Unidade II ESTATÍSTICA

Tamanho: px
Começar a partir da página:

Download "Unidade II ESTATÍSTICA"

Transcrição

1 ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as meddas estatístcas. Esses valores os darão a magem stetzada do comportameto de uma amostra, permtdo que com relatvamete poucas formações possamos chegar a coclusões sobre esta amostra estudada. Exstem bascamete dos grades grupos de meddas estatístcas. O prmero grupo é formado pelas meddas de tedêca cetral, também chamadas de meddas de posção, que formam a magtude da amostra estudada. Essas meddas os dão uma vsão global da amostra sem se ater às característcas dvduas de seus elemetos. No etato, como é ecessáro que tehamos dea das varações dos elemetos da amostra em toro de suas meddas cetras, remos estudar, o módulo, o segudo grupo de meddas estatístcas: as meddas de dspersão, também chamadas de meddas de varabldade. Meddas de posção 0 Objetvos do módulo As meddas de posção ou meddas de tedêca cetral, como o própro ome dca, preocupam-se com defr uma posção cetral da amostra, ou seja, um valor que seja represetatvo do que é típco da amostra. Iremos trabalhar com as três prcpas meddas deste tpo: a méda, a medaa e a moda. 39

2 Udade II 3.1 Méda 1 0 De todas as meddas de posção, a méda é, seguramete, a mas usada. São chamadas de médas smples quado a frequêca dos dversos valores é gual a 1, ou seja, cada valor aparece uma úca vez a amostra, ou de médas poderadas, quado os dados são dotados de certa frequêca. Exstem város métodos dferetes para se calcular as médas. Iremos os preocupar com a prcpal delas, a méda artmétca. As demas (geométrca, quadrátca e harmôca), além de serem muto meos utlzadas, seguem os mesmos prcípos da méda artmétca, apeas com a utlzação de operações matemátcas dferetes. A méda artmétca é o resultado da soma dos valores de todos os elemetos dvddo pelo úmero total de elemetos, ou seja, pela frequêca total. Em outras palavras, se tvermos um cojuto de valores S ={ x 1, x, x 3, x }, a méda artmétca deste cojuto será calculada através das fórmulas: x x x x X = N Ou x X = Σ N Ode: X é a méda artmétca; x 1, x, etc. os dversos valores; e N, a quatdade total de elemetos da amostra. Exemplo 1 Calcular a méda artmétca dos valores abaxo relacoados: S={;;7;9;;1;16;18}. Observe que são 8 elemetos de dferetes valores, portato: Σx X = X = X = N 8 9, 9 40

3 ESTATÍSTICA Caso os valores sejam repetdos a amostra, ou seja, se eles tverem uma frequêca dferete de 1 ( x 1 com f 1 ; x com f e assm por date), etão a fórmula para o cálculo da méda artmétca será: x f X = Σ Σf Este últmo coceto defe a méda poderada, sedo que, evetualmete, as frequêcas podem ser substtuídas por pesos que coferem a mportâca dferecada de cada valor. O exemplo a segur mostra o cálculo para dados ão agrupados em classe. 1 0 Exemplo Calcular a méda artmétca dos valores abaxo relacoados: Como o exemplo ateror, o cálculo da méda artmétca cosste a soma de todos os valores dvdda pela quatdade total de elemetos. Note, porém, que cada um dos valores da tabela aparece certo úmero de vezes, dferete de 1; por exemplo, o valor aparece 37 vezes, portato, precsamos somar com ele mesmo 37 vezes ou, de maera mas dreta, precsamos multplcar por 37. A colua C mostra todos os cálculos deste tpo. Quado somamos essa colua, obtemos o valor 9.491, que correspode à soma de todos os elemetos da amostra (193 elemetos). Assm, a méda é: A B C=AxB Valor Frequêca Smples Valor x Frequêca x f x.f ft x f X = Σ X X f = 9491 Σ 193 = 49, 41

4 Udade II No caso de dados agrupados em classes, o processo de cálculo é dêtco ao ateror, com a dfereça de que o valor a ser usado é o poto médo de classe (lembre que já defmos esse valor o módulo ateror): x =p m O exemplo a segur mostra-os, passo a passo, o cálculo da méda artmétca poderada para dados agrupados por classes: Exemplo 3 Dada a tabela de frequêcas abaxo, calcular a méda artmétca: A B C D E=(C+D)/ F=DxE Classe Lmtes de classe Frequêca smples Poto médo de classe Frequêca x Poto médo l ls f pm f x pm 1,0 3, , ,.919,0,0 414, , , , 3,0 8, , , 4.0, 4,0 1.36, , , ,, , , , 9.80,0 6,0.08, ,0 7.63, , 7,0.469, , , 3.490,0 8,0.880, , , , 9,0 3.91, , , 7.97,0 ft = Σ = , 1 A tabela acma apreseta os valores e cálculos ecessáros para se determar a méda artmétca para uma amostra que estvermos descrevedo. As áreas sombreadas da tabela mostram os cálculos ecessáros para a obteção da méda artmétca. 4

5 ESTATÍSTICA O uso de uma tabela para estes cálculos faclta as operações de cálculo, bem como são mas faclmete trabalhadas em computador. Note que acma ós somamos os valores de todos os elemetos da amostra, fcado a segute stuação: o valor da soma dos elemetos da amostra é ,, portato, a méda artmétca será de: x f X = Σ X X f = , Σ = 1640, É mportate observar as segutes propredades das médas artmétcas: a soma algébrca dos afastametos (ou desvos ou resíduos) de um cojuto de úmeros tomados em relação à méda é ula; se multplcarmos ou dvdrmos todas as formações por uma costate, a méda artmétca fcará multplcada ou dvdda por essa costate; somado-se ou subtrado-se uma costate a todos os valores de um cojuto de formações, a méda artmétca fcará somada ou subtraída dessa costate; a soma dos quadrados dos desvos tomados em relação à méda artmétca é míma. 3. Medaa Cocetualmete, defmos medaa como o valor, detro de um cojuto de valores ordeados, que dvde exatamete esse cojuto em duas metades, com 0% dos valores superores à medaa e 0% ferores. Evdetemete que essa defção precsa se adaptar ao úmero N de elemetos da amostra: caso N seja um úmero ímpar, a medaa será o valor do elemeto cetral (chamado de elemeto medao); 43

6 Udade II caso N seja um úmero par, a medaa será a méda artmétca smples dos dos elemetos cetras (o elemeto medao passa a ser um elemeto teórco termedáro). Veja o exemplo abaxo: Exemplo 1 Dados os dos cojutos de otas abaxo, de aluos de estatístca, calcule a medaa: Grupo A = {6,; 4,; 8,7; 6,4;,8; 9,1;,0; 3,9; 7,1} Para calcular a medaa, é ecessáro ordear os dados em ordem crescete: {,8; 3,9; 4,;,0; 6,; 6,4; 7,1; 8,7; 9,1} Como o úmero de elemetos é mpar (N = 9), a medaa será o valor do elemeto cetral (o º elemeto), ou seja, o valor da medaa será 6,. 1 Poderíamos dar uma roupagem mas matemátca ao cálculo utlzado as fórmulas abaxo, ode E me é o elemeto medao, e Me, a medaa: E N = => E = + 1 => E = º me me me O valor do º elemeto é a medaa: 0 Me = 6, Grupo B = { 8,4; 6,3; 9,; 4,9; 6,; 8,0}, ordeado {4,9; 6,3; 6,; 8,0; 8,4; 9,} E N = => E = + 1 => E = me me me 3, 44

