Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.
|
|
- Edson Beretta Leão
- 6 Há anos
- Visualizações:
Transcrição
1 Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes, ou seja, em tervalos. Este agrupameto em classes pode dever-se a dversos motvos: fote de formação: os dados podem ter sdo obtdos em fotes em que os dados já estão o formato de classes, e ão se dspõe dos dados dvdualzados para todos os elemetos da amostra. É o que acotece frequetemete em dados recolhdos de publcações de dversas Isttuções (por eemplo, Auáros do Isttuto acoal de Estatístca); o processo de recolha de formação, os dados foram recolhdos em classes, e ão dvdualzados. Imagemos, por eemplo, a recolha de dâmetros de árvores um povoameto florestal, em que se regstaram o úmero de árvores cujos dâmetros se ecotram os tervalos ]5, 20], ]20, 25], ]25, 30], etc, em vez de se regstarem os dâmetros dvdualmete; a dmesão da amostra é demasado grade, agrupado-se os dados em classes, a fm de facltar a aálse (esta vatagem actualmete é sgfcate, face aos meos de cálculo dspoíves). Mutas das varáves umércas são de atureza cotíua, em que o processo de quatfcação do valor dessa varável pressupõe de algum modo a dscretzação da varável. Imagemos, por eemplo, a recolha de pesos de uma amostra de borregos; a característca peso é tpcamete de atureza cotíua; porém, ao pesar cada um dos borregos, o operador faz um regsto que correspode a um valor apromado do peso desse borrego, e ão do seu peso eacto; os erros de arredodameto, ou apromação, que se fazem estas stuações, depedem fudametalmete dos objectvos do estudo, do materal usado, etc. esta perspectva, ao falar-se de um valor de peso de borrego de 4.5 kg, rgorosamete o que se está a fazer é arredodar para este valor toda a gama de pesos que com maor precsão de pesagem poderão estar o tervalo ]4.45, 4.55]. Isto é, mutas das amostras tratadas como amostras de valores dscretos correspodem a realdade a varáves cotíuas mas que são dscretzadas (ou arredodadas) para o valor da marca ou cetro do tervalo, o acto de obteção do valor da varável. Quado o estatístco tem possbldade de defr o úmero de classes (relatvamete aos três casos aterormete referdos, o estatístco só ão tem essa possbldade o prmero dos casos; em ambos os outros, cabe ao estatístco defr as classes ou tervalos os quas va agrupar os dados), um aspecto mportate tem a ver com o úmero de classes a formar. Em mutas stuações, esta defção é efectuada ates de se realzar a recolha de dados, de modo que ao efectuar as medções ou o processo de recolha de formação, ao ESA 2005/2006
2 Estatístca Descrtva estatístco apeas resta a lberdade de colocar o tervalo ou classe respectva cada uma das observações. uma stuação deste géero, as classes são de um modo geral estabelecdas de modo a facltar a obteção e o regsto das observações. Se o estatístco dspõe do rol (ou lstagem) de todas as observações dvdualzadas, e pretede classfcar ou agrupar os dados em tervalos (seja smplesmete para elaborar o hstograma, seja para cálculo dos parâmetros estatístcos), a prmera operação é defr o úmero de classes. Estem dversas propostas empírcas para a defção do úmero de classes k a defr; uma regra cosste em defr um úmero de classes prómo à raz quadrada do úmero de observações: k Esta regra parece fucoar bastate bem, se o úmero de dados ão é demasado grade (vejamos que, se a amostra estem 400 dados, esta regra sugere a realzação de 20 classes de dados). Outra regra, também muto usual, cosste em usar um úmero de classes defdo por (em que log(.) represeta o logartmo decmal): k = log( ), arredodado ao tero superor Em qualquer dos casos, devem defr-se classes com a mesma ampltude. Estas regras têm um carácter meramete dcatvo, devedo ser tomadas em cota as vatages de ordem prátca que advêm da defção das classes cujos lmtes feror e superor cocdam com valores fáces de mausear. Eemplo: Cosdere-se uma amostra de 00 dados de pesos, epressos em gramas, que tomam valores desde m = g e ma = g. As regras aterores sugerem a formação de 0 classes e 8 classes, respectvamete. Combado estas dcações com o aspecto prátco, se farmos os lmtes do tervalo de varação em ] , ], a ampltude deste tervalo é de 9.00 g, sugerdo a realzação de 9 classes, de ampltude.00 g, defdas como: ] , ],] , ],] , ],...,] , ] Repare-se que, de um modo geral se estão a respetar as dcações teórcas do úmero de classes a formar, em cojugação com o aspecto prátco dos lmtes das classes fcarem bem defdos. ota acerca dos lmtes das classes: subsste sempre alguma cofusão acerca dos lmtes das classes, se deverão ser abertos o lmte feror e fechados o lmte superor, sto ESA 2005/2006 2
