9 Medidas Descritivas

Tamanho: px
Começar a partir da página:

Download "9 Medidas Descritivas"

Transcrição

1 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 a uma varável QUANTITATIVA há uma tercera maera de resum-lo: as Meddas de Sítese. As Meddas de Sítese, também chamadas de Estatístcas ou Meddas Descrtvas, dvdem-se em Meddas de Posção (Meddas de Tedêca Cetral), Meddas de Dspersão e Separatrzes. As Meddas de Posção obtém um valor umérco que represete a tedêca do cojuto (valor típco ). As mas mportates são: Méda, Medaa, e Moda. As Meddas de Dspersão obtém uma mesuração da dsposção dos dados o cojuto, da sua varabldade (se estão cocetrados em toro de um valor, se dstrbuídos, etc). As mas mportates são: Itervalo, Varâca, Desvo Padrão e Coefcete de Varação. As Separatrzes são meddas que dvdem o cojuto em um certo úmero de partes guas: Quarts (4 partes), Decs (10 partes), Cets (100 partes). 9.1 Meddas de Posção As Meddas de Posção procuram caracterzar a tedêca cetral do cojuto, um valor umérco que represete o cojuto. Esse valor pode ser calculado levado em cota todos os valores do cojuto ou apeas algus valores ordeados. Méda A méda artmétca é smbolzada por x (lea-se x barra) e cosste a soma de todas as observações x do grupo, dvdda pelo úmero "" de observações do grupo. x x x 1 x... x 1 x Ex: A tabela abaxo refere-se às otas fas de três turmas de estudates. Calcular a méda de cada turma: Ao somar os valores em cada turma teremos o mesmo resultado: 48. Como cada turma tem 8 aluos as três turmas terão a mesma méda: 6. No exemplo acma as três turmas têm a mesma méda (6), etão se apeas essa medda fosse utlzada para caracterzá-las poderíamos ter a mpressão que as três turmas têm desempehos dêtcos. Será? Observe atetamete a tabela acma. Na prmera turma temos realmete os dados dstrbuídos regularmete em toro da méda, com a mesma varação tato abaxo quato acma. Já a seguda vemos uma dstorção maor, embora a maora das otas sejam altas algumas otas baxas puxam a

2 méda para um valor meor. E o tercero grupo há apeas uma ota baxa, mas seu valor é tal que realmete cosegue dmur a méda do cojuto. Um dos problemas da utlzação da méda é que, por levar em cota TODOS os valores do cojuto, ela pode ser dstorcda por valores dscrepates ( outlers ) que ele exstam. É mportate etão terpretar corretamete o valor da méda.o valor da méda pode ser vsto como o poto cetral de cada cojuto de dados, ou seja o poto de equlíbro do cojuto: se os valores do cojuto fossem pesos sobre uma tábua, a méda é a posção em que um suporte equlbra esta tábua. Utlzado um dagrama aproprado vejamos como as otas dos aluos, de cada turma se dstrbuem etoro da méda. A méda dos três cojutos (Turmas) é a mesma, mas observe as dferetes dsposções dos dados. O prmero grupo (Turma A) apreseta os dados dstrbuídos de forma smétrca em toro da méda. No segudo grupo (Turma B) a dstrbução já é mas rregular, com valores mas dstates a parte de baxo, e o tercero grupo (Turma B) é claramete assmétrco em relação à méda (que fo dstorcda pelo valor dscrepate 0). Portato muto cudado ao caracterzar um cojuto apeas por sua méda Outro aspecto mportate a ressaltar é que a méda pode ser um valor que a varável ão pode assumr. Isto é especalmete verdade para varáves quattatvas dscretas, resultates de cotagem, como úmero de flhos, quado a méda pode assumr um valor "quebrado", 4,3 flhos, por exemplo. É extremamete comum calcular médas de varáves quattatvas a partr de dstrbuções de freqüêcas represetadas em tabelas: smplesmete multplca-se cada valor (ou o poto médo da classe) pela freqüêca assocada, somam-se os resultados e

