ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
|
|
- Leandro Prada Canário
- 6 Há anos
- Visualizações:
Transcrição
1 ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e de métodos computaconas ecentes revgorou estas áreas da Estatístca. Probabldade Permte estudar os enômenos aleatóros, ou seja, aqueles em que está presente a ncerteza sobre os resultados.
2 Estatístca Estatístca
3 O que é Estatístca? Para mutos, Estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas que planejam a obtenção dos dados. A Estatístca orgnou-se com a coleta e apresentação de dados para uso dos governos. A stuação evoluu e a coleta representa somente um dos aspectos da Estatístca. Denção de Estatístca A Estatístca é uma cênca baseada na Teora da Probabldade, cujo objetvo prncpal é nos aular a tomar decsões ou trar conclusões em stuações de ncerteza, a partr de dados. População: conjunto de todas as undades que são de nteresse, possuem certa característca comum. Amostra: qualquer subconjunto da população seleconado de acordo com certas regras. Censo: estudo que nclu todos os elementos da população. 3
4 Coleta Epermento (controlado, planejado) Eeto de um ou mas atores sobre outro(s). Intererênca do pesqusador. Controle sobre atores eternos. Levantamento observaconal Dados são coletados como estão. Não há ntererênca do pesqusador. Levantamento amostral (survey) População bem denda. Protocolo de coleta. Amostragem Uma área mportante em mutas aplcações estatístcas é a da Tecnologa de Amostragem. Eemplos: Pesqusa de mercado, Pesqusa de opnão, Avalação do processo de produção. 4
5 Amostragem Probablístca Cada elemento da população tem uma chance conhecda de ser seleconado. Amostragem por Convenênca Seleconar elementos de ácl acesso ou de nteresse para o estudo. Tpos de Amostragem Probablístca Amostragem por Conglomerados Dvdr a população em conjuntos homogêneos, mas com elementos heterogêneos. Seleconar aleatoramente alguns destes conjuntos e tomar amostras deles. Amostragem Estratcada Classcar a população em pelo menos dos estratos e seleconar uma amostra de cada um. Amostragem Sstemátca Seleconar um elemento a cada k. 5
6 Conronto no segundo turno Eemplo Numa pesqusa eletoral um nsttuto de pesqusa procura, com base nos resultados de um levantamento aplcado a uma amostra da população, prever o resultado da eleção. Eleção presdencal. Os nsttutos de pesqusa de opnão colhem perodcamente amostras de eletores para obter as estmatvas de ntenção de voto da população. As estmatvas são ornecdas com um valor e uma margem de erro. A gura a segur (Insttuto Toledo & Assocados) reere-se à ntenção de voto no o turno das eleções para presdente em 00. 6
7 Intenção de voto para presdente do Brasl-00 Voto estmulado, em % do total de votos. A últma pesqusa ouvu.0 eletores. Margem de erro de,09%. Fonte:Pesqusa Toledo & Assocados. O que azer com os dados coletados? a etapa: Estatístca Descrtva e Análse Eploratóra Meddas resumo, tabelas e grácos. Obs. Se representa uma varável, uma amostra com valores,,..., n é chamada de conjunto de dados. n é o tamanho da amostra. 7
8 Varável Qualquer característca de nteresse assocada aos elementos de uma população. Classcação de varáves { Qualtatva Nomnal Ordnal Cor, tpo de máquna Classe socal, grau de desgaste Quanttatva { Contínua Dscreta Número de acdentes, número de deetos em um tem Peso, vscosdade, pressão Eemplo. Estudo de resstênca. Observação Espessura Tpo de cola Resstênca 3 46,5 4 45,9 3 49,8 4 46, ,3 6 48, ,0 8 50, 9 48, , , , , , , , , , , ,6 Fonte: Montgomery, D. C. (005), Desgn and Analyss o Eperments, 6th Edton, Wley: New York 8
9 Meddas resumo Meddas de posção: moda, méda, medana, percents, quarts. (meddas de tendênca central: três prmeras) Meddas de dspersão: ampltude, ntervalo nterquartl, varânca, desvo padrão, coecente de varação. Meddas de posção Moda (Mo): É o valor (ou atrbuto) que ocorre com maor reqüênca. E. Dados: 4,5,4,6,5,8,4,4 mo 4 Obs.. Nem sempre a moda este.. Pode haver mas de uma moda. Méda: E. Dados:,5,3,7, n n n n ( )/5 5,6 9
10 Medana (Md) A medana é o valor que ocupa a posção central de um conjunto de n valores ordenados. Posção da medana: pm (n+)/ E. Dados:,6,3,7,8 (n 5) Dados ordenados:,3,7,8, 6 > pm (5+)/3 > Md 7 E. Dados:,5,,,8,5 (n 6) Dados ordenados:,,, 5, 8, 5 > pm (6+)/3,5 > Md (+5) / 3,5 (méda dos elementos nas posções 3 e 4). Quants (quantles) O quantl de ordem p (0 < p < ), em um conjunto de dados com n observações, é o valor que ocupa a posção p (n+) nos dados ordenados. O quantl de ordem p dea p 00% das observações abao dele na amostra ordenada. Casos partculares: Quantl 0,5 medana ou segundo quartl (md) Quantl 0,5 prmero quartl (Q) Quantl 0,75 tercero quartl (Q3) 0
11 Eemplos E..,9,0,,5 3,0 3, 3,3 3,7 6, 7,7 (n 0) Posção da Md: 0,5(n+)0,5 > Md (3+3,)/ 3,05 Posção de Q: 0,5(),75 > Q (+,)/,05 Posção de Q3: 0,75()8,5 > Q3 (3,7+6,)/ 4,9 E.. 0,9,0,7,9 3, 5,3 5,5,,9 4,0 33,6 (n ) Md 5,3 Q,7 Q3,9 Moda, medana e méda (mode, medan and mean) A moda não costuma ser utlzada com varáves quanttatvas. Se a varável or qualtatva nomnal, a moda é a únca medda de posção. A medana é menos aetada pela presença de valores etremos. M é d a 6, M é d a 7, Obs. Os quants também são chamados de separatrzes.
