5. Medidas de Posição

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamanho: px
Começar a partir da página:

Download "5. Medidas de Posição"

Transcrição

1 5. Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências que essa pesquisa revela. Assim se a pesquisa envolve muitos dados, convêm sintetizarmos todas essas informações a um mínimo de parâmetros que possam caracterizá-la. Esses parâmetros podem ser de: centralização: média aritmética, mediana e moda. separatrizes: mediana, quartis e percentis. dispersão: intervalo de variação, desvio médio, variância e desvio padrão. 1. Média Aritmética ( x ou µ) A média caracteriza o centro da distribuição de freqüências, sendo, por isso uma medida de posição. Podemos definir vários tipos de médias de um conjunto de dados, temos a média aritmética, a média geométrica, a média harmônica, etc. Aqui, trabalharemos exclusivamente com a média aritmética (simples ou ponderada). É comum distinguirmos, em termos de notação, a média amostral e a média populacional, embora o cálculo de ambas seja o mesmo e apresente, portanto, o mesmo resultado: x (lê-se: xis barra ) média amostral µ (lê-se: mi ) média populacional Há três formas para calcular a média. Isse depende de como está o nosso conjunto de dados: não agrupados, agrupados sem classes ou agrupados com classes. Importante: nunca devemos arredondar o valor da média, mesmo que esse número não faça, aparentemente, sentido. Por exemplo: se calculamos que o número médio de filhos é 1,8, não devemos arredondar para. Embora não faça sentido falarmos em 1,8 filhos por família, pense em 18 filhos (em média) a cada 10 famílias, ou, ainda, 180 filhos, em média, a cada 100 famílias. Agora, o número médio passa a ter um sentido prático. Caso I: Dados não agrupados Para uma seqüência numérica X: x 1, x,, x n, a média aritmética simples, que designamos por x ou µ é definida por: x=µ x i = n Exemplo 1: calcular a média da série X :, 0, 5, 3: x = =,5 4 77

2 Caso II: Dados agrupados sem intervalos de classe Se os dados estão apresentados na forma de uma variável discreta faremos a média aritmética ponderada considerando as freqüências simples de f i como sendo as ponderações dos elementos x i correspondentes: Assim a fórmula para o cálculo da média é: xifi x = µ = ou f i x = µ = x f n i i Exemplo : Considerando a distribuição: x i f i total 6 n x ifi X = n = = = 4 Caso III: Dados agrupados com intervalos de classe Quando os dados estão agrupados com intervalos de classes, ou seja, quando se trata de uma variável contínua, se aceita, por convenção, que as freqüências se distribuem uniformemente ao longo da classe e que, portanto, o ponto médio da classe é o valor representativo do conjunto. Neste caso a média será calculada fazendo a média aritmética ponderada considerando as freqüências simples de f i como sendo as ponderações dos elementos xi correspondentes, onde x i é o ponto médio do intervalo. Assim, a fórmula para o cálculo da média é a mesma que a do caso II: xifi x = µ = ou f i x = µ = x f n i i Relembrando: Ponto médio de uma classe (x i ) corresponde à soma do limite inferior com o limite superior dessa classe, dividindo o resultado por. Ou seja: Ponto médio = LI x = i classe + LS classe 78

3 Exemplo 3: Considere a distribuição: classe f i x i total = = 10 n xifi x = = = =, 50 n Moda (Mo) A moda de uma série de valores é o valor de maior freqüência absoluta,ou seja, o valor que aparece o maior número de vezes na distribuição. Fique atento: moda é um valor, ou seja, x i. Moda NÃO é a freqüência (f i )! Assim como no caso da média, vamos considerar três casos para obtermos a moda. Caso I: Dados não agrupados Exemplos: 1) Dada a série:, 0, 0, 5, 3, observamos que o valor 0 ocorreu duas vezes. Logo, Mo = 0. ) Seja o ROL: 1,, 5, 7, 1,18, notamos que não existe um valor que apareça mais vezes. Neste caso, dizemos que a série de dados é amodal (não há moda). 3) Dada a série: 1, 1,,,, 3, 3, 3, 4, 5, 5, 6, vemos que os valores e 3 ocorreram três vezes cada um. Neste caso, temos dois valores modais, ou seja, Mo = e 3. A série é dita bimodal. Caso II: Dados agrupados sem intervalos de classe Exemplo 4: Considerando a distribuição: x i f i total 6 A maior freqüência é 3, que corresponde ao valor 4. Logo, Mo = 4. 79

4 Caso III: Dados agrupados com intervalos de classe Neste caso, a classe que apresenta a maior freqüência é denominada classe modal. No caso de distribuição de freqüências em classes de mesma amplitude, a moda corresponde a um ponto pertencente à classe modal dado pela fórmula de Czuber: Mo = L Mo D1 + D1 + D.h com D 1 = f mo f ant D = f mo f post onde: L Mo = limite inferior da classe modal f Mo = freqüência absoluta da classe modal f ant = freqüência absoluta da classe imediatamente anterior à classe modal f post = freqüência absoluta da classe imediatamente posterior à classe modal h = amplitude da classe modal Exemplo 5: Considere a distribuição: classe modal classe f i x i total Inicialmente, devemos localizar a CLASSE MODAL, ou seja, a classe que conterá a moda. Ela corresponde ao intervalo que possui maior freqüência. No caso, Feito isso, basta aplicarmos a fórmula de Czuber: L Mo = 00 f Mo = 18 f ant = 4 f post = 10 h = 0-00 = 0 Logo: D 1 = 18 4 = 14 D = = 8 A moda será: 80

5 14 14 M o = = = 1, Mediana (Md) A mediana de um conjunto de valores, colocados em rol, é o valor situado de tal forma no conjunto que o separa em dois subconjuntos de mesmo número de elementos (elemento que ocupa a posição central). Em outras palavras, tendo-se um conjunto de dados ordenados de maneira crescente (ROL), a mediana é o valor que separa os 50% dos menores dados dos 50% maiores. Caso I: Dados não agrupados Exemplo 6: CASO ÍMPAR: sejam os resultados de 5 lançamentos de um dado:, 4, 4, 5, 6. A mediana corresponde ao valor 4, visto que ele é o valor central, deixando dados à sua esquerda e à sua direita. Assim, Md = 4. Note que n=5 (ímpar). A posição ocupada pela mediana é a 3ª. Essa posição poderia ser obtida da seguinte forma: n 5 + 0,5 = + 0,5 = 3 ª posição que corresponde ao valor Md=4. Exemplo 7: CASO ÍMPAR: sejam as idades de 9 pessoas: 37, 8, 40, 41, 45, 37, 37, 41, 44. Colocando os dados em rol temos: 8, 37, 37, 37, 40, 41, 41, 44, 45. A mediana corresponde ao valor 40 (ou seja, idade), pois há quatro valores à esquerda de 40 e quatro valores à direita de 40. Assim, Md=40. Perceba que a posição ocupada pela mediana é a 5ª. Utilizando o mesmo raciocínio do exemplo anterior, podemos obter essa posição através do seguinte cálculo: n 9 + 0,5 = + 0,5 = 5 ª posição que corresponde ao valor Md=40. Exemplo 8: CASO PAR: considere o número de filhos de 6 famílias: 0, 0, 1,, 3, 3. Perceba que a mediana não poderia ser 1, pois deixaria dois valores à esquerda e três à direita. Da mesma forma, a mediana não poderia ser, pois deixaria três valores à esquerda e dois valores à direita. Dessa forma, a mediana será a média aritmética dos dois valores centrais: 1+ Md = = 1,5 (nunca arredondar!) Observe que a mediana corresponde à média dos valores que ocupam a 3ª e 4ª posições. Essas posições podem ser obtidas da seguinte forma: n 6 n 6 = = 3 ª posição e + 1= + 1= 3 + 1= 4 ª posição. 81

6 Novamente, vamos ressaltar: a 3ª posição é ocupada pelo valor 1; a 4ª posição é ocupada pelo valor. A mediana é, portanto, o valor 1,5. Exemplo 9: CASO PAR: sejam as idades de 8 pessoas: 1, 4, 8, 31, 34, 35, 38, 38 A mediana corresponde a média aritmética dos dois valores centrais, que são 31 e 34. Assim: Md = = 3,5 anos. Note que o valor 31 anos está na 4ª posição e o valor 34 anos ocupa a 5ª posição. Vamos obter essas posições utilizando a mesma fórmula do exemplo anterior: n 8 n 8 = = 4 ª posição e + 1= + 1= 4 + 1= 5 ª posição Logo, a mediana corresponderá a média dos valores que ocupam as posições calculadas. A mediana não precisa ser um dos valores da distribuição e nem deve ser arredondada! Caso II: Dados agrupados sem intervalos de classe Para determinarmos à mediana de uma distribuição de dados discreta, vamos trabalhar com as situações de n par ou n ímpar que citamos nos exemplos do caso I. Para facilitar a localização da posição da mediana, utilizaremos a freqüência acumulada. Exemplo 10: n ÍMPAR Considerando a distribuição: Inicialmente, calculamos a posição ocupada pela mediana utilizando a regra de n ímpar: 1 + 0,5 = 10,5 + 0,5 = 11ª posição. idades f i F i Significado de F i (posições) ª a 3ª ª a 8ª ª a 14ª ª a 16ª ª a 1ª total

7 Na tabela, localizamos a linha que contém a 11ª posição, que no caso é a terceira linha. Verificamos o valor que está nessa linha, que no caso é a idade 15. Assim, Md = 15 anos. Exemplo 11: n PAR Considere a distribuição: Significado de idades f i F i F i (posições) 0 1ª a ª ª a 7ª ª a 14ª total Calculando a posição da mediana, utilizando a regra de n PAR: 14 = 7 ª posição e a seguinte, ou seja, 8ª posição. Ou seja, os valores centrais da distribuição ocupam a 7ª e 8ª posições. Na tabela, vemos que a 7ª posição é ocupada pelo valor (idade) 1 anos, enquanto que a 8ª posição é ocupada pelo valor anos. A mediana da distribuição será: 1+ Md = = 1,5 anos. Mais uma vez, perceba que a mediana é um valor. As posições são calculadas apenas para que cheguemos a esse valor, que no caso é Md=1,5. Caso III: Dados agrupados com intervalos de classe Quando estamos trabalhando com variáveis contínuas, ou seja, quando os dados estão agrupados em classes, determinamos a classe na qual se encontra a mediana, que chamaremos de classe mediana. Neste caso, não nos preocuparemos se estamos trabalhando com uma quantidade de dados par ou ímpar, visto que apenas precisamos determinar a classe que contém a mediana. Em seguida, calculamos o valor da mediana através da fórmula: Md = L Md n F + fmd ant. h em que: L Md é o limite inferior da classe mediana; F ant é a freqüência acumulada da classe anterior à classe mediana; h é a amplitude do intervalo da classe mediana; f Md é a freqüência simples (ou absoluta) da classe mediana. 83

