CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Tamanho: px
Começar a partir da página:

Download "CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA"

Transcrição

1 CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de observações n. MÉDIA ARITMÉTICA PARA DADOS AGRUPADOS uando os valores de x estão agrupados com suas respectvas freqüêncas absolutas F, a méda artmétca ou méda amostral é expressa por:.3 MEDIANA X ~ F X x n uando colocados em ordem crescente, é o valor que dvde a amostra ou população, em duas partes guas.

2 .3. CÁLCULO DA MEDIANA VARIÁVEL DISCRETA Determnação da ordem do elemento central que caracterza a medana: X ~ Se n for ímpar o elemento central será de ordem n+ Se n for par, a medana será a méda entre os elementos centras de ordem n e n % 00%.3. CÁLCULO DA MEDIANA VARIÁVEL CONTÍNUA Calcula-se a ordem da medana como sendo n, ndependente de n ser par ou ímpar. Pela F ac, dentfca-se a classe que contém a medana (classe Md) 3 Utlza-se a fórmula: n ~ f X l + Md F Md h

3 Onde: l Md n f h F Md lmte nferor da classe Md tamanho da amostra ou número de elementos soma das frequêncas anterores à classe Md ampltude da classe Md frequênca da classe Md.4 UARTIS Dvdem um conjunto de dados em quatro partes guas. 0% 5% 50% 75% 00% 0 Md 3 o uartl dexa 5% dos elementos. o uartl Medana dexa 50% dos elementos. 3 3 o uartl dexa 75% dos elementos..4. Como determnar o o e o 3 o uarts.

4 Para o o uartl, calcula-se a ordem 4 n e para o 3 o uartl a ordem será 3n 4 Identfca-se as classes dos quarts pelas F ac. Fórmulas para determnação dos o e 3 o uarts, respectvamente: l + 3 l + 3 n f h 4 F 3n f h 4 F 3.4. EXEMPLO Dada a dstrbução, determnar os ~ quarts e 3 e a medana ( X ) Classes F F ac 7 a a 7 5 Classe (contém o 4 o elemento) 7 a Classe Md (contém o 8 o elemento) 37 a Classe 3 (contém o 4 o elemento) 47 a

5 Σ 56 Passo n 56 ~? X? 3? n 56 o n 56 o 3n ( 56) o 4 Passo Determnado os elementos, as classes são dentfcadas pelas F ac, como mostrado na tabela anteror. Passo 3 Uso das fórmulas para a determnação de ~ e 3 e ( X ): Para temos: l 7; n 56; f 6; h 0; F ~ Para ( ) l Md X temos: 7; n 56; f ; h 0; F 5 0 Para 3 temos: l 3 37; n 56; f 4; h 0; F 0

6 Portanto: ~ X , , Conclusão: 5% das observações estão entre 7 e,33. 5% das observações estão entre,33 e 30,5. 5% das observações estão entre 30,5 e 38. 5% das observações estão entre 38 e DECIS E PERCENTIS Dvdem, respectvamente, a sére em 0 (Decl) e 00 (Percentl) partes guas..5. Cálculo para um decl (D ) 0% 0% 0% 30%40%50%60%70%80%90%00% D D D 3 D 4 D 5 D 6 D 7 D 8 D 9 Passo Calcula-se a ordem,,3,4,5,6,7,8 e 9 n, onde 0 Passo Identfca-se a classe D pela F ac Passo 3 Aplca-se a fórmula:

7 D l D n 0 + F.5. Cálculo de um percentl (P ) D f h 0% % % 3%...50%...97%98% 99%00% n Passo Calcula-se a ordem, onde 00,,3,...98,99 P P P 3 P 50 P 97 P 98 P 99 Passo Identfca-se a classe P pela F ac Passo 3 Aplca-se a fórmula: P l P n 00 + F P f h.6 MODA É o valor mas freqüente da dstrbução..6. Moda de uma dstrbução smples, ou seja, sem agrupamento em classes.