3 Estatístca Descrtva é, do tpo Lf, L sup, ou se os lmtes devem ser ao cotráro, sto é, Lf, L sup. Vamos adoptar a defção Lf, L sup, já que desta maera estamos a ser coeretes com a defção da fução cumulatva de probabldades. Pressupõe-se que em cada uma das classes, todas as observações dessa classe estão cocetradas o cetro ou marca da classe. as secções segutes vamos usar, para além de outros eemplos esporádcos usados para lustrar as eplcações de algus cocetos, a segute amostra de pesos (em g) de 00 embalages de matega (os pesos varam etre m = g e ma = g, coforme aterormete referdo; ão se regstaram as observações dvdualzadas, mas apeas se cotaram o úmero de ocorrêcas em cada uma das classes); o úmero de classes é k = 9, e ampltude de cada classe é de udade: Lmtes das classes (peso, em g) º de garrafas ]297.00, ] 8 ]298.00, ] 2 ]299.00, ] 28 ]300.00, 30.00] 5 ]30.00, ] ]302.00, ] 0 ]303.00, ] 5 ]304.00, ] ]305.00, ] TOTAL = 00 Tabela de frequêcas e hstograma A tabela de frequêcas e o hstograma têm o segute aspecto, ode f = é a frequêca relatva da observação, e Fac, fra são as frequêcas absolutas acumuladas e as frequêcas relatvas acumuladas: Classes de peso (g) Fac f fra ]297.00, ] ]298.00, ] ]299.00, ] ]300.00, 30.00] ]30.00, ] ]302.00, ] ]303.00, ] ]304.00, ] ]305.00, ] TOTAL 9 9 = = 00 f = = = ESA 2005/2006 3
4 Estatístca Descrtva O hstograma das frequêcas absolutas que é uma estmatva da fução de dstrbução de probabldades da população de ode a amostra fo recolhda - tem o segute aspecto (o hstograma das frequêcas relatvas tem eactamete o mesmo aspecto, dferdo apeas a escala do eo das ordeadas, que em vez de escala absoluta, vem em escala relatva): 30,0 Hstograma de frequêcas absolutas 20,0 Cout 0,0 0,0 297,0 298,0 299,0 300,0 30,0 302,0 303,0 304,0 305,0 306,0 Peso (g) A escala do eo das abcssas pode defr os lmtes das classe, como o eemplo, ou etão a marca da classe (sto é, o cetro de cada uma das classes). O hstograma dá dversas formações acerca da dstrbução das frequêcas, omeadamete em termos de valores mas frequetes (classe modal, que o caso é a classe ]299.00, ], smetra (o eemplo, ota-se que a dstrbução é assmétrca à esquerda ou assmétrca postva), regões do tervalo de varação ode ão estem observações, bem como da represetatvdade de cada uma das classes. O hstograma das frequêcas relatvas acumuladas (que costtu uma estmatva da fução cumulatva de probabldades) apreseta-se em seguda. Quato maor for um degrau de um valor (ateror) para o valor (actual), maor é a frequêca de observações do valor, e vce-versa. ote-se que os prmeros valores de os degraus etre os dversos patamares são bastate elevados, correspodedo a maores frequêcas para os respectvos valores de, equato que para os últmos valores de, os degraus são bastate pequeos, sgfcado que as respectvas frequêcas são baas. ESA 2005/2006 4
5 Estatístca Descrtva Hstograma de frequêcas acumuladas 00,0 75,0 Percet 50,0 25,0 0,0 297,0 298,0 299,0 300,0 30,0 302,0 303,0 304,0 305,0 306,0 Peso (g) Repare-se por eemplo o segute hstograma de frequêcas acumuladas, correspodete a uma dstrbução uforme das frequêcas pelos dversos valores de. um caso destes, os degraus etre os sucessvos valores de têm todos a mesma altura: 00,0 Hstograma de frequêcas acumuladas 75,0 Percet 50,0 25,0 0,0 297,0 298,0 299,0 300,0 30,0 302,0 303,0 304,0 305,0 306,0 Dagrama de potos e dagrama de caule-e-folhas ESA 2005/2006 5
6 Estatístca Descrtva Para grades amostras, estes dagramas fcam muto pesados, e são de terpretação mas dfícl. Alás, se estes tpos de gráfcos gaham vatagem sobre o hstograma, o caso de pequeas amostras, para grades amostras perdem essa vatagem, e deve usarse preferecalmete o hstograma. Quer o dagrama de potos, quer o dagrama de caule-e-folhas, só podem ser elaborados se dspusermos dos regstos de todas as observações; se se dspuser apeas da tabela de frequêcas, ão se podem elaborar estes gráfcos. Admtdo que, afal, sempre se dspuha de toda a amostra dos pesos das 00 embalages de matega (aeo), e ão apeas a tabela de frequêcas, estes dagramas apresetam-se de seguda. Dagrama de potos: Veja-se que este dagrama é agora, ao cotráro do que acoteca para pequeas amostras, pouco formatvo, já que mostra a localzação de uma uvem eorme de potos sobre a escala da varável. Pode, clusvamete, duzr a dversas aálses meos correctas, por eemplo, detectar dversas modas a amostra, cosderar o valor mámo como outler, quado a realdade ão o é, etc. Dagrama de caule-e-folhas Repare-se que, elaborado o dagrama com cremeto de uma udade a parte do caule (dagrama o lado esquerdo), obtém-se o hstograma detado, ão se gahado ESA 2005/2006 6