8 Exemplo 1: considere a distribuição: classe mediana classe f i F i Significado de F i (posições) ª a 4ª ª a ª ª a 3ª ª a 37ª ª a 40ª total Vamos verificar qual a classe que contém a mediana. Para isto, vamos calcular a posição ocupada pela mediana: 40 = 0ª posição. Note que essa posição corresponde à classe Esta é a classe mediana. Utilizando a fórmula apresentada: L i = 00 F ant = 4 h= 0 00 = 0 f Md = Md = = ,78 Md = 17,78 18 Exemplo 13: considerando a distribuição: classe mediana Alturas (cm) f i Fi Significado de F i (posições) ª a 4ª ª a 13ª ª a 4ª ª a 3ª ª a 37ª ª a 41ª total Cálculo da classe mediana: 41 = 0,5 ª posição. Vamos arredondar para a 1ª posição. Na tabela, identificamos que essa posição se encontra na classe Usando a fórmula: 84

9 Li = 158 F ant = 13 h = = 4 f Md = Md = = 158 +,54 Md = 160,54 cm Exemplos Vamos obter a média, a moda e a mediana para os casos a seguir. Exemplo 14: considere as notas obtidas por 5 alunos, numa avaliação de Estatística, distribuídas na tabela abaixo. Determine a média, a mediana e a moda. Nota f i F i , , Total fi.x i , , ,5 Média: µ = x = = = = 7, 7. n 5 5 Moda: é o valor com maior freqüência. Na tabela, vemos que a maior freqüência é 8 e corresponde à nota 8,5. Logo, Mo = 8,5. Mediana: inicialmente, calculamos a posição da mediana usando a regra do n ÍMPAR: 5 + 0,5 = 1,5 + 0,5 = 13 ª posição. Utilizando a coluna da freqüência acumulada, percebemos que o valor que ocupa a 13ª posição é a nota 8,5. Assim, Md = 8,5. Resumindo: a nota média obtida na prova feita pelos 5 alunos é 7,7, sendo que a nota 8,5 ocorreu com a maior freqüência (moda) e 8,5 é a nota que separa as 50% menores notas obtidas das 50% maiores (mediana). 85

10 Exemplo 15: a tabela abaixo indica o aluguel de um grupo de casas. Classe Aluguel (R$) Nº de casas F i x i (ponto médio) total classe modal e classe mediana Média: para o cálculo da média, construímos, na tabela, a coluna do ponto médio, que corresponderá ao nosso x i. Aplicando a fórmula: µ = x = = = 335 reais Moda: observando as freqüências absolutas, percebemos que a segunda classe é aquela que possui a maior freqüência, ou seja, a classe modal é Calculamos as diferenças: D 1 = f Mo f ant = 5 30 = D = f Mo f post = 5 8 = 4 Aplicando a fórmula de Czuber: D1 Mo LMo.h D1 D = + = = = ,7 = 95,7 reais. 46 Mediana: inicialmente, calculamos a posição da mediana para, em seguida, determinar a classe mediana. 10 = 60 ª posição Esta posição está na segunda classe, ou seja, na classe (classe mediana). Logo: L Md = 00 F ant = 30 h= = 00 f Md = 5 Aplicando a fórmula: n 10 Fant 30 Md = L Md +. h = = ,4 = 315,4 reais fmd 5 86

11 Resumindo: o aluguel médio das casas pesquisadas é R$ 335,00, sendo que o valor que mais ocorre é R$ 95,70 e o valor mediano encontrado foi R$ 315,40, ou seja, metade dos alugueis cobrados tem valor superior ao mediano e a outra metade possui valor inferior a R$ 315, A média é representativa? A média é uma medida que representa bem o conjunto de dados? Consideremos os conjuntos de valores, por exemplo, de 5 provas feitas por um aluno A e um outro B: A: 5, 5, 5, 5, 5 B: 0, 0, 5, 10, 10 Note que a média das provas de ambos alunos é a mesma, ou seja, µa = µb = 5. Porém, é nítido que os alunos não tiveram o mesmo desempenho ao longo das provas. Enquanto A se manteve constante, B foi muito mal no começo mas muito bem no final. Assim, só a média não é capaz de traduzir o conjunto de dados. Dessa forma, com a utilização da moda e da mediana, passamos a ter uma visão melhor de como se comportam os dados em nosso conjunto (no caso que não temos acesso ao conjunto de dados brutos). Assim, vejamos uma tabela comparativa: Grupo A B Média 5 5 Moda 5 0 e 10 Mediana 5 5 Observando esses resultados, percebemos que o conjunto A possui uma variabilidade de notas maior que o do conjunto B, dando indícios que as notas em A foram mais homogêneas que as notas em B. Mesmo assim, para termos certeza disso, devemos calcular outras medidas estatísticas, chamadas de medidas de dispersão que estudaremos mais adiante. 6. Exercícios 1. Calcule a moda, a mediana e a média das seguintes séries: i. 46, 44, 49, 45, 44, 48, 50, 4, 47 ii. 1, 1, 3,, 3, 5, 4, 5, 3, 3,,, 1, 1. Calcule a mediana e a média do conjunto de dados apresentados pela seguinte distribuição de freqüências: x i f i

12 3. Determine a média, a moda e a mediana em cada caso: a) Em uma casa de repouso, as pessoas internadas têm as seguintes idades: idade Nº de pessoas total 40 b) Considere a tabela, que representa a distribuição das áreas cultivadas, em hectares, de uma determinada região. Dados: x i : área em hectares, f i : número de áreas cultivadas. x i f i [0; [ 30 [; 4[ 35 [4; 6[ 60 [6; 8[ 35 [8; 10[ 15 [10; 1[ 8 [1; 14[ 4. A tabela abaixo indica os Custos, de uma determinada empresa, com encargos salariais: Custos f i [450; 550[ 8 [550; 650[ 10 [650; 750[ 11 [750; 850[ 16 [850; 950[ 13 [950; 1.050[ 5 [1.050; 1.150] 1 Determine: a) a classe modal; b) a moda da distribuição; c) a classe mediana; d) a mediana da distribuição; e) construa o histograma e o polígono de freqüências da distribuição. f) a média salarial. 88

13 5. A tabela seguinte fornece o número de erros gráficos por página de certo livro. número de erros número de páginas Calcular: a) o número médio de erros por página b) o número mediano c) qual é a moda da distribuição? 6. Numa pesquisa entre 50 famílias de certa cidade constataram-se os seguintes dados: nº de filhos nº de famílias Para a distribuição do número de filhos, calcular a média, a mediana e a moda. 7. Se os dados do problema anterior estivessem computados como segue: nº de filhos mais do que 4 nº de famílias qual das três medidas nós teríamos dificuldades para calcular? 8. Os dados seguintes referem-se ao tempo de vida (durabilidade) de 150 lâmpadas elétricas de certa fabricação, em centenas de horas. Duração nº de lâmpadas a) Qual é a moda? b) Calcular a vida média das lâmpadas. c) Qual é a mediana? 9. A média dos salários dos funcionários de uma determinada empresa é 5 salários mínimos (5 SM), enquanto que a mediana é 4 SM. Sorteando-se ao acaso um dos funcionários, o que é mais provável: que ele ganhe mais ou que ele ganhe menos do que a média dos salários? 10. Uma prova foi aplicada a três classes, de 40, 48 e 46 alunos, e as médias de cada classe foram 6,0, 6,6 e 5,8, respectivamente. Qual é a média para os 134 alunos que fizeram a prova? 11. Quando a medida de posição deve ser o valor mais típico da distribuição utilizamos: a) a média b) a mediana c) a moda d) a moda ou a média 89

14 1. Quando desejamos o ponto médio exato de uma distribuição de freqüência, basta calcular: a) a média b) a moda c) a mediana d) as três 13. Considere uma série estatística com 351 elementos. A posição da mediana é representada pelo: a) 1175º elemento b) 1176º elemento c) ponto médio entre o 1175º e o 1176º elemento d) 1174º elemento 14. Um professor, após verificar que toda a classe obteve nota baixa, eliminou as questões que não foram respondidas pelos alunos. Com isso, as notas de todos os alunos foram aumentadas de 3 pontos. Então: a) a média aritmética ficou alterada, assim como a mediana. b) apenas a média aritmética ficou alterada. c) apenas a mediana ficou alterada. d) não houve alteração nem na média nem na mediana. e) nada podemos afirmar sem conhecer o número total de alunos. 15. Calcule o número médio, mediano e modal de acidentes por dia em uma determinada esquina. Números de acidentes por dia (x i ) Números de dias (f i ) Total O gráfico abaixo mostra a distribuição de freqüências das notas obtidas pelos alunos, da ª série do ensino médio, numa prova de Geografia. Determine: i. a mediana dessa distribuição; ii. a moda dessa distribuição iii. a média das notas. 90

15 17. As notas de um candidato em seis provas de um concurso foram: 8,4 ; 9,1 ; 7, ; 6,8 ; 8,7 ; 7, Determine: a) a nota média; b) a nota mediana; c) a nota modal. 18. Os salários-hora de cinco funcionários de uma companhia são: R$ 75 ; R$ 90 ; R$ 83 ; R$ 14 ; R$ 88 a) qual o salário médio? b) qual o salário mediano? 19. Considere as notas obtidas pelos alunos de uma classe em uma determinada prova: Calcule: a) a nota média; b) a nota mediana; c) a nota modal. Notas Nº de alunos A partir de uma amostra de 70 pessoas obteve-se a tabela a seguir com as estaturas dos entrevistados: Determine, para essa distribuição: a) a média; b) a mediana; c) a moda; Estaturas frequência (cm)

16 1. Os pesos de 40 pessoas que estavam fazendo um tratamento de emagrecimento numa determinada clínica de São Paulo foram agrupados na tabela a seguir: Determine, para essa distribuição: a) a média; b) a mediana; c) a moda; Pesos f i (kg) Considerando a distribuição abaixo, determine: a) a média; b) a mediana; c) a moda. x i f i O histograma abaixo apresenta a distribuição de freqüência das faixas salariais numa pequena empresa. Com os dados disponíveis, calcule a média, a moda e a mediana desses salários. 9

17 4. Obtenha a mediana nos casos a seguir: a) 1, 15, 10, 13, 11, 19 b) 7, 7, 5, 4, 3, 5, 5,, 3 c) idade Frequencia total 6 d) idade Frequencia total 33 e) Salários (R$) Frequencia total 45 Respostas 1) a) x =46,1 Mo = 44 Md = 46 b) x =,6 Mo = 3 Md =,5 ) x =13,9 Mo = 16 Md = 16 3)a) x =75,3 Mo = 75 Md = 74,5 b) x =5,0 Mo=5 Md = 4,9 4) a) [750; 850[ b) 81,5 c) [750; 850[ d) 768,8 93