3 3 dvde-se o somatóro pelo úmero de observações do cojuto. Na realdade trata-se de uma méda poderada pelas freqüêcas de ocorrêca de cada valor da varável. Ode k é o úmero de valores da varável dscreta, ou o úmero de classes da varável agrupada, e x é um valor qualquer da varável dscreta, ou o poto médo de uma classe qualquer. Ea: Calcular a méda do úmero de resdetes para os dados do, Quadro 1, úmero de resdetes em 40 domcílos. Observe que NENHUMA resdêca pode ter 4,3 pessoas. Assm, ão se esqueça de que a méda pode assumr valores que a varável ão pode assumr. Eb: Calcular a méda das taxas de desemprego em mucípos brasleros. Classes (Taxas de mortaldade) f.f 9, ,6 9 14,6 18,34 18, ,34 13,98 98,74 7, , ,7 1,9 36, , ,4 161,68 44, ,5 0 49, , , 1 57,85 57,85 Total ,51 Quado os dados ão estão grupados (Ea) o resultado será dêtco ao que sera obtdo smplesmete somado todos os valores e dvddo o somatóro pelo úmero de valores. Cotudo, se a tabela estver agrupada em classes (Eb) TODAS as meddas (ão somete a méda) serão apeas estmatvas dos valores reas, pos as meddas serão

4 4 calculadas usado os potos médos (que são os represetates das classes) e ão mas os valores orgas. No caso do Eb a méda real vale 5,39. Atualmete com as facldades computacoas dspoíves ão se calcula mas a méda (ou qualquer outra medda) a partr de uma tabela agrupada em classes se os dados orgas estão dspoíves: os programas calculam as meddas usado os dados orgas e as tabelas são apresetadas apeas para dar uma déa da varação dos dados. Medaa (Md) A medaa é o poto que dvde o cojuto em duas partes guas: metade dos dados têm valor meor do que a medaa e a outra metade têm valor maor do que a medaa. Pouco afetada por evetuas valores dscrepates exstetes o cojuto (que costumam dstorcer substacalmete o valor da méda). A medaa de um cojuto ordeado de valores, aotada por Md, é defda como sedo o valor que separa o cojuto em dos subcojutos do mesmo tamaho. Assm se (úmero de elemetos) é ímpar a medaa é o valor cetral do cojuto. Caso cotráro a medaa é a méda dos valores cetras do cojuto. Tem-se: Calcular a medaa das fas de três turmas de estudates (Ex). Posção medaa = ( + 1)/ = (8+1)/ = 4,5 sgfca que o valor da medaa será calculado através da méda etre os valores que estverem a 4 a e a 5 a posção do cojuto. Turma A: Md = (6 + 6)/ = 6 Turma B: Md = (6 + 6)/ = 6 Turma C: Md = (7 + 7)/ = 7 Calcular a medaa para o grupo a segur: Posção medaa = ( + 1)/ = (9+1)/ = 5a como o cojuto tem um úmero ímpar de valores o valor da medaa será gual ao valor que estver a 5ª posção. Md = 15 ; x = 0,89 Observe que este caso méda e medaa são dferetes, pos a méda fo dstorcda pelos valores mas altos 35 e 60, que costtuem uma mora. Neste caso a medda de posção que melhor represetara o cojuto sera a medaa. Se a méda é dferete da medaa a dstrbução da varável quattatva o cojuto de dados é dta ASSIMÉTRICA. Calcule a medaa para a taxa de desemprego em mucípos brasleros.

5 5 Classes (Taxas de mortaldade) f x.f F 9, ,6 9 14,6 18, , ,34 13,98 98,74 7, , ,7 1,9 9 36, , ,4 161, , ,5 0 49, , , 1 57,85 57,85 34 Total ,51 Procedmetos Calcula-se a posção Md: P Md = = = 17. A Md estará localzada a classe ode F P Md ; Classes f x.f F 3. 18, ,34 13,98 98, Para ecotrar o valor da medaa aplca-se a segute equação: Fateror. h Md L f ( Md) Ode: Md = medaa L = lmte feror da classe da medaa; (18,6) = tamaho da amostra; (34) F = freqüêca acumulada ateror a classe da Md; (9) h = ampltude da classe da Md; (8,7) f = freqüêca smples a classe da Md. (13) 17 9 Md 18,6 8,7 13 Md 3,3 Novamete o valor acma é apeas uma estmatva, a medaa real vale: Como é par a medaa Md = 3,6 Moda (Mo) A moda é o valor da varável que ocorre com maor freqüêca o cojuto. É a medda de posção de obteção mas smples, e também pode ser usada para varáves qualtatvas, pos apeas regstra qual é o valor mas freqüete, podedo este valor ser tato um úmero quato uma categora de uma varável omal ou ordal. Um cojuto dedados pode ter apeas uma Moda, váras Modas ou ehuma Moda. Ecotre a moda das otas das três turmas.

