das metodologias em comparação foi medido pelo Logaritmo do Escore Preditivo (LEP). Os resultados empíricos obtidos indicaram que o BMA apresenta desempenho semelhante aos métodos usuais de seleção de modelos nas situações de multicolinearidade exploradas neste trabalho. / The objective of this work was divulge to Bayesian Model Averaging (BMA) between the researchers of the agronomy area and discuss its advantages and limitations. With the BMA is possible combine results of difeerent models about determined quantity of interest, with that, the BMA presents as being a metodology alternative of data analysis front the usual models selection approaches, for example the Coefficient of Multiple Determination (R2), Coefficient of Multiple Determination Adjusted (R2), Mallows (Cp Statistics) and Prediction Error Sum Squares (PRESS). Several works recently were carried out with the objective of compare the performance of the BMA regarding the approaches of models selection, however, there is still many situations for will be exploited to that can arrive to a general conclusion about this metodology. In this work, the BMA was applied to data originating from an agronomy experiment. It follow, the predictive performance of the BMA was compared with the performance of the approaches of selection above cited by means of a study of simulation varying the degree of multicollinearity, measured by the number of condition of the matrix standardized X'X and the number of observations in the sample. In each one of those situations, were utilized 1000 samples generated from the descriptive information of agronomy data. The predictive performance of the metodologies in comparison was measured by the Logarithm of the Score Predictive (LEP). The empirical results obtained indicated that the BMA presents similar performance to the usual approaches of selection of models in the situations of multicollinearity exploited.

This thesis is divided into two parts. In the first part, we show how problems of statistical inference and combinatorial optimization may be approached within a unified framework that employs tools from fields as diverse as machine learning, statistical physics and information theory, allowing us to i) design algorithms to solve the problems, ii) analyze the performance of these algorithms both empirically and analytically, and iii) to compare the results obtained with the optimal achievable ones. In the second part, we use this framework to study two specific problems, one of inference (compressed sensing) and the other of optimization (information hiding). In both cases, we review current approaches, identify their flaws, and propose new schemes to address these flaws, building on the use of message-passing algorithms, variational inference techniques, and spin glass models from statistical physics. / Esta tese está dividida em duas partes. Na primeira delas, mostramos como problemas de inferência estatística e de otimização combinatória podem ser abordados sob um framework unificado que usa ferramentas de áreas tão diversas quanto o aprendizado de máquina, a física estatística e a teoria de informação, permitindo que i) projetemos algoritmos para resolver os problemas, ii) analisemos a performance destes algoritmos tanto empiricamente como analiticamente, e iii) comparemos os resultados obtidos com os limites teóricos. Na segunda parte, este framework é usado no estudo de dois problemas específicos, um de inferência (compressed sensing) e outro de otimização (ocultação de dados). Em ambos os casos, revisamos abordagens recentes, identificamos suas falhas, e propomos novos esquemas que visam corrigir estas falhas, baseando-nos sobretudo em algoritmos de troca de mensagens, técnicas de inferência variacional, e modelos de vidro de spin da física estatística.

Made available in DSpace on 2016-12-23T14:33:36Z (GMT). No. of bitstreams: 1 dissertacao.pdf: 1887742 bytes, checksum: f51c09ec0938d73cd3ba9127f01996a1 (MD5) Previous issue date: 2006-10-20 / New mobile computing technologies and the increasing use of portable devices make computers more present on human life activities with each passing day. This favors the rising of a new computing paradigm: the Ubiquitous Computing. In this scenario, context-aware mobile applications stand out among others, improving user interaction by supporting new adaptive behavior according to context changes. Recent research points out the need for developing specialized middleware infrastructure for the management of dynamic contextual information. These new infrastructures provide the adequate facilities for the development of a large range of contextaware mobile applications, in several domains. This work proposes the design of a middleware to support the development and execution of context-aware applications. The architecture is defined by using relevant functional requirements of this new class of applications. Related aspects of the middleware s main components are presented. This work also presents the design and implementation of an essential component of the proposed middleware, responsable for the inference of new context information and context perception. / O desenvolvimento de novas tecnologias de computação móvel e o crescente emprego de dispositivos portáteis têm tornado a computação cada vez mais presente na realização de diversas atividades humanas, favorecendo o surgimento de um novo paradigma computacional: a Computação Ubíqua. Nesse novo cenário, destacam-se as aplicações móveis sensíveis ao contexto, que aprimoram a interação com os seus usuários ao se beneficiarem do uso de informações contextuais. Pesquisas recentes destacam a necessidade do desenvolvimento de infra-estruturas especializadas de middleware para o gerenciamento de informações contextuais dinâmicas. Essas novas infra-estruturas fornecem facilidades adequadas ao desenvolvimento de uma ampla variedade de aplicações móveis, sensíveis ao contexto, em domínios diversos. Este trabalho propõe uma arquitetura de middleware para suporte ao desenvolvimento e execução de aplicações móveis sensíveis ao contexto. A arquitetura é definida a partir do levantamento de requisitos funcionais representativos para essa nova classe de aplicações. Aspectos relacionados aos principais componentes da arquitetura são apresentados. O trabalho também apresenta o projeto e implementação de um dos componentes essenciais da arquitetura proposta, responsável pela inferência de novas informações contextuais e pela percepção de contexto.

