INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA COORDENAÇÃO DE PESQUISAS EM SILVICULTURA TROPICAL LABORATÓRIO DE MANEJO FLORESTAL - LMF

Tamanho: px
Começar a partir da página:

Download "INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA COORDENAÇÃO DE PESQUISAS EM SILVICULTURA TROPICAL LABORATÓRIO DE MANEJO FLORESTAL - LMF"

Transcrição

1 INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA COORDENAÇÃO DE PESQUISAS EM SILVICULTURA TROPICAL LABORATÓRIO DE MANEJO FLORESTAL - LMF BIOMETRIA FLORESTAL Niro Higuchi Joaquim dos Santos Adriano José Nogueira Lima Manaus AM Março, 008

2 PARTE 1

3 Capítulo 1 Introdução - Conceitos gerais A estatística é uma ferramenta importante para o manejo florestal, seja pra quem está interessado em trabalhar em pesquisas ou pra quem tem a responsabilidade de planejar, executar e acompanhar um projeto. Difícil é separar a estatística pra essas duas frentes. O objetivo desta Parte da apostila é aprofundar em conceitos dos indicadores estatísticos mais freqüentemente utilizados pelos florestais e ajudar na interpretação dos resultados. Estatística é um ramo do conhecimento científico que consta de conjunto de processos que têm por objeto a observação, a classificação formal e a análise dos fenômenos coletivos ou de massa (finalidade descritiva) e, por fim, investigar a possibilidade de fazer inferências indutivas válidas a partir dos dados observados e buscar métodos capazes de permitir esta inferência (finalidade indutiva). Durante uma defesa de tese no CENA-USP, surgiu um novo conceito para estatística que, segundo Edgard, é "a arte de torturar os números até que eles confessem aquilo que você quer ouvir." Em inventário florestal, produto sem estatística não é produto. Em inventários, o principal produto é o intervalo de confiança para a média estimada. Na pesquisa científica, a estatística pode ser vista como um instrumento de comunicação e, embora o seu uso seja absolutamente opcional, ela fornece os modelos que são necessários para estudar as situações que envolvem incertezas, mas a palavra final é sua. O exercício, a análise e a interpretação do pensamento científico normalmente são feitos por meio da linguagem operacional dos conceitos e hipóteses científicas. Isso implica na formulação de hipóteses estatísticas e estabelecimento dos procedimentos de observações diretas ou de medições. Linguagem teórica: quanto mais grossa é a árvore, mais madeira será oferecida à indústria de transformação. Neste caso, dois conceitos são envolvidos: espessura e madeira. Com definir esses dois conceitos? Espessura pode ser o diâmetro de uma árvore. Madeira pode ser a quantidade de material lenhoso disponível para a indústria. E daí? Que fazemos agora? Temos que operacionalizar as observações e medições de espessura e madeira. Espessura pode ser traduzida operacionalmente, por exemplo, em centímetros de diâmetro à altura do peito (DAP), medido a 1,3 m do solo. E a madeira, por sua vez, pode ser traduzida como volume cúbico da árvore. Agora, a hipótese científica pode ser enunciada, em termos de hipótese estatística, da seguinte maneira: Quanto maior o DAP, maior será o volume da árvore. Dessa forma, o pica-pau fica mais à vontade. Depois de formulada a hipótese, o passo seguinte consiste em testá-la. Para se testar as hipóteses serão precisos: planejar a coleta de dados, coletar os dados, tratar os dados, processar os dados, analisar os resultados e, finalmente, tomar decisões para rejeitar ou não a hipótese estatística formulada (Ver figura 1.1). O papel da estatística na pesquisa científica é ajudar o pesquisador pica-pau a formular as hipóteses e a fixar as regras de decisão.

4 Um pouco de filosofia. - Aristóteles escreveu: A verdade é um alvo tão grande que dificilmente alguém deixará de tocá-lo, mas, ao mesmo tempo, ninguém será capaz de acertá-lo em cheio, num só tiro. - A meta da ciência é a organização sistemática do conhecimento sobre o universo, baseado nos princípios explanatórios que são genuinamente testáveis. - O pesquisador tem os dons da instituição e criatividade para saber que o problema é importante e quais questões devem ser levantadas; a estatística, por sua vez, o assistirá por meio da maximização de output não ambíguos enquanto minimiza os inputs. - O pesquisador tem que ter em mente que a pesquisa freqüentemente levanta mais questões do que respostas. Os resultados quase sempre são meramente uma demonstração de nossa ignorância e uma declaração mais clara do que não sabemos. - O pesquisador tem que manter os olhos abertos, sua mente flexível e estar preparado para surpresas. - A pesquisa está na cabeça do pesquisador; o laboratório ou o campo meramente confirma ou rejeita o que a sua mente concebeu. A sabedoria consiste em conhecer mais as questões certas para fazer e não nas certas respostas. - A aplicação indiscriminada dos métodos quantitativos sobre inesgotáveis quantidades de dados não significa que o entendimento científico vai emergir só por causa disso A Natureza da Estatística: Basicamente, são dois tipos de estatística: descritiva e de inferência. A ciência da estatística inclui ambas, descritiva e de inferência. A estatística descritiva apareceu primeiro, nos censos feitos na época do império romano. A de Inferência é mais recente e é baseada na teoria da probabilidade que, por sua vez, não se estabeleceu antes da metade do século XVII. a) Estatística descritiva => consiste de métodos para organizar e sumarizar as informações. O propósito da organização e sumarização é te ajudar na interpretação de um monte de informações. Os métodos descritivos incluem a construção de gráficos, figuras e tabelas, como também, o cálculo de vários tipos de médias e índices. Exemplos: resultado final de uma eleição apresentado pelo Tribunal Superior Eleitoral (TSE) Quadro 1.1, desmatamento na Amazônia Figura 1.., áreas desmatadas com autorização e sem autorização Figura 1.3 e as origens da madeira amazônica Figura 1.4. b) Estatística de inferência => consiste de métodos para inferir sobre uma população baseada na informação de uma amostra da população. A estatística de inferência moderna praticamente surgiu após as publicações científicas de Karl Pearson e Ronald Fisher, no início do século passado (XX). Depois disso, houve uma evolução fantástica dessa ciência, tornando-se aplicável a várias áreas de conhecimento, tais como: Eng. Florestal, Agronomia, Biologia, História, Física, Química, Psicologia etc. Exemplo 1: Pesquisas de opinião realizadas pelas empresas (DATAFOLHA, IBOPE, VOX POPULI etc), pouco antes de eleições. A Figura 1.5 mostra a dinâmica de opinião de eleitores brasileiros na eleição para presidente de 00 com base em pesquisas de opinião realizadas pelo IBOPE. O resultado do 1º turno é apresentado na última coluna como TSE,