18 e) Histograma frequência custos f) 754,7 5) a) 0,45 b) 0 c) 0 6) x =,18 Mo = 3 Md = 7) média 8) a) 1,7 b) 14,53 c) 13,85 9) menos 10) 6,15 11) c 1) c 13) b 14) a 15) média = 0,45 ; moda = 0; mediana = 0 16) a) 6,6 b) 7 c) 7 17) a) 7,9 b) 7,8 c) 7, 18) a) R$ 95,6 b) R$ 88 19) a) 5,9 b) 6 c) 6 0) a) 17,4 b) 174 c) 176,6 1) a) 159,4 b) 157,8 c) 150,5 ) a) 5,4 b) 5 c) 5 3) x =708,33 Mo = 91,67 Md = 48,57 4) a) R$ 1,5 b) R$ 5 c) R$ 1 d) R$ 14 e) R$ 19,17 94

19 6. Separatrizes 1. Conceitos Um exemplo de separatrizes que vimos anteriormente é a mediana. Ou seja, separatrizes são números reais que dividem a seqüência ordenada de dados (rol) em partes que contêm determinada quantidade de elementos da série. Desta forma, a mediana que divide a seqüência ordenada em dois grupos, cada um deles contendo 50% dos valores da seqüência. Além da mediana, as outras medidas separatrizes que veremos são: quartis, decis e percentis.. Quartis Os quartis dividem uma distribuição de freqüência em quatro partes iguais. mín Q1 5% Q 50% Q3 75% máx Para determinarmos a classe que contém o quartil, devemos calcular a posição do elemento correspondente ao quartil desejado. Essa posição é dada por: n 4 o para o Q 1 e 3n 4 o para Q 3. A fórmula para o cálculo dos i-ésimo quartil (i=1,,3) é: Q i = L Q + i.n F 4 f Q ant.h onde: L Q = limite inferior da classe que contém o quartil i = número do quartil a ser calculado (1, ou 3) n = tamanho da amostra F ant = frequência acumulada anterior à classe que contém o quartil f Q = frequência simples (ou absoluta) da classe que contém o quartil h = amplitude da classe que contém o quartil 95

20 3. Decis Os decis dividem uma distribuição de freqüência em dez partes iguais. D1(10%), D(0%), D(30%),...,D9(90%) Para determinarmos a classe que contém o i-ésimo decil, devemos calcular a posição do elemento correspondente ao decil desejado. Essa posição é dada por: A fórmula para o cálculo dos i-ésimo decil (i=1,,...,9) é: i.n 10 o D i = L D + i.n F 10 f D ant.h onde: L D = limite inferior da classe que contém o decil i = número do decil a ser calculado (1,,...,9) n = tamanho da amostra F ant = frequência acumulada anterior à classe que contém o decil f D = frequência simples (ou absoluta) da classe que contém o decil h = amplitude da classe que contém o decil 4. Percentis Os percentis dividem uma distribuição de freqüência em cem partes iguais. P1(1%), P(%), P3(3%),..., P99(99%) Para determinarmos a classe que contém o i-ésimo percentil, devemos calcular a posição do elemento correspondente ao percentil desejado. Essa posição é dada por: i.n 100 A fórmula para o cálculo dos i-ésimo percentil (i=1,,...,99) é: o onde: P i = L P + i.n F 100 f P ant.h 96

21 L P = limite inferior da classe que contém o percentil i = número do percentil a ser calculado (1,,..., 99) n = tamanho da amostra F ant = frequência acumulada anterior à classe que contém o percentil f P = frequência simples (ou absoluta) da classe que contém o percentil h = amplitude da classe que contém o percentil Importante: se observarmos que os quartis, decis e percentis são múltiplos dos percentis, então basta estabelecer a fórmula de cálculo dos percentis. Todas as outras medidas podem ser identificadas como percentis. A fórmula utilizada é a mesma usada para o cálculo da mediana. Desta forma: Q 1 = P 5 Q = P 50 = Md Q 3 = P 75 D 1 = P 10 D = P 0 D 3 = P 30 D 4 = P 40 D 5 = P 50 = Md D 6 = P 60 D 7 = P 70 D 8 = P 80 D 9 = P Exemplo Considere uma tabela de custos: Custos R$ Freqüência f i posições ª a 8ª ª a 19ª ª a 9ª ª a 45ª ª a 58ª ª a 63ª ª Total F i Calcule: a) Q 1 64 A posição ocupada pelo primeiro quartil é = 16 ª posição, que corresponde a classe Aplicando a fórmula: Q = = reais. 97

22 b) Q A posição ocupada pelo terceiro quartil é = 48 ª posição, que corresponde a classe Aplicando a fórmula: Q = 873,08 13 = reais. c) D A posição ocupada pelo nono decil é = 57, 6 ~ 58ª posição, que corresponde a 10 classe Aplicando a fórmula: D = 946,9 13 = reais. d) P A posição ocupada pelo 38º percentil é = 4, 3 ~ 4ª posição, que corresponde a 100 classe Aplicando a fórmula: P = 707,45 11 = reais. e) P 5 Lembre-se que o 5º percentil corresponde ao primeiro quartil, que calculamos anteriormente. Assim: P 5 = Q 1 = 630 reais. 6. Exercícios 1) Em uma série ordenada, qual é o percentual de elementos que ficam à esquerda de cada uma das medidas separatrizes: a) D 1 b) Q 1 98

23 c) D d) Q 3 e) Q f) D 8 g) P 70 ) Em uma série ordenada, qual é o percentual de elementos que ficam à direita de cada uma das medidas separatrizes: a) D 4 b) P 80 c) Q 3 d) P e) P 0 f) D 5 g) Q 1 3) Qual é o percentual de elementos de uma série ordenada que se situam entre: a) Q 1 e Q 3 b) P 10 e P 90 c) D e D 6 d) Q 1 e D 3 e) D 3 e P 45 f) Q e D 8 g) D 3 e Q 3 4) Se uma série ordenada possui 180 elementos, dê o número aproximado de elementos que se situam: a) acima do P 0 b) acima do Q 3 c) entre o P 10 e o P 80 d) entre o Q 3 e P 80 e) abaixo do P 90 f) entre o Q 1 e Q 3 g) entre o P 90 e P 9 5) A distribuição de freqüência abaixo representa a idade de 50 alunos de uma classe de primeiro ano de uma Faculdade: Calcule: a) Q 1 b) D 1 c) Q 3 d) P 95 Idade (anos) Nº de alunos Total 50 99

24 6) A distribuição de freqüência abaixo representa o consumo por nota de 54 notas fiscais emitidas durante um dia em uma loja de departamentos. Calcule: Classe Valor da nota Nº de notas R$ Total 54 a) Q 1 b) D 3 c) Q 3 d) D 7 e) P 98 f) O gerente desta loja de departamentos decidiu premiar a nível promocional com um brinde, 10% dos fregueses que mais consumirem. A partir de qual valor de consumo da nota fiscal os clientes seriam premiados? g) O mesmo gerente, decide enviar uma mala direta aos % consumidores que menos gastaram nessa loja. Devem receber a mala-direta os clientes que consumiram até qual valor? Respostas 1) a) 10% b) 5% c) 0% d) 75% e) 50% f) 80% g) 70% ) a) 60% b) 0% c) 5% d) 98% e) 80% f) 50% g) 75% 3) a) 50% b) 80% c) 40% d) 5% e) 15% f) 30% g) 45% 4) a) 144 b) 45 c) 16 d) 9 e) 16 f) 90 g) 3,6 ~ 4 5) a) 18 b) 18 c) 19 d) 1 6) a) 56,5 b) 61,07 c) 110,4 d) 99,64 e) 46,00 f) D 90 = 144,17 g) P = 53,36 100

25 7. Gráfico Box Plot 1. Amplitude Interquartílica A amplitude interquartílica também pode ser chamada de intervalo interquartílico ou amplitude interquartil. É definida como sendo a diferença entre o terceiro e o primeiro quartil, ou seja: IQ = Q 3 Q 1. Interpretação: o IQ representa a variação correspondente aos 50% dos valores centrais da distribuição. O IQ é uma medida de variação que fornece uma idéia de quanto 50% dos dados varia. Também pode ser usado para identificar valores discrepantes. Qualquer valor de dado que seja maior que 1,5 IQs à esquerda de Q 1 ou à direita de Q 3 é um valor discrepante.. Box plot É um tipo de gráfico que também é conhecido como caixa e bigodes. Uma aplicação importante dos quartis é representar conjuntos de dados usando o gráfico box plot ou caixa-e-bigodes. Um gráfico box plot é uma ferramenta de análise de dados exploratória que enfatiza as características mais importantes de um conjunto de dados. Para representar graficamente um gráfico caixa-e-bigodes, você deve saber os valores a seguir. 1. A entrada mínima.. O primeiro quartil Q A mediana Q ou Md. 4. O terceiro quartil Q A entrada máxima. Esses cinco números são chamados de Regra dos cinco itens de um conjunto de dados. Desenhando um gráfico box plot: 1. Encontre a regra dos cinco itens do conjunto de dados.. Construa uma escala horizontal que transpasse a amplitude dos dados. 3. Represente os cinco números sobre a escala horizontal. 4. Desenhe uma caixa acima da escala horizontal a partir de Q 1 para Q 3 e desenhe uma linha vertical na caixa em Q (= mediana). 5. Desenhe os bigodes a partir da caixa para as entradas mínimas e máximas. O gráfico fica com o seguinte aspecto: 101

26 3. Detectando assimetrias através do box-plot A figura, a seguir, demonstra a relação entre o box-plot e o polígono para quatro diferentes tipos de distribuição. (Observação: A área abaixo de cada polígono está dividida em quartis, correspondendo ao resumo de cinco números para o box-plot.) Os painéis A e D da figura são simétricos. Nessas distribuições, a média aritmética e a mediana são iguais. Além disso, o comprimento do bigode esquerdo é igual ao comprimento do bigode direito, e a linha mediana divide a caixa pela metade. O Painel B é assimétrico à esquerda. Os poucos valores baixos distorcem a média aritmética em direção à cauda esquerda. Para essa distribuição assimétrica à esquerda, a assimetria indica que existe uma forte concentração de valores no ponto mais alto da escala (ou seja, o lado direito); 75% de todos os valores se encontram entre a extremidade direita da caixa (Q 1 ) e o final do bigode direito. Por conseguinte, o longo bigode à esquerda contém somente os 5% valores mais baixos, demonstrando a distorção da simetria nesse conjunto de dados. O Painel C é assimétrico à direita. A concentração de valores está na extremidade inferior da escala (ou seja, no lado esquerdo do box-plot). Nesse caso, 75% de todos os valores de dados são encontrados entre o início do bigode esquerdo (X menor ) e a extremidade direita da caixa, Q 3, enquanto os 5% de observações restantes estão dispersos ao longo do extenso bigode à direita, na extremidade superior da escala. 10