12 Consdere as notas de uma prova aplcada a três grupos de alunos: Grupo : 3, 4, 5, 6, 7; Grupo :, 3, 5, 7, 9; e Grupo 3: 5, 5, 5, 5, 5. Grupo 0 0 Grupo 0 0 Grupo ; Md Md Md 3 5 Meddas de dspersão Fnaldade: encontrar um valor que resuma a varabldade de um conjunto de dados. Ampltude (A): A ma - mn Para os grupos anterores (slde 3), temos Grupo : A 4 Grupo : A 8 Grupo 3: A 0
13 Intervalo ou ampltude nterquartl (d q ) (nterquartle range) É a derença entre o tercero quartl e o prmero quartl: d q Q3 - Q. E.,9,0,,5 3,0 3, 3,3 3,7 6, 7,7 Q,05 e Q3 4,9. d q Q3- Q 4,9-,05,85. Obs. d q é uma medda mas resstente do que A. Varânca (s ) (varance) ( ) +( S ( ) ) (n ) n n Desvo padrão (s) (standard devaton) s s Obs. O desvo padrão tem a mesma undade da varável. n 3
14 Cálculo da varânca para o grupo (lâmna 4): Grupo : 3, 4, 5, 6, 7: Vmos que 5 ( 3 5) +( 4 5) +( 5 5) +( 6 5) +( 7 5) S 5 Desvo padrão: Grupo : s Grupo : s Grupo 3 : s,5 s,58 0 s 3,6 0 s 0 0,5 4 Propredades:, K, uma amostra com méda e varânca s n. Transormação (posção e escala): y a + b,,...,n. y a + b, s y b s e s y b s. 4
15 Coecente de varação (CV) É uma medda de dspersão relatva. Eprme a varabldade em relação à méda. CV S 00, see 0. Eemplo. Altura e peso de alunos Méda Desvo padrão Coecente de varação Altura,43m 0,063m 5,5% Peso 50Kg 6kg % Conclusão. O peso dos alunos apresenta varabldade relatva apromadamente duas vezes maor do que a altura. 5
16 Um eemplo Rendmento (em %) de 90 bateladas de um substrato de cerâmca no qual um revestmento metálco o aplcado. > n: 90 tems > Mn. st Qu. Medan Mean 3rd Qu. Ma > S > 0% 40% 70% 90% Eemplo (Gráco de pontos) Propredad e : n ( ) Rendmento (% ) 6
17 Organzação e representação dos dados Uma das ormas de organzar e resumr a normação contda em dados observados é por meo de tabelas de requêncas e grácos. A requênca de um valor da varável é o número de vezes que este valor ocorre no conjunto de dados. Tabela de requêncas. Tabela com os derentes valores de uma varável (ou ntervalos de valores) e suas respectvas requêncas.. Varáves qualtatvas. Tabela de requêncas dos derentes valores da varável. Representação gráca: gráco de barras, de Pareto e gráco de setores ( de pzza ). Eemplo. Varável Grau de nstrução (varável qualtatva ordnal) Grau de nstrução Contagem r o Grau 0,3333 o Grau 8 0,5000 Superor Total 6 n 36 0,667,0000 : requênca absoluta do valor (número de ndvíduos com grau de nstrução ), { o Grau, o Grau, Superor}. r n : requênca relatva do valor I. 7
18 Elementos de um gráco Fgura. Descrção do gráco. Representação gráca de varáves qualtatvas Gráco de barras: retângulos vertcas (ou horzontas) espaçados com alturas (ou bases) guas às requencas dos valores da varável. Dagrama de barras para a varável grau de nstrução 60,00% 50,00% 40,00% 30,00% 0,00% 0,00% 33,33% 50,00% 6,70% Regão de orgem SE NE S CO N ,00% o Grau o Grau Superor Grau de nstrução Percentagem 8
19 Gráco de Pareto Gráco de barras com os valores da varável em ordem decrescente de requencas e com as requêncas relatvas acumuladas no segundo eo vertcal. SE NE S CO N Frequenca % 5% 50% 75% 00% Cumulatve Percentage Regão de orgem Grácos de setores ( de pzza ) Gráco crcular utlzado para destacar a composção das partes de um todo. O ângulo central de cada setor é proporconal à requenca representada (usualmente em %). Dagrama crcular para a varavel grau de nstrução o Grau (33.3%) Dagrama crcular para a varável grau de nstrução Superor 7% o Grau 33% o Grau (50.0%) Superor (6.7%) o Grau 50% 9