5 tirado do Quadro 1.1. Os resultados do IBOPE, do último dia de pesquisa (com margem de erro igual a 1,8%), são praticamente iguais aos oficiais do TSE. A informação do TSE é sobre votos válidos enquanto que os da pesquisa de opinião são de intenção de votos. Na pesquisa de opinião do 1º turno é difícil identificar o voto nulo. Exemplo : Pesquisas de opinião sobre o º turno da eleição presidencial 00, realizadas pelo Datafolha. Neste caso, foi possível estimar os percentuais sobre os votos válidos. No último dia da pesquisa (6/10/0), o Datafolha estimou 64% dos votos válidos para o Lula e 36% para o Serra. A Figura 1.6 mostra a dinâmica de opinião de eleitores para oº turno da eleição de 00. O resultado do TSE (oficial) foi de 61,% para o Lula e 38,7% para o Serra Quadro 1.1. Considerando a margem de erro de % (para mais e para menos), as estimativas do último dia seriam 6% (para menos) para o Lula e 38% (para mais) para o Serra. Esta parte da estatística de inferência evoluiu muito no Brasil. A prova disso são os resultados finais do primeiro e do segundo turno da eleição presidencial de 00 que tem muito a ver com as previsões feitas pelas pesquisas de opinião dos vários institutos. O sucesso tem que ser creditado principalmente pela escolha correta do tipo de amostragem, coleta de dados e processamento & análise dos resultados A evolução da informática também contribuiu muito para o sucesso das pesquisas; o rápido processamento e, conseqüente, análise dos resultados, permitiu a repetição em intervalos de tempo menores isso é fundamental para a validação dos métodos utilizados que, por sua vez, dá a robustez necessária para a pesquisa e a sociedade ganha com a maior precisão e confiabilidade das pesquisas de opinião. Exemplo 3: Previsão da área desmatada para 006 (agosto 005 a julho 006) com base no intervalo de confiança (95%) da série histórica de 1978 a 005 Figura 1.7. Apesar da confusão das estatísticas e de sua interpretação, com boa vontade e profissionalismo, as causas do desmatamento poderiam ser identificadas. O desafio é entender a direção que o desmatamento pode tomar no futuro. Sem entender as causas, a direção só pode ser estocástica. A Figura 1.7 ilustra o uso do intervalo de confiança IC (nível de probabilidade de 95%) para a média do período De acordo com dinâmica do desmatamento até 005, as chances do desmatamento durante (agosto 005 a julho 006) são: 9% de ficar acima da estimativa máxima provável (maior do que km ), 9% abaixo da estimativa mínima provável (menor do que km ) e 4 % de ficar dentro do intervalo de confiança (entre a km ) com 95% de chance de acertar. Exemplo 4: Todos os trabalhos de equações de volume que utilizam os modelos destrutivos (na maioria das vezes) para ajustar os dados de volume real observado em modelos matemáticos que serão utilizados, posteriormente, para estimar o volume da árvore em pé. Para concluir a discussão, em torno da natureza da estatística, é importante não perder de vista que a opção por uma das duas estatísticas pode ser pessoal. Entretanto, se a escolha recair sobre a de inferência, o pesquisador deve se sujeitar as suas regras e condicionantes. A estatística de inferência, por sua vez, deve ficar sob as condicionantes da teoria da probabilidade, da normalidade e da independência; a violação de uma dessas condicionantes implica em um comprometimento muito sério de todo o seu trabalho. 1.. Conceitos Básicos: Talvez, os conceitos mais importantes para os florestais são erros amostrais e não amostrais. Se você conseguir distinguir esses dois conceitos, você sempre fará um trabalho confiável e, por conseguinte, a estatística será uma ferramenta útil na execução de seus

6 trabalhos de pesquisa, encurtando caminhos para a produção de ciência e de resultados de inventário florestal. (i) Erro Amostral => é o erro que você comete por não medir toda a população. Este parâmetro é mensurável e, dependendo da escolha dos métodos, você tem condições de aumentar ou diminuir este erro. De qualquer modo, trata-se de um parâmetro que pode ser controlado e avaliado por você. É o desvio padrão da média ou, simplesmente, erro padrão e tem fórmula para o seu cálculo. É a única medida de precisão, por mais paradoxal que possa parecer, em qualquer trabalho de pesquisa ou de inventário florestal. (ii) Erro não-amostral => é o erro humano, que pode ser cometido acidental ou deliberadamente. É o tipo de erro que você comete ao alocar uma amostra no lugar errado ex.: no escritório você faz a opção pela amostragem inteiramente aleatória e sorteia as unidades amostrais e distribui em sua área estudo; no campo, entretanto, você não consegue alocá-las de acordo com as coordenadas pré-estabelecidas e alocá-as em outro lugar. Você também comete erro não-amostral quando utiliza um equipamento defeituoso ou, por preguiça, você chuta as medidas de uma determinada variável. O problema desse erro é que você não consegue dimensioná-lo e, neste caso, não há estatística que dê jeito para consertar o mal-feito. A estatística e o computador só são úteis na interpretação de fenômenos observados quando os dados são de absoluta confiança e sem erros não-amostrais. Moral: Busque sempre a melhor metodologia para conseguir a maior precisão de seu trabalho sem, contudo, aumentar a possibilidade de cometer erros não-amostrais. BOM PESQUISADOR é aquele que não entrega sua coleta de dados para qualquer PEÃO. (iii) Populações, Parâmetros e Estimativas A noção central em qualquer problema de amostragem é a existência de uma população. Pense em uma população como um agregado de valores unitários, onde a unidade é a coisa sobre a qual a observação é feita e o valor é a propriedade observada sobre aquela coisa. População é então o conjunto de todos os indivíduos ou itens sob consideração. Ou ainda: população é o universo de seu interesse. Ilustrando: - se você está interessado em estudar o potencial quantitativo da floresta da Reserva Ducke, a POPULAÇÃO é o conjunto de todas as árvores acima de um determinado DAP, existentes naquela área de hectares. - se para você potencial quantitativo significa volume cúbico obtido de equações simples (DAP como variável independente), o volume médio (por hectare, por ex.) de todas as árvores da Reserva Ducke é o PARÂMETRO. - se você, no entanto, decidir pela avaliação por amostragem e lançar naquela área algumas amostras (ex.: 10 amostras de 1000 m, aleatoriamente distribuídas), o volume médio dessas amostras é a ESTIMATIVA. AMOSTRA é aquela parte da população da qual a informação é coletada. (iv) Tendência (bias), Exatidão e Precisão TENDÊNCIA ou VIÉS (bias, em inglês) é uma distorção sistemática. Ela pode ser devido a alguma falha na medição, ou no método de selecionar a amostra, ou na técnica de estimar o parâmetro. Se você medir o DAP com uma fita diamétrica faltando um pedaço na ponta ( cm), você medirá todas as árvores com cm a mais, ou seja, você superestimará esta variável. Uma maneira prática de minimizar as tendências em medições é por meio de checagens periódicas

7 dos instrumentos, treinamento adequado para o pessoal que usa os instrumentos e cuidado com eles. Tendência devido o método de amostragem ocorre quando certas unidades ganham maior ou menor representação na amostra do que na população. Ex.: se você excluir 0 metros de bordadura do lado oeste da Reserva Ducke por causa de um igarapé. Neste caso, você está introduzindo tendência em sua avaliação simplesmente porque você não deu a mesma oportunidade, para as árvores que ocorrem naquela faixa, em aparecer no seu trabalho. Outro exemplo: quando a equipe econômica faz uma pesquisa nos supermercados do centrosul e extrapola o custo de vida para todo o Brasil; isso é uma medida tendenciosa que não reflete o que se passa em Manaus. Tendência na forma de estimar determinado parâmetro pode ser introduzida quando você, por exemplo, toma o volume médio da Reserva Ducke e junta com o volume médio do Distrito Agropecuário da SUFRAMA ( hectares), para avaliar o potencial madeireiro da região de Manaus. Um volume médio não tendencioso seria uma média ponderada considerando os diferentes tamanhos de cada área, em vez de usar a média aritmética simples (tendenciosa, neste caso). Importante: A tendência é a mãe do erro não-amostral, por esta razão, evitá-la é sinal de prudência e sensatez. PRECISÃO E EXATIDÃO uma estimativa tendenciosa pode ser PRECISA, mas nunca EXATA. Ainda que o Aurélio (dicionário) pense diferente, para os estatísticos, EXATIDÃO refere-se ao sucesso em estimar o valor verdadeiro de uma quantidade; PRECISÃO refere-se à distribuição dos valores amostrais em torno de sua própria média que, se for tendenciosa, não pode ser o valor verdadeiro Ver figura 1.8. Exatidão ou estreiteza ao valor verdadeiro pode estar ausente por causa da tendência, falta de precisão ou por causa de ambas.