7 Estatístca Descrtva mas formação do que a obtda pelo hstograma. Fazedo o cremeto de 0.5 udades (dagrama do lado dreto), dá uma dea mas precsa da dstrbução, agora em classes de 0.5 g de ampltude. Mas esta mesma formação se podera também obter o hstograma, aumetado o úmero e dmudo a ampltude das classes. Para lá da formação que o hstograma também forece, obtém-se a dcação mas medata da classe medaa. Parâmetros estatístcos Parâmetros de localzação Moda É o valor mas frequete (com maor frequêca absoluta ou relatva) a amostra. Da tabela de frequêcas apresetada aterormete, do hstograma, ou do dagrama de caule-e-folhas, deduz-se a moda ocorre a classe ]299.00, 300] (classe modal). Pretededo um valor úco, e ão uma classe de valores, para a moda, este valor será um poto o teror da classe modal, desvado mas para o lmte feror lme superor, de acordo com as frequêcas as classes adjacetes. O valor da moda é calculado pela segute epressão: Mod d = L + f. d+ d 2 ode: L f Lmte feror da classe modal; d = classemodal classeateror ou d = fclassemodal fclasseateror d2 = classemodal classesegute ou d = fclassemodal fclassesegute Ampltude da classe modal. o eemplo, temos: L f = d = classemodal classeateror = 28 2 = 7 d2 = classemodal classesegute = 28 5 = 3 = Mod L d = + f d+ d = = Repare-se que o valor da moda ão está rgorosamete o cetro da classe modal, mas está mas deslocado para o lado do lmte feror da classe modal, pos a frequêca da ESA 2005/2006 7
8 Estatístca Descrtva classe ateror ( classeateror = 28) é superor à frequêca da classe segute à classe modal ( classesegute = 5). Medaa A medaa é o valor tal que metade da amostra se localza abao e a outra metade de amostra se localza acma desse valor. Para amostras classfcadas, a classe medaa deduz-se a partr da tabela de frequêcas ou do hstograma das frequêcas acumuladas (valor para o qual a frequêca absoluta acumulada é gual ou superor a metade da amostra), ou a partr do dagrama de caule-e-folhas. O valor da medaa é um valor cotdo esta classe, e é estmado pela segute epressão, coforme se utlzem frequêcas absolutas acumuladas ou frequêcas relatvas acumuladas: Fac classeateror fraclasseateror Med = Lf +. = Lf +. f classemedaa classemedaa em que Fac classeateror, fra classeateror são, respectvamete, a frequêca absoluta acumulada ou a frequêca relatva acumulada até à classe ateror à classe medaa, classemedaa, f classemedaa são a frequêca absoluta ou a frequêca relatva da classe medaa, L f é o lmte feror da classe medaa e é a ampltude da classe medaa. ESA 2005/2006 8
9 Estatístca Descrtva Para a amostra em estudo, a classe medaa é a classe ]299.00, ], L f = , Fac = 29, = 28 e =.00 ; assm, a medaa é: classeateror classe medaa Fac classeateror Med = Lf +. = = classemedaa Quarts, decs, percets Tal como para o caso das amostras dscretas ou de pequea dmesão, os quarts dvdem a amostra em quatro sub-amostras ou quatro tervalos quartílcos, defdos, Q ; Q, Q ; Q, Q ; Q,. respectvamete por [ ] [ ] [ ] [ ] m ma Para defr cada um dos quarts, localza-se a classe quartílca respectva (sto é, a classe ode ocorrem 25%, 50% e 75% das observações), e de seguda determa-se qual dos valores de cada uma dessas classes é teorcamete o respectvo quartl, usado a segute epressão: j. j Fac fra Q = L +. = L +. j =,2,3 classeateror, j classeateror, j 4 4 j f, j f, j classeq f j classeq j º quartl (j=): ª classe quartílca: ]298.00, ] Fac = 8 classeq classeateror = 2 00 Fac classeateror, 8 Q 4 4 = Lf,+. = = º quartl (j=3): classeq 3ª classe quartílca: ]30.00, ] Fac = 72 classeq3 classeateror = Q Fac classeateror,3 72 = L + 4. = = f,3 classeq3 aturalmete, o 2º quartl cocde com a medaa: Q2 Med = ESA 2005/2006 9
