Figura 1: Gráfico de pontos.
|
|
- Anna Ximenes Ferrão
- 6 Há anos
- Visualizações:
Transcrição
1 4. Representação gráfica para variáveis quantitativas Gráfico de pontos O gráfico de pontos é a primeira representação da amostra, fornecendo um aspecto visual da concentração e distribuição dos pontos na nossa escala de medidas. No exemplo abaixo, percebemos o conjunto de dados concentrado na primeira metade da escala, com uma grande concentração entre os valores 2.5 e 7.5, e uma dispersão mais acentuada no lado superior (direito) da distribuição, com valores chegando a Esta dispersão indica uma forte assimetria na cauda superior da distribuição (assimetria à direita). Figura 1: Gráfico de pontos.
2 Histograma Uma forma prática de representação gráfica para dados quantitativos (em especial dados contínuos) é dada pelo histograma, no qual, representamos as frequências de uma tabela por barras adjacentes para cada intervalo de classe. Tabela 1: Tabela de frequências com k = 7 classes: Classe (X i ) n i f i Total 250 1,000 Figura 2: Histograma (sobre o gráfico de pontos).
3 O polígono de frequências Marcando o ponto médio de cada retângulo do histograma na sua na parte superior e ligando esses pontos, teremos uma figura que chamaremos de Polígono de Frequências (Figura 3). Figura 3: Polígono de frequências.
4 Distribuição de frequências As linhas retas que compõem o polígono de frequências são uma aproximação rudimentar para uma curva que representa uma Distribuição de Frequências. Essa distribuição é descrita por uma função f(x), contínua e diferenciável, definida num intervalo dos reais, a qual será denotada por função distribuição de probabilidades ou fdp (Figura 4). Figura 4: Função de distribuição de probabilidades sobre o histograma.
5 4.1. Representação gráfica para dados discretos Um pesquisador contou o número de ervilhas/vagem em 60 vagens coletadas aleatoriamente num canteiro de sua plantação, tendo obtido os seguintes dados: Dados ordenados Vamos construir uma tabela com as contagens e frequências relativas do número de ervilha/vagem Tabela 2: Distribuição de frequências para o número de ervilha por vagem. Freq. Freq. Freq. Ervilhas por absoluta relativa acumulada vagem n i f i F ac Totais Um gráfico para representar as frequências da variável número de ervilhas por vagem é dado a seguir:
6 Figura 5: Gráfico de frequências para a variável número de ervilhas por vagem (feito no R). Também podemos representar a distribuição acima por um gráfico de barras contínuas (histograma), porém, o mais apropriado seria a primeira forma uma vez que os dados são discretos. Figura 6: Histograma para a variável número de ervilhas por vagem (feito no Excel)
7 4.2. Representação gráfica para dados contínuos Seja a variável horas gastas por semana assistindo TV, referentes aos alunos do primeiro ano do curso de engenharia: Dados ordenados: Descriptive Statistics: horastv Estatísticas descritivas no MINITAB Variable N Mean Median StDev SE Mean horastv Variable Minimum Maximum Q1 Q3 horastv Gráfico de pontos para horas de TV 0 10 horas Figura 7: Gráfico de pontos (feito no Minitab).
8 Como construir a tabela de frequências? Para variáveis contínuas vamos utilizar a regra de Sturges. a) Número de classes: seja k o número de classes, então, k é determinado por: k log10( n), em que a função [.] indica o maior inteiro contido que, na prática, representa o truncamento do valor obtido. b) Amplitude de classe: denotada por h, é dada por: Seja A max min x( n) x(1), a amplitude da amostra, então, h A k Obs: normalmente o resultado da expressão acima não é inteiro, por isso, o valor de h deve ser arredondado (convenientemente) para cima. Exemplo: Seja a variável: horas gastas por semana assistindo TV. Como n = 50, temos log10(50) k classes, 30 0 h 5h. 6
9 Tabela 3: Distribuição de frequências de horas TV, com k = 6 classes e h = 5h. Freq. Freq. Freq. Horas TV absoluta relativa acumulada classes n i f i F ac Totais Figura 8: Histograma de horas TV, com k = 6 classes e amplitude h = 5h (feito no R).
10 Notas: 1) Observe que o valor 30 foi incluído na última classe, para que não seja criada uma nova classe; 2) Isto se deve pela forma como foi calculada a amplitude de classes h e pelo fato dos intervalos serem fechados à esquerda e abertos à direita. Para contornar esse fato, podemos aumentar ligeiramente o valor de h (e de forma conveniente) para que os extremos fiquem contidos na amplitude total das classes. Para o exemplo o limite inferior deve ser 0 pela natureza da variável, mas o valor de h pode ser aumentado em 0.5 unidades, levando o limite superior a Tabela 4: Distribuição de frequências de horas TV, com k = 6 classes e h = 5.5h. Freq. Freq. Freq. Horas TV absoluta relativa acumulada classes n i f i F ac Totais
11 Freqüência Histograma de horas de TV horas Figura 9: Histograma de horas TV, com k = 6 classes e amplitude h = 5.5h (feito no Minitab) Regras para a escolha do número de classes k Existem diversas propostas para a determinação do número de classes k. A regra de Sturges é a mais popular delas, estando implementada em diversos softwares tal como o R-gui. A seguir apresentaremos outras maneiras para se definir o número de classes de um histograma. a) Sturges: k log10( n) em que [.] indica a função maior inteiro contido. b) Raiz quadrada: pela regra da raiz quadrada, se: se n 100 k n se n > 100 k 5log( n) c) Velleman (1976): se n 50 k 2 n
12 Outros autores, ainda, criaram procedimentos que primeiro determina a amplitude das classes h, após o que, o número de classes é determinado pela relação A k. h A ideia por trás desses procedimentos consiste em obter uma melhor visualização para o histograma. Mais detalhes podem ser obtidos no link:
13 Freqüência Exemplos: a) Excel: Tabela de frequências e histograma para variáveis contínuas, no Excel. Bloco Frequência Mais 2 Histograma Freqüência Mais Bloco Figura 10: Histograma de horas TV, com k = 6 classes e amplitude h = 5.5h (feito no Excel).