8 Identfca-se faclmente observando-se qual o elemento que apresenta maor freqüênca. Por exemplo: X F A moda será o elemento 48. Indca-se como: M o Moda para dados agrupados em classes, ou seja, varáves contínuas. Passo Identfcar a classe moda (aquela de maor freqüênca) Aplca-se a fórmula (de Czuber) Onde: M o l Mo + + h

9 l h M o lmte nferor da classe modal dferença entre a frequênca da classe modal e a frequênca da classe medatamente anteror. dferença entre a frequênca da classe modal e a frequênca da classe medatamente posteror. ampltude da classe modal..7 Um exemplo completo A tabela a segur mostra as notas de 50 alunos (a) Determne a ampltude total da amostra. O trabalho fcará mas fácl se construrmos uma tabela, colocando os dados em ordem decrescente. Utlzando-se o excel, sto não será necessáro. A ampltude total, R, é defnda como: R maor valor menor valor

10 O maor valor será gual a 98, enquanto o menor valor será 33. Assm, R R 65 (b) Número de classes pela fórmula de Sturges. Para determnarmos o número de classes, K, usaremos a fórmula de Sturges, ou seja: K ( n) + 3, log. No nosso caso n 50. Substtundo na fórmula acma, temos que K 6,47. Devemos arredondar este valor para o ntero medatamente superor. Portanto o número de classes será K 7 (c) Ampltude das classes. A ampltude das classes, h, é dado por: h O resultado acma não é um número ntero e, portanto, devemos arredondá-lo. No caso, encontramos h 0. Apresentaremos os tens (d); (e); (f); (g) e (h) através de uma tabela. (d) uas as classes? (Ince pelo 30). (e) Freqüêncas absolutas das classes. (f) Freqüêncas relatvas. (g) Pontos médos das classes. R K

11 (h) Freqüêncas acumuladas crescentes. classes Intervalos de Classes F f x F ac x F 30 a , a , a , a 70 0, a , a , a , Σ () Hstograma das freqüêncas absolutas. O hstograma apresentado abaxo fo construído com o excel. Hstograma Frequêncas Absolutas Classes

12 (j) Calcular a méda amostral. Para determnarmos a méda amostral, fo necessáro acrescentar mas uma coluna à tabela acma, contendo o produto obter a soma, ou seja: x e no fnal desta coluna, F x F A méda amostral será dada por: X xf n X X ,6 (k) Calcular e nterpretar a moda. A fm de determnarmos a Moda, usaremos a equação: M o l Mo + + Da tabela, vemos que a classe moda, ou seja, a classe de maor freqüênca absoluta é a 4 a e ; 9 3 a moda será: M o h l. Mo e h 0. Portanto, M o 66

13 Concluímos pos, que 66 fo a nota mas freqüente do grupo. (l) Calcular e nterpretar a medana. Como vsto na seção.3., a ordem da medana é gual 5, ou seja, 50/. Da tabela, concluímos que a classe da medana é a 4 a. n ~ f Usando a fórmula: X l + Md F Md h Onde da tabela vemos que: ~ X ( 5 ) 8 0 ~ 60 + X 65,83 Este resultado nos dz que 50% da amostra têm nota nferor a 65,83 (m) Determnar e nterpretar o o quartl. 50 e 4 A classe a qual pertence o o quartl será, 5 procurando na coluna da F ac da tabela, vemos que este elemento pertence à 3 a classe.

14 Calcula-se usando a fórmula: l + n f 4 F (,5 ) h ,5 Este resultado nos dz que 5% dos alunos têm nota nferor a 53,5. (n) Calcular e nterpretar o 55 o percentl. A classe a qual pertence o 55 o ,5 elemento pertence à 4 classe. Usando a fórmula que: P percentl será e da coluna F ac da tabela vemos este P ( 7,5 ) l P P n 00 + F P 67,9 f h, temos Isto sgnfca que 45% do grupo trou nota superor a este valor..8 MEDIDAS DE DISPERSÃO

15 São meddas que avalam a dspersão em torno da méda, verfcando a representatvdade da méda. Dspersão.8. AMPLITUDE TOTAL É uma medda de dspersão dada pela dferença entre o maor e o menor valor da sére. R X max X mn É de utlzação lmtada, pos, sendo uma medda que depende apenas dos valores extremos, não capta as possíves varações entre esses lmtes. X.8. VARIÂNCIA AMOSTRAL Desvo: mede quanto cada valor X se afasta em relação à X e é dado por: d X X É fácl verfcar que d 0. A fm de determnar a varânca, devemos consderar os quadrados dos desvos, ou seja,.8.. CÁLCULOS DA VARIÂNCIA d