8 PENSAMENTO OPERACIONALIZAR HIPOTETIZAR planejar coletar tratar processar analisar rejeita? não, concluir! sim, concluir! Figura 1.1: Pesquisa científica do pensamento à inferência.

9 Quadro 1.1: Resultados das eleições para presidente de 00. RESULTADOS DAS ELEIÇÕES DE 00 Total de eleitores = Resultado do 1º turno: nº de votantes = ordem Número Candidato total votos % válidos 1 13 Lula ,44 45 José Serra , Garotinho , Ciro Gomes , Zé Maria , Rui Pimenta ,05 Resultado do º turno: nº de votantes = ordem Número Candidato total votos % válidos 1 13 Lula ,7 45 José Serra ,73 fonte: => consultas: 1º turno em 1/10/0 e º turno em 9/10/0 ano ou período 04/05 03/04 0/03 01/0 00/01 99/00 98/99 97/98 96/97 95/96 94/95 9/94 91/9 90/91 89/ / área desmatada em km fonte: Figura 1.: Desmatamento anual (km ) na Amazônia.

10 área desmatada (k m) ano A D A:D (%) relação A:D (%) Fonte: sisprof. A = área desmatada com autorização; D = área desmatada total e A:D relação entre autorizado e não autorizado. Figura 1.3: Relação entre áreas (em km ) desmatadas com autorização e sem autorização na Amazônia. sem origem 63% PMFS 17% d autorizado 0% Fonte: sisprof Figura 1.4: Origem da madeira da Amazônia planos de manejo florestal sustentável (PMFS), desmatamento autorizado e sem origem definida.

11 intenção de v oto (%) , , a 9/9 14 a 16/9 17 a 19/9 1 a 4/9 8 a 30/9 4 e 5/10 TSE período da pesquisa Lula Serra Garotinho Ciro Figura 1.5: Pesquisas de opinião realizadas pelo IBOPE para o 1º turno da eleição presidencial de intenção de votos (%) out 18/out 3/out 6/out data Lula Serra indecisos nulos/brancos Figura 1.6: Pesquisas de opinião realizadas pelo Datafolha para o º turno da eleição presidencial de 00.

12 área média mínima máxima IC(95%) = ±.37 ) ea des matada (k m ár Acima = 9% 005/06? Dentro = 4% Abaixo = 9% 78/ /90 90/91 91/9 9/94 94/95 95/96 96/97 97/98 98/99 99/00 00/01 01/0 0/03 03/04 04/05 05/ ano ou período Figura 1.7: Previsão da área desmatada para 006 (agosto 005 a julho 006) com base no intervalo de confiança (95%) da série histórica de 1978 a 005. impreciso preciso preciso exato Figura 1.8: Diferença entre precisão e exatidão.

13 .1. Dados: Capítulo Organização dos dados A informação coletada e analisada pelo estatístico é chamada de DADOS. Há vários tipos de dados e a escolha da metodologia, pelo estatístico é, parcialmente, determinada pelo tipo de dados que ele tem em mãos. Exemplo 1: No exame de seleção para turma 90/91 do Manejo Florestal, tivemos 15 candidatos, 13 homens e mulheres. Do total, apenas 7 fizeram o exame. Foram aprovados 6 candidatos, 5 homens e 1 mulher. João da Silva tirou o primeiro lugar com nota 6,7 e Joaquim Moreira tirou o último lugar com a nota 5,0. No exemplo acima, nós podemos destacar os seguintes tipos de dados: QUALITATIVO o tipo mais simples de dados, é a informação que coloca cada candidato em uma das duas categorias homem ou mulher ou tipo florestal I ou tipo II ou estocada ou não estocada etc. Esses dados dão informações sobre um indivíduo ou um item. ORDINAL A informação sobre classificação, dados que colocam os indivíduos ou objetos em ordem, rankeados. No exemplo, as classificações de João e Joaquim são dados ordinais. MÉTRICO O termo métrico se refere aos dados mensuráveis e não deve ser confundido com os dados em unidades métricas. No exemplo, as notas dos candidatos (6,7 e 5,0 e outras notas) são dados métricos. Resumindo: Dados qualitativos: dados que se referem à qualidade não numéricas ou atributos, tais como: tipo florestal, gênero ou espécie florestal, cor de alguma coisa etc. Dados ordinais: dados sobre classificação, ordem ou rank, tais como: classificação de toras, ordem de chegada etc. Dados métricos: dados obtidos de medições de certas quanti dades como: tempo, altu ra, DAP, volume, peso etc. Um outro importante tipo de dados é o chamado DADOS CONTÁVEIS. A contagem do numero de indivíduos ou itens que caem em várias categorias, tais como h omem e mulher fornece os dados contáveis. Por exemplo, a infor mação dada no exemplo anterior que foram aprovados 5 homens e 1 m ulher, são da dos contáveis. DADOS CONTÁVEIS são dados sobre o número de indivíduo s ou itens que caem em certas categorias ou classes, que podem ser obtidos de quaisquer tipos de dados (qualitativo, ordinal ou métrico). Os dados QUALITATIVO e ORDINAL são referidos pelos estatísticos como dados D ISCRETOS porque eles classificam coisas em classes separadas e discretas. Na classificação dos candidatos ao mestrado não há como colocar ninguém entre o primeiro lugar e o segundo. Também não há como classificar ninguém entre homem e mulher. São exemplos típicos de dados discretos, porque não há como dizer que alguém ficou em primeiro lugar e meio ou o que fulano é homem e meio. No caso de ordem de chegada ou rank há possibilidade de empate, mas isso é outra coisa e será discutido na estatística não- paramétrica.

14 Por outro lado, a maioria dos dados métricos é considerada DADOS CONTÍNUOS porque eles envolvem medições sobre uma escala contínua. A escala fica por conta da precisão do aparelho de medição: na suta ou na fita diamétrica, o máximo que podemos chegar é décimo d e cen tímetros, ou seja, entre os DAP s 0 e 1 cm nós podemos ter DAP s com 0.1, 0.,..., 0.9; nos cronômetros da Fórmula 1, no entanto, o nível de precisão é impensável para os nossos relógios de pulso... Dados grupados: A quantidade de dados que pode ser coletada do mundo-real é simplesmente fantástica. Exemplo 1: O censo brasileiro. Você já imaginou a trabalheira que dá para cadastrar aproximadamente 180 milhões de pessoas, anotando o nome, sexo, idade, ocupação, escolaridade etc. Apenas para ilustrar, se você usar qualquer software (Excel ou Word) para listar toda essa gente, você gastará mais de 600 quilômetros de papel apenas para imprimir as informações básicas, é Manaus-Itacoatiara-Manaus. Com todo esse papel, dificilmente você teria uma boa fotografia da população brasileira. Então, o que fazem os especialistas do IBGE? Eles nos proporcionam variadas informações: quantidades de homens e de mulheres (X1); X1 por classe idade (X); X por estado e por região; X1 por nível de escolaridade; população ativa etc. Isso é um exemplo típico da aplicação da estatística DESCRITIVA, por meio da organização e simplificação dos dados. Exemplo : Dados sobre DAP das árvores da parcela-testemunha do bloco (apenas as 40 primeiras árvores). Os pica-paus normalmente pensam no DAP em classes de 10, 0, 30, 40 cm etc. Para ver quantos DAPs há em cada classe você faz o seguinte: Quadro.1. Dados de DAPs de 40 árvores. árv. nº DAP Árv. nº DAP árv. Nº DAP árv. nº DAP