7 ESTATÍSTICA Evdetemete, ão exste um elemeto 3,º. A medaa será a méda artmétca etre o valor dos 3º e 4º elemetos: x Me = + x 3 4 6, + 8, 0 => Me = => Me = 7, Cálculo semelhate se fará quado trabalhamos com dados agrupados, seja em classes ou ão. Prmero, veremos quado os dados ão forem agrupados em classe. Nesse caso, o procedmeto é semelhate ao feto o exemplo 1, com a dfereça de que precsaremos calcular a frequêca acumulada crescete para permtr localzarmos o elemeto medao. O exemplo mostra o cálculo em duas stuações dferetes. 1 Exemplo Calcular a medaa para os dados relacoados abaxo, relatvos ao úmero de flhos por famíla moradora em determada cdade. Número de flhos por famíla Valor Cdade A Quatdade de famílas a cdade Frequêca acumulada crescete Frequêca smples x f f ac Mas do que Soma 63 4

8 Udade II Perceba que o úmero de elemetos (N = 63) é ímpar; logo, o elemeto medao será o 3º: E me = = Eme = 3º O 3º elemeto tem o valor 18, sso porque, com os valores ordeados, os 1 prmeros referem-se a famílas com 0 flhos; do 16º ao 33º, os valores referem-se a famílas com 1 flho, e assm por date. Logo, a medaa será: Me = 18 Portato, podemos afrmar que 0% das famílas têm um flho ou meos, e 0% das famílas têm um flho ou mas. Observe agora esta outra bservação de frequêcas relatva á cdade B Número de flhos por famíla Valor Cdade B Quatdade de famílas a cdade Frequêca acumulada crescete Frequêca smples x f f ac Mas do que Soma 7 Perceba que o úmero de elemetos (N = 7) é par; logo, o elemeto medao sera o 36,º, que, evdetemete, ão exste. E me = = E = me 36, 46

9 ESTATÍSTICA O 36º elemeto tem o valor 1, e o 37º, o valor o valor, portato, o 36,º sera um valor médo etre esses dos valores, ou seja, a medaa será: E me 1 = + = Eme = 1, 1 Portato, podemos afrmar que 0% das famílas têm meos de 1, flho, e 0% das famílas tem mas de 1, flho. O cálculo da medaa, quado ldamos com dados agrupados em classes, é mas trabalhoso porque cosegumos determar o elemeto medao e a classe da qual o elemeto faz parte, mas ão o valor exato da medaa. A maera de cotorarmos esse coveete é utlzado os cocetos de terpolação. Iterpolar sgfca achar, detro de uma faxa de valores, aquele valor que melhor correspode às codções estabelecdas. No caso do cálculo da medaa, o processo de terpolação gera a segute fórmula, que sempre remos usar: E Me = lme + Ode: me f f Me ac at x h 0 Me = Medaa l Me = Lmte feror da classe que cotém o elemeto medao (classe medaa) E me = Elemeto medao F ac at = Frequêca acumulada crescete até a classe ateror à classe medaa 47

10 Udade II f Me = Frequêca da classe medaa h = Ampltude da classe medaa O exemplo 3, a segur, demostra o cálculo da medaa para uma dstrbução de vedas em R$ agrupadas por classe. Exemplo 3 Calcular a medaa para a tabela abaxo que apreseta a dstrbução de vedas de determada empresa. Classes úmero Vedas mesas em R$ Quatdade de meses Frequêca Frequêca acumulada crescete Valor l l s f f ac 1 R$ 0.000, R$ , R$ , R$ 1.000, R$ 1.000, R$ , R$ , R$ , R$ , R$ , R$ , R$ , R$ , R$ , R$ , R$ , Total 143 O elemeto medao é dado por: E me = => Eme = 7º O 7º elemeto está a 4ª classe, que chamamos de classe medaa, ou seja, a medaa é um valor etre R$ ,00 e R$ ,00. Obteremos o resultado usado a fórmula da terpolação: E Me = lme + me f f Me ac at 7 7 x h = x => Me = , 69 48

11 ESTATÍSTICA Portato, podemos afrmar que 0% das vedas mesas dessa empresa estão acma de R$ ,69, e 0%, abaxo deste mesmo valor. 3.3 Moda O coceto de moda é mas smples etre as meddas estatístcas. É smplesmete o valor que mas vezes se repete uma dstrbução de frequêcas, ou seja, aquele dotado de maor frequêca. O cálculo da moda para dados solados ou para dados ão agrupados em classes é medato, decorre de smples observação, como mostra o exemplo 1; já para dados agrupados ecesstados, adotam-se algumas recomedações fetas por estatístcos reomados. No exemplo, apresetamos um cálculo deste últmo tpo de dstrbução. Exemplo 1 1 Calcular a moda para os cojutos de dados mostrados abaxo, referetes ao cosumo de rolametos (em udades) em váras lhas de produção. Lha A: {1; ; 4; 4; ; ; ; 7; 8) A moda, evdetemete, é: Mo=. 0 Lha B: {8; 8; 9; 9; 9; 9; ; 11; 11; 11; 11; 1; 1; 1} Neste cojuto, temos duas modas: Mo=9 e Mo=11. Chamamos de amostra multmodal. Lha C: {1; 18; ; 3; 43; 0; 61} Não exste um valor que se repta mas de uma vez. Temos uma amostra sem moda, ou seja, amodal. 49

12 Udade II Quatdade de rolametos cosumdos x Valor Lha D Número de vezes em que ocorreu o cosumo f Frequêca A moda é o valor de maor frequêca, portato, para a lha D, teríamos Mo=13. Exemplo Calcular a moda para a dstrbução de redas famlares apresetada o quadro abaxo: Classes úmero Redas famlares mesas em R$ Valor Quatdade de meses Frequêca l l s f 1 R$ 60, R$ 1.0,00 16 R$ 1.0, R$ 1.0, R$ 1.0, R$.000, R$.000, R$.40,00 31 R$.40, R$.900, R$.900, R$ 3.30, R$ 3.30, R$ 3.800,00 1 Total 14 0

13 ESTATÍSTICA Você pode otar que os valores se repetem mas a classe 4 (a frequêca é a maor de todas); logo, a moda deve ser um valor etre R$.000,00 e R4.40,00. Mas exatamete qual é o valor da moda? Normalmete, esse cálculo poderá ser feto por três recomedações dferetes: as fórmulas de Czuber, Kg e Pearso, que utlzaremos a segur. Recomedação de Czuber 1 Para utlzarmos a recomedação de Czuber, devemos calmete localzar a classe que tem maor frequêca, a chamada classe modal. No osso exemplo, essa classe é a de úmero 4, como já falamos. Em seguda, aplcamos a segute fórmula: ( fmo fat ) Mo = lmo + x h ( fmo fat ) + ( fmo fpost ) Ode: 0 Mo = Moda l Mo = Lmte feror da classe modal f Mo = Frequêca da classe modal f at = Frequêca da classe medatamete ateror à classe modal f post = Frequêca da classe medatamete posteror à classe modal h = Ampltude da classe modal 1

14 Udade II No osso exemplo, fcara: ( ) 31 8 Mo = x 40 => Mo = R$. 3, 8 ( 31 8) + ( 31 18) Recomedação de Kg Para utlzarmos a recomedação de Kg, devemos calmete localzar a classe que tem maor frequêca, a chamada classe modal. No osso exemplo, essa classe é a de úmero 4, como já falamos. Em seguda, aplcamos a segute fórmula: Mo = lmo + f at f post + f post x h Ode: 1 Mo = Moda l Mo = Lmte feror da classe modal f at = Frequêca da classe medatamete ateror à classe modal f post = Frequêca da classe medatamete posteror à classe modal h = Ampltude da classe modal No osso exemplo, fcara: 18 Mo = x Mo R + 40 => = $. 176,