16 A varânca, S, de uma amostra de n meddas é gual à soma dos quadrados dos desvos, dvdda por (n ), portanto: S d n ( X X ) n Para dados agrupados, a varânca será dada por: S d F n ( X X ) n.8.. Fórmulas prátcas para o cálculo da varânca amostral. S X n F ( X ) Para dados agrupados temos que: S X n F n ( X F ) uanto maor o valor de S, maor a dspersão dos dados amostras. n.8.3 DESVIO PADRÃO AMOSTRAL S S.8.4 INTERPRETAÇÃO DO DESVIO PADRÃO

17 Regra Empírca Para qualquer dstrbução amostral com méda X e desvo padrão S, tem-se que: O ntervalo X ± S contém entre 60% e 80% de todas as observações amostras. A porcentagem aproxmase de 70% para as dstrbuções aproxmadamente smétrca, chegando a 90% para dstrbuções fortemente assmétrcas. O ntervalo X ± S contém aproxmadamente 95% das observações amostras para dstrbuções smétrcas e aproxmadamente 00% para as de assmetra elevada. O ntervalo X ± 3S contém aproxmadamente 00% das observações amostras. Teorema de Tchebycheff Para qualquer dstrbução amostral com méda X e desvo padrão S, tem-se que: O ntervalo X ± S contém, no mínmo 75% de todas as observações amostras. O ntervalo X ± 3S contém, no mínmo 89% de todas as observações amostras.

18 .8.5 Exemplo Calcular a varânca e o desvo padrão da segunte dstrbução amostral: X F Construímos um nova tabela a fm de determnarmos os valores de X F e X F X F X F X F Σ Usando a fórmula prátca para calcular a varânca, temos que: S X F n 9 S Cálculo do desvo padrão: ( X F ) ( ) n,86 S S,86 S, Exemplo Consderemos a dstrbução amostral das dades de 50 funconáros de uma empresa e determnemos a varânca, o desvo padrão e constatemos as regras para nterpretação do desvo padrão.

19 Intervalo das classes F X X F X F 8 a 5 6, ,5 5 a 3 0 8,5 85 8,50 3 a ,5 46,5 6383,5 39 a , a , ,5 53 a ,5 8,5 596,5 60 a 67 63, ,5 Σ ,50 Cálculo da méda amostral: X F 9 X X n 50 38,44anos Cálculo da varânca amostral: S S X n F ( X F ) , Cálculo do desvo padrão: n 34,8 S S 34,8,58 anos Verfcação das regras para nterpretação do desvo padrão

20 X ± S 38,44 ±,58 ( 8,86; 50,0) Da tabela, concluímos que 60% das dades observadas estão entre 7 e 50 anos, o que concorda com a regra empírca que estabelece que o referdo ntervalo deverá conter de 60% a 80% das observações. X ± S 3,84 ±,58 ( 5,8 ; 6,60 ) Mas uma vez, consultando a tabela, vemos que 98% das dades observadas estão entre 6 e 6 anos, o que mas uma vez concorda com a regra empírca desde que a dstrbução estudada é altamente assmétrca. Esse resultado também confrma o crtéro de Tchebycheff que defne no mínmo 75% da observações para o ntervalo X ± S..9 COEFCIENTE DE VARIAÇÃO DE PEARSON A Ampltude total (R), Varânca (S ) e o desvo padrão (S), são meddas absolutas de dspersão. Mostraremos agora uma medda relatva de

21 dspersão, denomnada de Coefcente de Varação (C.V.), defnda como: S C. V 00 X Onde S desvo padrão amostral x méda amostral..0 REGRAS EMPÍRICAS PARA INTERPRETAÇÕES DO C.V Se C. V < 5% baxa dsperão 5% CV < 30% têm - se méda dspersão C. V 30% elevada dspersão. ESCORE PADRONIZADO (Z) Outra medda relatva de dspersão para uma medda X.

22 Z X S X Um escore Z negatvo ndca que a observação X está à esquerda da méda, enquanto um escore postvo ndca que a observação está á dreta da méda. Exemplos: São dados, os médos e os desvos padrões das avalações de duas dscplnas: Português Matemátca X 6,5 X 5, 0 P S, S 0, 9 P Relatvamente às dscplnas Português e Matemátca, em qual delas obteve melhor performance um aluno com 7,5 em Português e 6,0 em Matemátca? Determnando es escores padronzados para as notas obtdas temos que: 7,5 6,5, 6,0 5,0 0,9 Português: Z 0, 83 Matemátca Z, P M Uma vez que o escore padronzado de Matemátca é maor que o de Português, o aluno teve melhor performance na prmera. Os dados de uma pesqusa revelaram méda 0,43 e M M