15 Quadro.. Cálculo de freqüência de cada classe de diâmetro. classes de DAP Contagem nº de árvores (f) 0 < 30 IIIII III 8 30 < 40 IIIII IIIII IIIII IIII < 50 IIIII II 7 50 < 60 IIII 4 60 < 70 I 1 70 < 80 I 1 total 40 O número de indivíduos (árvores) em cada categoria ou de DAP é chamada de FREQUÊNCIA daquela classe. O quadro. é uma tabela de distribuição de freqüência. Não confundir distribuição de freqüência em estatística com o termo freqüência da Ecologia Vegetal. Nem sempre você trabalha com quantidade tão pequena de indivíduos (n = 40, neste caso). Com n maiores é mais seguro montar a distribuição de freqüência utilizando a tabela dinâmica do Excel aplicação no Capítulo 17 (Cadeia de Markov). Algumas dicas para estabelecer distribuições de freqüência: - o número de classes não deve ser nem muito pequeno e nem muito grande, ao contrário, no meio. Sugere-se um número entre 5 e 1 regra do olhômetro. Outra forma é através da seguinte fórmula: n classes 1 + 3,33 log N (N = número de dados) - cada classe tem que ter a mesma dimensão. Do quadro., as dimensões são: 0 a 9.9, 30 a 39.9 etc. - cada pedaço de dados tem que pertencer a apenas a uma única classe. Essa lista poderia continuar, mas isso seria artificial. O propósito de grupar dados é distribuí-los em um número razoável de classes de igual tamanho para facilitar a interpretação dos mesmos. Se possível, os intervalos que tem uma interpretação natural, devem ser utilizados, como por exemplo: dados em DAP que são normalmente divididos em múltiplos de 10. freqüência absoluta Freq Figura.1: Histograma de freqüência para os mesmos dados do quadro.1.

16 A freqüência pode ser também apresentada em porcentagem ou decimal, conhecida como FREQUÊNCIA RELATIVA. No quadro.3 para obter a freqüência relativa de cada classe, bastou dividir a freqüê ncia de cada classe por 40 (número total de indivíduos contados). Se multiplicarmos essas frações por 100, teremos a freqüência em %, caso contrário, em decimais. Quadro.3. - Distribuição de Freqüência relativa do quadro.1. classes DAP pt médio Freq freq rel freq acum 0 < , < , < , < , < , < ,05 40 Algumas terminologias: Classe uma categoria para o grupamento de dados. Freqüência o número de indivíduos ou objetos numa classe. Por exemplo, a freqüência da classe é 19. Freqüência relativa a porcentagem, expressa como um decimal, do número total de indivíduos de uma determinada classe. A freqüência relativa da classe é 0.1 ou 10%. Freqüência acumulada é a soma das freqüências dos valores inferiores ou iguais a valor dado. Distribuição de Freqüência a listagem das classes com suas freqüências. Limite inferior da classe o menor valor que pode ir dentro de uma classe. Na classe o limite inferior é 0. Limite superior da classe o maior valor que pode ir dentro de uma classe. Na classe o limite superior é 9.9. Se a precisão fosse de duas casas decimais, o limite superior poderia ser 9.99 e assim por diante. Intervalo de classe é a diferença entre o limite superior e o limite inferior de uma dada classe. No nosso exemplo, o intervalo é 10, ou seja, 30 0 =10. Ponto médio da classe é a média aritmética entre o limite superior e limite inferior da classe. Assim, se a classe for: (0+30)/ = 5. Da classe o ponto médio é 35 e assim por diante..3. Gráficos e figuras: Uma outra maneira de dar sentido a um conjunto de dados é por meio da representação gráfica dos mesmos. O gráfico mais simples dos dados é o HISTOGRAMA DE FREQUÊNCIA. A altura de cada barra é igual a freqüência que ela representa. Tem também o HISTOGRAMA DE FREQUÊNCIA RELATIVA. Há muitas outras formas de representação gráfica de seus dados. Hoje em dia, uma forma muito usada é a PIE (torta). De qualquer modo, fique a vontade e use de sua imaginação para dar a representação mais conveniente dos seus dados.

17 Capítulo 3 Medidas descritivas Há muitos critérios, por sinal, bem avançados, para a descrição sucinta dos fenômenos naturais. Apesar disso, a maioria das características usadas na estatística, para descrever as variáveis aleatórias, em populações particulares, caem em uma das três categorias: (1) medidas da tendência central (alocação de um valor ordinário); () medidas de dispersão (distância relativa de valores extremos de um valor central); (3) medidas de relacionamento entre as variáveis (grau de similaridade ou dissimilaridade em magnitude). Em geral, o volume de dados de uma pesquisa é muito grande. Os métodos de gráficos e grupamento de dados são úteis no manuseio de um grande conjunto de dados. Uma outra forma de sumarizar os dados é por meio da computação de um número, tal como a média, a qual substitui um grande volume de dados por um simples número. 3.1 Medidas de tendência central: As medidas de alocação mais comumente utilizadas são média aritmética e a mediana. Menos freqüentemente usadas são: moda, percentil, média geométrica e média harmônica. A média comum ou média aritmética ou simplesmente média, é a mais freqüentemente usada de todas as medidas estatísticas. Média é simplesmente a soma de todas observações (DAP, altura, idade) dividida pelo nú mero total de observações. É a medida que tem a menor variabilidade de amostra para amostra, é fácil de ser manuseada matematicamente e tem as propriedades mais desejáveis em conexão com as distribuições de probabilidade. Mediana é o valor de uma variável aleatória que, em ordem crescente ou decrescente, está rankeado no meio, entre os valores maiores e menores. Em amostras com número par de observações, a mediana é a média aritmética dos valores que estão rankeados no meio. Estimativas da mediana de pequenas amostras não são muito confiáveis. Moda é o valor mais freqüente, ou seja, é a categoria ou classe com a maior freqüência. É uma medida fácil e rápida de ser obtida, mas, por outro lado, fica sempre sujeita a variação extrema de uma amostra para outra, ao menos que a amostra seja bem grande. Percentil para um melhor entendimento pense na mediana como o 50-ésimo percentil. Média geométrica é a n-ésima raiz de um produto de n valores, ou antilog da média aritmétic a dos logs de um conjunto de valores e é sempre tão pequeno ou menor que a média do mesmo conjunto de dados. Média harmônica é a recíproca da média de um conjunto de dados recíprocos e é tão pequena ou menor que a média geométrica para um mesmo conjunto de dados. Para dados ordinais, é preferível utilizar-se da mediana, apesar de que a média é, as vezes, utilizada. Para dados métricos pode ser usada a média ou a mediana. Como com dados ordinais, a mediana é preferida para propósitos descritivos. A maioria das teorias estatísticas para dados métricos usa a média.