6 6 A turma A tem 3 modas: os valores 5, 6 e 7 ocorrem duas vezes cada. A turma B tem duas modas: os valores 6 e 10 ocorrem duas vezes cada. A turma C tem uma moda apeas: o valor 7 ocorre 3 vezes. Para dados agrupados em classes a moda é calculada utlzado a equação 1 Mo ( Mo). h ode; 1 f f 1 Mo Mo at f f ; post Mo = moda L = lmte feror da classe modal f Mo = freqüêca smples a classe modal f at = freqüêca smples ateror a classe modal f post = freqüêca smples posteror a classe modal Classe modal = classe de maor f. Calcule a moda para a taxa de desemprego em mucípos brasleros do Exemplo do Eb. Classes (Taxas de mortaldade) f x.f F 9, ,6 9 14,6 18, , ,34 13,98 98,74 7, , ,7 1,9 9 36, , ,4 161, , ,5 0 49, , , 1 57,85 57,85 34 Total , Mod 18,6.8,7 = 18,6.8,7, e Aalsado o cojuto orgal dos verfcamos que o cojuto de dados é amodal desta forma este valore apeas uma estmação.

7 7 Podemos apresetar uma breve comparação das meddas de posção. Fote: REIS, M. M. & LINO, M. de O., Meddas de Dspersão O objetvo das meddas de dspersão é medr quão próxmos us dos outros estão os valores de um grupo ou meddo a dspersão de um grupo de dados em toro da sua méda. Fgura 10 - Desvatagem do uso do tervalo como medda de dspersão. Observa-se claramete que os dados da turma A apresetam uma dspersão bem mas uforme do que os da turma B, embora ambos os cojutos teham o mesmo tervalo. O tervalo ão permte ter déa de como os dados estão dstrbuídos ENTRE os extremos (ão permte detfcar que o valor 8 a turma B é um valor dscrepate). Varâca (S ) A varâca é uma das meddas de dspersão mas mportates. É a méda artmétca dos quadrados dos desvos de cada valor em relação à méda: proporcoa uma mesuração da dspersão dos dados em toro da méda.

8 8 S 1 Amostra N População Ode x é um valor qualquer do cojuto. Se os dados referem-se a uma POPULAÇÃO usa-se N (tamaho da população) o deomador da expressão. A razão da utlzação de 1 o deomador é dspesável para que a varâca da varável a amostra possa ser um bom estmador da varâca da varável a população. A maora dos programas computacoas, porém, costuma calcular o desvo padrão supodo que os dados são proveetes de uma população. Em algumas plalhas eletrôcas há fuções pré-programadas para ambos os casos. A udade da varâca é o quadrado da udade dos dados (e portato o quadrado da udade da méda) causado dfculdades para avalar a dspersão: se por exemplo temos a varável peso com méda de 75 kg em um cojuto e ao calcular a varâca obtemos 1 kg a avalação da dspersão tora-se dfícl. N Quato maor a varâca mas dspersos os dados estão em toro da méda (maor a dspersão do cojuto) Para fs de Aálse Exploratóra de Dados caracterzar a dspersão através da varâca ão é muto adequado. Costuma-se usar-se a raz quadrada postva da varâca, o desvo padrão. Desvo padrão (S) É a raz quadrada postva da varâca, apresetado a mesma udade dos dados e da méda, permtdo avalar melhor a dspersão. S 1 Amostra N População As mesmas observações sobre população e amostra fetas para a varâca são váldas para o desvo padrão. É prátca comum ao resumr através de meddas de sítese um cojuto de dados referete a uma varável quattatva apresetar a méda e o desvo padrão desse cojuto, para que seja possível ter uma déa do valor típco e da dstrbução dos dados em toro dele. Tal como o caso da méda pode haver teresse em calcular o desvo padrão de varáves quattatvas a partr de dstrbuções de freqüêcas represetadas em tabelas. Tal como o caso da méda os valores da varável (ou os potos médos das classes), e os quadrados desses valores, serão multplcados por suas respectvas freqüêcas: S f. f 1 Ex: Calcule o desvo padrão dos dados sobre a taxa de desemprego em mucípos brasleros N

9 9 Classes (Taxas de mortaldade) f.f 9, ,6 9 14,6 18,34 03, ,184 18, ,34 13,98 98,74 58, ,045 7, , ,7 1,9 1004, ,3 36, , ,4 161, , , , ,5 0 49, , , , 1 57,85 57, , ,65 Total , ,1317 f. f 868, ,1317 S 34 = 10, Tal como a méda, o resultado do desvo padrão calculado através de uma tabela agrupada em classes será apeas uma estmatva do valor real (o valor com os dados orgas fo gual a 10,1. Coefcete de Varação (CV%) O coefcete de varação percetual é uma medda de dspersão relatva, pos permte comparar a dspersão de dferetes dstrbuções (com dferetes médas e desvos padrões). Ode S é o desvo padrão da varável o cojuto de dados, e é a méda da varável o mesmo cojuto. f Quato meor o coefcete de varação percetual, mas os dados estão cocetrados em toro da méda, pos o desvo padrão é pequeo em relação à méda. E: Calcular o coefcete de varação percetual para as otas das três turmas de estudates. A turma mas homogêea é a A, pos apreseta o meor coefcete de varação das três. Isso era esperado, uma vez que as otas da turma A estão dstrbuídas mas regularmete do que as das outras. No caso acma a comparação fcou ada mas smples pos as médas dos grupos eram guas, bastara avalar apeas os desvos padrões dos