14 b) Dados discretizados: Uma grande companhia está preocupada com o tempo que seus equipamentos ficam em manutenção na assistência técnica. Sendo assim, fez um levantamento do tempo de manutenção (dias) de 50 equipamentos para um estudo mais detalhado. X = dias em manutenção de equipamentos Dados Ordenados: Tabela de frequências: k = [ log 10 50] = [ 6.64 ] = 6 a 7 classes A = 21 2 = 19 h = 19/6 =
15 Com k = 7 classes: X i (dias) n i f i F ac 2 a a a a a a a Total Figura 11: Histograma de dias de manutenção, dados discretizados (feito no Excel).
16 Figura 12: Gráfico frequências acumuladas de dias de manutenção (feito no Excel). Medidas Descritivas de Posição: 392 i) Média: x i = 392 x dias 50 x(25) x(26) 6 6 ii) Mediana: Md(x) = dias iii) Moda: Mo(x) = 5 dias aparece 8 vezes na amostra.
17 Com k = 6 classes: X i (dias) n i f i F ac 0 a a a a a a Total Figura 13: Histograma de dias de manutenção, (k = 6) dados discretizados (feito no Excel).
18 Comandos do R-gui para o histograma: x <-c(15, 13, 21, 9, 5, 5, 10, 6, 2, 2, 9, 10, 3, 4, 2, 13, 12, 16, 7, 6, 4, 11, 8, 6, 6, 10, 17, 13, 9, 5, 2, 5, 9, 14, 15, 3, 6, 18, 3, 4, 5, 7, 8, 3, 10, 5, 5, 4, 5, 2) # pela regra de Sturges ####################### nclass.sturges(x) hist(x, col="bisque") hist(x, breaks="sturges", col="bisque") # pela regra de Scott ##################### nclass.scott(x) hist(x, breaks="scott", col="bisque") # pela regra de Fridman-Diacomis ################################ nclass.fd(x) hist(x, breaks="fd", col="bisque") hist(x, breaks=7, col="bisque") hist(x, breaks=8, col="bisque") # definindo os intervalos ######################### h1 <- c(0.5,4.5,8.5,12.5,16.5,20.5,24.5) hist(x, breaks=h1, col="bisque") h2 <- c(1.5,4.5,7.5,10.5,13.5,16.5,18.5,22.5) hist(x, breaks=h2, col="bisque")
19 c) Dados contínuos: X = notas de avaliação de teste verbal aplicado em 87 alunos k = [ log 10 (87)] = [ 7.44 ] = 7 a 8 classes A = = 5 h = 5/7 = Com k = 7 classes: X i (nota) n i f i F ac Total
20 Figura 11: Histograma de nota de avaliação verbal, (feito no Excel). Medidas descritivas de posição: i) Média: x i = x ii) Mediana: Md x) x ( ( 44) iii) Moda: Mo (x) 5.2 e 6.5 (bimodal)
21 Comandos do R para o histograma: v <- c(2.5, 2.8, 2.8, 3.2, 3.5, 3.6, 3.7, 3.8, 3.9, 4.0, 4.1, 4.1, 4.1, 4.1, 4.2, 4.5, 4.6, 4.7, 4.7, 4.7, 4.7, 4.8, 4.8, 4.9, 4.9, 5.0, 5.0, 5.1, 5.1, 5.1, 5.2, 5.2, 5.2, 5.2, 5.2, 5.3, 5.3, 5.3, 5.3, 5.4, 5.4, 5.4, 5.4, 5.5, 5.5, 5.5, 5.6, 5.7, 5.7, 5.8, 5.9, 5.9, 5.9, 5.9, 6.0, 6.1, 6.1, 6.1, 6.1, 6.2, 6.2, 6.2, 6.3, 6.4, 6.4, 6.4, 6.4, 6.5, 6.5, 6.5, 6.5, 6.5, 6.6, 6.6, 6.7, 6.7, 6.7, 6.7, 6.8, 6.9, 6.9, 7.0, 7.0, 7.1, 7.2, 7.3, 7.5) hist(v, col="bisque") # pela regra de Sturges ####################### Nclass.Sturges(v) hist(v, breaks="sturges", col="bisque") # pela regra de Scott ##################### nclass.scott(v) hist(v, breaks="scott", col="bisque") # pela regra de Fridman-Diaconis ################################ nclass.fd(v) hist(v, breaks="fd", col="bisque") hist(v, breaks=7, col="bisque") hist(v, breaks=8, col="bisque") # definindo os intervalos ######################### h <- c(2.50,3.22,3.94,4.66,5.38,6.10,6.82,7.54) hist(v, breaks=h, col="bisque") boxplot(v, col="yellow2", horizontal=false) boxplot(v, col="yellow2") boxplot(v, plot=f)
22 4.3. Média. moda, mediana e a simetria dos dados Figura 12: Função de distribuição de probabilidades sobre o histograma. O que podemos dizer acerca desta distribuição de frequências em relação a sua simetria? Quando uma distribuição de frequências é simétrica, teremos que a média, a moda e a mediana serão iguais, ou seja: x = Mo(x) = Md(x)
23 E quanto ao exemplo acima, como podemos classificá-lo em função da sua falta de simetria? Quando a distribuição não é simétrica, podemos distinguir duas situações possíveis a) Quando a cauda superior da distribuição for mais alongada, puxando a distribuição para a direita. Neste caso, a média é maior do que a moda e a assimetria é dita à direita ou positiva. b) Quando a cauda inferior da distribuição for mais alongada. puxando a distribuição para a esquerda. Neste caso, a média é menor do que a moda e a assimetria é dita à esquerda ou negativa. Figura 13: Assimetrias à direita e à esquerda, respectivamente.