27 4. Exemplos Exemplo 1: as notas dos testes de 15 funcionários matriculados em um curso de treinamento de CPR são listadas a seguir: a) Encontre o primeiro, o segundo e o terceiro quartis das notas dos testes. b) Calcule o intervalo interquartílico e verifique se há valores discrepantes. c) Construa o box-plot e interprete. Resolução a) Primeiro, ordene o conjunto de dados e encontre a mediana Md=Q. Depois de encontrar Q, divida o conjunto de dados em duas metades. O primeiro e o terceiro quartil são as medianas das metades inferior e superior do conjunto de dados. 103

28 b) IQ = = 8. Então, 1,5 IQS à direita de Q 3 é Q 3 + 1,5. 8 = = 30. Como 37 > 30, então 37 é um valor discrepante. c) O box plot é: Você pode tirar diversas conclusões com o gráfico. Uma delas é que aproximadamente metade das notas está entre 10 e 18. Olhando para o comprimento do bigode direito, podemos concluir também que a nota 37 é um possível valor discrepante (o que foi, de fato, constatado no item anterior). Exemplo : suponha que um produtor de laranjas costuma guardar as frutas em caixas e está interessado em estudar o número de laranjas por caixa. Após um dia de colheita, 0 caixas foram contadas. Os resultados foram: 48, 35, 37, 5, 43, 9, 61, 33, 44, 55, 69, 43,, 35, 38, 57, 53, 67, 6 e 48. Construa um box plot para esse conjunto de dados. Para os dados apresentados, temos que Md = 46, Q 1 = 36,5 e Q 3 = 55,5. Também temos que o número mínimo de laranjas em uma caixa é e o número máximo, 69. O boxplot correspondente é apresentado na figura seguinte: 104

29 Exemplo 3: a representação gráfica através do box-plot é bastante rica no sentido de informar, entre outras coisas, a variabilidade e simetria dos dados. Note que na figura anterior, os dados apresentam simetria acentuada (a distância da mediana para os quartis é a mesma), o mesmo podendo ser observado a respeito da distância dos pontos de mínimo e máximo em relação à mediana. Em contraste, temos na figura seguinte o box-plot para a variável peso, que apresenta uma pequena assimetria: Gráficos tipo box-plot também são úteis para detectar, descritivamente, diferenças nos comportamentos de grupos de variáveis. Por exemplo, podemos considerar gráficos da variável peso para cada sexo. O resultado é apresentado na figura seguinte, em que podemos notar que os homens apresentam peso mediano superior ao das mulheres, além de uma maior variabilidade. 105

30 5. Exercícios 1) A partir dos box plots a seguir, identifique: o valor mínimo, o valor máximo, o primeiro quartil, a mediana, o terceiro quartil e o intervalo interquartílico. a) b) c) ) Verifique se a distribuição apresentada é simétrica, assimétrica à esquerda, assimétrica à direita ou nenhuma das alternativas. a) 106

31 b) c) d) 3) Um grupo de estudantes do Ensino Médio foi submetido a um teste de matemática resultando em: Obtenha um box plot para esses dados. nota frequência ) Um estudo pretende verificar se o problema da desnutrição em adultos medida pelo peso, em quilos, em uma região agrícola (denotada por Região A), é maior do que em uma região industria (denotada por Região B). Para tanto, uma amostra foi tomada em cada região, fornecendo as tabelas de freqüências a seguir: 107

32 Região A Peso Freqüência < total 8 Região B Peso Freqüência < total 319 Construa os box plots para cada região, em um mesmo par de eixos, e discuta se há evidências de que o grau de desnutrição seja diferente nas duas regiões. Respostas 1) a) Mín=10 Máx=0 Q 1 =13 Md = 15 Q 3 =17 IQ=4 b) Mín=900 Máx=100 Q 1 =150 Md = 1500 Q 3 =1950 IQ=700 c) Mín= 1,9 Máx=,1 Q 1 = 0,5 Md = 0,1 Q 3 =0,7 IQ=1, ) a) nenhum b) assimétrica à direita c) assimétrica à esquerda d) simétrica 3) Mín=0 Máx=10 Q 1 =,48 Md = 4,00 Q 3 =5,56 4) Região A: Mín=0 Máx=90 Q 1 =11,63 Md = 43,40 Q 3 =56,79 Região B: Mín=400 Máx=110 Q 1 =73,7 Md = 80,57 Q 3 =87,76 A Região B tem medidas superiores às da Região A. 108

33 8. Medidas de Dispersão 1. Introdução Conforme dissemos anteriormente, as medidas de tendência central não são suficientes para caracterizar totalmente uma seqüência numérica.se observarmos as seqüências: X: 10, 1, 18, 0, 35, 3, 7, 15, 11, 10. Y: 1, 13, 13, 14, 1, 14, 1, 14, 13, 13. Z: 13, 13, 13, 13, 13, 13, 13, 13, 13, 13. concluiremos que todas possuem a mesma média 13. No entanto, são seqüências completamente distintas do ponto de vista da variabilidade de dados. Na seqüência Z não há variabilidade de dados, visto que todos os valores coincidem com a média. Na seqüência Y, a média 13 representa bem a série, mas existem elementos da série levemente diferenciados da média 13, ou seja, há baixa variabilidade. Na seqüência X existem muitos elementos bastante diferenciados da média 13, indicando uma alta variabilidade ao redor da média. Para avaliar o grau de variabilidade dos dados em torno da média, medidas de dispersão: desvio médio, variância e desvio padrão. usaremos as. Desvio Médio O conceito estatístico de desvio corresponde ao conceito matemático de distância. A dispersão dos dados em relação à média de uma seqüência pode ser avaliada através dos desvios de cada elemento da seqüência em relação à média da seqüência. O desvio médio é definido como sendo uma média aritmética dos desvios de cada elemento da série para a média da série, ou seja, fi. x DM = n i x Exemplo 1: Considere as notas, 8, 5, 6 obtidas por 4 alunos, numa avaliação de Biologia. Determine o desvio médio. Inicialmente, calcularemos a média: x = = 5,5 4 Agora, calculamos o desvio médio, lembrando que f i = 1, visto que cada um dos quatro valores apareceu uma única vez. 109

34 fi. x DM = n i x = 5, , , ,5 3,5 +,75 +,05 + 0,75 = = = 4 4 3,5 +,75 + 0,5 + 0,75 7 = = = 1, Interpretação: Em média, cada elemento da seqüência está afastado do valor 5,5 por 1,75 unidades. 3. Variância (s ou σ ) e Desvio padrão (s ou σ) Pelo exemplo anterior, observamos que a dificuldade em se operar o DM se deve à presença do módulo, para que as diferenças x i x possam se interpretadas como distâncias. Outra forma de se conseguir que as diferenças x i x se tornem sempre positivas ou nulas é considerar o quadrado destas diferenças, isto é, (x i x ). Se substituirmos, na fórmula do DM a expressão x i x por (x i x ), obteremos nova medida de dispersão chamada variância. A variância populacional é representada por σ (sigma ao quadrado), enquanto que a variância amostral é representada por s. O símbolo σ é a letra grega minúscula sigma. A fórmula geral da variância populacional e da variância amostral são, respectivamente: ( x ) fi. i µ σ = e n s ( x x) f. i i = n 1 O desvio padrão é a raiz quadrada da variância, ou seja σ = σ ou s = s. De modo mais simples, podemos generalizar: DP = Var. Quando estamos trabalhando com uma amostra, sem conhecermos o verdadeiro valor da média ou do desvio padrão, admitimos que a média da amostra ( x ) esteja próxima do valor da média populacional, e que a variância da amostra (variância amostral) esteja próxima da variância populacional. A raiz quadrada da variância amostral é chamada desvio padrão amostral. 110

35 4. Desvio-padrão Variância É natural a pergunta: qual das duas medidas é melhor? Na verdade, não há uma melhor que a outra, visto que são idênticas (basta extrair a raiz de uma ou elevar a outra ao quadrado). Porém, o desvio-padrão é muito melhor no sentido de facilitar a interpretação. Por exemplo, se calcularmos a variância de uma variável X que representa a idade em um conjunto de dados obtendo Var(X) = 5 anos, teríamos dificuldades de interpretar o resultado. Afinal, qual o significado de anos? Porém, o desvio-padrão nos daria DP(X) = 5 anos, que possui uma interpretação concreta. Isso ocorre porque no cálculo da variância, quando elevamos ao quadrado a diferença (x i x ) ou (x i µ ), a unidade de medida da série fica também elevada ao quadrado. Portanto, a variância é dada sempre no quadrado da unidade de medida da série. Se os dados são expressos em metros, a variância é expressa em metros quadrados. Em algumas situações, a unidade de medida da variância nem faz sentido. É o caso, por exemplo, em que os dados são expressos em litros. A variância será expressa em litros quadrados. Portanto, o valor da variância não pode ser comparado diretamente com os dados da série, ou seja: variância não tem interpretação. Exatamente para suprir esta deficiência da variância é que se utiliza o desvio padrão. Como o desvio padrão é a raiz quadrada da variância, o desvio padrão terá sempre a mesma unidade de medida da série e, portanto admite interpretação. 5. Exemplos Exemplo : Considere as notas obtidas por 4 alunos, numa avaliação de Biologia, distribuídas na tabela abaixo. Calcule o desvio padrão considerando-se uma população Cálculo da média: µ = = 5, 5. 4 Cálculo da variância populacional: ( 5,5) + (8 5,5) + (5 5,5) σ = 4 + (6 5,5) = 18,75 4 = 4,6875. O desvio padrão corresponde à raiz quadrada da variância: σ = 4,6875 =,17. Assim, os dados estão, em média, afastados de 5,5 por,17 unidades. 111

36 Exemplo 3: Calcule o desvio padrão da série abaixo, considerando-se uma população Total Cálculo da média: µ = = 3, x i f i Cálculo da variância populacional: 3.( 3,65) + 5.(3 3,65) + 8.(4 3,65) σ = (5 3,65) = 18,55 0 = 0,975. O desvio padrão corresponde à raiz quadrada da variância: σ = 0,975 = 0,96. Assim, os dados variam, em média, 0,96 unidades ao redor da média 3,65. Exemplo 4: Calcule o desvio padrão da série abaixo, representativa de uma amostra. Classe Int. classe f i x i Total Lembre-se que quando estamos trabalhando com classes, x i corresponde ao PONTO MÉDIO de cada classe. Assim, se a classe é a + b a b, teremos x i = Cálculo da média: µ = = 8, Cálculo da variância amostral: 1.( 8,4) + 3.(6 8,4) + 5.(10 8,4) s = (14 8,4) = 9,8 9 = 10,3111. O desvio padrão amostral corresponde à raiz quadrada da variância amostral: s = 10,3111 = 3,. Assim, os dados variam, em média, 3, unidades ao redor da média 8,4. 11