15 ESTATÍSTICA Recomedação de Pearso No caso de Pearso, a recomedação parte de coceto dferete das aterores. Basea-se o uso da méda e da medaa: Mo=3 x Me x X Ode: Mo = Moda Me = Medaa X = Méda No osso exemplo, teríamos: Me = R$.094,36 X = R$.13,9 Logo, a moda sera: Mo=3 x.094,36 x.13,9 => Mo=R$.03,88 1 Perceba que cada recomedação resultou em valor dferete. Isso ocorre porque são recomedações que partem de cosderações dferetes. A experêca os esa qual é a melhor recomedação a se utlzar em cada caso prátco. 0 O uso de cada uma das meddas de dspersão depede da stuação prátca que se apreseta. Adrao Leal Bru, em sua obra Estatístca aplcada à gestão empresaral, apreseta uma sére de vatages e desvatages de cada uma delas, as quas podem ser resumdas o quadro a segur: 3

16 Udade II Medda de posção Méda Medaa Moda Vatages É de fácl compreesão, podedo ser calculada dretamete usado-se calculadoras apropradas. Depede de todos os valores da dstrbução, usado todos os dados dspoíves. Evdeca bastate establdade de amostra para amostra. Possblta a mapulação de dados, com cálculo de médas combadas. Pode ser faclmete cluída em equações matemátcas. Mesmo que algus valores da sére sejam modfcados, ela pode mater-se alterada. Os valores extremos ão terferem o seu resultado; por sso é dcada quado exstem valores dscrepates. Mesmo que os valores mas altos ou mas baxos da sére ão estejam defdos, ela pode ser determada. Pode ser utlzada para dados que têm a possbldade de ser ordeados. Caso algum valor da sére seja modfcado, ão ecessaramete a moda alterará. Os valores extremos ão terferem o seu resultado Pode ser calculada em dstrbuções que possuam classe determada. Desvatages É afetada por valores extremos da sére, ão represetado com precsão a dstrbução em que esses valores ocorrem com frequêca acetuada. É ecessáro cohecer todos os valores da dstrbução. A méda ão tem, ecessaramete, exstêca real. Pode ser obtda uma méda de úmero fracoáro exstete, por exemplo, 6,7 aluos. Se for determada a medaa dos grupos separados, ão será ecotrada a medaa do grupo. A moda tem que ter ecessaramete um valor real, já que ela é represetada por algum valor da sére. Quado utlzada para calcular dstrbuções de classe aberta, ão pode ser determada a moda empregado algum procedmeto artmétco elemetar. 4

17 ESTATÍSTICA 4 MEDIDAS DE DISPERSÃO Objetvos As meddas de dspersão completam a formação cotda as meddas de posção, revelado o afastameto ou desvo dos elemetos do valor cetral. Quato meor for a dspersão de uma amostra, maor será a qualdade da formação cotda a medda de posção, ou, em outras palavras, meor a margem de erro que será assumdo cosderado a medda de posção como represetate de toda a amostra. Exstem bascamete dos grades grupos de meddas de dspersão: meddas de dspersão absolutas: levam em cota a dspersão propramete dta; 1 meddas de dspersão relatvas: levam em cota smultaeamete uma medda de posção e a medda de dspersão correspodete. São útes para efetuarmos comparações etre amostras. 0 O objetvo deste capítulo é tomarmos cotato com ambos os grupos. 4.1 Meddas de dspersão absolutas Ampltude total A ampltude total (At) já é ossa cohecda e é a mas elemetar das meddas de dspersão. É extremamete fácl de ser calculada, mas de dfícl terpretação, em especal quado os dados extremos são muto grades ou muto pequeos. São mas utlzadas, portato, quado as dstrbuções apresetam certa homogeedade.

18 Udade II Por exemplo, supoha que tehamos as valorzações mesas das ações de duas dferetes empresas A e B, com os segutes valores (em porcetagem): Empresa A = {1,; 18,0; 6,3; 3,4; 4,1; 18,6; 37,6}. Empresa B = {1,3; 19,7; 3,9; 16,7;,9; 14,6; 18,9;,8}. As ampltudes seram, respectvamete, de 4,1 18,0 = 7,1% para as ações da empresa A e de,9 14,6 = 11,3% para a empresa B. Em outras palavras, as varações máxmas seram de 7,1% para as ações da empresa A e de 11,3% para a empresa B. Logo, o rsco de osclação é maor para a empresa A do que para a empresa B Desvo médo 1 É defdo como a méda artmétca do módulo 1 dos desvos dos elemetos em relação à méda dos mesmos. Etede-se por desvo a dfereça etre o valor de um elemeto da amostra para a méda dessa mesma amostra: d=x X Portato, o desvo médo será dado pela fórmula: dm = = 1 N d O exemplo abaxo dexará mas claro esse processo. 0 Exemplo 1 Calcular o desvo médo da amostra {18; 1; ; 7; 8; 9; 3; 37}. 1 Defe-se módulo ou valor de um úmero a dstâca deste úmero para zero, depedetemete do sal, ou seja, módulo de um úmero postvo e módulo de um úmero egatvo é o seu smétrco, sto é, o mesmo úmero postvo. Para efeto do cálculo do desvo médo, cosderamos o úmero sempre postvo, seja qual for seu sal. 6

19 ESTATÍSTICA O prmero passo será calcular a méda artmétca desses valores e, em seguda, os desvos de cada um dos valores. Depos, somaremos o módulo desses valores dvddo-os pelo úmero total de elemetos da amostra. O quadro abaxo mostra passo a passo esses cálculos: Ordem dos elemetos Valores Desvos Módulo d =x X _ dos desvos d =x X _ = = = = = = = = Soma Méda ( X _ ) 16/8=7 Desvo médo (dm) 40/8 = Observe que a soma dos desvos é zero, o que é evdete. O própro coceto de méda (valor equdstate de todos os elemetos da amostra) os coduz a sso. O coceto de desvo médo só tem setdo quado utlzamos o módulo dos desvos. Para fcar mas claro, veja abaxo os cálculos fetos, utlzado-se das fórmulas formadas: Cálculo da méda: Σx X 16 = X = X = 7 N 8 Cálculo do desvo médo: 1 d = dm = 1 40 => dm = => dm = N 8 7

20 Udade II Quado trabalhamos com dados agrupados em classes ou ão, utlzamos exatamete o mesmo processo de cálculo, evdetemete que com alterações as fórmulas de cálculos, troduzdo-se o coceto de frequêca smples, como se mostra a segur: dm = 1 = f = 1 d x f Observar que para dados agrupados em classes o cálculo dos desvos é dado por: d = p m - X Os exemplos a segur demostram esses cálculos. Exemplo Calcular o desvo médo da amostra de dstrbução abaxo, relatva ao úmero de acdetes dáros uma estrada federal. Número de acdetes dáros Valor Dstrbução de acdetes por da - estrada X Das Valor x Desvos Módulo pesqusados Frequêca dos desvos Frequêca Módulo dos desvos x Frequêca x f x.f d =x X _ d =x X _ d x f ,6 3,6 43, ,6,6 39, ,6 1,6 4, ,4 0,4 8, ,4 1,4 6, ,4,4 19, ,4 4,4 6, ,4 6,4, 11 7,4 7,4 14, ,4 8,4 8,4 Somas ,0 Méda 3,6 Desvo médo, 8