23 desvo padrão 0,05 para determnada varável. Verfcar se os dados 0,380 e 0,455 podem ser consderados observações da referda varável. Para X 0,380 Z 0,380 0,43 0,05,63 Para X 0,455 Z 0,455 0,43 0,05 4,08 Como podemos observar, o dado 0,455 tem escore padronzado maor que 3, sto sgnfca dzer que esta observação foge da dmensão esperada (denomnada de outlers) e portanto pode ser descartada. Por outro lado, o dado 0,38, cujo escore padronzado fo gual a,63 pode ser consderado um dado normal.. MEDIDAS DE ASSIMETRIA Mede o grau de afastamento de uma dstrbução da undade de smetra, a medana. Em uma dstrbução smétrca, a méda, a medana e a moda têm os mesmos valores.

24 A fgura acma representa o gráfco de uma dstrbução smétrca. Em uma dstrbução assmétrca postva ou assmétrca à dreta, tem-se: M o < X ~ < X Como lustra o gráfco abaxo. Já para uma dstrbução assmétrca negatva, ou assmétrca à esquerda, tem-se:

25 X < X ~ < Segundo a lustração abaxo M o Entre as dversas fórmulas para a determnação do coefcente de assmetra, podemos ctar como útes as duas seguntes: 0 Coefcente de Pearson: X M 0 AS S 0 Coefcente de Pearson: Se: AS ~ + 3 X 3 AS 0, dz -se que a dstrbução é smétrca AS > 0, dz -se que a dstrbução é assmétrca postva AS < 0, dz - se que a dstrbução é assmétrca negatva

26 .3 Exemplo: Dada a dstrbução amostral, calcular os dos coefcentes de assmetra de Pearson. Saláro ($000) 30 a a a 50 Empregados Para determnar os dos coefcentes de Pearson, necesstamos calcular a méda, a moda, o desvo padrão, os 0 e 3 0 quarts e a medana. Assm, temos que: F X F F F h 30 a a , Classes F ac a 50 Σ Méda: Moda: M o X X F 0700 X n 60 lmo + h , ,49 Observe que não sendo as classes de mesma ampltude, fo necessáro determnar-se a ampltude relatva, ou seja, F h. Assm a ampltude relatva da classe modal é gual a 4 de modo que 4 e 4 3. Cálculo da varânca:

27 S S X n F Cálculo do Desvo Padrão: S S Cálculo de l + 3 l 3 ~ X l Md e, 3 : n f h 4 F 3n f h 4 + F 3 + n f F Md ( X F ) ( 0700) 60 n 0,6 3,96 ~ X h , Cálculo dos Coefcentes de Assmetra 50 X M 0 66,875 4,49 AS 0,796 S 3,96 ~ + 3 X AS 0,

28 Conclusão: Como nos dos casos AS > 0, a dstrbução é postvamente sm

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores. Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas 3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75

Leia mais

Análise Descritiva com Dados Agrupados

Análise Descritiva com Dados Agrupados Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável discreta: X = número de divórcios por indivíduo 5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média. Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão

Leia mais

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma: Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Resumos Numéricos de Distribuições

Resumos Numéricos de Distribuições Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia mais

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 2 - Estatística Descritiva INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente

Leia mais

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2

ESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2 Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se

Leia mais

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO DE FREQUÊNCIAS Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO

Leia mais

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.

Neste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais. 1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,

Leia mais

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros AULA e Racionais 09 e 10 ESTATÍSTICA. Professor Luiz Antonio de Carvalho

ESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros AULA e Racionais 09 e 10 ESTATÍSTICA. Professor Luiz Antonio de Carvalho Professor Luz Antono de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos AULA e Raconas 9 e APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA PROGRESSÃO ARITMÉTICA

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística Escola Secundára com º cclo D. Dns 10º Ano de Matemátca A Estatístca Trabalho de casa nº 15 GRUPO I 1. Num referencal o.n. Oxyz, a undade é o cm e a esfera defnda por ( ) ( ) está nscrta num cubo. O volume

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues Concetos Incas de Estatístca Módulo 3 : MEDIDAS DE POSIÇÃO Pro. Rogéro Rodrgues MEDIDAS DE POSIÇÃO ) Introdução : Depos da coleta de dados, as varáves pesqusadas estão em estado bruto, sendo necessáro

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação

Leia mais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais

R X. X(s) Y Y(s) Variáveis aleatórias discretas bidimensionais 30 Varáves aleatóras bdmensonas Sea ε uma experênca aleatóra e S um espaço amostral assocado a essa experênca. Seam X X(s) e Y Y(s) duas funções cada uma assocando um número real a cada resultado s S.