24 Relação entre média, moda e mediana i) A Média é sempre influenciada por valores extremos, sendo puxada na direção da cauda mais alongada; ii) A Moda é o elemento de maior frequência, sendo o ponto de máximo de f(x); iii) A Mediana está sempre no meio do conjunto, dividindo-o em duas partes iguais, ficando entre as duas medidas anteriores. Assim, para cada situação, teremos: a) Quando a simetria é perfeita as três medidas são iguais.
25 b) Na situação em que ocorre a assimetria à direita, teremos a moda menor do que a mediana que é menor do que a média. c)e, para a assimetria à esquerda, devemos ter a média menor do que a mediana que é menor do que a moda.
26 Relação empírica entre média, moda e mediana Karl Pearson, metemático famoso, no final do século XIX e início do XX, observou empiricamente, a seguinte relação entre as três medidas de posição média mediana e moda. x mo( x) 3 x med ( x) Observações: i) A relação só se aplica à distribuições com boa simetria; ii) Só é valida para casos unimodais; iii) Depende de um tamanho de amostra n elevado Moda de Czuber Figura 14: Cálculo da moda de Czuber
27 Distribuição de frequências de horas TV, Freq. Freq. Freq. Horas TV absoluta relativa acumulada classes n i f i F ac Totais mo CZ ( x) (3 5) O gráfico box-plot Representação gráfica da dispersão dos dados em torno da mediana Valores discrepantes Valores discrepantes Q 1 1.5A Q Q 1 x ~ Q 3 Q A Q
28 Procedimento para a construção do box-plot i) Construir a caixa ou box com os quartis Q 1 e Q 3 ; ii) Com uma linha, demarcar a mediana, dividindo a caixa em duas partes; iii) Calcular os limites inferior (L I ) e superior (L s ): - L I = Q 1 1.5A Q - L S = Q A Q Os valores da amostra menores do que L I ou maiores do que L S são identificados como valores discrepantes e destacados no box-plot com pontos além desses limites. iv) Para os braços do box-plot, traçar linhas a partir dos centros das laterais inferior e superior da caixa até os valores mais afastados que não sejam discrepantes, ou seja: - traçar uma linha da lateral inferior da caixa até o menor valor que não seja discrepante e marcar os pontos discrepantes (menores do que L I ); - traçar uma linha da lateral superior da caixa até o maior valor que não seja discrepante e marcar os pontos discrepantes (menores do que L S ); Exemplo: Seja a variável: horas gastas por semana assistindo TV. 10 Q 5 14 E 0 30
29 Figura 15: Box-plot para a variável horas de TV Comandos do R para o box-plot: x <- c( 0, 2, 2, 2, 2, 3, 4, 5, 5, 5, 5, 5, 5, 5, 6, 7, 7, 8, 8, 8, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 12, 12, 12, 12, 14, 14, 14, 14, 14, 15, 16, 18, 20, 20, 20, 25, 25, 28, 30) boxplot(x, col="bisque", main="horas assistindo TV", ylab="horas", pch=19)
30 Exemplo: Dados do estudo sobre exposição à violência familiar de crianças em idade escolar (2 grupos Expostos à violência e Não Expostos) Variável: Renda PC grupo (Exposto e Não Exposto) Grupo: EXP Mediana: Md x) x ( 120 reais ( 8) - 1 o Quartil: Q 1 = x (4) = 100 reais - 3 o Quartil: Q 3 = x (12) = 160 reais Média: x x 134 reais n Variância: x s x nx ( n 1) (134) (15 1) s Desvio-padrão: s s reais
31 Freqüência Box-plot renda per capita Grupo Exposto Figura 16: Box-plot renda, grupo exposto Grupo Exposto Figura 17: Histograma renda, grupo exposto
32 Grupo NEXP Mediana: Md x) x ( 120 reais ( 8) - 1 o Quartil: Q 1 = x (4) = 184 reais - 3 o Quartil: Q 3 = x (12) = 220 reais Média: x x reais n Variância: x (147.13) x nx s ( n 1) (15 1) 14 2 s Desvio-padrão: s s reais
33 Freqüência Box-plot renda per capita Grupo Não Exposto Figura 18: Box-plot renda, grupo não exposto Grupo não Exposto Figura 19: Histograma renda, grupo não exposto
34 Figura 20: Box-plot renda, comparativo entre os grupos exposto e não exposto Comandos do R-gui para o box-plot comparativo ex <- c( 68, 96,100,100,112,112,117,120,120,135,150, 160,160,200,260) nex <- c( 36, 50, 70, 84,108,109,120,120,150,150,180, 220,250,260,300) renda <- c(ex,nex) gr <- c(rep("ex",length(ex)),rep("nex",length(nex))) boxplot(renda~gr, col=c("red3","green3"))