21 ESTATÍSTICA d x f = 1 7 dm = => dm = => dm = f 118 Exemplo 3 = 1, Calcular o desvo médo da amostra de dstrbução abaxo, relatva ao tempo de mão de obra gasto com a mauteção dos avões de uma empresa aérea. Dstrbução das horas de mauteção - aero X Classes Lmtes de classes Potos médos de classe Valor Mauteções pesqusadas Frequêca Valor x Frequêca Desvos Módulo dos desvos Módulo dos desvos x Frequêca l ls pm f pm.f d =x X _ d =x X _ d x f , ,1 4,1 6, , ,1 1,1 1, , 16 1,9 1,9 30, , 4,9 4,9 49, , ,9 7,9 47, Somas 78 43,1 Méda,6 Desvo Médo 3,3 d x f = 1, 1 dm = => dm = => dm = 3, 3 f 78 = Varâca A defção de desvo médo leva em cosderação os desvos dos elemetos tomados a 1ª potêca. Matematcamete, demostra-se que os efetos de desvo são mas bemrepresetados quado tomados ao quadrado. Essa cosderação os leva à defção das duas mas mportates meddas de 9

22 Udade II varabldade absolutas: a varâca e o desvo padrão que veremos em seguda. A varâca é o somatóro dos desvos tomados ao quadrado, ou seja, é bascamete a mesma defção do desvo médo, alterado-se apeas a potêca dos desvos: S = = 1 d N 1 No caso em que estvermos trabalhado com dados agrupados, a forma, aturalmete, deverá clur o coceto de frequêca smples, ou seja: S = = 1 = 1 d x f f 1 Os exemplos de 1 a 3 o próxmo tem mostram o cálculo da varâca os város casos possíves Desvo padrão 1 O cálculo ou a aálse da varâca tem um grade coveete prátco: ela apreseta udades ao quadrado em relação à medda de tedêca cetral. Por exemplo, supoha que queremos descrever uma amostra de saláros de uma empresa. Poderíamos afrmar que o saláro médo da empresa é de reas, e a varâca, de 11.0 reas ao quadrado. 0 Observe a estraheza que causa a udade: reas ao quadrado. Sem falar do úmero extravagate que resultou dos cálculos. Para cotorar esse problema, defe-se a mas utlzada das meddas de varabldade: o desvo padrão. Observe também uma alteração o deomador da fórmula; ao vés de N, é N-1. Essa alteração é mportate quado tratarmos dos assutos relatvos à estmação estatístca (em Estatístca para Admstradores). A rgor, utlzaremos a fórmula acma para amostras e a mesma fórmula com deomador gual a N para populações. 60

23 ESTATÍSTICA Cocetualmete, o desvo padrão é a raz quadrada da varâca e é smbolzado pela letra S maúscula. Dessa forma, é calculado pelas fórmulas S = d = 1 N 1 para dados solados e S = = 1 = 1 d x f f 1 para dados agrupados em classes ou ão. Nos exemplos de 1 a 3 a segur, são calculados os valores do desvo padrão e da varâca, de maera semelhate ao que fo feto aterormete para o desvo médo. Observe que o cálculo segue os segutes passos em ambos os casos: 1. Calcular a méda da dstrbução.. Calcular os desvos de cada elemeto Calcular o quadrado dos desvos. 4. Somar o quadrado dos desvos (usado o coceto de frequêca caso sejam dados agrupados).. Dvdr a soma obtda pelo úmero de elemetos meos 1, obtedo-se a varâca Extrar a raz quadrada, obtedo-se o desvo padrão. 61

24 Udade II Exemplo 1 Calcular a méda e o desvo padrão da amostra {18; 1; ; 7; 8; 9; 3; 37}. Ordem dos elemetos Valores Desvos Desvos ao quadrado x d =x X _ d = = = = = = = = Soma Méda ( X _ ) 16/8=7 Cálculo da méda: Varâca 304/7 = 43,4 Desvo padrão 6,6 Σx X 16 = X = X = 7 N 8 Cálculo da varâca: S = d = 1 N => S = => S = 43, Cálculo do desvo padrão: S = = 1 d N => S = => S = 43, 4 => S = 6,

25 ESTATÍSTICA Exemplo Calcular a varâca e o desvo padrão da amostra de dstrbução abaxo, relatva ao úmero de acdetes dáros uma estrada federal. Número de acdetes dáros Valor Dstrbução de acdetes por da - Estrada X Das Valor x Desvos Quadrado pesqusados Frequêca dos desvos Frequêca Quadrado dos desvos x Frequêca x f x.f d =x X _ d d x f ,6 13, 17, ,6 6,9 3, 8 6-1,6,6 74, ,4 0,1 3, ,4 1,9 3, ,4,6 4, ,4 19,1 114, ,4 40,6 16, 11 7,4 4,4 8, ,4 70,1 70,1 Somas ,6 Méda 3,6 Varâca 7, Desvo Médo,7 Cálculo da varâca: S = = 1 = 1 d x f f 1 87, 6 => S = S = =, Cálculo do desvo padrão: S = = 1 = 1 d x f f 1 87, 6 => S = => S = 7, => S =,

26 Udade II Exemplo 3 Calcular o desvo padrão da amostra de dstrbução abaxo, relatva ao tempo de mão de obra gasto com a mauteção dos avões de uma empresa aérea. Dstrbução das horas de mauteção - Aero X Classes Lmtes de classes Potos médos de classe Valor Mauteções pesqusadas Frequêca Valor x Frequêca Desvos Quadrado dos desvos Quadrado dos desvos x Frequêca l ls pm f pm.f d =x X _ d d x f , ,1 16,6 43, , ,1 1, 3, , 16 1,9 3,7 9, , 4,9 4, 4, , ,9 6,8 376,7 Somas , Méda,6 Varâca 14,7 Desvo Padrão 3,8 Cálculo da varâca: S = = 1 = 1 d x f f , => S = S => =, Cálculo do desvo padrão: S = = 1 = 1 d x f f , => S = => S = 14, 7 => S = 3, O desvo padrão é a mas utlzada medda de dspersão, e, quado relacoada com a méda, forma a quatdade de elemetos da amostra ou da população que se stuam em toro da méda. 64

27 ESTATÍSTICA O mas comum, a estatístca, é que essa relação etre méda e desvo padrão seja feta pela chamada dstrbução ormal, à qual ós voltaremos a dscpla de Estatístca para Admstradores. Nessa relação, válda a maor parte dos casos prátcos, seguem-se os segutes tervalos: 1. Etre a méda mas uma vez o desvo padrão e a méda meos uma vez o desvo padrão, estão cotdos 68% dos elemetos da amostra ou da população.. Etre a méda mas duas vezes o desvo padrão e a méda meos duas vezes o desvo padrão, estão cotdos 8% dos elemetos da amostra ou da população. 3. Etre a méda mas três vezes o desvo padrão e a méda meos três vezes o desvo padrão, estão cotdos 99,74% dos elemetos da amostra ou da população Etre a méda mas quatro vezes o desvo padrão e a méda meos quatro vezes o desvo padrão, estão cotdos 0% dos elemetos da amostra ou da população. Exemplo: um estudo estatístco com 4.80 aluos de Admstração da Produção de uma uversdade mostrou que a ota fal méda deles fo de,3 com desvo padrão de 1,. Quatos aluos tveram médas fas etre 4,1 e 6,? Observe que as otas 4,1 e 6, correspodem exatamete à méda meos um desvo padrão (,3 1, = 4,1) e à méda mas um desvo padrão (,3 + 1, = 6,). Portato, 68% dos aluos estão cotdos esse tervalo, ou seja: 68% de 4.80 são 3.80 aluos. Podemos, portato, afrmar que 3.80 aluos tveram otas etre 4,1 e 6,. 6

