CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
|
|
- Maria Clara Amado Andrade
- 7 Há anos
- Visualizações:
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.
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 mais3.6. 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 maisMedidas 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 maisCapítulo 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 maisAnálise 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 maisVariável 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 maisEstatística - 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 mais8 - 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 maisCONCEITOS 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 maisFICHA 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 maisFICHA 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 maisAo 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 maisAo 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 maisFICHA 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 maisFICHA 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 maisRedução 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 maisMedidas 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 maisCORRELAÇÃO 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 mais7 - 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 maisx 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 mais2. 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 maisTABELAS 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 maisProf. 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 mais4.1. 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 maisX = 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 maisÉ 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 maisResumos 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 maisProbabilidade 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 maisMEDIDAS 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 maisCURSO 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 maisCAPÍTULO 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 maisESCOLA 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 mais4 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 maisCONCEITOS 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 maisDISTRIBUIÇÃO 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 maisNeste 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 maisESTATÍSTICA. 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 maisNOÇÕES 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 maisEscola 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 maisProf. 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 mais2. 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 maisEstatística 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 maisConceitos 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 mais1. 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 maisÉ 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 maisR 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 maisAEP 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 maisUNIVERSIDADE 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 maisx 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 mais37 [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 maisANÁLISE 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 maisEXERCÍCIOS DE REVISÃO DE ESTATÍSTICA
EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA CONTEÚDOS: DISTRIBUIÇÃO DE FREQUÊNCIA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO ======================================================================= 1) Em cada caso
Leia mais2 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 maisEstatística 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 maisProf. 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 maisAlgarismos 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 maisPágina 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 mais2ª 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 maisAnálise 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 maisRACIOCÍNIO 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 maisGráficos 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 maisInterpolação 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 maisAula 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 maisESTATÍSTICA 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 maisRAD1507 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 maisEstatística 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 maisEstatística 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 maisEstatística 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 maisFAAP 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 maisESTATÍSTICA 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 maisn = 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 maisEstatística. 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 maisOrganização; 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 maiswww.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 maisEstatística 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 maisProf. 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 maisVariáveis 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 maisUniversidade 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 maisLista 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 maisCurso 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 maisAs 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 maisAnálise 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 maisCapítulo 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 maisEstatística 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 maisDIAGNÓSTICO 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 maisVariação 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 maisAPOSTILA 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 maisFigura 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 maisCovariância 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 maisNotas 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 maisUNIDADE 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 maisOs 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 mais3ª 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 maisRISCO. 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 maisPROBABILIDADE 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 mais3 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 maisANÁLISE 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 maisMEDIDAS 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