10 Estatístca Descrtva A epressão ateror geeralza-se de uma maera lógca para qualquer percetl: j. j Facclasseateror, j fraclasseateror, j P = L = L j =,2,3,...,00 f j f, j f, j classe Pj classe Pj em que Fac classeateror, fra classeateror são, respectvamete, a frequêca absoluta acumulada ou a frequêca relatva acumulada até à classe ateror à classe do percetl preteddo, classe P j, f classe P j são a frequêca absoluta ou a frequêca relatva da classe do percetl preteddo, L f é o lmte feror da classe do percetl e é a ampltude da classe do percetl em cosderação. Para os decs, basta fazer j = 0,20,30,...,90 a epressão ateror. Vejamos, por eemplo, os percets P5, P0, P90, P 95: Percetl 5% (j=5): Classe do percetl 5%: ]297.00, ] Fac classeateror = 0 classe P = Fac classeateror,5 0 P = Lf,5 +. = = Percetl 0% (j=0): classe P5 Classe do percetl 0%: ]298.00, ] Fac classeateror = 8 classe P = Fac classeateror,0 8 P = Lf,0 +. = = Percetl 90% (j=90): classe P0 Classe do percetl 90%: ]302.00, ] Fac classeateror = 83 classe P = Fac classeateror,90 83 P = Lf,90 +. = = classe P90 ESA 2005/2006 0
11 Estatístca Descrtva Percetl 95% (j=95): Classe do percetl 95%: ]303.00, ] Fac = 93 classe P95 classeateror = 5 P Fac classeateror,95 93 = L = = f,95 classe P95 ota: de um modo geral há sempre teresse em calcular, para além da medaa e dos quarts, os percets P 0 e P 90, pos etram o cálculo de coefcetes de assmetra e de achatameto. Méda Tal como o caso de amostras de pequea dmesão, mas ode estem dados repetdos, sedo a frequêca absoluta da.ésma classe =, 2,3,..., k, tal que méda de uma amostra agrupada em classes é calculada por: k = =, a = k =. esta stuação, o valor é a marca (ou valor cetral) da.ésma classe =, 2,3,..., k. Para calcular a méda, elabora-se a segute tabela como ferrameta de cálculo: Classe. ]297.00, ] 297, ,0 ]298.00, ] 298, ,5 ]299.00, ] 299, ,0 ]300.00, 30.00] 300, ,5 ]30.00, ] 30,5 336,5 ]302.00, ] 302, ,0 ]303.00, ] 303,5 5 57,5 ]304.00, ] 304,5 304,5 ]305.00, ] 305,5 305,5 9. = = ESA 2005/2006
12 Estatístca Descrtva k. = 300 Logo, a méda é = = = k. k k k =. ota: = = =. = f. = = = da observação. Isto é:, em que f = é a frequêca relatva Classe f f. ]297.00, ] 297,5 0,08 23,800 ]298.00, ] 298,5 0,2 62,685 ]299.00, ] 299,5 0,28 83,860 ]300.00, 30.00] 300,5 0,5 45,075 ]30.00, ] 30,5 0, 33,65 ]302.00, ] 302,5 0, 30,250 ]303.00, ] 303,5 0,05 5,75 ]304.00, ] 304,5 0,0 3,045 ]305.00, ] 305,5 0,0 3,055 9 = f. = 300. = o eemplo ota-se que Mod = < Med = < = 300., o que é um stoma de que a amostra tem uma cauda superor mas prologada, sto é, a amostra deota uma tedêca de assmetra à dreta, ou assmetra postva. Parâmetros de dspersão Para além de caracterzar a dstrbução de uma amostra pela sua tedêca de localzação ou tedêca cetral, temos de descrever gualmete a sua tedêca de dspersão ou varabldade, que é um dcador da varabldade das observações em toro dos valores cetras. Itervalo e ampltude de varação O tervalo de varação da amostra é o tervalo defdo por: [, ] sto é, o tervalo defdo pelos valores mímo e mámo da amostra. A Ampltude d varação ( Rage ) é a ampltude deste tervalo: R = ESA 2005/2006 2
13 Estatístca Descrtva O tervalo de varação da amostra em aálse é [297.47, 305.3] e a ampltude de varação é R = =. Ampltude ter-quartílca A ampltude ter-quartílca é defda como: Q Q 3 Embora esta estmatva da varabldade ão seja tato fluecada pelos valores etremos e traduza melhor que a ampltude da amostra a maor ou meor tedêca de cocetração dos valores em toro da méda, ada ão leva em cota todas as observações presetes a amostra. Estas meddas de dspersão, ampltude e ampltude ter-quartílca, são mas útes a comparação da varabldade de dversas amostras retradas da mesma população do que a descrção da dspersão de uma úca amostra. Para a amostra dos pesos das embalages de matega, a ampltude ter-quartílca é de Q3 Q = = Dagrama de etremos-e-quarts Este dagrama, também desgado por caa-com-bgodes (da tradução lteral da sua desgação em Iglês, boa-ad-whskers ) permte efectuar uma aálse gráfca da varabldade de uma amostra, bem como aalsar a dstrbução da cocetração as quatro sub-amostras defdas pelos quarts (tervalos quartílcos). Esta represetação gráfca cosste em desehar um rectâgulo, com a base a escala das observações, e em que os dos lados lateras são respectvamete o º e 3º quarts; lgam-se estes lados com um segmeto de recta à escala, respectvamete ao valor mímo e ao valor mámo da amostra. O rectâgulo, que represeta a ampltude terquartílca, é dvddo pela medaa. Pela ampltude de cada uma destas quatro sub-amostras, é possível fcar-se com uma dea bastate rgorosa de como é o comportameto da amostra, em termos de dspersão ou cocetração de valores, bem como deduzr acerca da sua smetra. a amostra em estudo, este dagrama tem o segute aspecto: ESA 2005/2006 3