35 Exemplo: Dados simulados do tempo de uma reação química em função do tipo do catalisador. Comandos do R para o exemplo # Entrada dos dados ################### Cat.A <- c(77.9,72.6,74.2,76.1,77.8,81.9,83.2,76.3,79.3,77.2,90.8, 79.7,79.7,80.4,84.4,81.7,80.0,71.5,73.4,81.7,71.5,70.9, 85.1,84.0,63.4) Cat.B <- c(87.4,89.3,99.4,100.2,99.4,85.6,102.2,94.7,92.4,89.4, 91.9,88.9,98.0,99.8,91.9,99.1,95.9,89.4,90.5,91.4,87.6, 89.7,92.5,77.4,90.8) Cat.C <- c(89.4,84.2,86.2,82.2,83.4,87.0,82.3,81.9,86.4,80.7,83.2, 87.6,88.9,84.2,85.1,83.8,85.2,88.1,84.2,87.1,87.6,87.3, 85.1,85.6,96.7) Cat.D <- c(84.6,92.3,85.7,88.1,85.5,98.0,98.1,86.5,89.3,93.4,91.2, 93.7,97.3,79.5,94.6,87.9,87.4,88.2,97.3,92.2,98.5,94.5, 93.3,92.8,94.4) # Estatísticas descritivas ########################## medias <- round(c(mean(cat.a), mean(cat.b), mean(cat.c), mean(cat.d)),3) desvios <- round(c(sd(cat.a),sd(cat.b),sd(cat.c),sd(cat.d)),4) quantis <- rbind(quantile(cat.a), quantile(cat.b), quantile(cat.c), quantile(cat.d)) descr <- cbind(medias, desvios, quantis) dimnames(descr)[1] <- list(c("catalisador A","Catalisador B","Catalisador C","Catalisador D")) dimnames(descr)[2] <- list(c("média","d.padrão","min.", "Q1", "Mediana", "Q3","Max.")) dimnames(descr)[1] <- list(c("catalisador A","Catalisador B", "Catalisador C","Catalisador D")) descr Média D.Padrão Min. Q1 Mediana Q3 Max. Catalisador A Catalisador B Catalisador C Catalisador D
36 # box-plot comparativo ###################### tempo <- c(cat.a, Cat.B, Cat.C, Cat.D) ni <- length(cat.a) cat <- c(rep("catalisador A",ni), rep("catalisador B",ni), rep("catalisador C",ni), rep("catalisador D",ni)) boxplot(tempo ~ cat, col=c("green4","blue3","red3","yellow3", main="tempo de reação x catalisador"), ylab="tempo de reação", cex=0.8)
37 4.5. Estatísticas descritivas para dados agrupados Exemplo 1: dados coletados em entrevistas com 500 pessoas a) variável número de divórcios por indivíduo b) variável tempo (em anos) até o primeiro divórcio a) Variável discreta: tabela do número de divórcios por indivíduo. Divórcios = x i n i f i x i f i F ac 2 n i x i Total Média amostral: x x i f i = 1.91 divórcios Variância e desvio-padrão amostrais: (1.910) xi nx s ( n 1) (500 1) s 1.06 divórcios Outra forma de representação: Divórcios = x i n i f i x i f i F ac (x i x ) n i (x i x ) Total Média amostral: x Variância amostral: x i fi = 1.91 divórcios x x ( n 1) 2 s i
38 b) Variável contínua: tabela do tempo até o primeiro divórcio. Anos ponto médio Casados x i n i f i x i f i F ac 2 n i x i Total Média amostral: x x i f i = 6.90 anos Variância e desvio-padrão amostrais: (6.90) xi nx s ( n 1) (500 1) s 5.26 anos Outra forma de representação: Anos = x i ptos. médios n i f i x i f i F ac (x i x ) n i (x i x ) Total Média amostral: x Variância amostral: x i fi = 6.90 anos x x ( n 1) 2 s i
39 Exemplo 2: Escores GMAT (Graduate Management Apititude Test) aplicado num processo seletivo para a escolha de alunos num programa de graduação. Escores Pto. Médio x i n i f i F ac x i f i n i x i Totais Histograma:
40 Pela interpolação linear (ou semelhança de triângulos), temos: a) Q (0.133) Q b) ~ x ~ 50(0.171) x c) Q (0.139) Q
41 4.6. Representação gráfica para variáveis qualitativas Exemplo 1: Pesquisa PNAD 2004 Moradores por domicílio Brasil. a) Tabela de uma entrada: número de domicílios por região Região Domicílios % SE NE S CO N b) Tabela de dupla entrada: moradores/dom, por região (dados brutos) Moradores Região por domicílio N NE SE S CO ou Total
42 Tabela de dupla entrada: moradores/dom, por região (porcentagens) Moradores por domicílio Região N NE SE S CO OU Total c) Gráfico de setores (pizza): número de domicílios por região Região Domicílios proporção ângulo SE NE S CO N Para achar o ângulo, deve-se usar a relação: 100% = 360 o. - Portanto, se uma categoria tem proporção de 0.447, basta multiplicar por 360 o para encontrar o ângulo correspondente (regra de três). Logo: o = 161 o o = 26 o o = 91 o o = 25 o o = 57 o
43 Domicílios por região 16% 7% 7% 25% 45% SE NE S CO N
44 d) Gráfico de colunas:
45 Exemplo 2: Variável: Notas de português por grupo de estudantes expostos à violência familiar. Nota português Expostos Não expostos n i % ângulo n i % ângulo I 5 33% 119 o 3 20% 74 o S 8 54% 194 o 6 40% 144 o PS 5 13% 47 o 6 40% 144 o I = Insatisfatória, S = Satisfatória e PS = Plenamente Satisfatória a) Gráfico de colunas: Perfil por grupo Perfil por nota
46 b) Gráfico de setores (pizza):
u unidades elementares, i = 1, 2,..., N.