37 4. Coeficiente de variação (CV) Vamos imaginar duas pessoas A e B. O indivíduo A possui R$ 10 na sua carteira e, desse valor, ele perde R$. O indivíduo B possui R$ 100 e perde R$ 5. Podemos fazer duas perguntas: 1) Qual das pessoas perdeu mais dinheiro? ) Qual das pessoas perdeu, proporcionalmente, mais dinheiro? Para a primeira questão, fica evidente que foi o indivíduo B, visto que R$ 5 é maior que R$. Porém, quando analisamos relativamente, a resposta da questão passa a ser o indivíduo A, pois, percentualmente, A perdeu /10 = 0, ou 0% do que possuía na carteira enquanto que B perdeu 5/100 = 0,05 ou 5% do que possuía. Esse conceito de relatividade é exatamente o que propõe o coeficiente de variação. Transformando o problema anterior em termos estatísticos, se uma série X apresenta x =10 e σ x = e uma série Y apresenta y = 100 e σ y = 5, do ponto de vista da dispersão absoluta, a série Y apresenta maior dispersão que a série X. No entanto, se levarmos em consideração as médias das séries, o desvio padrão de Y que é 5 em relação a 100 é um valor menos significativo que o desvio padrão de X que é em relação a 10. O coeficiente de variação é indicado por σ = µ CV ou s CV =. x Calculando, então, o coeficiente de variação das séries citadas tem: CV x = = 0, ou 0% 10 5 CV y = = 0,05 ou 5% 100 Comparando os valores destes dois coeficientes concluímos que a série X admite maior dispersão relativa. Como a medida de dispersão relativa leva em consideração a medida de dispersão absoluta e a média da série, é uma medida mais completa que a medida de dispersão absoluta. 5. O uso do desvio padrão O desvio padrão é a mais importante das medidas de dispersão. Quando temos um conjunto de de dados cuja distribuição é Normal, o formato de seu histograma se assemelha a de um sino, é uma curva simétrica e, ainda, a média a moda e a mediana possuem exatamente o mesmo valor (ou são, no caso de uma amostra, muito próximos), conforme vemos na figura abaixo. 113

38 Sob a suposição de Normalidade, podemos afirmar que o intervalo [µ - σ,µ + σ ] contém aproximadamente 68% dos valores da série. 68% - S x + S Zona de normalidade (S) O intervalo [µ - σ, µ + σ] contém aproximadamente 95% dos valores da série. O intervalo [µ - 3 σ, µ + 3 σ] contém aproximadamente 99% dos valores da série. Esses percentuais 68%, 95% e 99% citados na interpretação serão comprovadas, com maior precisão, no estudo da distribuição normal de probabilidades. Quando a distribuição não é perfeitamente simétrica estes percentuais apresentam pequenas variações para mais ou para menos, segundo o caso. Se um conjunto tiver média µ = 100 e desvio padrão σ = 5, podemos interpretar estes valores da seguinte forma: a) Os valores da série estão concentrados em torno de 100. b) O intervalo [95, 105] contém aproximadamente, 68% dos valores da série. c) O intervalo [90, 110] contém aproximadamente, 95% dos valores da série. d) O intervalo [85, 115] contém aproximadamente, 99% dos valores da série. É importante perceber que, ao aumentar o tamanho do intervalo, aumenta-se o percentual de elementos contido no intervalo. Exemplo 5: foi observado que as contas de luz para uma área municipal, no mês de junho, são normalmente distribuídas. Se a média das contas for $ 4,00 e o desvio padrão populacional foi $ 1,00, entre que intervalo de valores estão 68% das contas? E 95% das contas? µ σ = 4,00 1,00 = 30,00 µ + σ = 4,00 + 1,00 = 54,00 68% das contas estão entre os valores de $ 30,00 e $ 54,00 µ σ = 4,00. 1,00 = 4,00 4,00 = 18,00 µ + σ = 4, ,00 = 4,00 + 4,00 = 66,00 95% das contas estão entre os valores de $ 18,00 e $ 66,00 114

39 6. Exercícios 1) Calcule o desvio padrão da distribuição populacional: Classes f i ) Em um exame final de Matemática, o grau médio de um grupo de 150 alunos foi 7,8 e o desvio padrão, 0,80. Em Estatística, entretanto, o grau médio final foi 7,3 e o desvio padrão, 0,76. Em que disciplina foi maior a dispersão? 3) Medidas as estaturas de 1017 indivíduos, obtivemos x = 16, cm e s = 8,01 cm. O peso médio desses mesmos indivíduos é 5 kg, com um desvio padrão de,3 kg. Esses indivíduos apresentam maior variabilidade em estatura ou em peso? 4) Um grupo de 85 moças tem estatura média de 160,6 cm, com um desvio padrão igual a 5,97 cm. Outro grupo de 15 moças tem uma estatura média de 161,9 cm, sendo o desvio padrão igual a 6,01 cm. Qual é o coeficiente de variação de cada um dos grupos? Qual o grupo mais homogêneo? 5) Um grupo de cem estudantes tem uma estatura média de 163,8 cm, com um coeficiente de variação de 3,3%. Qual o desvio padrão desse grupo? 6) Uma distribuição apresenta as seguintes estatísticas: σ = 1,5 e CV =,9%. Determine a média da distribuição. 7) Numa fábrica de rolamentos, retirou-se da produção de um determinado dia uma amostra de 10 rolamentos, dos quais se mediu o diâmetro externo, em mm, obtendo-se: 0, 1,4 0,8 19,6,1 1,7 0,4,0 0,5 19,3 Calcular a média e o desvio padrão desta amostra. 8) Calcular a média e o desvio padrão da seguinte distribuição amostral de uma variável X. faixas de observações freqüência Total

40 9) Em 10 experimentos, onde cada um consiste em lançar 3 moedas e contar o número de caras, obtivemos os seguintes resultados: Nº de caras Nº de experimentos Calcular a média, a variância e o desvio padrão do número de caras observado nos experimentos. 10) Uma amostra de 900 lâmpadas foi testada para se determinar a durabilidade. Os dados foram: Durabilidade em horas freqüência Total 900 Na amostra testada a) qual é a porcentagem de lâmpadas que duraram menos de 1800 horas? b) qual é a durabilidade média? c) qual é o desvio padrão? 11) A tabela representa as estaturas de 35 crianças nascidas numa mesma maternidade numa certa semana. estatura (cm) n o de crianças Determinar a média e o desvio-padrão das estaturas destas crianças ao nascerem. 1) Um restaurante cobra o almoço de cada cliente através do peso (por quilo) da quantidade de alimento consumida. Foi observado, durante um mês, que as quantidades de alimento consumidas são normalmente distribuídas. Se a média consumida for 550 g e o desvio padrão 00 g, calcular: a) a amplitude dos 95% centrais. b) a amplitude dos 99% centrais. 116

41 13) Os pratos produzidos por uma indústria têm diâmetro médio de 19 cm e desvio padrão de 0, cm. Dois pratos A e B cujos diâmetros medem respectivamente 19,8 cm e 18,3cm serão testados pelo Controle Estatístico de Qualidade, que admite uma tolerância de três desvios acima e três abaixo da média. Assinale a alternativa correta: a) O prato A será aprovado b) Ambos os pratos serão reprovados c) o prato A será reprovado e o prato B aprovado d) o prato B será reprovado. 14) O desvio padrão de um conjunto de dados é 16. A variância será: a)16 b) 64 c) 56 d) 4 15) A variância de um conjunto de dados é 16. O desvio padrão será: a) 4 b) 56 c) 36 d) 16) Calcule o desvio padrão das seguintes populações: a) X:, 3, 7, 9, 11, 13. b) Y: 5, 1, 4, 0, 13, ) Calcule o desvio padrão das seguintes amostras: a) Z: 15, 16, 17, 0, 1. b) T: 6, 5, 10, 1, ) Uma fábrica corta bambus para a confecção de cercas. Cada corte deve ter um comprimento médio de 180cm e apresenta um desvio-padrão de 1,5cm. Após cortados, os bambus passam por um controle de qualidade que rejeita cortes que estejam com desvios-padrão acima ou abaixo da média especificada. Seis bambus, A, B, C D, E e F foram medidos pelo controle de qualidade e os valores obtidos são apresentados na tabela a seguir. Quais deles o controle deve aprovar e quais deve rejeitar? bambu comprimento A 178,5cm B 183,4cm C 176,cm D 175,8cm E 18,7cm F 180,0 cm 117

42 19) Considere a tabela seguinte que mostra o número de unidades vendidas por dia de certo produto numa loja: Nº de unid. vendidas por dia Nº de dias Total Determine: a) o desvio padrão amostral; b) o coeficiente de variação; c) o desvio médio. 0) Seja a amostra: Determine: a) a média; b) a variância; c) o desvio-padrão; d) o coeficiente de variação; e) o desvio médio. idade Freqüência absoluta Total 0 1) Dados: CV=7,3% e x =5, calcule o desvio padrão amostral. ) Dados CV=1% e s=36, calcule a média amostral. 3) Uma máquina empacota café com média 500g e desvio padrão 1g. O controle de qualidade da empresa rejeita pacotes cujo peso ultrapasse desvios padrão da média. Qual dos pacotes a seguir serão rejeitados pelo controle de qualidade? A = 515 g B = 490 g C = 470 g D = 55 g E = 477 g F = 500 g G = 53 g 4) Os tempos despendidos por 1 alunos, elementos de uma população, em segundos para percorrer certo trajeto foram 16, 17, 16, 0, 18, 16, 17, 19, 1,, 16 e 3. Sem agrupar os dados, calcule: a) a moda; b) a mediana; c) a média; 118

43 d) a variância; e) o desvio padrão; f) o coeficiente de variação. Respostas 1) σ =4,45 ) CV(Mat)=0,103 ; CV (Estat)=0,104. Logo a maior dispersão foi na Estatística. 3) CV (altura)=0,0493 ; CV(peso)=0,044. Maior variabilidade na altura. 4) CV 85 = 0,03717 CV 15 = 0,0371 grupo de 15 pessoas é mais homogêneo 5) 5,4054 6) 51,7 7) x =0,8 ; s = 0,9556 ; s=0,9775 8) x =4 ; s =19,648 ; s=11,39 9) x =1,475 ; s =0,7660 ; s=0,875 10) a) 50% b) 1733,3 h c) 98,3 h 11) x =48,5 ; s=1,40 1) a) [150 ; 950] b) [0 ; 1150] 13) B 14) C 15) A 16) a) σ =3,99 b) σ =5,81 17) a) s=,59 b) s=5,59 18) Aprovados: A, E, F ; Reprovados: B, C, D 19) a) s=1,5 b) 0,88 ou 88% c) 1,0704 0) a) 1,5 b) 55,563 c) 7,45 d) 34,7% e) 6,5 1) 1,85 ) 300 3) Rejeitados: C, D, G. 4) a) 16 s b) 17,5 s c) 18,4 s d) 5,9097 s e),43 s f) 0,

Medidas de Dispersão 1

Medidas de Dispersão 1 Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Dispersão 1 Introdução Uma breve reflexão sobre as medidas de tendência central permite-nos concluir que elas não

Leia mais

As outras medidas de posição são as separatrizes, que englobam: a própria mediana, os decis, os quartis e os percentis.