18 Computação de Média, Mediana e Moda Média a estimativa da média, x _ ou ӯ, do parâmetro µ, é obtida da seguinte maneira: Dos dados do quadro.1, a média será: x = ( x1 + x x 40 ) 40 x _ = 38,5 Mediana do qua dro.1, primeiro é preciso ordenar em ordem crescente, (1ª) () (3) (4) (5) (6) (7) (8) (9) (10) (11) (1) (13) (14) (15) (16) (17) (18) (19) (0) (1) () (3) (4) (5) (6) (7) (8) (9) (30) (31) (3) (33) (34) (35) (36) (37) (38) (39) (40ª) Neste caso, o número total de observações, n, é par, a mediana será a média aritmética dos vigésimo e vigésimo-primeiro valores, ou seja, ( )/ = Moda é simplesmente o ponto médio da classe que tem a maior freqüência, que no nosso caso, quadro., é 35, que tem a freqüência = 19. Resumo das estimativas das medidas: Média = 38,5 Mediana = 34,5 Moda = 35,0 Interpretação: um conjunto de dados pode ter mais de uma moda, mas sempre terá somente uma média ou mediana. Como você pode ver, de um mesmo conjunto de dados, você tem diferentes medidas de tendência central. Qual delas é a melhor? A decisão vai depender, principalmente, do objetivo de sua informação. Quando a gente vende madeira em volume, normalmente truncada a um determinado diâmetro mínimo, a média deve prevalecer tendo em vista a maior facilidade para os cálculos posteriores. Se a árvore é vendida em pé, a moda pode ser mais interessante, porque ela dá uma noção também da distribuição de freqüência. A utilização da mediana é mais prática na tomada de decisões quanto a tratamentos silviculturais, desbastes etc., quando você precisa priorizar o tamanho que precisa sofrer intervenções.

Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)

Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br) PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA Biometria Roberval Monteiro Bezerra de Lima (roberval.lima@embrapa.br) Sumaia Vasconcelos (sumaia.vasconcelos@inpa.gov.br)

Leia mais

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder

COMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem

Leia mais

AULAS 13, 14 E 15 Correlação e Regressão

AULAS 13, 14 E 15 Correlação e Regressão 1 AULAS 13, 14 E 15 Correlação e Regressão Ernesto F. L. Amaral 23, 28 e 30 de setembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não

Leia mais

Introdução à Inferência Estatística

Introdução à Inferência Estatística Introdução à Inferência Estatística 1. População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos

Leia mais

AULAS 04 E 05 Estatísticas Descritivas

AULAS 04 E 05 Estatísticas Descritivas 1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:

Leia mais

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3.

1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. 1 1. Avaliação de impacto de programas sociais: por que, para que e quando fazer? (Cap. 1 do livro) 2. Estatística e Planilhas Eletrônicas 3. Modelo de Resultados Potenciais e Aleatorização (Cap. 2 e 3

Leia mais

Estatística Aplicada ao Serviço Social

Estatística Aplicada ao Serviço Social Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos

Leia mais

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo

UNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos

Leia mais

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA

EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA EXERCÍCIOS 2006 APOSTILA DE EXERCÍCIOS ESTATÍSTICA Professor: LUIZ ANTÔNIO 1 1º) Em um escritório de consultoria, há cinco contínuos que recebem os seguintes salários mensais: R$ 800,00; R$ 780,00; R$

Leia mais

Inferência Estatística

Inferência Estatística Universidade Federal Fluminense Instituto de Matemática e Estatística Inferência Estatística Ana Maria Lima de Farias Departamento de Estatística Conteúdo 1 Inferência estatística Conceitos básicos 1 1.1

Leia mais

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes

CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL. Raquel Oliveira dos Santos, Luis Felipe Dias Lopes CÁLCULO DO TAMANHO DA AMOSTRA PARA UMA PESQUISA ELEITORAL Raquel Oliveira dos Santos, Luis Felipe Dias Lopes Programa de Pós-Graduação em Estatística e Modelagem Quantitativa CCNE UFSM, Santa Maria RS

Leia mais

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -

Leia mais

Cláudio Tadeu Cristino 1. Julho, 2014

Cláudio Tadeu Cristino 1. Julho, 2014 Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino

Leia mais

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística I Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística I Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Estatística Estatística

Leia mais

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística

Aula 4 Conceitos Básicos de Estatística. Aula 4 Conceitos básicos de estatística Aula 4 Conceitos Básicos de Estatística Aula 4 Conceitos básicos de estatística A Estatística é a ciência de aprendizagem a partir de dados. Trata-se de uma disciplina estratégica, que coleta, analisa

Leia mais

Estatística Aplicada ao Serviço Social Módulo 1:

Estatística Aplicada ao Serviço Social Módulo 1: Estatística Aplicada ao Serviço Social Módulo 1: Introdução à Estatística Importância da Estatística Fases do Método Estatístico Variáveis estatísticas. Formas Iniciais de Tratamento dos Dados Séries Estatísticas.

Leia mais

4 Gráficos de controle

4 Gráficos de controle 4 Gráficos de controle O gráfico de controle é uma ferramenta poderosa do Controle Estatístico de Processo (CEP) para examinar a variabilidade em dados orientados no tempo. O CEP é composto por um conjunto

Leia mais

Aula 11 Esperança e variância de variáveis aleatórias discretas

Aula 11 Esperança e variância de variáveis aleatórias discretas Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição

Leia mais

BIOMETRIA:CURVA DE CRESCIMENTO

BIOMETRIA:CURVA DE CRESCIMENTO UNIVERSIDADE FEDERAL DO PARÁ INSTITUTO DE CIÊNCIAS EXATAS E NATURAIS FACULDADE DE ESTATÍSTICA BIOMETRIA:CURVA DE CRESCIMENTO TAYANI RAIANA DE SOUZA ROQUE Disciplina: Estatística Aplicada Professores: Héliton

Leia mais

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis

INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis INE 7001 - Procedimentos de Análise Bidimensional de variáveis QUANTITATIVAS utilizando o Microsoft Excel. Professor Marcelo Menezes Reis O objetivo deste texto é apresentar os principais procedimentos

Leia mais

Teste de Hipótese para uma Amostra Única

Teste de Hipótese para uma Amostra Única Teste de Hipótese para uma Amostra Única OBJETIVOS DE APRENDIZAGEM Depois de um cuidadoso estudo deste capítulo, você deve ser capaz de: 1.Estruturar problemas de engenharia de tomada de decisão, como

Leia mais

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal

Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti. Distribuição Normal Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Distribuição Normal 1. Introdução O mundo é normal! Acredite se quiser! Muitos dos fenômenos aleatórios que encontramos na

Leia mais

AULAS 08, 09 E 10 Metodologia da avaliação

AULAS 08, 09 E 10 Metodologia da avaliação 1 AULAS 08, 09 E 10 Metodologia da avaliação Ernesto F. L. Amaral 06, 08 e 13 de setembro de 2011 Avaliação de Políticas Públicas (DCP 046) Fonte: Cohen, Ernesto, e Rolando Franco. 2000. Avaliação de Projetos

Leia mais

Pesquisa em Marketing

Pesquisa em Marketing Pesquisa em Marketing Aula 4 1. Identificar o tamanho da amostral ideal 2. Saber calcular a amostra O Processo de Amostragem TIPOS DE AMOSTRAGEM Amostra não-probabilística Amostra por Conveniência Amostra

Leia mais

Noções de Pesquisa e Amostragem. André C. R. Martins

Noções de Pesquisa e Amostragem. André C. R. Martins Noções de Pesquisa e Amostragem André C. R. Martins 1 Bibliografia Silva, N. N., Amostragem probabilística, EDUSP. Freedman, D., Pisani, R. e Purves, R., Statistics, Norton. Tamhane, A. C., Dunlop, D.