1. ANÁLISE DESCRITIVA DE DADOS 1.1. CONCEITOS: População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos
Leia maisSumário dos exemplos:
Sumário dos exemplos: I Representação gráfica para Variáveis Quantitativas II Histograma para variáveis contínuas no soft MINITAB III Tabela de freqüências e histograma para v. contínuas, no Excel IV Exemplo
Leia maisu unidades elementares, i = 1, 2,..., N.
1. ANÁLISE DESCRITIVA DE VARIÁVEIS QUANTIOTATIVAS 1.1. CONCEITOS: População: é formada pelo conjunto de indivíduos (ou itens) que queremos abranger em nosso estudo e para os quais desejamos que as conclusões
Leia mais3.1. Representação de Variáveis Quantitativas em tabelas e gráficos: Tabelas de frequências para variáveis discretas:
3. ANÁLISE DESCRITIVA DE DADOS QUANTITATIVOS 3.1. Representação de Variáveis Quantitativas em tabelas e gráficos: 3.1.1. Tabelas de frequências para variáveis discretas: Para a representação de dados quantitativos
Leia maisEstatística: é uma medida numérica, que descreve uma característica da amostra. A Estatística é uma função da amostra: S = f(x 1, X 2,...
3. ANÁLISE DESCRITIVA DE DADOS 3.1. Conceitos: Parâmetro Populacional: normalmente denotado por, é uma característica populacional de interesse, que pode ser expressa através de uma quantidade numérica.
Leia maisx n 3.3. Medidas descritiva de variáveis quantitativas: Medidas de Posição: Considere uma amostra com n observações: x 1, x 2,..., x n.
3.3. Medidas descritiva de variáveis quantitativas: 3.3.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média amostral: (ou média aritmética amostral) é representada
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Medidas resumo para tabelas de frequências Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Medidas resumo para
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 2019 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
Leia maisAnálise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.
Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisPROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA
PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo ESTATÍSTICA DESCRITIVA A Estatística Descritiva
Leia maisEstatística Descritiva
Probabilidade e Estatística Prof. Dr.Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Estatística Descritiva Distribuição de frequência Para obter informações de interesse sobre a característica
Leia mais3.1 - Medidas de Posição Medidas de Dispersão Quantis Empiricos Box-plots Graficos de simetria 3.
3 - MEDIDAS RESUMO 3.1 - Medidas de Posição 3.2 - Medidas de Dispersão 3.3 - Quantis Empiricos 3.4 - Box-plots 3.5 - Graficos de simetria 3.6 - Transformações 1/17 3.1 - Medidas de Posição Muitas vezes
Leia maisESTATÍSTICA Medidas de Síntese
2.3 - Medidas de Síntese Além das tabelas e gráficos um conjunto de dados referente a uma variável QUANTITATIVA pode ser resumido (apresentado) através de Medidas de Síntese, também chamadas de Medidas
Leia maisAULA 2 UNIDADE 1 DISTRIBUIÇÃO DE FREQUÊNCIAS 1.1 INTRODUÇÃO
AULA UNIDADE 1 DISTRIBUIÇÃO DE FREQUÊNCIAS 1.1 INTRODUÇÃO As tabelas estatísticas, geralmente, condensam informações de fenômenos que necessitam da coleta de grande quantidade de dados numéricos. No caso
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisCE001 Bioestatística. Prof. Cesar Augusto Taconeli. Curitiba-PR 2015
CE001 Bioestatística Prof. Cesar Augusto Taconeli Curitiba-PR 2015 Parte 2 Estatística descritiva 2 A estatística descritiva compreende técnicas (tabelas, gráficos, medidas) que permitem resumir os dados.
Leia maisTutorial para o desenvolvimento das Oficinas
Tutorial para o desenvolvimento das Oficinas 1 Métodos Quantitativos Profa. Msc. Regina Albanese Pose 2 Objetivos Objetivo Geral Este tutorial tem como objetivo parametrizar o desenvolvimento da oficina
Leia maisPARTE 1. Profa. Dra. Alessandra de Ávila Montini
PARTE 1 Programa de Pós-graduação do Departamento de Administração PPGA Agenda 2 14:00 15:30 Fundamentação Teórica 15:30 15:45 Coffee break 15:45 17:00 Fundamentação Teórica 17:00 18:00 Exercícios de Fixação
Leia maisEstatística Descritiva. Objetivos de Aprendizagem. 6.1 Sumário de Dados. Cap. 6 - Estatística Descritiva 1. UFMG-ICEx-EST. Média da amostra: Exemplo:
6 ESQUEMA DO CAPÍTULO Estatística Descritiva 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisEstatística Computacional Profª Karine Sato da Silva
Estatística Computacional Profª Karine Sato da Silva karine.sato.silva@gmail.com Introdução Quando analisamos uma variável qualitativa, basicamente, construímos sua distribuição de frequências. Ao explorarmos
Leia maisEstatística para Cursos de Engenharia e Informática
Estatística para Cursos de Engenharia e Informática Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia São Paulo: Atlas, 2004 Cap. 3 Análise exploratória de dados APOIO: Fundação de Apoio
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisEstatística Aplicada
Estatística Aplicada Distribuição de Frequência Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada TABELAS DE FREQUÊNCIA Tabelas de frequências, também chamada de distribuição
Leia maisCAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte
CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida
Leia maisEstatística Descritiva
Estatística Descritiva Tabela s Gráficos Números x, s 2, s, m o, Q 1, Q 2, Q 3,...etc. 1 Estatística Descritiva 3. Números 3.1. Medidas de posição (ou tendência ) 3.2. Medidas de dispersão 2 3.1. Medidas
Leia maisAnálise descritiva de Dados. A todo instante do nosso dia-a-dia nos deparamos com dados.