As outras medidas de posição são as separatrizes, que englobam: a própria mediana, os decis, os quartis e os percentis. RESUMO Medidas de Posição são as estatísticas que representam uma série de dados orientando-nos quanto à posição da distribuição em relação ao eixo horizontal do gráfico da curva de frequência As medidas

Leia mais

PROBABILIDADE E ESTATISTICA. Unidade III Medidas de Posição

PROBABILIDADE E ESTATISTICA. Unidade III Medidas de Posição PROBABILIDADE E ESTATISTICA Unidade III Medidas de Posição 0 1 MEDIDAS DE POSIÇÃO As medidas de posições mais importantes são as medidas de tendência central e as medidas separatrizes. As medidas de tendência

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central ESTATÍSTICA DESCRITIVA Medidas de Tendência Central 3 MEDIDAS DE TENDÊNCIA CENTRAL 3.1 Média Aritmética Uma das mais importantes medidas estatísticas utilizadas é a média. Ela é, por exemplo, utilizada

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ MEDIDAS DESCRITIVAS Vimos que é possível sintetizar os dados sob a forma de distribuições

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Aula 3 Cap 02 Estatística Descritiva Nesta aula... estudaremos medidas de tendência central, medidas de variação e medidas de posição. Medidas de tendência central Uma medida de tendência central é um

Leia mais

ESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO 1 ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL MEDIDAS DE DISPERSÃO 2 Estatística ELEMENTOS TÍPICOS DE UMA DISTRIBUIÇÃO:

Leia mais

22/02/2014. AEA Leitura e tratamento de dados estatísticos apoiado pela tecnologia da informação. Medidas Estatísticas. Medidas Estatísticas

22/02/2014. AEA Leitura e tratamento de dados estatísticos apoiado pela tecnologia da informação. Medidas Estatísticas. Medidas Estatísticas Universidade Estadual de Goiás Unidade Universitária de Ciências Socioeconômicas e Humanas de Anápolis AEA Leitura e tratamento de dados estatísticos apoiado pela tecnologia da informação Prof. Elisabete

Leia mais

Estatística

Estatística Estatística 1 2016.2 Sumário Capítulo 1 Conceitos Básicos... 3 MEDIDAS DE POSIÇÃO... 3 MEDIDAS DE DISPERSÃO... 5 EXERCÍCIOS CAPÍTULO 1... 8 Capítulo 2 Outliers e Padronização... 12 VALOR PADRONIZADO (Z)...

Leia mais

Medidas de Dispersão ou variabilidade

Medidas de Dispersão ou variabilidade Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou

Leia mais

Elementos de Estatística

Elementos de Estatística Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Medidas Resumo Medidas Resumo Medidas que sintetizam informações contidas nas variáveis em um único

Leia mais

CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos

CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos O aluno deverá utilizar calculadora científica Resumo Numérico dos dados Suponha que os dados sejam representados

Leia mais

Descrevendo Distribuições com Números TADI

Descrevendo Distribuições com Números TADI Descrevendo Distribuições com Números TADI 1 Quanto ganha quem tem curso superior? Entrevistamos 15 pessoas que responderam (em milhares de R$/mês): 11 2,5 5 5 5,5 3 3,5 3 0,4 3,2 5 3 3,2 7,4 6 Salário

Leia mais

Adilson Cunha Rusteiko

Adilson Cunha Rusteiko Janeiro, 2015 Estatística , A Estatística Estatística: É a parte da matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 4 09/2014 Estatística Descritiva Medidas de Variação Probabilidade e Estatística 3/42 Medidas de Variação Vamos

Leia mais

Aula 2 MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE POSIÇÃO

Aula 2 MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE POSIÇÃO MEDIDAS DE TENDÊNCIA CENTRAL E MEDIDAS DE POSIÇÃO Aula META Visualizar o comportamento de um conjunto de dados por intermédio de um único valor, neste caso representado pelo parâmetro médio, bem como em

Leia mais

Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: medidas resumo Nome: GABARITO

Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: medidas resumo Nome: GABARITO Bioestatística CE001 Prof. Fernando de Pol Mayer Departamento de Estatística DEST Exercícios: medidas resumo Nome: GABARITO GRR: 1. Estime as medidas de centro (média, mediana, moda) para amostras de altura

Leia mais

QUESTÕES DE CONCURSOS PÚBLICOS ESTATÍSTICA DESCRITIVA

QUESTÕES DE CONCURSOS PÚBLICOS ESTATÍSTICA DESCRITIVA QUESTÕES DE CONCURSOS PÚBLICOS ESTATÍSTICA DESCRITIVA 1) Um pesquisador que ordena uma lista de cidades segundo o ritmo de vida, do mais lento para o mais acelerado, está operando no nível de medida: (A)

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Luiz Felix

Unidade I ESTATÍSTICA APLICADA. Prof. Luiz Felix Unidade I ESTATÍSTICA APLICADA Prof. Luiz Felix O termo estatística Provém da palavra Estado e foi utilizado originalmente para denominar levantamentos de dados, cuja finalidade era orientar o Estado em

Leia mais

ESTATÍSTICA BÁSICA. Freqüência Absoluta: Número de vezes que um elemento ocorre em uma amostra.

ESTATÍSTICA BÁSICA. Freqüência Absoluta: Número de vezes que um elemento ocorre em uma amostra. ESTATÍSTICA BÁSICA. Apresentação Estatística é a parte da Matemática que organiza e analisa dados coletados em uma amostra de um conjunto. Com base nos resultados, faz projeções para todo o conjunto com

Leia mais

PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA

PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo ESTATÍSTICA DESCRITIVA A Estatística Descritiva

Leia mais

1. Registou-se o número de assoalhadas de 100 apartamentos vendidos num bairro residencial

1. Registou-se o número de assoalhadas de 100 apartamentos vendidos num bairro residencial Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2006/2007 Ficha nº 1 1. Registou-se o número de assoalhadas de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1; 2; 0; 0; 1;

Leia mais

n = 25) e o elemento (pois = 19) e terá o valor 8. Verifique que antes e depois do 19 o elemento, teremos 18 elementos.

n = 25) e o elemento (pois = 19) e terá o valor 8. Verifique que antes e depois do 19 o elemento, teremos 18 elementos. V) Mediana: A Mediana de um conjunto de números, ordenados crescente ou decrescentemente em ordem de grandeza (isto é, em um rol), será o elemento que ocupe a posição central da distribuição de freqüência

Leia mais

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS

UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal Vimos que é possível sintetizar os dados sob a forma de distribuições de freqüências e gráficos. Pode ser

Leia mais

Para caracterizar um conjunto de dados é importante não só a média, mas também a dispersão dos valores em torno da média

Para caracterizar um conjunto de dados é importante não só a média, mas também a dispersão dos valores em torno da média 1 É muito diferente ter uma situação em que o salário médio mensal é R$600 e todos ganham R$600, ou ter o mesmo salário médio mas em que metade das pessoas ganha R$300 e a outra metade ganha R$900. Para

Leia mais

MAIS SOBRE MEDIDAS RESUMO. * é muito influenciada por valor atípico

MAIS SOBRE MEDIDAS RESUMO. * é muito influenciada por valor atípico MAIS SOBRE MEDIDAS RESUMO Medidas de Tendência Central (1) média (aritmética) * só para variáveis quantitativas exceção: variável qualitativa nominal dicotômica, com categorias codificadas em 0 e 1; neste

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL MEDIDAS DE TENDÊNCIA CENTRAL Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Média aritmética INTRODUÇÃO A concentração de dados em torno de um valor pode ser usada para representar todos

Leia mais

Estatística descritiva básica: Medidas de tendência central

Estatística descritiva básica: Medidas de tendência central Estatística descritiva básica: Medidas de tendência central ACH2021 Tratamento e Análise de Dados e Informações Marcelo de Souza Lauretto marcelolauretto@usp.br www.each.usp.br/lauretto *Parte do conteúdo

Leia mais

Unidade I. Profa. Ana Carolina Bueno

Unidade I. Profa. Ana Carolina Bueno Unidade I ESTATÍSTICA Profa. Ana Carolina Bueno Estatística Interpretar processos em que há variabilidade. Estatísticas indica qualquer coleção de dados quantitativos, ou ainda, ramo da matemática que

Leia mais

Exercícios Propostos Análise Exploratória dos dados

Exercícios Propostos Análise Exploratória dos dados Eercícios Propostos Análise Eploratória dos dados 1. Você deseja retirar uma amostra de 8 pessoas de uma população de 100 pessoas. Se as 100 pessoas estiverem numeradas de 1 a 100, quais delas farão parte

Leia mais

Grupo A - 1 semestre de 2012 Lista de exercícios 2 - Estatística Descritiva II C A S A (gabarito)

Grupo A - 1 semestre de 2012 Lista de exercícios 2 - Estatística Descritiva II C A S A (gabarito) Exercício 1. (1,0 ponto) Considere os dados abaixo sobre a distribuição de salário em (reais) num grupo de 1000 indivíduos. Tabela 1: Distribuição de frequências dos salários Classe de Salário Total Frequência

Leia mais

A Estatística é aplicada como auxílio nas tomadas de decisão diante de incertezas para justificar cientificamente as decisões

A Estatística é aplicada como auxílio nas tomadas de decisão diante de incertezas para justificar cientificamente as decisões A IMPORTÂNCIA DA ESTATÍSTICA A Estatística é aplicada como auxílio nas tomadas de decisão diante de incertezas para justificar cientificamente as decisões Governo Indústria Ciências Econômicas, sociais,

Leia mais

AULA 5 MEDIDAS DESCRITIVAS DOCENTE: CIRA SOUZA PITOMBO

AULA 5 MEDIDAS DESCRITIVAS DOCENTE: CIRA SOUZA PITOMBO UNIVERSIDADE FEDERAL DA BAHIA ESCOLA POLITÉCNICA MEAU- MESTRADO EM ENGENHARIA AMBIENTAL URBANA ENG C 18 Métodos de Pesquisa Quantitativos e Qualitativos AULA 5 MEDIDAS DESCRITIVAS DOCENTE: CIRA SOUZA PITOMBO

Leia mais

Medidas Descritivas de Posição, Tendência Central e Variabilidade

Medidas Descritivas de Posição, Tendência Central e Variabilidade Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 27 de Março de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Sumário 1 Introdução

Leia mais

MEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões

MEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões MEDIDAS DE DISPERSÃO Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões Cidade A: 185, 185, 185 x 185mm Cidade B: 18, 184, 189 x 185mm

Leia mais

Estatística I Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 3. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 3 Prof.: Patricia Maria Bortolon, D. Sc. Estatística: Prof. André Carvalhal Dados quantitativos: medidas numéricas Propriedades Numéricas Tendência Central Dispersão Formato Média Mediana