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA

EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA CONTEÚDOS: DISTRIBUIÇÃO DE FREQUÊNCIA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO ======================================================================= 1) Em cada caso

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca

Leia mais

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não

Página 293. w1 w2 a b i 3 bi a b i 3 bi. 2w é o simétrico do dobro de w. Observemos o exemplo seguinte, em que o afixo de 2w não Preparar o Exame 0 0 Matemátca A Págna 9. Se 5 5 é o argumento de z, é argumento de z e 5 5. Este ângulo é gual ao ângulo de ampltude 5 é argumento de z.. Resposta: D w w a b b a b b. a b a a b b b bem

Leia mais

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia mais

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES Aula 11 Estatístca.... Classe.... 7 Lmtes de classe... 7 Ampltude de um ntervalo de classe... 7 Ampltude total da Dstrbução... 8 Ponto médo de uma classe... 8 Tpos de frequêncas... 9 Meddas de Posção...

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Interpolação Segmentada

Interpolação Segmentada Interpolação Segmentada Uma splne é uma função segmentada e consste na junção de váras funções defndas num ntervalo, de tal forma que as partes que estão lgadas umas às outras de uma manera contínua e

Leia mais

Aula 5 Senado Federal Parte 2

Aula 5 Senado Federal Parte 2 Aula 5 Senado Federal Parte Estatístca... Classe... 8 Lmtes de classe... 8 Ampltude de um ntervalo de classe... 9 Ampltude total da Dstrbução... 9 Ponto médo de uma classe... 9 Tpos de frequêncas... 10

Leia mais

ESTATÍSTICA PARA TCU PROFESSOR: GUILHERME NEVES

ESTATÍSTICA PARA TCU PROFESSOR: GUILHERME NEVES Estatístca Descrtva A Estatístca, ramo da Matemátca Aplcada, teve orgem na hstóra do homem. Desde a Antgudade, város povos regstravam o número de habtantes, de nascmentos, de óbtos, dstrbuíam equtatvamente

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Estatística Espacial: Dados de Área

Estatística Espacial: Dados de Área Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

ESTATÍSTICA DESCRITIVA. FONTE: CRESPO, ANTÔNIO ARNOT. ESTATÍSTICA BÁSICA FACIL. 15ª ED. SARAIVA.SÃO PAULO Com adaptações.

ESTATÍSTICA DESCRITIVA. FONTE: CRESPO, ANTÔNIO ARNOT. ESTATÍSTICA BÁSICA FACIL. 15ª ED. SARAIVA.SÃO PAULO Com adaptações. SUMÁRIO: ESTATÍSTICA DESCRITIVA UNIDADE I ESTATÍSTICA E FASES DO MÉTODO ESTATÍSTICO UNIDADE II VARIÁVEIS UNIDADE III TABELAS E SÉRIES ESTATÍSTICAS UNIDADE IV GRÁFICOS ESTATÍSTICOS UNIDADE V TABELA PRIMITIVA

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

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

www.obconcursos.com.br/portal/v1/carreirafiscal

www.obconcursos.com.br/portal/v1/carreirafiscal www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

Leia mais

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias. Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.

As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações. 1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha

Estatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha 09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;

Leia mais

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS

DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco

Leia mais

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.

Variação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro. Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na

Leia mais

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 Prof. Msc. Jorge Wlson Perera da Slva SUMÁRIO Capítulo 1. Concetos Báscos 3 1.1. Introdução 3 1.2. População e Amostra 3 1.3. Processos Estatístcos de Abordagem 4

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

Notas de Aula de Probabilidade A

Notas de Aula de Probabilidade A VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas

3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

PROBABILIDADE ESTATÍTICA

PROBABILIDADE ESTATÍTICA I- INTRODUÇÃO. DEFINIÇÕES. ESTATÍSTICA: A Etatítca refere-e à técnca pela qua o dado ão "coletado", "organzado", "apreentado" e "analado". Pode-e dvdr a cênca Etatítca em do grupo de etudo:. Etatítca Decrtva:

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos

Leia mais

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

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

Leia mais