28 Udade II 4. Meddas de dspersão relatvas 1 A maera mas comum de se formar de maera stétca (resumda) dados quattatvos é através de uma medda de posção (méda, medaa ou moda) em cojuto com uma medda de dspersão absoluta (desvo médo, varâca ou desvo padrão). O mas comum é o par de formações: méda - desvo padrão. Frequetemete, o etato, é teressate utlzar as chamadas meddas de dspersão relatvas, que aalsam smultaeamete uma medda de posção e a medda de dspersão correspodete. São especalmete teressates essas meddas quado fazemos comparações etre amostras dferetes. A rgor, podemos obter essas meddas, costumeramete chamadas de coefcetes de varação, dvddo uma medda de dspersão por uma medda de posção; o etato, as mas comus são: 1. Coefcete de varação de Pearso: dvsão do desvo padrão pela méda: Cv p S S = ou Cvp = 0 X X 0. Coefcete de varação de Thordke: dvsão do desvo padrão pela medaa: Cv p S S = ou Cvp = 0 Me Me O exemplo a segur mostra uma aplcação dos coefcetes de varação, um caso de ordem prátca. 66

29 ESTATÍSTICA Um especalsta estudou, estatstcamete, dos tpos de vestmetos, chegado às coclusões do quadro abaxo. Qual é o vestmeto que apreseta meor rsco? 3 Estatístcas Retoro esperado Aplcações X Y 1% 0% Desvo padrão 9% % Observações O especalsta tera chegado a essas coclusões através de um estudo estatístco o qual pesqusou e resumu os retoros ocorrdos o passado, coforme vmos o tem 3.1 Aalogamete, o especalsta tera calculado o devo padrão coforme vmos o tem Observe que se o especalsta comparasse as aplcações somete com base em seus desvos padrões, ele preferra a aplcação X, uma vez que essa aplcação tem um desvo padrão meor que Y (9% versus %). Essa comparação sera baseada o fato de que, sedo mas homogêea a aplcação A, dara meos sustos. No etato, se ele calculasse e comparasse os coefcetes de varação, chegara a coclusões dferetes: Estatístcas Aplcações X Y Retoro esperado 1% 0% Desvo padrão 9% % Coefcete de varação de Pearso 7% 0% Cv pa 9 = x 0=> Cvpa = 7% 1 Cv pb = x 0=> Cvpb = 0% 0 3 Adaptado de GITMAN, Lawrece J. Prcípos de admstração facera. São Paulo: Harbra,

30 Udade II A comparação dos coefcetes de varação das aplcações mostra que o especalsta estara cometedo um erro séro se escolhesse a aplcação X em vez de a aplcação Y, já que a dspersão relatva, ou rsco, das aplcações, coforme refletda o coefcete de varação, é meor para o atvo Y do que para o X (0% versus 7%). Evdetemete, o uso do coefcete de varação para comparar o rsco da aplcação é melhor porque este também cosdera o tamaho relatvo, ou retoro esperado, das aplcações. 4.3 Relações gráfcas etre as meddas estatístcas 1 0 Nos estudos e aálses estatístcos, é teressate e mportate vsualzar as formações cotdas os dados através do uso dos dversos gráfcos, assuto esse de que tratamos o módulo. Quado utlzamos os hstogramas, é faclmete perceptível que as frequêcas dos valores mas cetras tedem a ser maores que as dos valores extremos. Esse comportameto os permtrá coclusões mportates o capítulo da estatístca dutva, porque, va de regra, ocorre de modo repettvo. Observações do padrão de comportameto das dstrbuções mostram que grade parte delas tede a se apresetar da maera cohecda como dstrbução ormal. A fgura 1 mostra o comportameto estatístco de uma dstrbução de frequêcas relatva aos pesos de um grupo de pessoas qualquer. Observe que os pesos próxmos da méda têm maor frequêca, e o loge da méda, meor. Observe também a curva que se forma pela dstrbução das coluas. 68

31 ESTATÍSTICA Fgura 1 - Pesos corporas Frequêca smples Peso em qulos No curso de Estatístca para Admstradores, remos retorar ao assuto, quado dremos, por exemplo, que é pouco provável uma pessoa adulta ter peso acma de 0 kg ou abaxo de 3 kg, e utlzaremos essa curva para determar qual é essa probabldade, se houver. Por ora, remos os preocupar com a varação de formatos desse tpo de curva, chamada de curva ormal, ou curva de Gauss ou, ada, de curva do so. Em teora, espera-se que essa curva teha comportameto mostrado as curvas desehadas em lha cotíua as fguras e 3. Mas a prátca ocorrem deformações essas curvas, demostradas as curvas potlhadas das mesmas fguras. Essas deformações são chamadas, respectvamete, de assmetra (fgura ) e curtose (fgura 3). 69

32 Udade II Fgura - Assmetra Frequêca smples Assmétrca postva Smétrca Assmétrca egatva 0 0 Méda Varável Fgura 3 - Curtose Curva leptocúrtca Frequêca smples Curva mesocúrtca 0 Curva platcúrtca Méda Varável Assmetra A assmetra mede o quato a dstrbução se afasta da méda. Esse afastameto pode ocorrer para a dreta ou para a esquerda, gerado, respectvamete, as assmetras postva e egatva. O grau de assmetra é dado, frequetemete, pelo chamado 1º coefcete de Pearso: 4 As = X Me S Pearso. 4 Exstem outras meddas de assmetra, além do 1º coefcete de 70

33 ESTATÍSTICA Ode: As = Coefcete de assmetra X = Méda Me = Medaa S = Desvo padrão Caso: As = 0, a dstrbução é smétrca. As > 0, a dstrbução é assmétrca postva ou à dreta. As < 0, a dstrbução é assmétrca egatva ou à esquerda. Por esse crtéro, costuma-se classfcar as dstrbuções da segute maera: Caso As <-1: assmétrca egatva forte. Caso -1 < As < 0: assmétrca egatva fraca. Caso As = 0: smétrca. 1 Caso 0 < As < 1: assmétrca postva fraca. 0 Caso As > 1: assmétrca postva forte Curtose A curtose mede o quato a dstrbução se aloga ou se achata em relação à curva teórca. A curva teórca é chamada de mesocúrtca; as mas alogadas, de leptocúrtca, e as mas achatadas, de platcúrtca O grau de curtose é dado, frequetemete, pelo coefcete: 4 d x f k = f 4 S 3 Exstem outros coefcetes de curtose além do apresetado aqu. 71

34 Udade II Ode: K = Coefcete de curtose d = Desvos f = Desvo Padrão Caso: K = 0, a dstrbução é mesocúrtca. K > 0, a dstrbução é leptocúrtca. K < 0, a dstrbução é platcúrtca. Exemplo: O exemplo a segur demostra o cálculo da assmetra e da curtose de uma dstrbução referete ao cosumo de eerga elétrca etre 1.4 famílas de determada regão. 1 Observado os cálculos da próxma pága, otamos que a dstrbução (e a curva dela decorrete) é assmétrca egatva fraca, ou seja, lgeramete deslocada para a esquerda e que é platcúrtca, ou seja, achatada. A curva tera a aparêca aproxmada abaxo (a curva potlhada é a do exercíco; a chea, é a padrão): Fgura 4 - Assmetra e curtose Frequêca smples Méda Varável 7