Dado que o investimento no mercado acionário envolve incerteza, devíamos esperar que seu retorno médio fosse relativamente superior a uma aplicação livre de risco para compensar o investidor pelo risco adicional que ele incorre quando aplica seus recursos em ações. Entretanto, não encontramos tal evidência quando analisamos o comportamento do mercado acionário brasileiro. Isto porque, considerando os retornos realizados médio dos últimos vinte anos, o prêmio histórico foi relativamente baixo. Assim, naturalmente surge à questão se tal estimativa corresponde a um valor razoável para inferirmos o futuro comportamento do mercado acionário. Para responder a esta questão, nossa metodologia constituiu em três etapas. Na primeira, revisamos a literatura em busca de técnicas de estimação do prêmio e selecionamos as abordagens baseado em artigos recentes, citações e disponibilidade de dados. Além disso, também realizamos algumas propostas de estimação. Em seguida, apresentamos os resultados das metodologias selecionadas para os anos recentes e observamos que as estimativas apresentaram certo grau de heterogeneidade. Na segunda etapa, testamos o desempenho dos modelos empíricos estimados usando testes de previsão fora da amostra. Os resultados apontaram que alguns modelos foram superiores ao prêmio histórico. Desta forma, encontramos evidências de que o prêmio histórico representa apenas mais uma fonte de informação para inferir o prêmio esperado e, se tomado sozinho, não constitui um procedimento de inferência razoável. Visto que cada modelo apresenta uma estratégia empírica para inferir o prêmio, todos deveriam representar uma fonte informacional sobre o prêmio futuro. Consequentemente, uma corrente da literatura recente destaca que a estratégia ótima pode ser agregar informações dos modelos individuais. Com este intuito, o último passo da metodologia foi combinar informações dos modelos que apresentaram melhor desempenho em relação ao prêmio histórico e verificar se tal procedimento aumentou a performance do poder preditivo dos modelos. Como resultado, verificamos que tal abordagem melhora e estabiliza a previsão do prêmio. / Given that investment in the stock market involves uncertainty, we should expect that the average return was relatively higher than a risk-free investment in order to compensate investors for the additional risk they incur. However, we find no such evidence when we analyze the Brazilian stock market behavior. This is because, considering the realized average returns of the past twenty years, the historic equity risk premium was relatively low. So, naturally, the question of whether such an estimate corresponds to a reasonable value to infer the future behavior of the stock market arises. To answer this question, our methodology consists of three stages. At first, we review the literature on risk premium estimation techniques and select the different approaches based on recent articles, quotes and availability of data. We also made some estimation proposals. We then proceed and present the results of the methodologies selected for the recent years and find that the estimates presented some degree of heterogeneity. On the second step, we test the performance of our estimates using out-of-sample predictive tests. The results showed that some models performed better than the historical premium. Thus, we find evidence that the historical premium is just another source of information to infer the expected award and, if taken alone, does not constitute a reasonable inference procedure. Since each model presents an empirical strategy to infer the premium, every one of them should represent an information source on the future premium. Consequently, a recent literature points out that the current optimal strategy may be to aggregate information from individual models. To this end, the last step of the methodology was to combine information of the models that performed better against the historical premium and verify that this procedure increased the power of the predictive performance of the models. As a result, we find that this approach improves and stabilizes the premium forecast.