Análise descritiva de Dados A todo instante do nosso dia-a-dia nos deparamos com dados. Por exemplo, para decidir pela compra de um eletrodoméstico, um aparelho eletrônico ou até mesmo na compra de uma
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia maisESTATÍSTICA COMPUTACIONAL AULA 5 ASSIMETRIA E CURTOSE
ASSIMETRIA E CURTOSE 1 RELAÇÃO ENTRE MÉDIA, MEDIANA E MODA O valor da mediana, como o próprio nome diz, ocupa a posição central numa distribuição de frequência. A mediana deve estar em algum lugar entre
Leia maisEstatística Descritiva
Estatística Descritiva Tabela s Gráficos Números x, s 2, s, m o, Q 1, Q 2, Q 3,...etc. 1 Estatística Descritiva 3. Números 3.1. Medidas de posição (ou tendência ) 3.2. Medidas de dispersão 2 3.1. Medidas
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Medidas separatrizes Quantis Medidas de dispersão Amplitude total Desvio Médio Variância Desvio Padrão Coeficiente de Variabilidade Desvio Interquartílico Na aula anterior...
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br Departamento Ciências Exatas, ESALQ (USP) Agosto de 2012 Cristian Villegas. Departamento Ciências Exatas, ESALQ-USP 1 1 Medidas de tendência central
Leia maisRepresentação de dados
Representação de dados Passos para construção de um Histograma Passo 1: ordenar o conjunto de dados, ou seja colocar os dados em ordem crescente de grandeza; Passo 2: Determinar o número de classes da
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
MEDIDAS DE TENDÊNCIA CENTRAL Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Média aritmética INTRODUÇÃO A concentração de dados em torno de um valor pode ser usada para representar todos
Leia maisum conjunto de métodos e processos quantitativos que servem para estudar e medir os fenômenos coletivos Aplicações em quase todas as áreas de
Estatística Básica O que é Estatística? um conjunto de métodos e processos quantitativos que servem para estudar e medir os fenômenos coletivos Aplicações em quase todas as áreas de Aplicações em quase
Leia maisBioestatística Aula 2
Bioestatística Aula 2 Anderson Castro Soares de Oliveira Anderson Bioestatística 1 / 60 Estatística Descritiva Um dos objetivos da Estatística é sintetizar os valores que uma ou mais variáveis podem assumir
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula III
Técnicas Computacionais em Probabilidade e Estatística I Aula III Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Arquivo PULSE do Minitab Refere-se a um experimento feito por alunos. Cada um deles registrou
Leia maisElementos de Estatística
Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Medidas Resumo Medidas Resumo Medidas que sintetizam informações contidas nas variáveis em um único
Leia maisMedidas de Posição ou Tendência Central
Medidas de Posição ou Tendência Central Medidas de Posição ou Tendência Central Fornece medidas que podem caracterizar o comportamento dos elementos de uma série; Possibilitando determinar se um valor
Leia maisCapítulo 1. Análise Exploratória de Dados
Capítulo 1 Análise Exploratória de Dados Introdução A finalidade da Análise Exploratória de Dados (AED) é examinar os dados previamente à aplicação de qualquer técnica estatística. Desta forma o analista
Leia maisEstatística Aplicada
Estatística Aplicada Medidas Descritivas Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada ESTATÍSTICA DESCRITIVA Classificação de variáveis QuaLitativas (categóricas) Descrevem
Leia maisEstatística Descritiva
Estatística Descritiva ESQUEMA DO CAPÍTULO 6.1 IMPORTÂNCIA DO SUMÁRIO E APRESENTAÇÃO DE DADOS 6.2 DIAGRAMA DE RAMO E FOLHAS 6.3 DISTRIBUIÇÕES DE FREQUÊNCIA E HISTOGRAMAS 6.4 DIAGRAMA DE CAIXA 6.5 GRÁFICOS
Leia maisAula 2 Planejamento e Análise de Experimentos
Aula 2 Planejamento e Análise de Experimentos Professores Miguel Antonio Sovierzoski, Dr. miguelaso@utfpr.edu.br; Vicente Machado Neto, Dr. vmachado@utfpr.edu.br; Revisão da aula anterior Fatores níveis
Leia maisMedidas resumo. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Medidas resumo Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 28/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Autor: Anderson Garcia Silveira Anderson Garcia Silveira Na aula anterior... Medidas de Tendência Central 2 Na aula anterior... Medidas de Tendência Central Moda Mediana
Leia maisCONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA
DISCIPLINA: MÉTODOS QUANTITATIVOS PROFESSORA: GARDÊNIA SILVANA DE OLIVEIRA RODRIGUES CONCEITOS BASICOS, ORGANIZAÇÃO E APRESENTAÇÃO DOS RESULTADOS, DISTRIBUIÇÃO DE FREQUÊNCIA MOSSORÓ/RN 2015 1 POR QUE ESTUDAR
Leia mais2EMA007 ESTATÍSTICA A
2EMA007 ESTATÍSTICA A Prof.: Tiago V. F. Santana tiagodesantana@uel.br sala 07 www.uel.br/pessoal/tiagodesantana Universidade Estadual de Londrina Departamento de Estatística TVFS (UEL) Estatística 1 /
Leia maisINTRODUÇÃO À ESTATÍSTICA
INTRODUÇÃO À ESTATÍSTICA A Estatística refere-se às técnicas pelas quais os dados são "coletados", "organizados","apresentados" "apresentados" e"analisados" "analisados". Pode-se dividir a ciência Estatística
Leia maisESTATÍSTICA. Estatística é o conjunto de métodos para a obtenção, organização, resumo, análise e interpretação dos dados.