Leia mais

Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8.

Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8. Faculdade Tecnológica de Carapicuíba Tecnologia em Logística Ênfase em Transportes Notas da Disciplina de Estatística (versão 8.) PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de

Leia mais

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1

CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,

Leia mais

Distribuição de Freqüência

Distribuição de Freqüência Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados

Leia mais

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento

Amostragem. Prof. Joel Oliveira Gomes. Capítulo 9. Desenvolvimento Capítulo 9 Amostragem Desenvolvimento 9.1 Introdução 9.2 Censo versus Amostra 9.3 Processo de planejamento de uma amostragem 9.4 Técnicas Amostrais 9.5 Amostragem Não-probabilística 9.6 Amostragem Probabilística

Leia mais

MEDIDAS DE DISPERSÃO

MEDIDAS DE DISPERSÃO MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor

Leia mais

PLANIFICAÇÃO OPERACIONAL DA PESQUISA

PLANIFICAÇÃO OPERACIONAL DA PESQUISA Laboratório de Psicologia Experimental Departamento de Psicologia UFSJ Disciplina: Método de Pesquisa Quantitativa TEXTO 8: PLANIFICAÇÃO OPERACIONAL DA PESQUISA Autora: Prof. Marina Bandeira,Ph.D. 1. POPULAÇÃO-

Leia mais

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.

Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações. Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada

Leia mais

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ

CURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:

Leia mais

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr

Análise de Regressão. Tópicos Avançados em Avaliação de Desempenho. Cleber Moura Edson Samuel Jr Análise de Regressão Tópicos Avançados em Avaliação de Desempenho Cleber Moura Edson Samuel Jr Agenda Introdução Passos para Realização da Análise Modelos para Análise de Regressão Regressão Linear Simples

Leia mais

CAPÍTULO 9 Exercícios Resolvidos

CAPÍTULO 9 Exercícios Resolvidos CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159

Leia mais

Estatística Descritiva I

Estatística Descritiva I Estatística Descritiva I Bacharelado em Economia - FEA - Noturno 1 o Semestre 2016 Profs. Fábio P. Machado e Gilberto A. Paula MAE0219 (Economia-FEA-Noturno) Estatística Descritiva I 1 o Semestre 2016

Leia mais

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior

Estatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,

Leia mais

Regra do Evento Raro p/ Inferência Estatística:

Regra do Evento Raro p/ Inferência Estatística: Probabilidade 3-1 Aspectos Gerais 3-2 Fundamentos 3-3 Regra da Adição 3-4 Regra da Multiplicação: 3-5 Probabilidades por Meio de Simulações 3-6 Contagem 1 3-1 Aspectos Gerais Objetivos firmar um conhecimento

Leia mais

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências

Probabilidade. Renata Souza. Introdução. Tabelas Estatísticas. População, Amostra e Variáveis. Gráficos e Distribuição de Freqüências Probabilidade Introdução Tabelas Estatísticas População, Amostra e Variáveis Gráficos e Distribuição de Freqüências Renata Souza Conceitos Antigos de Estatística stica a) Simples contagem aritmética Ex.:

Leia mais

Capítulo 7 Medidas de dispersão

Capítulo 7 Medidas de dispersão Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).

Leia mais

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística?

Slides de Estatística Descritiva na HP-12C 01/10/2009 ESTATÍSTICAS. Na HP-12C. 01/10/2009 Bertolo 2. O que é Estatística? ESTATÍSTICAS Na HP-12C 01/10/2009 Bertolo 1 O que é Estatística? A estatística pode ser entendida como um conjunto de ferramentas envolvidas no estudo de métodos e procedimentos usados para 1. colecionar,

Leia mais

Métodos Quantitativos. PROF. DR. Renato Vicente

Métodos Quantitativos. PROF. DR. Renato Vicente Métodos Quantitativos PROF. DR. Renato Vicente Método Estatístico Amostra População Estatística Descritiva Inferência Estatística Teoria de Probabilidades Aula 4A Inferência Estatística: Um pouco de História

Leia mais

Revisão de Estatística Básica:

Revisão de Estatística Básica: Revisão de Estatística Básica: Estatística: Um número é denominado uma estatística (singular). Ex.: As vendas de uma empresa no mês constituem uma estatística. Estatísticas: Uma coleção de números ou fatos

Leia mais

CURSO DE ESTATÍSTICA APLICADA

CURSO DE ESTATÍSTICA APLICADA CURSO DE ESTATÍSTICA APLICADA Prof. Henrique Dantas Neder Instituto de Economia Universidade Federal de Uberlândia. SUMÁRIO 1. Introdução... 4. Estatística Descritiva... 8.1 Tipos de Variáveis... 8. Tabelas

Leia mais

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística

Universidade Federal do Paraná Departamento de Informática. Reconhecimento de Padrões. Revisão de Probabilidade e Estatística Universidade Federal do Paraná Departamento de Informática Reconhecimento de Padrões Revisão de Probabilidade e Estatística Luiz Eduardo S. Oliveira, Ph.D. http://lesoliveira.net Conceitos Básicos Estamos

Leia mais

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE

INE 5111 Gabarito da Lista de Exercícios de Probabilidade INE 5111 LISTA DE EXERCÍCIOS DE PROBABILIDADE INE 5 LISTA DE EERCÍCIOS DE PROBABILIDADE INE 5 Gabarito da Lista de Exercícios de Probabilidade ) Em um sistema de transmissão de dados existe uma probabilidade igual a 5 de um dado ser transmitido erroneamente.

Leia mais

A Curva Normal Luiz Pasquali

A Curva Normal Luiz Pasquali Capítulo 3 A Curva Normal Luiz Pasquali 1 A História da Curva Normal A curva normal, também conhecida como a curva em forma de sino, tem uma história bastante longa e está ligada à história da descoberta

Leia mais

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado,

PE-MEEC 1S 09/10 118. Capítulo 4 - Variáveis aleatórias e. 4.1 Variáveis. densidade de probabilidade 4.2 Valor esperado, Capítulo 4 - Variáveis aleatórias e distribuições contínuas 4.1 Variáveis aleatórias contínuas. Função densidade de probabilidade 4.2 Valor esperado, variância e algumas das suas propriedades. Moda e quantis

Leia mais

QUALITATIVA VARIÁVEL QUANTITATIVA

QUALITATIVA VARIÁVEL QUANTITATIVA NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença

Leia mais

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS

LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS LISTA DE EXERCÍCIOS VARIÁVEIS ALEATÓRIAS 1. Construir um quadro e o gráfico de uma distribuição de probabilidade para a variável aleatória X: número de coroas obtidas no lançamento de duas moedas. 2. Fazer

Leia mais

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia

EXCEL 2013. Público Alvo: Arquitetos Engenheiros Civis Técnicos em Edificações Projetistas Estudantes das áreas de Arquitetura, Decoração e Engenharia EXCEL 2013 Este curso traz a vocês o que há de melhor na versão 2013 do Excel, apresentando seu ambiente de trabalho, formas de formatação de planilhas, utilização de fórmulas e funções e a criação e formatação

Leia mais

Estatística II Aula 1. Prof.: Patricia Maria Bortolon, D. Sc.