Leia mais

Intervalos de Confiança

Intervalos de Confiança Intervalos de Confiança INTERVALOS DE CONFIANÇA.1 Conceitos básicos.1.1 Parâmetro e estatística Parâmetro é a descrição numérica de uma característica da população. Estatística é a descrição numérica de

Leia mais

Inferência Estatística: Conceitos Básicos I

Inferência Estatística: Conceitos Básicos I Inferência Estatística: Conceitos Básicos I Introdução, Medidas de Tendência Central, Medidas de Variabilidade, Distribuições de Frequência e Probabilidade Flávia F. Feitosa BH1350 Métodos e Técnicas de

Leia mais

Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF Assinatura: CARTÃO RESPOSTA

Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF Assinatura: CARTÃO RESPOSTA ANÁLISE E DESENVOLVIMENTO DE SISTEMAS TURMA 2008 4º PERÍODO 7º MÓDULO AVALIAÇÃO A2 DATA 08/10/2009 ESTATÍSTICA 2009/2 Dados de identificação do Acadêmico: Nome: Login: CA: Cidade: UF Assinatura: CARTÃO

Leia mais

ESTATÍSTICA. na Contabilidade Revisão - Parte 3. Medidas Estatísticas

ESTATÍSTICA. na Contabilidade Revisão - Parte 3. Medidas Estatísticas ESTATÍSTICA na Contabilidade Revisão - Parte 3 Luiz A. Bertolo Medidas Estatísticas A distribuição de frequências permite-nos descrever, de modo geral, os grupos de valores (classes) assumidos por uma

Leia mais

Depois passamos para a Tabela de Frequências, separar os valores da variável e depois numa outra coluna, colocar sua frequência absoluta, assim:

Depois passamos para a Tabela de Frequências, separar os valores da variável e depois numa outra coluna, colocar sua frequência absoluta, assim: Aula 2 5Tabelas de frequência Para atingir os objetivos de uma pesquisa, é preciso que os dados estejam organizados de forma a facilitar o entendimento do leitor A primeira etapa após o levantamento dos

Leia mais

1ª Lista de Estatística Básica. Professor: Alessandro Monteiro

1ª Lista de Estatística Básica. Professor: Alessandro Monteiro 01. O que é estatística? 02. Quais que elementos que compõe uma tabela estatística? 03. Uma tabela estatística pode ser fechada, ou seja, ser delimitada nos extremos? Justifique. 04. Quais os tipos de

Leia mais

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso

MEDIDAS DE POSIÇÃO E DE DISPERSÃO. Profª Andréa H Dâmaso MEDIDAS DE POSIÇÃO E DE DISPERSÃO Profª Andréa H Dâmaso Bioestatística e Delineamento Experimental - 2012 Tópicos da aula Medidas de tendência central e dispersão Variáveis contínuas: distribuição normal

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Exercício 01 MAE116 Noções de Estatística base freq. absoluta Antes do treinamento freq. relativa (%) densidade de freq. freq. absoluta Depois do treinamento freq relativa (%) densidade de freq. 0 -- 2

Leia mais

Amostragem Aleatória e Descrição de Dados - parte II

Amostragem Aleatória e Descrição de Dados - parte II Amostragem Aleatória e Descrição de Dados - parte II 2012/02 1 Diagrama de Ramo e Folhas 2 3 4 5 Objetivos Ao final deste capítulo você deve ser capaz de: Construir e interpretar disposições gráficas dos

Leia mais

EXERCÍCIOS SEÇÃO 1 - ESTATÍSTICA 1

EXERCÍCIOS SEÇÃO 1 - ESTATÍSTICA 1 EXERCÍCIOS SEÇÃO 1 - ESTATÍSTICA 1 1. População ou universo é: a) Um conjunto de pessoas; b) Um conjunto de elementos quaisquer c) Um conjunto de pessoas com uma característica comum; d) Um conjunto de

Leia mais

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber

5 Distribuição normal de probabilidade. Estatística Aplicada Larson Farber 5 Distribuição normal de probabilidade Estatística Aplicada Larson Farber Seção 5.1 Introdução às distribuições normais Propriedades de uma distribuição normal Suas média, mediana e moda são iguais. Tem

Leia mais

TADI Tratamento e Análise de Dados/Informações Prof. Camilo Rodrigues Neto

TADI Tratamento e Análise de Dados/Informações Prof. Camilo Rodrigues Neto TADI Tratamento e Análise de Dados/Informações Prof. Camilo Rodrigues Neto Aula - Estatística Descritiva Hieronymus Bosch (1450-1516) Medidas Resumo Medidas de dispersão e box plot Comparando Dados Quantitativos

Leia mais

ESTATÍSTICA. na Contabilidade Parte 5. Medidas Estatísticas

ESTATÍSTICA. na Contabilidade Parte 5. Medidas Estatísticas ESTATÍSTICA na Contabilidade Parte 5 Luiz A. Bertolo Medidas Estatísticas A distribuição de frequências permite-nos descrever, de modo geral, os grupos de valores (classes) assumidos por uma variável.

Leia mais

Aula 2 Planejamento e Análise de Experimentos

Aula 2 Planejamento e Análise de Experimentos Aula 2 Planejamento e Análise de Experimentos Professores Miguel Antonio Sovierzoski, Dr. miguelaso@utfpr.edu.br; Vicente Machado Neto, Dr. vmachado@utfpr.edu.br; Revisão da aula anterior Fatores níveis

Leia mais

( ) Referem-se aos dados coletados e podem ser

( ) Referem-se aos dados coletados e podem ser Universidade Estadual de Maringá - UEM Programa de Integração Estudantil - PROINTE Preceptoria de Bioestatística Farmácia Professora: Nazaré Barata Mateus Preceptora: Rafaela Ferreira de Souza Lista 1

Leia mais

Aula 4 Medidas de dispersão

Aula 4 Medidas de dispersão AULA 4 Aula 4 Medidas de dispersão Nesta aula, você estudará as medidas de dispersão de uma distribuição de dados e aprenderá os seguintes conceitos: amplitude desvios em torno da média desvio médio absoluto

Leia mais

Métodos Experimentais em Ciências Mecânicas

Métodos Experimentais em Ciências Mecânicas Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência

Leia mais

AULA 02 Distribuição de Probabilidade Normal

AULA 02 Distribuição de Probabilidade Normal 1 AULA 02 Distribuição de Probabilidade Normal Ernesto F. L. Amaral 20 de agosto de 2012 Faculdade de Filosofia e Ciências Humanas (FAFICH) Universidade Federal de Minas Gerais (UFMG) Fonte: Triola, Mario

Leia mais

Bioestatística Medidas de tendência central, posição e dispersão PARTE II Roberta de Vargas Zanini 11/05/2017

Bioestatística Medidas de tendência central, posição e dispersão PARTE II Roberta de Vargas Zanini 11/05/2017 Bioestatística Medidas de tendência central, posição e dispersão PARTE II Roberta de Vargas Zanini 11/05/2017 10/03/2016 As medidas de tendência central são uma boa forma para descrever resumidamente

Leia mais

Bioestatística. Aula 3. MEDIDAS SEPARATRIZES Quartis, Decis e percentis. Profa. Alessandra Bussador

Bioestatística. Aula 3. MEDIDAS SEPARATRIZES Quartis, Decis e percentis. Profa. Alessandra Bussador Bioestatística Aula 3 MEDIDAS SEPARATRIZES Quartis, Decis e percentis Profa. Alessandra Bussador Quartis dados não agrupados Dividem os dados ordenados em quatro partes: Primeiro Quartil (Q1): valor que

Leia mais

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida

Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida e desconhecida Teste de hipóteses para uma média populacional com variância conhecida Tomando-se como exemplo os dados de recém-nascidos

Leia mais

Estatística Descritiva (I)

Estatística Descritiva (I) Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos

Leia mais

14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas

14. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas 4. Distribuição de Probabilidade para Variáveis Aleatórias Contínuas Os valores assumidos por uma variável aleatória contínua podem ser associados com medidas em uma escala contínua como, por exemplo,

Leia mais

(a) Classifique cada uma das variáveis.

(a) Classifique cada uma das variáveis. 1 Exercício 1 A tabela abaixo mostra o número de meses em que houve aumento do nível de atividade de quinze empresas de tamanho pequeno (P), médio (M) e grande (G), do setor comercial (C) e industrial

Leia mais

Prof. Francisco Crisóstomo

Prof. Francisco Crisóstomo Unidade II ESTATÍSTICA BÁSICA Prof. Francisco Crisóstomo Unidade II Medidas de posição Medidas de posição Tem como característica definir um valor que representa um conjunto de valores (rol), ou seja,

Leia mais

CURSO DE SPSS AULA 2 MEDIDAS DESCRITIVAS. UFBA/FACED José Albertino Lordello Sheila Regina Pereira

CURSO DE SPSS AULA 2 MEDIDAS DESCRITIVAS. UFBA/FACED José Albertino Lordello Sheila Regina Pereira CURSO DE SPSS AULA 2 MEDIDAS DESCRITIVAS UFBA/FACED José Albertino Lordello Sheila Regina Pereira MEDIDAS RESUMO Uma maneira conveniente de descrever um grupo como um todo é achar um número único que represente

Leia mais

Estatística Descritiva Lista 1 de exercícios (nivelamento)

Estatística Descritiva Lista 1 de exercícios (nivelamento) 1. População é um conjunto de: a) Pessoas. b) Elementos quaisquer. c) Pessoas com uma característica comum. d) Elementos com pelo menos uma característica em comum. e) Indivíduos de um mesmo município,

Leia mais

Probabilidade e Estatística

Probabilidade e Estatística Aula 3 Professora: Rosa M. M. Leão Probabilidade e Estatística Conteúdo: 1.1 Por que estudar? 1.2 O que é? 1.3 População e Amostra 1.4 Um exemplo 1.5 Teoria da Probabilidade 1.6 Análise Combinatória 3

Leia mais

Amostra: é uma parte da população retirada para ser analisada, a qual permite que se conheça tal população.

Amostra: é uma parte da população retirada para ser analisada, a qual permite que se conheça tal população. 1 Estatística é a parte da Matemática Aplicada que fornece métodos para a coleta, organização, apresentação, análise e interpretação de dados para a tomada de decisões. Aplicações da estatística: _ Um

Leia mais

POR QUE ESTUDAR ESTATÍSTICA?

POR QUE ESTUDAR ESTATÍSTICA? Prof. Gilberto Gil POR QUE ESTUDAR ESTATÍSTICA? Estatística é a arte e a ciência de coletar, analisar, apresentar, e interpretar dados, para que se tomem decisões sob incerteza. PRINCIPAIS CONCEITOS Na

Leia mais

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA)

DE ESPECIALIZAÇÃO EM ESTATÍSTICA APLICADA) 1. Sabe-se que o nível de significância é a probabilidade de cometermos um determinado tipo de erro quando da realização de um teste de hipóteses. Então: a) A escolha ideal seria um nível de significância

Leia mais

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA

PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA PROJETO E ANÁLISES DE EXPERIMENTOS (PAE) INTRODUÇÃO AOS MÉTODOS ESTATÍSTICOS EM ENGENHARIA VARIABILIDADE NA MEDIDA DE DADOS CIENTÍFICOS Se numa pesquisa, desenvolvimento de um processo ou produto, o valor

Leia mais

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL.