14 Estatístca Descrtva Repare-se que a amostra é mas cocetrada o 2º tervalo quartílco. A zoa de maor dspersão de valores ocorre o 4º tervalo quartílco. ota-se a ocorrêca de um valor (valor mámo) que deve ser cosderado como outler moderado, já que: ( ) = > Q +.5 Q Q = = ma 3 3 Cotudo, ão é outler etremo porque: ( ) = < Q + 3 Q Q = = ma 3 3 Desvo médo Uma medda da dspersão em toro da méda resulta da soma dos desvos de cada observação para a méda: dm = = Para dados agrupados em classes, o desvo médo calcula-se pela epressão segute, em que é a marca de cada uma das k classes: k. k k = dm = =. = f. = = ESA 2005/2006 4
15 Estatístca Descrtva Este parâmetro mede o afastameto médo de cada observação para a méda: quato maor for (comparatvamete com a méda ou com os dados orgas), mas dspersa será a amostra, e cosequetemete meos represetatva é a méda. a tabela de cálculo segute apresetam-se os cálculos do desvo médo da amostra em aálse: Classe. ]297.00, ] 297,5 8-2,6 20,88 ]298.00, ] 298,5 2 -,6 33,8 ]299.00, ] 299,5 28-0,6 7,08 ]300.00, 30.00] 300,5 5 0,39 5,85 ]30.00, ] 30,5,39 5,29 ]302.00, ] 302,5 0 2,39 23,9 ]303.00, ] 303,5 5 3,39 6,95 ]304.00, ] 304,5 4,39 4,39 ]305.00, ] 305,5 5,39 5,39 9. = k. = O desvo médo é dm = = = O desvo médo também poda ser calculado usado as frequêcas relatvas: = f f. ]297.00, ] 297,5 8 0,2088 ]298.00, ] 298,5 2 0,338 ]299.00, ] 299,5 28 0,708 ]300.00, 30.00] 300,5 5 0,0585 ]30.00, ] 30,5 0,529 ]302.00, ] 302,5 0 0,2390 ]303.00, ] 303,5 5 0,695 ]304.00, ] 304,5 0,0439 ]305.00, ] 305,5 0, dm = f. =.4354 = O desvo médo, quado comparado com os valores orgas ou com o valor da méda, revela-se bastate pequeo o que traduz uma pequea tedêca de dspersão, ou equvaletemete, uma forte tedêca de cocetração em toro da méda; uma dm.4354 comparação mas objectva poderá ser obtda pela proporção = 300. =, sto é, o desvo médo é da ordem de 0.48% do valor da méda. ESA 2005/2006 5
16 Estatístca Descrtva Varâca A varâca é o parâmetro de dspersão mas usual, e aquele que apreseta melhores propredades estatístcas. A varâca, tal como o desvo médo, é uma medda do afastameto médo de cada uma das observações em toro da méda. o caso do desvo médo, o módulo da dfereça para a méda é, por defção, o afastameto de cada observação para a méda. o caso da varâca, usa-se o quadrado da dstâca das observações para a méda. Para a população, a varâca é, por defção: = 2 = σ ( µ ) 2 Cotudo, a Estatístca ão se tem a população, mas sm uma amostra de observações, geralmete de muto meor dmesão que a população. Demostra-se que a epressão ateror, quado aplcada a amostras relatvamete dmutas em comparação com a população (e usado a méda amostral como estmatva da méda da população µ ) sub-valorza o valor da varâca (sto é, o valor da varâca amostral sera meor que o valor da varâca da população de ode a amostra fo retrada). Para evtar este evesameto, utlza-se a segute epressão de cálculo da varâca amostral, deotada 2 com o símbolo s : s = 2 = ( ) 2 Isto é, para evtar a sub-valorzação, o dvsor é. Esta epressão, para cálculo maual, é de dfícl mauseameto. Desevolvedo artmetcamete a epressão ateror, e cosderado estem k classe, cujas marcas são geercamete, e as frequêcas absolutas são, obtém-se a segute epressão, mas fácl de mplemetar uma tabela de cálculo: 2 k. k 2 k 2 = 2 2 s =. =.. = = Repare-se que o valor da varâca vem epresso uma escala quadrátca, ão podedo portato comparar-se com os valores orgas. Para podermos comparar duas quatdades, estas têm de estar as mesmas udades. Assm, calcula-se a varâca, e de seguda reduz-se para a escala em que estão as observações: ESA 2005/2006 6