10 10 grupos, mas para comparar a dspersão de dstrbuções com médas dferetes é mprescdível a utlzação do coefcete de varação. O coefcete de varação para os dados do úmero de resdetes o domcílo correspode a: 1,45 CV % ,7% 4,3 Para os dados da para a taxa de mortaldade em mucípos do oeste de SC o coefcete de varação correspode a: 1,19 CV % 100 4,66% 5,54 9. Meddas de Separatrzes As separatrzes são valores que dvdem a dstrbução em um certo úmero de partes guas: a medaa dvde em partes guas, os quarts dvdem em 4 partes guas, os decs em 10 partes guas e os cets em 100 partes guas. O objetvo das separatrzes é proporcoar uma melhor déa da dspersão do cojuto, prcpalmete da smetra ou assmetra da dstrbução. Vamos os lmtar aos quarts. 0% 5% 50% 75% 100% Q1 Q =Md Q3 Dstrbução por poto: Ex: Calcular o prmero e o tercero quartl do úmero de resdetes o domcílo a partr do exemplo do Quadro 1. Procedmeto: Calcula-se a posção do quartl através da fórmula: PQ = ; 4 O quartl será o valor de correspodete à prmera F PQ. Cálculo do prmero quartl: 40 PQ = = 1 = Iterpretado: 5% das resdêcas possuem até 3 moradores e 75% possuem mas do que 3 moradores. Cálculo do tercero quartl: PQ = = = 30 4

11 11 Iterpretado: 75% das resdêcas possuem até 5 moradores e 5% possuem mas do que 5 moradores. Dstrbução por tervalo: Ex: Calcular o prmero a partr dos dados sobre a taxa de desemprego em mucípos brasleros Classes (Taxas de mortaldade) f F 9, , , , ,34 13,98 3 7, , ,7 9 36, , , , ,5 0 49, , , 1 57,66 34 Total 34 Procedmeto: Calcula-se a posção do quartl através da fórmula: PQ = ; 4 O quartl estará localzado a classe ode, pela prmera vez, F PQ; e para ecotrar o seu valor, aplca-se a equação: PQ Fat. Q Lf. h ode, f L f = lmte feror da classe do quartl; h = ampltude de classe; P Q = posção do quartl ; F.at = freqüêca acumulada ateror a classe do quartl; f Q = freqüêca smples da calasse do quartl. Cálculo do prmero quartl: 34 PQ = = 1 = 8, O prmero quartl ocupa esta ocupado a otava posção correspodete a prmera classe. f F 9, ,6 9 14,6 9 Motado a equação para calcular o valor do prmero quartl PQ Fat. 8 0 Q Lf. h = 9,9 8,7 = 17,65 f 9 Q Iterpretado: 5% da taxa de desemprego equvale a ídces de até 17,65 e 75% da taxa equvale a ídces superores a 17,65 Q Exercícos

12 1 1) Dado o rol de 50 otas de dvíduos que cursaram a dscpla de estatístca. Costrur uma tabela de dstrbução de freqüêcas (com todos os elemetos já estudados), costrur um hstograma e polígoo de freqüêcas, calcular todas as meddas descrtvas ) Os preços do pacote de café, pesado 500g, obtdos em dferetes supermercados locas, são: R$3,50, R$,00, R$1,50 e R$1,00. Com base essas formações, julgue (justfcado) os tes que seguem: a) O preço médo do pacote de café de 500 g vale R$,00. b) Se todos os preços tverem uma redução de 50%, o ovo preço médo será de R$1,50. c) A varâca dos preços é guala 0,65. d) Se todos os preços tverem um acréscmo de R$1,00, o coefcete de varação ão se altera. e) Se todos os preços tverem um acréscmo de R$1,00,o coefcete de varação dos preços será aproxmadamete gual a 31,18%. f) Se todos os preços tverem um aumeto de 50%, a ova varâca será exatamete gual à ateror, pos a dspersão ão será alterada. g) A varâca fcará multplcada por,5 se todos os preços tverem um aumeto de 50%