Estatística Aplicada. Prof. Carlos Alberto Stechhahn PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL. Estatística Aplicada Administração p(a) = n(a) / n(u) PARTE I ESPAÇO AMOSTRAL - EVENTOS PROBABILIDADE PROBABILIDADE CONDICIONAL Prof. Carlos Alberto Stechhahn 2014 1. Noções de Probabilidade Chama-se experimento

Leia mais

(em dias) Agrupados Isolados 58 a a a TOTAL

(em dias) Agrupados Isolados 58 a a a TOTAL 01 Um estudo sobre o tempo de vida de duas amostras de Biomphalaria straminea (Amostra A: 45 indivíduos agrupados numa bacia e Amostra I: 49 indivíduos isolados em copos de vidro), produziu os resultados

Leia mais

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO

Medidas de Dispersão para uma Amostra. Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Conteúdo: AMPLITUDE VARIÂNCIA DESVIO PADRÃO COEFICIENTE DE VARIAÇÃO Medidas de Dispersão para uma Amostra Para entender o que é dispersão, imagine que quatro alunos

Leia mais

Conceito de Estatística

Conceito de Estatística Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir

Leia mais

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja:

Nessa situação, a média dessa distribuição Normal (X ) é igual à média populacional, ou seja: Pessoal, trago a vocês a resolução da prova de Estatística do concurso para Auditor Fiscal aplicada pela FCC. Foram 10 questões de estatística! Não identifiquei possibilidade para recursos. Considero a

Leia mais

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano

PROBABILIDADE E ESTATÍSTICA. Profa. Dra. Yara de Souza Tadano PROBABILIDADE E ESTATÍSTICA Profa. Dra. Yara de Souza Tadano yaratadano@utfpr.edu.br Aula 7 11/2014 Variáveis Aleatórias Variáveis Aleatórias Probabilidade e Estatística 3/41 Variáveis Aleatórias Colete

Leia mais

AMEI Escolar Matemática 8º Ano Estatística: Organização e Tratamento de Dados

AMEI Escolar Matemática 8º Ano Estatística: Organização e Tratamento de Dados AMEI Escolar Matemática 8º Ano Estatística: Organização e Tratamento de Dados Conteúdos desta unidade: Organização, representação e interpretação de dados; Medidas de tendência central; Medidas de localização.

Leia mais

- identificar operadores ortogonais e unitários e conhecer as suas propriedades;

- identificar operadores ortogonais e unitários e conhecer as suas propriedades; DISCIPLINA: ELEMENTOS DE MATEMÁTICA AVANÇADA UNIDADE 3: ÁLGEBRA LINEAR. OPERADORES OBJETIVOS: Ao final desta unidade você deverá: - identificar operadores ortogonais e unitários e conhecer as suas propriedades;

Leia mais

Importantes propriedades da Média, da Variância e do Desvio Padrão:

Importantes propriedades da Média, da Variância e do Desvio Padrão: Importantes propriedades da Média, da Variância e do Desvio Padrão: É importantíssimo o perfeito conhecimento de algumas propriedades da Média, da Variância e do Desvio Padrão para resolver, com facilidade,

Leia mais

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p

INFERÊNCIA ESTATÍSTICA. ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p INFERÊNCIA ESTATÍSTICA ESTIMAÇÃO PARA A PROPORÇÃO POPULACIONAL p Objetivo Estimar uma proporção p (desconhecida) de elementos em uma população, apresentando certa característica de interesse, a partir

Leia mais

INTRODUÇÃO A ESTATISTICA PROF. RANILDO LOPES

INTRODUÇÃO A ESTATISTICA PROF. RANILDO LOPES INTRODUÇÃO A ESTATISTICA PROF. RANILDO LOPES DESCRIÇÃO DOS DADOS CONTÍNUOS Trazem informações que expressam a tendência central e a dispersão dos dados. Tendência Central: Média ( x ), Mediana ( Md ),

Leia mais

ESTATÍSTICA. na Contabilidade Parte 4. Medidas Estatísticas

ESTATÍSTICA. na Contabilidade Parte 4. Medidas Estatísticas ESTATÍSTICA na Contabilidade Parte 4 Luiz A. Bertolo Medidas Estatísticas A distribuição de frequências permite-nos descrever, de modo geral, os grupos de valores (classes) assumidos por uma variável.

Leia mais

Neste artigo abordaremos um pouco sobre média, mediana e desvio padrão assim como o seus respectivos desenvolvimentos no Excel. Acompanhe a seguir.

Neste artigo abordaremos um pouco sobre média, mediana e desvio padrão assim como o seus respectivos desenvolvimentos no Excel. Acompanhe a seguir. Este conteúdo faz parte da série: Excel Estatística Básica Ver 3 posts dessa série Fazer média, mediana e desvio padrão no Excel não é tão complicado quanto parece. Dentro da matéria de estatística existem

Leia mais

Prof. Dr. Engenharia Ambiental, UNESP

Prof. Dr. Engenharia Ambiental, UNESP INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação

Leia mais

ESTATÍSTICA Medidas de Síntese

ESTATÍSTICA Medidas de Síntese 2.3 - Medidas de Síntese Além das tabelas e gráficos um conjunto de dados referente a uma variável QUANTITATIVA pode ser resumido (apresentado) através de Medidas de Síntese, também chamadas de Medidas

Leia mais

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.1 INTRODUÇÃO Admita que, de um lote de 10 peças, 3 das quais são defeituosas, peças são etraídas ao acaso, juntas (ou uma a uma, sem reposição). Estamos

Leia mais

CAD. 8 SETOR A AULAS 45-48

CAD. 8 SETOR A AULAS 45-48 CAD. 8 SETOR A AULAS 45-48 48 ESTATÍSTICA STICA Prof. Suzart ESTATÍSTICA Elabora métodos para coleta, organização, descrição, análise e intepretação de dados. Experimentos não-determinísticos. Determinação

Leia mais

6.3 Valor Médio de uma Variável Aleatória

6.3 Valor Médio de uma Variável Aleatória 6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Análise Exploratória de Dados As técnicas de análise exploratória de dados consistem em gráficos simples de desenhar que podem ser

Leia mais

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO PAMPA - UNIPAMPA - BAGÉ PROGRAMA INSTITUCIONAL DE INICIAÇÃO À DOCÊNCIA SUBPROJETO DE MATEMÁTICA PIBID

MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO PAMPA - UNIPAMPA - BAGÉ PROGRAMA INSTITUCIONAL DE INICIAÇÃO À DOCÊNCIA SUBPROJETO DE MATEMÁTICA PIBID MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO PAMPA - UNIPAMPA - BAGÉ PROGRAMA INSTITUCIONAL DE INICIAÇÃO À DOCÊNCIA SUBPROJETO DE MATEMÁTICA PIBID Atividade nº 2 Oficina de Geometria Analítica com uso

Leia mais

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno

Unidade I ESTATÍSTICA APLICADA. Prof. Mauricio Fanno Unidade I ESTATÍSTICA APLICADA Prof. Mauricio Fanno Estatística indutiva Estatística descritiva Dados no passado ou no presente e em pequena quantidade, portanto, reais e coletáveis. Campo de trabalho:

Leia mais

Métodos Estatísticos Básicos

Métodos Estatísticos Básicos Aula 4 - Medidas de dispersão Departamento de Economia Universidade Federal de Pelotas (UFPel) Abril de 2014 Amplitude total Amplitude total: AT = X max X min. É a única medida de dispersão que não tem

Leia mais

Sumário. Estatistica.indb 11 16/08/ :47:41

Sumário. Estatistica.indb 11 16/08/ :47:41 Sumário CAPÍTULO 1 CONCEITOS INICIAIS... 19 1.1. Introdução... 19 1.2. Estatística... 19 1.2.1. Estatística Descritiva ou Dedutiva... 21 1.2.2. Estatística Indutiva ou Inferencial... 21 1.3. População...

Leia mais

ANOVA - parte I Conceitos Básicos

ANOVA - parte I Conceitos Básicos ANOVA - parte I Conceitos Básicos Erica Castilho Rodrigues 9 de Agosto de 2011 Referências: Noções de Probabilidade e Estatística - Pedroso e Lima (Capítulo 11). Textos avulsos. Introdução 3 Introdução

Leia mais

CV de VT - Um assunto recorrente em provas da ESAF

CV de VT - Um assunto recorrente em provas da ESAF CV de VT - Um assunto recorrente em provas da ESAF Freqüentemente temos, principalmente em provas da ESAF, questões envolvendo o Coeficiente de Variação de Variáveis Transformadas. São dadas a Média e

Leia mais

Professor: Marcelo de Moura

Professor: Marcelo de Moura Prova UFMG 2008 1. Considere um reservatório, em forma de paralelepípedo retângulo, cujas medidas são 8m de comprimento, 5 m de largura e 120 cm de profundidade. Bombeia-se água para dentro deste reservatório,

Leia mais

Aula 10 Estimação e Intervalo de Confiança

Aula 10 Estimação e Intervalo de Confiança Aula 10 Estimação e Intervalo de Confiança Objetivos da Aula Fixação dos conceitos de Estimação; Utilização das tabelas de Distribuição Normal e t de Student Introdução Freqüentemente necessitamos, por

Leia mais

Métodos Estatísticos. Prof.: Alexandre Tripoli Venção

Métodos Estatísticos. Prof.: Alexandre Tripoli Venção Métodos Estatísticos Prof.: Alexandre Tripoli Venção alexandre.vencao@ifsc.edu.br Gráficos Os gráficos permitem a representação da relação entre variáveis e podem facilitar a compreensão dos dados, se

Leia mais

Nilza Nunes da Silva/Regina Bernal 1

Nilza Nunes da Silva/Regina Bernal 1 CAPÍTULO 1 - MEDIDAS QUANTITATIVAS UMA VARIÁVEL 1.10 MEDIDAS DE POSIÇÃO ( MÉDIA, MEDIANA, MODA) Variáveis Discretas Variáveis contínuas (valores em classes) 1.11 MEDIDAS DE DISPERSÃO (Variância, Desvio

Leia mais

CURSO DE ESTATÍSTICA STICA DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO DE ESTATÍSTICA STICA DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - CURSO DE ESTATÍSTICA STICA DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM - A imaginação é mais importante que o conhecimento Albert Einstein Estatística stica?!? Conjunto de técnicas

Leia mais

Estatística I Aula 2. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 2. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 2 Prof.: Patricia Maria Bortolon, D. Sc. Análise Exploratória de Dados Consiste em resumir e organizar os dados coletados Utiliza-se tabelas, gráficos ou medidas numéricas para resumir

Leia mais