17 Estatístca Descrtva s = s s Este dcador estatístco (s) desga-se por desvo padrão. Para comparar o desvo padrão com os valores orgas, calcula-se o segute dcador, desgado por coefcete de varação: cv = s Como regra de geral, algus autores cosderam a dstrbução cocetrada se cv 0., e dspersa caso cv > 0.. Para a amostra das embalages de matega em aálse, elabore-se a segute tabela de cálculo: Classe 2. ]297.00, ] 297, ,00 ]298.00, ] 298, ,25 ]299.00, ] 299, ,00 ]300.00, 30.00] 300, ,75 ]30.00, ] 30, ,75 ]302.00, ] 302, ,50 ]303.00, ] 303, ,25 ]304.00, ] 304, ,25 ]305.00, ] 305, , = = Para calcular a varâca, basta fazer: k s =.. ( ) = = = 99 2 O desvo padrão é s = s = = O coefcete de varação é s.7575 cv = = = , sto é, o desvo padrão é da ordem de 0.59% do valor da 300. méda, o que traduz, tal como o desvo médo, uma varabldade bastate pequea das observações em toro da méda. Parâmetros de assmetra A assmetra (em glês, skewess) é o grau de desvo ou afastameto da smetra de uma dstrbução. Se a curva de frequêcas de uma dstrbução tem uma cauda mas ESA 2005/2006 7
18 Estatístca Descrtva loga à dreta, relatvamete à ordeada máma (moda), dz-se que a dstrbução é assmétrca para a dreta, ou que tem assmetra postva. Se a cauda mas loga é a esquerda, a dstrbução é assmétrca para a esquerda, ou assmétrca egatva. Assmetra postva Smétrca Assmetra egatva Para dstrbuções assmétrcas, a méda tede a stuar-se do mesmo lado da moda que a cauda mas loga: Assmetra postva Assmetra egatva Moda Moda Assm, uma medda da assmetra é proporcoada pela dfereça etre a méda e a moda, poderada por uma medda de dspersão (desvo padrão): moda Assmetra = (prmero coefcete se assmetra de Pearso) s Para evtar o uso da moda, pode adoptar-se uma relação empírca etre a méda, a moda = 3 medaa e a assmetra é dada por: medaa e a moda: ( ) ( ) 3 medaa Assmetra = (segudo coefcete se assmetra de Pearso) s Outros coefcetes de assmetra são defdos em termos dos quarts e decs; o coefcete quartílco de assmetra é defdo como: ( ) ( ) ( ) e o coefcete percetílco de assmetra é: ( 2 ) ( ) Q Q Q Q Q Q + Q = Q Q Q Q ( ) ( ) ( ) ( 2 ) ( ) P P P P P P + P = P P P P ESA 2005/2006 8
19 Estatístca Descrtva Um outro coefcete de assmetra é o coefcete se assmetra de Fsher, que utlza o tercero mometo cetrado a méda ( m ( ) 3 3 = ): g = ( ) ( m ) 3 = = = s 2 s ( ) 3 Este coefcete é calculado em dversos programas estatístcos (SPSS, MIITAB, STATGRAPHICS, etc), muto embora o seu cálculo maual seja algo moroso. Está provado que para >50 o coefcete g é asstótcamete ormal com méda zero e varâca 6 ; o coefcete de assmetra estadardzado é: g s = g 6 Todos estes coefcetes são ulos quado a amostra é perfetamete smétrca; são postvos se a amostra é assmétrca postva ou assmétrca à dreta, e são egatvos para amostras assmétrcas egatvas. Para a amostra de pesos das embalages de matega, estes coefcetes são: º coefcete de assmetra de Pearso: moda Assmetra = = = s º coefcete de assmetra de Pearso: ( medaa) ( ) Assmetra = = = s.7575 Coefcete quartílco de assmetra: ( Q3 Q2 Q) ( Q Q ) = = Coefcete percetílco de assmetra: ( P90 P50 P0 ) ( P P ) = = O coefcete de assmetra de Fsher é: ESA 2005/2006 9
20 Estatístca Descrtva g ( ) ( ) ( ) 3 m 3 = = = = 00 = s 2 s Todos estes coefcetes dcam que a dstrbução da amostra é lgeramete evezada à dreta, ou assmétrca postva. Parâmetros de forma Além da smetra, as dstrbuções também se costumam caracterzar quato à altura do poto mámo da curva de dstrbução. Esta característca é desgada por achatameto ou curtose (em glês, kurtoss). Leptocúrtca Platcúrtca Mesocúrtca A dstrbução chamada mesocúrtca tem o cetro uma altura correspodete à curva da fução de desdade da dstrbução ormal. A dstrbução dz-se platcúrtca se tem altura feror à da curva ormal. Repare-se que o facto de a dstrbução ter altura meor o cetro, sgfca maor proporção de observações as caudas, sto é, é stoma de uma forte dspersão. A dstrbução dz-se leptocúrtca se tem altura superor à da curva ormal. O facto de a dstrbução ter altura maor o cetro, sgfca maor proporção de observações as promdades dos valores cetras, sto é, é stoma de uma forte cocetração em toro da méda. Um coefcete umérco para caracterzar o achatameto é o coefcete percetílco de achatameto: k = ( Q Q ) P 3 2 P 90 0 Para uma curva ormal, o valor deste coefcete é k = Um valor feror é stoma de uma curva muto achatada, e um valor superor é stoma de uma curva demasado alta. ESA 2005/