35 ESTATÍSTICA Classes úmero Cosumo mesal por famla Número de famílas Valor Frequêca Potos médos de classe Frequêca acumulada crescete Potos médos x Frequêcas Desvos Desvos ao quadrado Desvo ao quadrado x Frequêcas Desvos a quarta potêca Desvos a quarta potêca x Frequêcas l l s f pm f ac pm x f d =x X _ d d x f d 4 d 4 x f Somatóros

36 Udade II Cálculo da méda: xf X = => X = => X = 17, f 1. 4 Cálculo do desvo padrão: S = = 1 = 1 d x f f => S = => S = => S = 1, Cálculo da medaa: E - elemeto medao:. me me me N = => E = => E = 63 - medaa: Me=l + E me -f Me f ac at Me x h= x 0=>Me=,4 Cálculo da assmetra: X Me As = 17,, 4 => As = S 1, 1 => As = 0, 067 Cálculo da curtose: 4 d x f f K = 3 => K = 14 3 => K = 0, S ( 1, 1) 74

37 ESTATÍSTICA Referêcas bblográfcas ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A. Estatístca aplcada à admstração e ecooma.. ed. São Paulo: Thomso Learg, 007. BRUNI, Adrao B. Estatístca aplcada à gestão empresaral. São Paulo: Atlas, 007. BUSSAB, W. O.; MORETIN, P. A. Estatístca básca. 3. ed. São Paulo: Atual, COSTA NETO, P. L. O. Estatístca. São Paulo: Edgard Blücher, COSTA NETO, P. L. O.; CYMBALISTA, M. Probabldades. São Paulo: Edgard Blücher, DOWNING, D.; CLARK, J. Estatístca aplcada. 1. ed. São Paulo: Sarava, FONSECA, J. S.; MARTINS, G. A.; TOLETO, G. L. Estatístca aplcada. São Paulo: Atlas, 199. GUERRA, M.; GUERRA, M. J.; DONAIRE, D. Estatístca aplcada. São Paulo: Cêca e Tecologa, KAZMIER, L. J. Estatístca aplcada à ecooma e admstração. São Paulo: Makro Books, 198. KUNE, H. Métodos estatístcos para a melhora da qualdade. São Paulo: Gete, LAPPONI, J. A. Estatístca usado Excel. 4. ed. Ro de Jaero: Elsever, 00. 7

38 Udade II MEDEIROS, E.; MEDEIROS, E.; GONÇALVES, V.; MUROLO, A. C. Estatístca para os cursos de ecooma, admstração e cêcas cotábes.. ed. v. 1 e. São Paulo: Atlas, Tabelas de estatístca para os cursos de ecooma, admstração e cêcas cotábes.. ed. São Paulo: Atlas, MEYER, P. L. Probabldade aplcações à estatístca. 1. ed. Ro de Jaero: Lvros Téccos e Cetífcos, MILONE, G.; ANGELINI, F. Estatístca aplcada. São Paulo: Atlas, 199. MOORE, D. A estatístca básca e sua prátca. 1. ed. Ro de Jaero: LTC, 000. MOORE, D; McCABE, G. P.; DUCKWORTH, W. M.; SCLOVE, S. L. A prátca da estatístca empresaral. Como usar dados para tomar decsões. Ro de Jaero: LTC, 006. SPIEGEl, M. R. Estatístca. São Paulo: Makro Books, STEVENSON, W. J. Estatístca aplcada à admstração. São Paulo: Habra, TRIOLA, M. F. Itrodução à estatístca. Ro de Jaero: LTC, 00. WITTE, R. S.; WITTE, J. S. Estatístca. 7. ed. Ro de Jaero: LTC,

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04

MA12 - Unidade 4 Somatórios e Binômio de Newton Semana de 11/04 a 17/04 MA1 - Udade 4 Somatóros e Bômo de Newto Semaa de 11/04 a 17/04 Nesta udade troduzremos a otação de somatóro, mostrado como a sua mapulação pode sstematzar e facltar o cálculo de somas Dada a mportâca de

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12 MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação

Leia mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações

Algoritmos de Interseções de Curvas de Bézier com Uma Aplicação à Localização de Raízes de Equações Algortmos de Iterseções de Curvas de Bézer com Uma Aplcação à Localzação de Raízes de Equações Rodrgo L.R. Madurera Programa de Pós-Graduação em Iformátca, PPGI, UFRJ 21941-59, Cdade Uverstára, Ilha do

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher

M = C( 1 + i.n ) J = C.i.n. J = C((1+i) n -1) MATEMÁTICA FINANCEIRA. M = C(1 + i) n BANCO DO BRASIL. Prof Pacher MATEMÁTICA 1 JUROS SIMPLES J = C.. M C J J = M - C M = C( 1 +. ) Teste exemplo. ados com valores para facltar a memorzação. Aplcado-se R$ 100,00 a juros smples, à taxa omal de 10% ao ao, o motate em reas

Leia mais

Perguntas Freqüentes - Bandeiras

Perguntas Freqüentes - Bandeiras Pergutas Freqüetes - Baderas Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte por lqudar a obrgação de forma parcelada

Leia mais

FINANCIAMENTOS UTILIZANDO O EXCEL

FINANCIAMENTOS UTILIZANDO O EXCEL rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas

Leia mais

IND 1115 Inferência Estatística Aula 9

IND 1115 Inferência Estatística Aula 9 Coteúdo IND 5 Iferêca Estatístca Aula 9 Outubro 2004 Môca Barros Dfereça etre Probabldade e Estatístca Amostra Aleatóra Objetvos da Estatístca Dstrbução Amostral Estmação Potual Estmação Bayesaa Clássca

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto

Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto Faculdade de Ecooma, Admstração e Cotabldade de Rberão Preto Ecooma Moetára Curso de Ecooma / º. Semestre de 014 Profa. Dra. Rosel da Slva Nota de aula CAPM Itrodução Há dos modelos bastate utlzados para

Leia mais

Notas de aula da disciplina Probabilidade e Estatística

Notas de aula da disciplina Probabilidade e Estatística otas de aula da dscpla Probabldade e Estatístca Proessor M Sc Adré Luz DAMAT - UTFPR Esta apostla apreseta os tópcos prcpas abordados em sala de aula, cotedo deções, teoremas, eemplos Sua letura ão é obrgatóra,

Leia mais

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria

2 Avaliação da segurança dinâmica de sistemas de energia elétrica: Teoria Avalação da seguraça dâmca de sstemas de eerga elétrca: Teora. Itrodução A avalação da seguraça dâmca é realzada através de estudos de establdade trastóra. Nesses estudos, aalsa-se o comportameto dos geradores

Leia mais

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático

Requisitos metrológicos de instrumentos de pesagem de funcionamento não automático Requstos metrológcos de strumetos de pesagem de fucoameto ão automátco 1. Geeraldades As balaças estão assocadas de uma forma drecta à produção do betão e ao cotrolo da qualdade do mesmo. Se são as balaças

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes

UERJ CTC IME Departamento de Informática e Ciência da Computação 2 Cálculo Numérico Professora Mariluci Ferreira Portes UERJ CTC IE Departameto de Iormátca e Cêca da Computação Udade I - Erros as apromações umércas. I. - Cosderações geras. Há váras stuações em dversos campos da cêca em que operações umércas são utlzadas

Leia mais

3 Precificação de resseguro

3 Precificação de resseguro Precfcação de Resseguro 35 3 Precfcação de resseguro Este capítulo traz prmeramete uma oção ampla das aplcações das metodologas de precfcação de resseguro para melhor compreesão do mesmo Da seção 3 até

Leia mais

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO;