ESTATÍSTICA Termo vem de status Aspectos de um país (tamanho da população, taxas de mortalidade, taxas de desemprego, renda per capita). Estatística é o conjunto de métodos para a obtenção, organização,
Leia maisAula 4: Medidas Resumo
Aula 4: Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da Silva (UFPR) ce003 - Estatística II
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos
Leia maisImportância prática do desvio padrão. Obs. Para uma distribuição normal.
Importância prática do desvio padrão Obs. Para uma distribuição normal. 1 Organização e representação dos dados Outra forma de organizar e resumir a informação contida em dados observados é por meio de
Leia maisAnálise Exploratória e Estimação PARA COMPUTAÇÃO
Análise Exploratória e Estimação MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Médias Média Aritmética (valor médio de uma distribuição) n x = 1 n i=1 x i = 1 n x 1 + + x n Média Aritmética
Leia maisConceito de Estatística
Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos, observáveis. Unidade Estatística um fenômeno individual é uma unidade no conjunto que irá constituir
Leia mais25/08/2016. Estatística. Estatística. Medidas Estatísticas Medidas de Posição. Mariele Bernardes. Mariele Bernardes
s 12/08/2016 As medidas estatísticas resumem as informações obtidas dando uma visão global dos dados. s ou estimadores dados da amostra Parâmetros dados populacionais. de posição de dispersão de posição
Leia maisMedidas Descritivas de Posição, Tendência Central e Variabilidade
Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 29 de Agosto de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores
Leia maisMétodos Estatísticos Básicos
Aula 4 - Medidas de dispersão Departamento de Economia Universidade Federal de Pelotas (UFPel) Abril de 2014 Amplitude total Amplitude total: AT = X max X min. É a única medida de dispersão que não tem
Leia maisEstatística Descritiva
Estatística Descritiva Prof. Henrique Dantas Neder Instituto de Economia Universidade Federal de Uberlândia Typeset by FoilTEX 1 Tópicos introdutórios A estatística descritiva trata dos métodos estatísticos
Leia maisGRÁFICOS ESTATÍSTICOS
GRÁFICOS ESTATÍSTICOS DISTRIBUIÇÃO DE FREQÜÊNCIA Suponhamos termos feito uma coleta de dados relativos às estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégio A, resultando a
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisProf. Dr. Engenharia Ambiental, UNESP
INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação
Leia maisProfessora Ana Hermínia Andrade. Período
Estatística Descritiva Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Por que devo estudar estatística?
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 010 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
Leia maisMedidas Descritivas de Posição, Tendência Central e Variabilidade
Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 27 de Março de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Sumário 1 Introdução
Leia maisSumário. Estatistica.indb 11 16/08/ :47:41
Sumário CAPÍTULO 1 CONCEITOS INICIAIS... 19 1.1. Introdução... 19 1.2. Estatística... 19 1.2.1. Estatística Descritiva ou Dedutiva... 21 1.2.2. Estatística Indutiva ou Inferencial... 21 1.3. População...
Leia maisEstatística Aplicada. UNIVERSIDADE ESTÁCIO DE SÁ-RECIFE 2013 Prof: Wildson Cruz
Estatística Aplicada UNIVERSIDADE ESTÁCIO DE SÁ-RECIFE 2013 Prof: Wildson Cruz Estatística Descritiva A estatística descritiva preocupa-se com a forma pela qual podemos apresentar um conjunto de dados
Leia maisCAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos
CAP1: Estatística Descritiva para análise da variabilidade uma amostra de dados quantitativos O aluno deverá utilizar calculadora científica Resumo Numérico dos dados Suponha que os dados sejam representados
Leia maisESTATÍSTICA DESCRITIVA E INDUTIVA 2EMA010
ESTATÍSTICA DESCRITIVA E INDUTIVA 2EMA010 Prof.: Tiago V. F. Santana tiagodesantana@uel.br sala 07 www.uel.br/pessoal/tiagodesantana Universidade Estadual de Londrina Departamento de Estatística TVFS (UEL)
Leia maisBioestatística. Luiz Ricardo Nakamura Cristiane Mariana Rodrigues da Silva. Ciências biológicas a USP ESALQ. Estatística
Bioestatística Luiz Ricardo Nakamura Cristiane Mariana Rodrigues da Silva Ciências biológicas a USP ESALQ LR Nakamura Estatística ESALQ 1 / 67 Estatística e o método científico Circularidade do método
Leia maisSintetizando dados qualitativos e quantitativos
Sintetizando dados qualitativos e quantitativos Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Cronograma 1. Dados qualitativos 2. Dados quantitativos 2/48 INTRODUÇÃO Para sintetizarmos as informações
Leia mais3. Representação de variáveis quantitativas
3. Representação de variáveis quantitativas 21 3.1 Variáveis discretas Dados: n observações de uma variável discreta x. Existem k diferentes valores x1 < x2
Leia maisESTATÍSTICA PARA GEOGRAFIA AULA DE 23/08/2017
ESTATÍSTICA PARA GEOGRAFIA AULA DE 23/08/2017 OBJETIVOS DA AULA Apresentar funções do R que retornam medidas de posição e de dispersão tais como (mean, median, quantile, range, var, sd) Usando o R representar
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Parte I Tabela de frequências e gráficos http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/
Leia maisIFF FLUMINENSE CST EM MANUTENÇÃO INDUSTRIAL
IFF FLUMINENSE CST EM MANUTENÇÃO INDUSTRIAL Estatística e Probabilidade CH: 40 h/a Classificação de variáveis, Levantamento de Dados: Coleta; Apuração; Apresentação; e Análise de resultados. Séries Estatísticas.