21 Estatístca Descrtva Os programas estatístcos usam outro coefcete de achatameto, desgado por coefcete de achatameto de Fsher, que é baseado o 4º mometo cetrado a méda ( m ( ) 4 4 = ): = g ( )( ) ( )( ) ( ) + m 3 = 2 3 s + Para uma curva ormal, o valor deste coefcete é k = 0. Um valor egatvo é stoma de uma curva muto achatada, e um valor postvo é stoma de uma curva demasado alta. Para a amostra de borregos, o coefcete percetílco de achatameto é: ( Q Q ) k = 2 = 2 = P P dcado que a dstrbução tem uma altura a classe modal muto semelhate à altura de uma dstrbução ormal. O coefcete baseado o 4º mometo é g 2 = que, tal como o coefcete percetílco de achatameto, dá a formação de que a altura da curva da dstrbução é pratcamete ormal. Cosderações fas. O facto de se agruparem os dados em classes, e estmar os parâmetros com base as marcas das classes, e ão com todos os dados dvdualzados, coduz ecessaramete a umas estmatvas dos parâmetros lgeramete dferetes das que se obteram trabalhado com os dados dvdualzados. Estas dfereças serão tato mas graves quato mas dsttos, em cada uma das classes, os valores elas cluídos forem dferetes da marca da classe. Assm, de modo a mmzar o efeto de evezameto as estmatvas dos parâmetros estatístcos, as classes devem ser defdas de tal modo que as respectvas marcas fquem sesvelmete o cetro das observações cluídas em cada uma das classes. Por eemplo, se o processo de obteção das observações coduz sstematcamete a valores do tpo.8,.9,.,.2, as classes devem ser defdas de modo a que a marca seja do tpo.0. Repare-se que a defção de classes de modo que as marcas fossem do tpo.5, os valores teram tedêca a estar mas afastados da marca, sed maor o evezameto provocado pela orgazação da amostra em classes. 2. Com os meos computacoas actualmete dspoíves, ão há grade vatagem a realzação de classes. Um dos prcpas motvos para a orgazação da amostra em classes, era a vatagem de cálculo resultate dessa orgazação, quado os cálculos tham de ser efectuados maualmete. ESA 2005/2006 2
22 Estatístca Descrtva Com o cremeto e dvulgação dos programas estatístcos formátcos, essa vatagem é desprezível, de modo que as estmatvas são mas rgorosas se forem efectuadas com todos os dados, e ão com as marcas das classes. A justfcação para as metodologas de cálculo com os dados orgazados em classes prede-se com o facto de muta da formação dspoível para tratameto e aálse estatístca está por atureza agrupado em classes. Como eemplo, refram-se as formações soco-ecoómcas que a cada da se obtêm de auáros do Isttuto acoal de Estatístca, ou outras publcações do géero, em que a quatdade de formação a dvulgar é de tal modo etesa que se tem de apresetar resumda em classes. 3. Para melhor os apercebermos do evezameto resultate da orgazação da amostra em classes, cosderemos a stuação em que se tem acesso aos 00 valores dvdualzados dos pesos da amostra de embalages de matega (eemplo usado este teto). Esses valores são apresetados em aeo. Estes valores foram troduzdos em dos programas estatístcos (MIITAB e STATGRAPHICS). Os resultados obtdos apresetam-se de seguda. - MIITAB: - STATGRAPHICS ESA 2005/
23 Estatístca Descrtva Como se pode costatar, algus parâmetros dferem lgeramete etre as estmatvas levadas a cabo com a amostra orgazada em classes (cálculos o teto) e as estmatvas efectuadas pelos programas (sobre todos os valores). Por eemplo, a méda calculada com classes é = 300. e a calculada sobre os valores dvdualzados é = e a varâca é s 2 = e s 2 = , cosoate fo estmada com classes ou com os valores dvdualzados. ESA 2005/
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 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 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 maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
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 maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
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 maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisREGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta
Leia maisDISTRIBUIÇÃO HIPERGEOMÉTRICA
7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia 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 maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisVI - Integração Numérica
V - tegração Numérca C. Balsa & A. Satos. trodução São, este mometo, coecdos dos aluos métodos aalítcos para o cálculo do tegral dedo b ( d a sedo ( cotíua e tegrável o tervalo [ ab] ;. Cotudo, algumas
Leia maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
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 maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisTeoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.