13 13 6) Cosdere a dstrbução de freqüêcas a segur para respoder às questões de 6.1 a 6.3. Peso (Kg) N o de amas ) Marque a opção correta: a) 75% das observações têm peso ão feror a 4 Kg e feror a 10 Kg. b) Mas de 75% das observações têm peso maor ou gual a 4 Kg. c) Meos de 5% das observações têm peso gual a 4 Kg. a) A soma dos potos médos dos tervalos de classe é feror ao tamaho da amostra. e) 8% das observações têm peso o tervalo de classe ) A méda da dstrbução é gual a : a) 5,7 Kg; d) 5,19 Kg; b) 5,4 Kg; e) 5,30 Kg; c) 5,1 Kg; 6.3) A medaa da dstrbução é gual a : a) 5,30Kg; d) 5,10Kg; b) 5,00Kg; e) 5,0Kg; c) um valor feror a 5,00Kg; 7) O frgorífco Idustral Multcorte S. A. recebe de dos cradores propostas de vedas de bovos para abate. Etretato, ele exge do Departameto de Ispeção Satára que os amas a serem compredos passem por um exame. Cosdere as amostras segutes (em Kg), resultates da realzação do exame de bovos: Estatístcas Amostra Uvaradas Kote Êmo Méda Desvo-padrão Total de bos Perguta-se: a) Em qual das amostras houve maor varação absoluta os pesos dos amas? b) Em termos relatvos, quem está melhor em peso com relação a seu grupo, o bo Kote ou o bo Êmo? Bblografa BARBETTA, P. A. Estatístca Aplcada a Cêcas Socas. 5a. ed. Sata Catara: UFSC, 003. REIS, M. M. & LINO, M. de O. Notas de Aula: Itrodução e Aálse Exploratóra de Dados. UFSC. Ste: TRIOLA, M. F. Itrodução a Estatístca. 9a. ed. Ro de Jaero: LTC. 005.

14 14

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

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

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 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 mais

Estatística - exestatmeddisper.doc 25/02/09

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

Leia mais

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

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

Leia mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade 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 mais

MEDIDAS DE DISPERSÃO:

MEDIDAS 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 mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD 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 mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 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 mais

Estatística: uma definição

Estatística: 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 mais

Estatística: uma definição

Estatística: 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 mais

Análise da Informação Económica e Empresarial

Análise 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 mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. 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 mais

? Isso é, d i= ( x i. . Percebeu que

? 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. 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 mais

Revisão de Estatística X = X n

Revisão 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 mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA 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 mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

MEDIDAS 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 mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

CAPÍTULO 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 mais

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

CURSO 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 mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições 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 mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande 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 mais

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

ESTATÍSTICA 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 mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@pucrs.br http://.pucrs.br/faat/val/ Estatístca: ua defção Coleção de úeros estatístcas O úero de carros veddos auetou e 30%. o país A taa de deseprego atge, este ês, 7,%. As ações

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

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

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

Leia mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor 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 mais

Estatística Descritiva

Estatística 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 mais

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos. 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,

Leia mais

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

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

Leia mais

Escola Secundária de Jácome Ratton

Escola 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 mais

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões. Prof. Lorí Val, Dr. val@at.ufrgs.br http://.at.ufrgs.br/~val/ Coleção de úeros estatístcas stcas O úero de carros veddos o país auetou e 30%. A taa de deseprego atge, este ês, 7,%. As ações a da Telebrás

Leia mais

Estatística Básica - Continuação

Estatística 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 mais

ESTATÍSTICA 2º. SEMESTRE DE 2016

ESTATÍSTICA 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 mais

Unidade II ESTATÍSTICA

Unidade 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 mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 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

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO 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 mais

CAPITULO 1 CONCEITOS BÁSICOS

CAPITULO 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 mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. 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 mais

Medidas de Localização

Medidas de Localização 07/08/013 Udade : Estatístca Descrtva Meddas de Localzação João Garbald Almeda Vaa Cojuto de dados utlzação de alguma medda de represetação resumo dos dados. E: Um cojuto com 400 observações como aalsar

Leia mais

Análise Descritiva com Dados Agrupados

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

Leia mais

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

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

Leia mais

CAPÍTULO 2 - Estatística Descritiva

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

Leia mais

Apostila de Introdução Aos Métodos Numéricos

Apostila de Introdução Aos Métodos Numéricos Apostla de Itrodução Aos Métodos Numércos PARTE III o Semestre - Pro a. Salete Souza de Olvera Buo Ídce INTERPOAÇÃO POINOMIA...3 INTRODUÇÃO...3 FORMA DE AGRANGE... 4 Iterpolação para potos (+) - ajuste

Leia mais

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh

Leia mais

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade

Do 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 mais

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

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

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em 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 mais

Econometria: 3 - Regressão Múltipla

Econometria: 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 mais

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período.