Este trabalho apresenta três principais contribuições: i. a proposta de uma nova lógica de descrição probabilística; ii. um novo algoritmo de inferência em primeira ordem a ser utilizado em terminologias representadas nessa lógica; e iii. aplicações práticas em problemas reais. A lógica aqui proposta, crALC (credal ALC), adiciona inclusões probabilísticas na popular lógica ALC combinando as terminologias com condições de aciclicidade, de Markov, e adotando uma semântica baseada em interpretações. Como os métodos de inferência exata tradicionalmente apresentam problemas de escalabilidade devido à presença de quantificadores (restrições universal e existencial), apresentamos um algoritmo de loopy propagation em primeira-ordem que se comporta bem para terminologias com domínios não triviais. Uma série de testes foi feita com o algoritmo proposto em comparação com algoritmos tradicionais da literatura; os resultados apresentados mostram uma clara vantagem em relação aos outros algoritmos. São apresentadas ainda duas aplicações da lógica e do algoritmo para resolver problemas reais da área de robótica móvel. Embora os problemas tratados sejam relativamente simples, eles constituem a base de muitos outros problemas da área, sendo um passo importante na representação de conhecimento de agentes/robôs autônomos e no raciocínio sobre esse conhecimento. / This work presents two major contributions: i. a new probabilistic description logic; ii. a new algorithm for inference in terminologies expressed in this logic; iii. practical applications in real tasks. The proposed logic, referred to as crALC (credal ALC), adds probabilistic inclusions to the popular logic ALC, combining the usual acyclicity and Markov conditions, and adopting interpretation-based semantics. As exact inference does not seem scalable due to the presence of quantifiers (existential and universal), we present a first-order loopy propagation algorithm that behaves appropriately for non-trivial domain sizes. A series of tests were done comparing the performance of the proposed algorithm against traditional ones; the presented results are favorable to the first-order algorithm. Two applications in the field of mobile robotics are presented, using the new probabilistic logic and the inference algorithm. Though the problems can be considered simple, they constitute the basis for many other tasks in mobile robotics, being a important step in knowledge representation and in reasoning about it.

Este trabalho pretende discutir alguns aspectos de um campo de estudo emergente dentro da educação estatística: a inferência informal, que vem se mostrando como alternativa para a disseminação dos conceitos fundamentais dessa matéria. De um outro lado encontram-se os métodos formais, muito difundidos e praticados nas salas. As ideias que são estabelecidas dentro desse campo visam atender às necessidades atuais que fomentam as pesquisas ligadas à educação estatística. De acordo com Zvi e Garfield (2004), os métodos tradicionais enfatizam técnicas algorítmicas e, como consequência, não promovem o entendimento nem as habilidades de relacionar os conceitos básicos, dessa maneira acabam formando alunos que, apesar calcular medidas e de aplicar os métodos estatísticos, não conseguem interpretar os resultados obtidos. Nesse sentido, uma das necessidades diante desse tipo de prática, encarada como um desafio pelo mesmo autor, é a mudança de foco para abordagens que auxiliem os alunos a compreenderem e relacionarem as ideias estatísticas básicas. Espera-se ainda que uma abordagens menos focadas em técnicas possibilitem o desenvolvimento de habilidades que tornam as pessoas capazes de interpretar os dados extraídos de situações reais e relacionar com informações adicionais para que estas sejam aptas à fazer afirmações e concluir sobre os dados estatísticas de forma coerente. / This paper discusses some aspects of an emerging field of study within the statistical education: the informal inference, which is proving to be an alternative to the dissemination of the fundamental concepts of this matter. Another side are formal, and widespread methods practiced in the rooms. The ideas that are established within this field aim to meet current needs that foster research related to statistics education. According cite BenGarfield04, traditional methods emphasize algorithmic techniques and, consequently, do not promote the understanding nor the skills to relate the basic concepts, thus eventually forming students that although calculate measurements and statistical methods applied, can not interpret the results. In this sense, one of the requirements in this kind of practice, seen as a challenge by the same author, is the shift of focus to approaches that help students understand and relate the basic statistical ideas. It is also hoped that a less focused on technical approaches enable the development of skills that make people able to interpret the data extracted from real situations and relate to information so that they are able to make statements and complete statistics on the data so consistent.