ÍNDICE DE TERMOS: MOTOR DEDICADO, PADRONIZAÇÃO; Aplcação de Motores de Méda esão dedcados acoados por versor de frequêca e utlzação de um úco projeto em dferetes solctações de carga. Gleuber Helder Perera Rodrgues Esp. Eg. WEG Brasl gleuber@weg.et Alex

Leia mais

Capitulo 8 Resolução de Exercícios

Capitulo 8 Resolução de Exercícios FORMULÁRIO Audades Peródcas, Crescetes e Postecpadas, com Termos em P. A. G 1 1 1 1 G SPAC R R s s 1 1 1 1 1 G G C R a R a 1 1 PAC Audades Gradetes Postecpadas S GP G 1 1 ; C GP G 1 1 1 Audades Gradetes

Leia mais

CAPÍTULO 1 PROBABILIDADE

CAPÍTULO 1 PROBABILIDADE CAPÍTULO PROBABILIDADE. Coceto O coceto de probabldade está sempre presete em osso da a da: qual é a probabldade de que o meu tme seja campeão? Qual é a probabldade de que eu passe aquela dscpla? Qual

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO

1 SISTEMA FRANCÊS DE AMORTIZAÇÃO scpla de Matemátca Facera 212/1 Curso de Admstração em Gestão Públca Professora Ms. Valéra Espídola Lessa EMPRÉSTIMOS Um empréstmo ou facameto pode ser feto a curto, médo ou logo prazo. zemos que um empréstmo

Leia mais

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES

UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES UNIVERSIDADE FEDERAL FLUMINENSE CENTRO DE ESTUDOS GERAIS INSTITUTO DE MATEMÁTICA DEPARTAMENTO DE ESTATÍSTICA NÚMEROS ÍNDICES Aa Mara Lma de Faras Luz da Costa Laurecel Com a colaboração dos motores Maracajaro

Leia mais

Perguntas freqüentes Credenciadores

Perguntas freqüentes Credenciadores Pergutas freqüetes Credecadores Como devo proceder para prestar as formações de quatdade e valor das trasações com cartões de pagameto, os casos em que o portador opte pelo facameto da compra pelo emssor?

Leia mais

Capítulo 1: Erros em cálculo numérico

Capítulo 1: Erros em cálculo numérico Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas

Leia mais

Uma Calculadora Financeira usando métodos numéricos e software livre

Uma Calculadora Financeira usando métodos numéricos e software livre Uma Calculadora Facera usado métos umércos e software lvre Jorge edraza Arpas, Julao Sott, Depto de Cêcas e Egeharas, Uversdade Regoal ItegradaI, URI 98400-000-, Frederco Westphale, RS Resumo.- Neste trabalho

Leia mais

2 Estrutura a Termo de Taxa de Juros

2 Estrutura a Termo de Taxa de Juros Estrutura a Termo de Taxa de Juros 20 2 Estrutura a Termo de Taxa de Juros A Estrutura a termo de taxa de juros (também cohecda como Yeld Curve ou Curva de Retabldade) é a relação, em dado mometo, etre

Leia mais

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C)

RESUMO DE MATEMÁTICA FINANCEIRA. Juro Bom Investimento C valor aplicado M saldo ao fim da aplicação J rendimento (= M C) RESUMO DE MATEMÁTICA FINANCEIRA I. JUROS SIMPLES ) Elemetos de uma operação de Juros Smples: Captal (C); Motate (M); Juros (J); Taxa (); Tempo (). ) Relação etre Juros, Motate e Captal: J = M C ) Defção

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO

Leia mais

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas.

Neste capítulo pretende-se introduzir o conceito de centróide, em especial quando aplicado para o caso de superfícies planas. Físca plcada à Egehara vl II aulo Medes ENTRÓIDES Neste capítulo pretede-se troduzr o coceto de cetróde, em especal quado aplcado para o caso de superfíces plaas. Este documeto, costtu apeas um strumeto

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes

A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: enchentes Mostra Nacoal de Icação Cetífca e Tecológca Iterdscplar VI MICTI Isttuto Federal Catarese Câmpus Camború 30 a 3 de outubro de 03 A REGRESSÃO LINEAR EM EVENTOS HIDROLÓGICOS EXTREMOS: echetes Ester Hasse

Leia mais

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

Matemática Financeira

Matemática Financeira Cocetos Báscos de Matemátca Facera Uversdade do Porto Faculdade de Egehara Mestrado Itegrado em Egehara Electrotécca e de Computadores Ecooma e Gestão Na prátca As decsões faceras evolvem frequetemete

Leia mais

Olá, amigos concursandos de todo o Brasil!

Olá, amigos concursandos de todo o Brasil! Matemátca Facera ICMS-RJ/008, com gabarto cometado Prof. Wager Carvalho Olá, amgos cocursados de todo o Brasl! Veremos, hoje, a prova do ICMS-RJ/008, com o gabarto cometado. - O artgo º da Le.948 de 8

Leia mais

Teoria da Amostragem

Teoria da Amostragem Teora da Amostragem I- oções fudametas sobre amostragem. Amostragem é todo o processo de recolha de uma parte, geralmete pequea, dos elemetos que costtuem um dado couto. Da aálse dessa parte pretede obter-se

Leia mais

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno.

E-mails: damasceno1204@yahoo.com.br damasceno@interjato.com.br damasceno12@hotmail.com http://www. damasceno.info www. damasceno.info damasceno. Matemátca Facera 2007.1 Prof.: Luz Gozaga Damasceo 1 E-mals: damasceo1204@yahoo.com.br damasceo@terjato.com.br damasceo12@hotmal.com http://www. damasceo.fo www. damasceo.fo damasceo.fo Obs.: (1 Quado

Leia mais

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão

LCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e

Leia mais

Econometria: 3 - Regressão Múltipla

Econometria: 3 - Regressão Múltipla Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão

Leia mais

Capítulo 1 PORCENTAGEM

Capítulo 1 PORCENTAGEM Professor Joselas Satos da Slva Matemátca Facera Capítulo PORCETAGEM. PORCETAGEM A porcetagem ada mas é do que uma otação ( % ) usada para represetar uma parte de cem partes. Isto é, 20% lê-se 20 por ceto,

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo

Cálculo de média a posteriori através de métodos de integração numérica e simulação monte carlo: estudo comparativo INGEPRO Iovação, Gestão e Produção Jaero de 010, vol. 0, o. 01 www.gepro.com.br Cálculo de méda a posteror através de métodos de tegração umérca e smulação mote carlo: estudo comparatvo Helto Adre Lopes

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO

Leia mais

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES

AMOSTRAGEM EM DOIS ESTÁGIOS COM UNIDADES PRIMÁRIAS DE TAMANHOS DIFERENTES SUBSAMPLING TO TWO PROBATION WITH PRIMARY UNITS OF UNEQUAL SIZES Cêca Florestal, v.6,., p.47-55 47 ISS 003-9954 AMOSTRAGEM EM DOIS ESTÁGIOS COM UIDADES PRIMÁRIAS DE TAMAHOS DIFERETES SUBSAMPLIG TO TWO PROBATIO WITH PRIMARY UITS OF UEQUAL SIZES Sylvo Péllco etto RESUMO

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),

Leia mais

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;

Leia mais

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA

CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA CAPÍTULO 5 - INTRODUÇÃO À INFERÊNCIA ESTATÍSTICA 5. INTRODUÇÃO É freqüete ecotrarmos problemas estatísticos do seguite tipo : temos um grade úmero de objetos (população) tais que se fossem tomadas as medidas

Leia mais

Projeto de rede na cadeia de suprimentos

Projeto de rede na cadeia de suprimentos Projeto de rede a cadea de suprmetos Prof. Ph.D. Cláudo F. Rosso Egehara Logístca II Esboço O papel do projeto de rede a cadea de suprmetos Fatores que fluecam decsões de projeto de rede Modelo para decsões

Leia mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Curso de An lise de Fluxo de Caixa

Curso de An lise de Fluxo de Caixa Curso de A lse de Fluxo de Caxa SUMÁRIO PROGRESSÕES... 0. FÓRMULAS BÁSICAS... 0.. Progressões artmétcas... 0..2 Progressões geométrcas... 02.2 EXERCÍCIOS SUGERIDOS... 02 2 CONCEITOS DE MATEMÁTICA FINANCEIRA...