Determine a média de velocidade, em km/h, dos veículos que trafegaram no local nesse período. ESTATÍSTICA - 01 1. (UERJ 01) Téccos do órgão de trâsto recomedaram velocdade máxma de 80 km h o trecho de uma rodova ode ocorrem mutos acdetes. Para saber se os motorstas estavam cumprdo as recomedações,

Leia mais

MAE116 Noções de Estatística

MAE116 Noções de Estatística Grupo C - º semestre de 004 Exercíco 0 (3,5 potos) Uma pesqusa com usuáros de trasporte coletvo a cdade de São Paulo dagou sobre os dferetes tpos usados as suas locomoções dáras. Detre ôbus, metrô e trem,

Leia mais

Matemática Ficha de Trabalho

Matemática Ficha de Trabalho Matemátca Fcha de Trabalho Meddas de tedêca cetral - 0º ao MEDIDAS DE LOCALIZAÇÃO Num estudo estatístco, depos de recolhdos e orgazados os dados, há a ase de trar coclusões através de meddas que possam,

Leia mais

Sumário. Mecânica. Sistemas de partículas

Sumário. 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 mais

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos

( k) Tema 02 Risco e Retorno 1. Conceitos Básicos FEA -USP Graduação Cêcas Cotábes EAC05 04_0 Profa. Joaíla Ca. Rsco e Retoro. Cocetos Báscos Rotero BE-cap.6 Tema 0 Rsco e Retoro. Cocetos Báscos I. O que é Retoro? II. Qual é o Rsco de um Atvo Idvdual

Leia mais

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna

Apostila de Estatística. Volume 1 Edição Prof. Dr. Celso Eduardo Tuna Apostla de Estatístca Volume 1 Edção 007 Curso: Pscologa Amostragem, Séres Estatístcas, Dstrbução de Freqüêca, Méda, Medaa, Quartl, Percetl e Desvo Padrão Prof. Dr. Celso Eduardo Tua 1 Capítulo 1 - Itrodução

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

ÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4).

ÍNDICE DE THEIL Referência Obrigatória: Hoffman cap 4 pags 99 a 116 e cap 3 pgs (seção 3.4). Cetro de Polítcas Socas - Marcelo Ner ÍNDICE DE HEIL Referêca Obrgatóra: Hoffma cap 4 pags 99 a 6 e cap 3 pgs 42-44 (seção 3.4).. Coteúdo Iformatvo de uma mesagem Baseado a teora da formação, que aalsa

Leia mais

CAPÍTULO 9 - Regressão linear e correlação

CAPÍTULO 9 - Regressão linear e correlação INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação

Leia mais

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

ANÁLISE 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 mais

Métodos iterativos. Capítulo O Método de Jacobi

Métodos 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 mais

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional.

O delineamento amostral determina os processos de seleção e de inferência do valor da amostra para o valor populacional. Curso Aperfeçoameto em Avalação de Programas Socas ª Turma Dscpla: Téccas quattatvas de levatameto de dados: prcpas téccas de amostragem Docete: Claudete Ruas Brasíla, ovembro/005 Pesqusa por amostragem

Leia mais

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

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

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

7 - Distribuição de Freqüências

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

Leia mais

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL 3 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL Como vto em amotragem o prmero bmetre, etem fatore que fazem com que a obervação de toda uma população em uma pequa eja mpratcável, muta veze em vrtude

Leia mais

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Inferência 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 mais

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição: 6// IV. Juros: taxa efetva, equvalete e proporcoal Matemátca Facera Aplcada ao Mercado Facero e de Captas Professor Roaldo Távora IV. Taxa efetva Defção: É a taxa de juros em que a udade referecal de seu

Leia mais

Pós-Graduação latu sensu em Engenharia de Produção

Pós-Graduação latu sensu em Engenharia de Produção CENTRO UNIVERSITÁRIO UNA PRÓ-REITORIA DE PÓS-GRADUAÇÃO Pós-Graduação latu sesu em Egehara de Produção ESTATÍSTICA APLICADA (0 hs) Belo Horzote - 011 Dscpla: Estatístca Aplcada Prof.: Kerley Alberto Perera

Leia mais

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13.