Estatística II Aula 1. Prof.: Patricia Maria Bortolon, D. Sc. Estatística II Aula 1 Prof.: Patricia Maria Bortolon, D. Sc. Por que estudar estatística? Abordagem crescentemente quantitativa na análise dos problemas; Quantidade crescente de dados Com que qualidade?

Leia mais

Apostila para o minicurso. Estatística Básica. Usando o

Apostila para o minicurso. Estatística Básica. Usando o Apostila para o minicurso Estatística Básica Usando o Professor José Cardoso Neto Departamento de Estatística ICE/UFAM 1. Sumário 1. Conceitos fundamentais 1.1. A estatística e sua importância 1.2. População

Leia mais

Teorema do Limite Central e Intervalo de Confiança

Teorema do Limite Central e Intervalo de Confiança Probabilidade e Estatística Teorema do Limite Central e Intervalo de Confiança Teorema do Limite Central Teorema do Limite Central Um variável aleatória pode ter uma distribuição qualquer (normal, uniforme,...),

Leia mais

Aula 10 Testes de hipóteses

Aula 10 Testes de hipóteses Aula 10 Testes de hipóteses Na teoria de estimação, vimos que é possível, por meio de estatísticas amostrais adequadas, estimar parâmetros de uma população, dentro de certo intervalo de confiança. Nos

Leia mais

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014

PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA. 09/abril de 2014 PÓS GRADUAÇÃO EM CIÊNCIAS DE FLORESTAS TROPICAIS-PG-CFT INSTITUTO NACIONAL DE PESQUISAS DA AMAZÔNIA-INPA 09/abril de 2014 Considerações Estatísticas para Planejamento e Publicação 1 Circularidade do Método

Leia mais

Pesquisa Aplicada à Estatística

Pesquisa Aplicada à Estatística Pesquisa Aplicada à Estatística Tatiene Correia de Souza / UFPB tatiene@de.ufpb.br September 14, 2014 Souza () Pesquisa Aplicada à Estatística September 14, 2014 1 / 23 Estatística: ideias gerais O que

Leia mais

NOÇÕES DE. Maputo, Moçambique

NOÇÕES DE. Maputo, Moçambique NOÇÕES DE ESTATISTICA BÁSICA Maputo, Moçambique 2008 Objectivos No final deste módulo espera-se que o participante seja capaz de: Distinguir variáveis e constantes Identificar variáveis qualitativas e

Leia mais

O que é a estatística?

O que é a estatística? Elementos de Estatística Prof. Dr. Clécio da Silva Ferreira Departamento de Estatística - UFJF O que é a estatística? Para muitos, a estatística não passa de conjuntos de tabelas de dados numéricos. Os

Leia mais

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos

Estatística: Conceitos e Organização de Dados. Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Estatística: Conceitos e Organização de Dados Introdução Conceitos Método Estatístico Dados Estatísticos Tabulação de Dados Gráficos Introdução O que é Estatística? É a parte da matemática aplicada que

Leia mais

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1

INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1 INSTITUTO DE APLICAÇÃO FERNANDO RODRIGUES DA SILVEIRA (CAp/UERJ) MATEMÁTICA ENSINO MÉDIO - PROF. ILYDIO SÁ CÁLCULO DE PROBABILIDADES PARTE 1 1. Origem histórica É possível quantificar o acaso? Para iniciar,

Leia mais

LISTA DE MATEMÁTICA. Aluno(a): Nº. 1. Determinada editora pesquisou o número de páginas das revistas mais vendidas em uma cidade.

LISTA DE MATEMÁTICA. Aluno(a): Nº. 1. Determinada editora pesquisou o número de páginas das revistas mais vendidas em uma cidade. LISTA DE MATEMÁTICA Aluno(a): Nº. Professor: Rosivane Série: 2 ano Disciplina: Matematica Data da prova: Pré Universitário Uni-Anhanguera MEDIDAS DE DISPERSÃO 1. Determinada editora pesquisou o número

Leia mais

Histogramas. 12 de Fevereiro de 2015

Histogramas. 12 de Fevereiro de 2015 Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas

Leia mais

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33

Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Sumário Apresentação... 19 Prefácio da primeira edição... 21 Prefácio da segunda edição... 27 Introdução... 33 Capítulo I CIÊNCIA, CONHECIMENTOS E PESQUISA CIENTÍFICA... 37 1. Conceito de ciência e tipos

Leia mais

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A:

Logo, para estar entre os 1% mais caros, o preço do carro deve ser IGUAL OU SUPERIOR A: MQI 00 ESTATÍSTICA PARA METROLOGIA - SEMESTRE 008.0 Teste 6/05/008 GABARITO PROBLEMA O preço de um certo carro usado é uma variável Normal com média R$ 5 mil e desvio padrão R$ 400,00. a) Você está interessado

Leia mais

MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS

MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS MINISTE RIO DA EDUCAÇA O UNIVERSIDADE FEDERAL DE LAVRAS DEPARTAMENTO DE CIE NCIAS EXATAS Programa de Pós-Graduação em Estatística e Experimentação Agropecuária Prova do Processo Seletivo para o Mestrado

Leia mais

Medidas de Tendência Central

Medidas de Tendência Central Medidas de Tendência Central Generalidades Estatística Descritiva: Resumo ou descrição das características importantes de um conjunto conhecido de dados populacionais Inferência Estatística: Generalizações

Leia mais

Aula ERROS E TRATAMENTOS DE DADOS

Aula ERROS E TRATAMENTOS DE DADOS ERROS E TRATAMENTOS DE DADOS METAS Apresentar os algarismos significativos e operações que os envolvem; apresentar os conceitos de precisão e exatidão; apresentar os tipos de erros experimentais; apresentar

Leia mais

Aula 5 Técnicas para Estimação do Impacto

Aula 5 Técnicas para Estimação do Impacto Aula 5 Técnicas para Estimação do Impacto A econometria é o laboratório dos economistas, que busca reproduzir o funcionamento do mundo de forma experimental, como se faz nas ciências naturais. Os modelos

Leia mais

ESTATÍSTICA. Professor: Ricardo Vojta

ESTATÍSTICA. Professor: Ricardo Vojta ESTATÍSTICA Ciências Contábeis Professor: Ricardo Vojta RAMOS DA ESTATÍSTICA A estatística dedutiva (também conhecida como Estatística Descritiva) se encarrega de descrever o conjunto de dado desde a elaboração

Leia mais

Aula 00 Curso: Noções de Estatística p/ Auditor TCU Professor: Fábio Amorim

Aula 00 Curso: Noções de Estatística p/ Auditor TCU Professor: Fábio Amorim Aula 00 Curso: Noções de Estatística p/ Auditor TCU Professor: Fábio Amorim Prof. Fábio Amorim 1 de 38 Olá pessoal! Curso: Noções de Estatística p/ Auditor TCU Sejam bem vindos ao Exponencial Concursos!