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística Origem relacionada com a coleta e construção de tabelas de dados para o governo. A situação evoluiu: a coleta de dados representa somente um dos aspectos
Leia maisAdilson Cunha Rusteiko
Janeiro, 2015 Estatística , A Estatística Estatística: É a parte da matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação
Leia maisCap. 6 Medidas descritivas
Estatística Aplicada às Ciências Sociais Sexta Edição Pedro Alberto Barbetta Florianópolis: Editora da UFSC, 2006 Cap. 6 Medidas descritivas Análise descritiva e exploratória de variáveis quantitativas
Leia maisOrganização de dados
Organização de dados Coletar dados podem envolver diversas atividades tais como experimentos em laboratório, observações de campo, pesquisa de opinião, exame de registros históricos,... A quantidade de
Leia maisUnidade II Estatística descritiva
Unidade II Estatística descritiva 2.1. Apresentação de dados 2.1.1 Séries estatísticas 2.1.2 Tabelas 2.1.3 Gráficos 2.2. Distribuições de freqüências e gráficos 2.2.1 Tabelas de classificação simples 2.2.2
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Considere os dados abaixo sobre distribuição de salário (em reais) num grupo de 1000 individuos. Tabela 1: Distribuição de frequências da variável salário Classe de Salário n i f i 500-1000
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br Agosto de 2013 Apostila de Estatística (Cristian Villegas) 1 Parte I Tabela de frequências e gráficos Apostila de Estatística (Cristian Villegas)
Leia maisMedidas resumo numéricas
Medidas descritivas Medidas resumo numéricas Tendência central dos dados Média Mediana Moda Dispersão ou variação em relação ao centro Amplitude Intervalo interquartil Variância Desvio Padrão Coeficiente
Leia maisIntrodução à análise exploratória de dados
Introdução à análise exploratória de dados Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 23/02/2018
Leia mais12/06/14. Estatística Descritiva. Estatística Descritiva. Medidas de tendência central. Medidas de dispersão. Separatrizes. Resumindo numericamente
Resumindo numericamente Para resumir numericamente dados quantitativos o objetivo é escolher medidas apropriadas de locação (``qual o tamanho dos números envolvidos?'') e de dispersão (``quanta variação
Leia maisBioestatística. October 28, UFOP October 28, / 57
Bioestatística October 28, 2013 UFOP October 28, 2013 1 / 57 NOME 1 Medidas de Tendência Central Média aritmética Mediana Moda Separatrizes 2 Medidas de Dispersão Amplitude Total Variância e Desvio-padrão
Leia maisNOTAS DE AULA. Medidas Descritivas. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DE AULA Medidas Descritivas Prof.: Idemauro Antonio Rodrigues de Lara 2 PRINCIPAIS MEDIDAS DESCRITIVAS 1. Medidas de tendência central 1.1 Média 1.2 Mediana 1.3 Moda 2. Medidas de dispersão 2.1
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisEstatística Descritiva (I)
Estatística Descritiva (I) 1 O que é Estatística A Estatística originou-se com a coleta e construção de tabelas de dados para o governo. A situação evoluiu e esta coleta de dados representa somente um
Leia maisRevisão de estatística descritiva
Revisão de estatística descritiva Prof. Marcos Vinicius Pó Métodos Quantitativos para Ciências Sociais 1 Apresentação de grupos: dia 19/02 (quinta) Definir e eplicar sucintamente o funcionamento das seguintes
Leia maisPrincípios de Bioestatística Estatística Descritiva/Exploratória
1/31 Princípios de Bioestatística Estatística Descritiva/Exploratória Enrico A. Colosimo/UFMG http://www.est.ufmg.br/ enricoc/ Depto. Estatística - ICEx - UFMG 2/31 Descrição de Dados Variável: característica
Leia maisMedidas Estatísticas de Posição
Medidas Estatísticas de Posição 1 - Medidas de Tendência Central Denição medida de tendência central é um único valor que representa ou tipica um conjunto de valores. Nunca pode ser menor que o menor valor
Leia mais(a) Use cinco intervalos e construa um histograma e o polígono de frequência. (b) Determine uma medida de posição central e uma medida de dispersão.
Universidade Federal Fluminense Instituto de Ciências Exatas Departamento de Matemática 1 a Lista de Exercícios de Probabilidade e Estatística Prof a : Marina Sequeiros 1. Contou-se o número de erros de
Leia maisEstatística. 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão. Renata Souza
Estatística 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão Renata Souza Medidas Depois que você conheceu os conceitos de coleta de dados, variação, causas comuns e causas especiais,
Leia maisEnrico Antonio Colosimo Depto. Estatística UFMG
Bioestatística F Estatística Descritiva Enrico Antonio Colosimo Depto. Estatística UFMG http://www.est.ufmg.br/~enricoc/ Descrição de Dados Variável: característica de interesse variável Qualitativa Quantitativa
Leia maisMedidas Estatísticas NILO FERNANDES VARELA
Medidas Estatísticas NILO FERNANDES VARELA Tendência Central Medidas que orientam quanto aos valores centrais. Representam os fenômenos pelos seus valores médios, em torno dos quais tendem a se concentrar
Leia mais