12.2.2 CVT: Coeficiente de Variação de Thorndike...45 12.2.3 CVQ: Coeficiente Quartílico de Variação...45 13 MEDIDAS DE ASSIMETRIA...46 13. SUMARIO 2 MÉTODO ESTATÍSTICO...3 2. A ESTATÍSTICA...3 2.2 FASES DO MÉTODO ESTATÍSTICO...4 3 FERRAMENTAS DE CÁLCULO PARA O ESTUDO DA ESTATÍSTICA...5 3. FRAÇÃO...5 3.. Adção e subtração...5 3..2 Multplcação

Leia mais

Controle Estatístico de Qualidade. Capítulo 6 (montgomery)

Controle Estatístico de Qualidade. Capítulo 6 (montgomery) Cotrole Estatístco de Qualdade Capítulo 6 (motgomery) Gráfcos de Cotrole para Atrbutos Itrodução Mutas característcas da qualdade ão podem ser represetadas umercamete. Nestes casos, classfcamos cada tem

Leia mais

Caracterização de Partículas. Prof. Gerônimo

Caracterização de Partículas. Prof. Gerônimo Caracterzação de Partículas Prof. Gerômo Aálse Graulométrca de partículas Tabela: Sére Padrão Tyler Mesh Abertura Lvre (cm) âmetro do fo () 2 ½ 0,7925 0,088 0,6680 0,070 ½ 0,56 0,065 4 0,4699 0,065

Leia mais

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii

Uso de covariáveis em modelos biométricos para estimação de altura total em árvores de Eucalyptus dunnii Uso de covaráves em modelos bométrcos para estmação de altura total em árvores de Eucalyptus du Oar Medes de Olvera Adrao Rbero de Medoça Fábo Mareto Glso Ferades da Slva Samuel de Pádua Chaves e Carvalho

Leia mais

Centro de massa, momento linear de sistemas de partículas e colisões

Centro de massa, momento linear de sistemas de partículas e colisões Cetro de massa, mometo lear de sstemas de partículas e colsões Prof. Luís C. Pera stemas de partículas No estudo que temos vdo a fazer tratámos os objectos, como, por exemplo, blocos de madera, automóves,

Leia mais

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador

SUMÁRIO GOVERNO DO ESTADO DO CEARÁ. Cid Ferreira Gomes Governador. 1. Introdução... 2. Domingos Gomes de Aguiar Filho Vice Governador INSTITUTO DE PESQUISA E ESTRATÉGIA ECONÔMICA DO CEARÁ - IPECE GOVERNO DO ESTADO DO CEARÁ Cd Ferrera Gomes Goverador Domgos Gomes de Aguar Flho Vce Goverador SECRETARIA DO PLANEJAMENTO E GES- TÃO (SEPLAG)

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Professor Mauricio Lutz ESTATÍSTICA BÁSICA

Professor Mauricio Lutz ESTATÍSTICA BÁSICA Proessor Maurco Lutz ESTATÍSTICA BÁSICA. Coceto Exstem mutas deções propostas por autores, objetvado estabelecer com clareza o que é estatístca, como por exemplo: Þ A Estatístca é um cojuto de métodos

Leia mais

Análise de Regressão

Análise de Regressão Aálse de Regressão Prof. Paulo Rcardo B. Gumarães. Itrodução Os modelos de regressão são largamete utlzados em dversas áreas do cohecmeto, tas como: computação, admstração, egeharas, bologa, agrooma, saúde,

Leia mais

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

É o quociente da divisão da soma dos valores das variáveis pelos números deles: Meddas de Posção. Itrodução Proª Ms. Mara Cytha O estudo das dstrbuções de requêcas, os permte localzar a maor cocetração de valores de uma dstrbução. Porém, para ressaltar as tedêcas característcas de

Leia mais

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo.

n. A densidade de corrente associada a esta espécie iônica é J n. O modelo está ilustrado na figura abaixo. Equlíbro e o Potecal de Nerst 5910187 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 11 Nesta aula, vamos utlzar a equação para o modelo de eletrodfusão o equlíbro obtda a aula passada para estudar o trasporte

Leia mais

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini

Estatística Agosto 2009 Campus do Pontal Prof. MSc. Quintiliano Siqueira Schroden Nomelini Estatístca Agosto 009 Campus do Potal Prof. MSc. Qutlao Squera Schrode Nomel - ESTATÍSTICA DESCRITIVA. - A NATUREZA DA ESTATÍSTICA COMO SURGIU A ESTATÍSTICA????? A Matemátca surge do covívo socal, da cotagem,