Leia mais

Obra publicada pela Universidade Federal de Pelotas

Obra publicada pela Universidade Federal de Pelotas Obra publcada pela Uversdade Federal de Pelotas Retor: Prof. Dr. Atoo Cesar Goçalves Bores Vce-Retor: Prof. Dr. Maoel Luz Breer de Moraes Pró-Retor de Etesão e Cultura: Prof. Dr. Luz Era Goçalves Ávla

Leia mais

Apostla Básca de Estatístca Slvo Alves de Souza ÍNDICE Itrodução... 3 Software R... 4 Software SPSS... 5 Dstrbução ormal de probabldade... 6 Testes de Hpótese paramêtrco... Testes Não-Paramétrco...5 Dstrbução

Leia mais

CAPITULO 1 CONCEITOS BÁSICOS

CAPITULO 1 CONCEITOS BÁSICOS DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3

Leia mais

Monitoramento ou Inventário Florestal Contínuo

Monitoramento ou Inventário Florestal Contínuo C:\Documets ad Settgs\DISCO_F\MEUS-DOCS\LIVRO_EF_44\ef44_PDF\CAP XIV_IFCOTIUO.doc 6 Motorameto ou Ivetáro Florestal Cotíuo Agosto Lopes de Souza. ITRODUÇÃO Parcelas permaetes de vetáro florestal cotíuo

Leia mais

1.1 Apresentação. do capítulo

1.1 Apresentação. do capítulo apítulo Matemátca Facera. Apresetação do capítulo A Matemátca Facera trata da comparação de valores moetáros que estão dspersos ao logoo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas

Leia mais

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS

APLICAÇÕES DE MÉTODOS DE ENERGIA A PROBLEMAS DE INSTABILIDADE DE ESTRUTURAS PONTIFÍCI UNIVERSIDDE CTÓLIC DO RIO DE JNEIRO DEPRTMENTO DE ENGENHRI CIVIL PLICÇÕES DE MÉTODOS DE ENERGI PROBLEMS DE INSTBILIDDE DE ESTRUTURS Julaa Bragh Ramalho Raul Rosas e Slva lua de graduação do curso

Leia mais

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A.

MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS. M. Z. Nascimento, A. F. Frère e L. A. MÉTODO COMPUTACIONAL AUTOMÁTICO TICO PARA PRÉ-PROCESSAMENTO PROCESSAMENTO DE IMAGENS RADIOGRÁFICAS M. Z. Nascmeto, A. F. Frère e L. A. Neves INTRODUÇÃO O cotraste as radografas vara ao logo do campo de

Leia mais

Gestão de Sistemas de Produção/Operações Profº Túlio de Almeida

Gestão de Sistemas de Produção/Operações Profº Túlio de Almeida Gestão de Sstemas de Produção/Operações Profº Túlo de Almeda 3. AVALIAÇÃO DE DESEMPENHO E INDICADORES 3.1. INDICADORES DE DESEMPENHO Os dcadores são tes essecas para qualquer tpo de projeto, processo,

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado.

Em atendimento à solicitação de V.Sa., apresentamos, na seqüência, os resultados do estudo referenciado. 1 Belo Horzote, 14 de abrl de 2007. À UNAFISCO SAÚDE AT.: Glso Bezerra REF: AVALIAÇÃO ATUARIAL Prezado Sehor, Em atedmeto à solctação de V.Sa., apresetamos, a seqüêca, os resultados do estudo referecado.

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA

Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA Capítulo 5 EQUAÇÕES DE CONSERVAÇÃO DA MASSA O objetvo deste capítulo é apresetar formas da equação da coservação da massa em fução de propredades tesvas faclmete mesuráves, como a temperatura, a pressão,

Leia mais

A Medição e o Erro de Medição

A Medição e o Erro de Medição A Medção e o Erro de Medção Sumáro 1.1 Itrodução 1.2 Defções 1.3 Caracterzação da qualdade de medção 1.4 O erro da medção 1.4.1 Os erros aleatóros 1.4.2 Os erros sstemátcos 1.5 O verdadero valor, o erro

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

Capítulo 6 - Centro de Gravidade de Superfícies Planas

Capítulo 6 - Centro de Gravidade de Superfícies Planas Capítulo 6 - Cetro de ravdade de Superfíces Plaas 6. Itrodução O Cetro de ravdade (C) de um sóldo é um poto localzado o própro sóldo, ou fora dele, pelo qual passa a resultate das forças de gravdade que

Leia mais

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS

PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS PROCEDIMENTOS DE CÁLCULO DE INCERTEZA DE MEDIÇÃO EM MEDIÇÕES DIRETAS E INDIRETAS Prof José Leoardo Noroha M Eg Departameto de Egehara de Prodção Escola Federal de Egehara de Itabá EFEI RESUMO: Neste trabalho

Leia mais

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de

Leia mais

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3

Ana Clara P. Campos 1 Denise Nunes Viola 1 Moacyr Cunha Filho 2 Guilherme Vilar 2 Vanessa Van Der Linden 3 Idetfcação da exstêca de padrão espacal aleatóro a dstrbução dos pacetes portadores de doeça geétca rara com defcêca físca da Assocação de Assstêca à Craça Defcete (AACD) de Perambuco Aa Clara P. Campos

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA

MODELO DE ISING BIDIMENSIONAL SEGUNDO A TÉCNICA DE MATRIZ DE TRANSFERÊNCIA UIVERSIDADE ESTADUAL DO CEARÁ RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA DE MATRIZ DE TRASFERÊCIA FORTALEZA CEARÁ 4 RAFAEL DE LIMA BARBOSA MODELO DE ISIG BIDIMESIOAL SEGUDO A TÉCICA

Leia mais

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES

ANAIS O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES O JOGO DA LOGÍSTICA E SUAS VARIANTES NO PROBLEMA DE LOCALIZAÇÃO DE INSTALAÇÕES MARCOS RICARDO ROSA GEORGES ( marcos.georges@puc-campas.edu.br, marcos_georges@yahoo.com.br ) PUC-CAMPINAS Resumo Este artgo

Leia mais

Capítulo 1 Matemática Financeira

Capítulo 1 Matemática Financeira apítulo Matemátca Facera. Apresetação do capítulo A matemátca facera trata da comparação de valores moetáros ao logo do tempo. Através de seu estudo, podemos aalsar e comparar alteratvas de vestmeto e

Leia mais

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva

LEASING UMA OBSERVAÇÃO Economista Antonio Pereira da Silva LEASING UMA OBSERVAÇÃO Ecoomsta Atoo Perera da Slva AMOR POR DINHEIRO TITÃS Composção: Sérgo Brtto e To Bellotto Acma dos homes, a le E acma da le dos homes A le de Deus Acma dos homes, o céu E acma do

Leia mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade

Leia mais