Leia mais

Aula 4 Estatística Conceitos básicos

Aula 4 Estatística Conceitos básicos Aula 4 Estatística Conceitos básicos Plano de Aula Amostra e universo Média Variância / desvio-padrão / erro-padrão Intervalo de confiança Teste de hipótese Amostra e Universo A estatística nos ajuda a

Leia mais

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência

AULAS 24 E 25 Análise de Regressão Múltipla: Inferência 1 AULAS 24 E 25 Análise de Regressão Múltipla: Inferência Ernesto F. L. Amaral 23 e 25 de novembro de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Wooldridge, Jeffrey M. Introdução à econometria: uma

Leia mais

3. Como conduzir a atividade

3. Como conduzir a atividade Atividade 3 - Amostras confiáveis 1. Justificativa Quando analisamos propriedades de um grupo de pessoas como, por exemplo, idade, estatura, escolaridade ou religião, podemos associar conceitos ou números

Leia mais

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA

A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA A INTEGRAÇÃO ENTRE ESTATÍSTICA E METROLOGIA João Cirilo da Silva Neto jcirilo@araxa.cefetmg.br. CEFET-MG-Centro Federal de Educação Tecnológica de Minas Gerais-Campus IV, Araxá Av. Ministro Olavo Drumonnd,

Leia mais

1.1 Definições e Conceitos Importantes

1.1 Definições e Conceitos Importantes 1 INTRODUÇÃO À TEORIA DE ERROS Quando procuramos obter resultados através de observações experimentais, devemos ter sempre à mente que nossa observações serão sempre limitadas, no sentido de que jamais

Leia mais

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade

MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade MAT 461 Tópicos de Matemática II Aula 3: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 19 de Agosto, 2013 Probabilidade: uma Introdução / Aula 3 1 Probabilidade Discreta: Exemplos

Leia mais

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem:

As fases na resolução de um problema real podem, de modo geral, ser colocadas na seguinte ordem: 1 As notas de aula que se seguem são uma compilação dos textos relacionados na bibliografia e não têm a intenção de substituir o livro-texto, nem qualquer outra bibliografia. Introdução O Cálculo Numérico

Leia mais

Probabilidade - aula III

Probabilidade - aula III 27 de Março de 2014 Regra da Probabilidade Total Objetivos Ao final deste capítulo você deve ser capaz de: Usar a regra da multiplicação para calcular probabilidade de eventos Usar a Regra da Probabilidade

Leia mais

Vetores Aleatórios, correlação e conjuntas

Vetores Aleatórios, correlação e conjuntas Vetores Aleatórios, correlação e conjuntas Cláudio Tadeu Cristino 1 1 Universidade Federal Rural de Pernambuco, Recife, Brasil Segundo Semestre, 2013 C.T.Cristino (DEINFO-UFRPE) Vetores Aleatórios 2013.2

Leia mais

Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível

Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível Avaliação da variação do sistema de medição Exemplo 1: Diâmetros de bico injetor de combustível Problema Um fabricante de bicos injetores de combustível instala um novo sistema digital de medição. Os investigadores

Leia mais

Universidade Federal Fluminense

Universidade Federal Fluminense Universidade Federal Fluminense INSTITUTO DE MATEMÁTICA E ESTATÍSTICA DEPARTAMENTO DE ESTATÍSTICA ESTATÍSTICA V Lista 9: Intervalo de Confiança. 1. Um pesquisador está estudando a resistência de um determinado

Leia mais

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I:

Descobrimos que os testes 1, 2 e 7 foram os mais úteis para avaliação da estabilidade do gráfico Xbar na carta I: Este artigo é parte de uma série de artigos que explicam a pesquisa conduzida pelos estatísticos do Minitab para desenvolver os métodos e verificações de dados usados no Assistente no Software Estatístico

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo

Leia mais

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições.

Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Aula 2: Variáveis Aleatórias Discretas e Contínuas e suas Principais Distribuições. Prof. Leandro Chaves Rêgo Programa de Pós-Graduação em Engenharia de Produção - UFPE Recife, 14 de Março de 2012 Tipos

Leia mais

Aula 1: Medidas Físicas

Aula 1: Medidas Físicas Aula 1: Medidas Físicas 1 Introdução A Física é uma ciência cujo objeto de estudo é a Natureza. Assim, ocupa-se das ações fundamentais entre os constituíntes elementares da matéria, ou seja, entre os átomos

Leia mais

Primeira Lista de Exercícios de Estatística

Primeira Lista de Exercícios de Estatística Primeira Lista de Exercícios de Estatística Professor Marcelo Fernandes Monitor: Márcio Salvato 1. Suponha que o universo seja formado pelos naturais de 1 a 10. Sejam A = {2, 3, 4}, B = {3, 4, 5}, C =

Leia mais

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A.

IMES Catanduva. Probabilidades e Estatística. no Excel. Matemática. Bertolo, L.A. IMES Catanduva Probabilidades e Estatística Estatística no Excel Matemática Bertolo, L.A. Aplicada Versão BETA Maio 2010 Bertolo Estatística Aplicada no Excel Capítulo 3 Dados Bivariados São pares de valores

Leia mais

Aulas de Estatística / Prof. Jones Garcia da Mata / www.professorjones.hpg.com.br. Sumário

Aulas de Estatística / Prof. Jones Garcia da Mata / www.professorjones.hpg.com.br. Sumário Capítulo 1: Introdução à Estatística Definição de estatística Sumário É uma ciência que envolve um corpo de técnicas e uma metodologia desenvolvida para a coleta, a tabulação, a classificação e simplificação

Leia mais

http://www.de.ufpb.br/~luiz/

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

Leia mais

Roteiro para Análise de Projetos de Pesquisas Científicas Quantitativas

Roteiro para Análise de Projetos de Pesquisas Científicas Quantitativas Roteiro para Análise de Projetos de Pesquisas Científicas Quantitativas Comitê de Ética em Pesquisa Universidade de Caxias do Sul Sumário da Reunião de Educação Continuada sobre Ética em Pesquisa realizada

Leia mais

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS

MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS MODELOS PROBABILÍSTICOS MAIS COMUNS VARIÁVEIS ALEATÓRIAS DISCRETAS Definições Variáveis Aleatórias Uma variável aleatória representa um valor numérico possível de um evento incerto. Variáveis aleatórias

Leia mais

AULAS 22, 23 E 24 A lógica da amostragem do survey

AULAS 22, 23 E 24 A lógica da amostragem do survey 1 AULAS 22, 23 E 24 A lógica da amostragem do survey Ernesto F. L. Amaral 03, 09 e 10 de junho de 2011 Metodologia (DCP 033) Fonte: Babbie, Earl. 1999. Métodos de Pesquisas de Survey. Belo Horizonte: Editora

Leia mais

Introdução à Estatística Inferencial Luiz Pasquali

Introdução à Estatística Inferencial Luiz Pasquali Capítulo 4 Introdução à Estatística Inferencial Luiz Pasquali Os temas deste capítulo são: Teste Estatístico Hipótese estatística Pressuposições no teste de hipótese Regras de decisão Erros tipo I e tipo

Leia mais

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM

UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1 UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 4 a LISTA DE EXERCÍCIOS GBQ12 Professor: Ednaldo Carvalho Guimarães AMOSTRAGEM 1) Um pesquisador está interessado em saber o tempo médio que

Leia mais

24/04/2014. Aspectos Introdutórios Sobre Métricas em Ciências Sociais Aplicadas. Questões Introdutórias. Conceitos Básicos em Mensuração

24/04/2014. Aspectos Introdutórios Sobre Métricas em Ciências Sociais Aplicadas. Questões Introdutórias. Conceitos Básicos em Mensuração Aspectos Introdutórios Sobre Métricas em Ciências Sociais Aplicadas CONDUÇÃO: PROF. THIAGO CAVALCANTE NASCIMENTO Questões Introdutórias Como se mensurar fenômenos que, na maioria das vezes, não podem ser

Leia mais