Leia mais

Parte 3 - Regressão linear simples

Parte 3 - Regressão linear simples Parte 3 - Regressão lear smples Defção do modelo Modelo de regressão empregado para eplcar a relação lear etre duas varáves (ajuste de uma reta). O modelo de regressão lear smples pode ser epresso a forma:

Leia mais

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

ESTATÍSTICA. PROF. RANILDO LOPES  U.E PROF EDGAR TITO ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO Medidas de tedêcia cetral Medidas cetrais são valores que resumem um cojuto de dados a um úico valor que, de alguma

Leia mais

ESTATÍSTICA DESCRITIVA NOCÕES FUNDAMENTAIS

ESTATÍSTICA DESCRITIVA NOCÕES FUNDAMENTAIS ESTATÍSTICA DESCRITIVA NOCÕES FUNDAMENTAIS Coceto Básco: Def. Város autores têm procurado defr a Estatístca. Através de mutos lvros escrtos sobre Estatístca, todos cotedo defções, desde as mas smples até

Leia mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

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

Leia mais

Prof. Drª Marília Brasil Xavier REITORA. Profª. Drª. Maria das Graças Silva VICE-REITORA

Prof. Drª Marília Brasil Xavier REITORA. Profª. Drª. Maria das Graças Silva VICE-REITORA Prof. Drª Maríla Brasl Xaver REITORA Profª. Drª. Mara das Graças Slva VICE-REITORA Prof. Dr. Ruy Gulherme Castro de Almeda PRÓ-REITOR DE ENSINO E GRADUAÇÃO Profª. M.Sc. Mara José de Souza Cravo DIRETORA

Leia mais

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

Matemática. Resolução das atividades complementares. M18 Noções de Estatística Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção

Leia mais

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA

Marília Brasil Xavier REITORA. Prof. Rubens Vilhena Fonseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA Maríla Brasl Xaver REITORA Prof. Rubes Vlhea Foseca COORDENADOR GERAL DOS CURSOS DE MATEMÁTICA MATERIAL DIDÁTICO EDITORAÇÃO ELETRONICA Odvaldo Texera Lopes ARTE FINAL DA CAPA Odvaldo Texera Lopes REALIZAÇÃO

Leia mais

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações

15/03/2012. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações. Capítulo 2 Cálculo Financeiro e Aplicações Itrodução.1 Juros Smples Juro: recompesa pelo sacrfíco de poupar o presete, postergado o cosumo para o futuro Maora das taxas de uros aplcadas o mercado facero são referecadas pelo crtéro smples Determa

Leia mais

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

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: Prof. Lorí Val, Dr. val@pucrs.br http://www.pucrs.br/famat/val www.pucrs.br/famat/val/ correlacoal ou expermetal. Numa relação expermetal os valores

Leia mais

Como CD = DC CD + DC = 0

Como CD = DC CD + DC = 0 (9-0 www.eltecampas.com.br O ELITE RESOLVE IME 008 MATEMÁTICA - DISCURSIVAS MATEMÁTICA QUESTÃO Determe o cojuto-solução da equação se +cos = -se.cos se + cos = se cos ( se cos ( se se.cos cos + + = = (

Leia mais

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística

Prof. Dr. Marco Antonio Leonel Caetano Projeção de Cenários Aplicados ao Orçamento Empresarial Com revisão das Ferramentas de Estatística Projeção de Ceáros Aplcados ao Orçameto Empresaral Com revsão das Ferrametas de Estatístca Prof. Dr. Marco Atoo Leoel Caetao TÓPICO Tratameto, Quatfcação e Vsualzação de Dados Faceros. Itrodução Na dvulgação

Leia mais

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências

3.4.2 Cálculo da moda para dados tabulados. 3.4 Moda Cálculo da moda para uma lista Cálculo da moda para distribuição de freqüências 14 Calcular a mediaa do cojuto descrito pela distribuição de freqüêcias a seguir. 8,0 10,0 10 Sabedo-se que é a somatória das, e, portato, = 15+25+16+34+10 = 100, pode-se determiar a posição cetral /2

Leia mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

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

Leia mais

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM

FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM FERRAMENTA AVALIATIVA DINÂMICA A PARTIR DA TEORIA DE RESPOSTA AO ITEM Fabríca D. Satos, Lucla G. Rbero, Leoardo G. de R. Guedes, Weber Marts Uversdade Católca de Goás, Departameto de Computação Uversdade

Leia mais

Econometria: 4 - Regressão Múltipla em Notação Matricial

Econometria: 4 - Regressão Múltipla em Notação Matricial Ecoometra: 4 - Regressão últpla em Notação atrcal Prof. arcelo C. ederos mcm@eco.puc-ro.br Prof. arco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo

Leia mais