Estatístca 47 Estatístca 48 Teora Elemetar da Probabldade SPECTOS PERTINENTES À CRCTERIZÇÃO DE UM EXPERIÊNCI LETÓRI MODELOS MTEMÁTICOS DETERMINÍSTICOS PROBBILÍSTICOS PROCESSO (FENÓMENO) LETÓRIO - Quado
Leia maisProbabilidades e Estatística LEGM, LEIC-A, LEIC-T, MA, MEMec
Duração: 90 mutos Grupo I Probabldades e Estatístca LEGM, LEIC-A, LEIC-T, MA, MEMec Justfque coveetemete todas as respostas 2 o semestre 2017/2018 14/06/2018 11:00 2 o Teste B 10 valores 1. Os dvíduos
Leia maisCURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -
CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia maisEstatística Descritiva
Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 35-3691161 / 88776958 (cel) Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br 1 População e amostra:
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisQwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq
Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh
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 maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisDo que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade
Do que trata a Estatístca A essêca da cêca é a observação. Estatístca: A cêca que se preocupa com a orgazação, descrção, aálse e terpretação dos dados epermetas. Ramo da Matemátca Aplcada. A palavra estatístca
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisConceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues
Cocetos Icas de Estatístca Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Pro. Rogéro Rodrgues CONCEITOS INICIAIS DE ESTATÍSTICA: GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA CURSO : ADMINISTRAÇÃO
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 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 maisESTATÍSTICA 2º. SEMESTRE DE 2016
ESTATÍSTICA O presete materal fo elaborado com o objetvo de facltar as atvdades em sala de aula, segudo a bblografa apresetada o fal do texto. Esclarece-se que o materal, ão substtu a bblografa apresetada,
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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEstatística Área 4 BACEN Aula 01 Estatística Descritiva Prof. Alexandre Lima. Aula 01. Sumário
Estatístca Área 4 BACEN Aula 0 Estatístca Descrtva Prof. Aleadre Lma Aula 0 Sumáro Itrodução à Estatístca... 3 Tpos de Varáves... 4 3 Rol... 5 4 Séres Estatístcas... 6 5 Téccas de Descrção Gráfca... 8
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisCritérios de correção e orientações de resposta exame
Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo
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 mais1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade
Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada
Leia mais3 Análises Probabilísticas de Estabilidade
3 Aálses Probablístcas de Establdade 3.1 Itrodução Para facltar o etedmeto das metodologas de aálse de cofabldade serão apresetados este capítulo algus cocetos báscos de probabldade e estatístca. 3. Cocetos
Leia maisEstatística Descritiva
Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),
Leia maisEstimação pontual, estimação intervalar e tamanho de amostras
Estmação potual, estmação tervalar e tamaho de amostras Iferêca: por meo das amostras, cohecer formações geras da população. Problemas de ferêca, em geral, se dvdem em estmação de parâmetros e testes de
Leia maisAtividades Práticas Supervisionadas (APS)
Uversdade Tecológca Federal do Paraá Prof: Lauro Cesar Galvão Campus Curtba Departameto Acadêmco de Matemátca Cálculo Numérco Etrega: juto com a a parcal DATA DE ENTREGA: da da a PROVA (em sala de aula
Leia mais3. TESTES DE QUALIDADE DE AJUSTAMENTO
Testes da qualdade de ajustameto 3 TESTES DE QULIDDE DE JUSTMENTO 3 Itrodução formação sobre o modelo da população dode se extra uma amostra costtu, frequetemete, um problema estatístco forma da dstrbução
Leia maisESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO
ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisMedidas Numéricas Descritivas:
Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisSumário. Mecânica. Sistemas de partículas
umáro Udade I MECÂNICA 2- Cetro de massa e mometo lear de um sstema de partículas - stemas de partículas e corpo rígdo. - Cetro de massa. - Como determar o cetro de massa dum sstema de partículas. - Vetor
Leia maisInferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP
Iferêca Estatístca e Aplcações I Edso Zagacom Martez Departameto de Medca Socal FMRP/USP edso@fmrp.usp.br Rotero Parte I Escola frequetsta Defções: parâmetros, estmatvas Dstrbuções de probabldade Estmação
Leia maisBioestatística Curso de Saúde. Linha Reta 2 Parábola ou curva do segundo grau. terceiro grau curva do quarto. grau curva de grau n Hipérbole
Teora da Correlação: Probleas relatvos à correlação são aqueles que procura estabelecer quão be ua relação lear ou de outra espéce descreve ou eplca a relação etre duas varáves. Se todos os valores as
Leia maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia maisEscola Secundária de Jácome Ratton
Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do
Leia maisCADERNO 1 (É permitido o uso de calculadora gráfica.)
Proposta de teste de avalação [mao 09] Nome: Ao / Turma: N.º: Data: - - Não é permtdo o uso de corretor. Deves rscar aqulo que pretedes que ão seja classfcado. A prova clu um formuláro. As cotações dos
Leia maisMétodos iterativos. Capítulo O Método de Jacobi
Capítulo 4 Métodos teratvos 41 O Método de Jacob O Método de Jacob é um procedmeto teratvo para a resolução de sstemas leares Tem a vatagem de ser mas smples de se mplemetar o computador do que o Método
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisCAPITULO 1 CONCEITOS BÁSICOS
DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)
Leia mais