20 . Organzação e representação de varáves quanttatvas. Dscretas. Organzam-se medante tabelas de requêncas e a representação gráca é medante gráco de pontos, de barras ou de lnha. Frequênca relatva do valor : r / n. Frequênca acumulada do valor : Eemplo. Número de deetos em lotes de produtos. Dstrbução de requêncas do número de deetos por lote. F + + L + j j Representação gráca 0
21 Meddas de posção e dspersão para varáves quanttatvas dscretas agrupados em tabela de reqüêncas: Méda: + + n L + k k k Eemplo. Determne o número médo de deetos por lote. Medana: , n 0: pm (0+) / 0,5 > Md méda dos valores com requencas acumuladas guas a 0 e ( + ) / (slde 39). Moda? n Varânca: s Eemplo. ( ) +( ) + L+(k ) n k k ( ) n 4( 0,65) + 5(,65) + 7(,65) + 3( 3,65) +( 5,65) s 9 6,35 0,859 9 Desvo padrão: s s 0,97 Coecente de varação: s 0,9 CV 00% 00% 55,8%,65
22 . Construção de tabelas de requêncas para varáves contínuas Escolha o número de ntervalos de classe (k) Identque o menor valor (mn) e o valor mámo (MAX) dos dados. Calcule a ampltude (A): A MAX mn. Calcule a ampltude de classe (h): h A / k. Obtenha os lmtes neror (LI) e superor (LS) de cada classe. o ntervalo : Lmte neror : LI mn Lmte superor : LS LI + h... o Lmte - ésmo Lmte ntervalo Lmte superor : LS : neror ntervalo neror : LI : LI LS LI LS + h Lmte superor : LS LI + h Prossga até que seja obtdo um ntervalo que contenha o valor mámo (MAX). : Obs. Mutas vezes, por convenênca, arrredondamos os valores de h e/ou LI. Tabela de de requêncas com as colunas: Número de ordem de cada ntervalo () Lmtes de cada ntervalo. Os ntervalos são echados à esquerda e abertos à dreta. Notação: Ponto médo (ou marca de classe) de cada classe: * LS +LI.
23 Frequênca absoluta de uma classe ( ): número de observações pertencentes à classe. Frequênca relatva de uma classe: r / n. Frequênca acumulada absoluta de uma classe: F + + L + j j. Frequênca acumulada relatva de uma classe: F r r + r + L+ r ou F F. r j r j n Eemplo Varável: vscosdade (em u.v.) de um líqudo a uma certa temperatura Amostra ordenada: n 40 Mn. Medan Mean Ma Procedmento: Adotamos k 5. mn 3,0 e MAX 7,80. A MAX mn 7,8 3,0 4,7. h 4,7 / 5 0,94. Adotamos h e LI 3. Lmtes das classses: LI 3, LS LI + h 4, LI LS 4, LS LI + h 5,, LI 5 LS 4 7 e LS 5 LI 5 + h 8. 3
24 Pontos médos: * * ,5; 4,5;...; 5 * 7,5. Tabela. Dstrbução de requêncas da varável vscosdade. Ordem Classe Ponto médo Frequênca Frequênca relatva Frequênca acumulada Frequênca relatva acumulada ,5 4 0, 4 0, ,5 8 0, 0, ,5 9 0, , ,5 6 0,5 37 0, ,5 3 0, Total Nesta organzação de dados temos perda de normação. Em um gráco de pontos não há perda de normação, mas se n or grande, pode haver perda de clareza. Densdade de reqüênca (ou densdade):. d r h Representação gráca: Hstograma Gráco de barras adjacentes com bases guas às ampltudes das classes e alturas guas às densdades. Obs. Se as classes tverem ampltude constante, as alturas das barras usualmente são guas às requencas. Propredade. Se utlzarmos densdades, soma das áreas dos retângulos, pos k k k r h h d r h Obs.. A ampltude das classes pode varar... Na construção de um hstograma, quanto maor or n, melhor. 4
25 Eemplo. Varável vscosdade. Escolha do número de classes (geralmente, 5 k 5). k3 k3 Densdade Densdade X X k7 k4 Densdade X Densdade X 5
26 Méda e varânca para varáves contínuas agrupadas em classes Méda: Varânca: * L k k * * + + n * ( ) n 3,5 4+ 4,5 8+ 5,5 9+ 6,5 6+ 7,5 3 * 40 4,6 s, ,4. s,033 (desvo padrão). 40 Méda dos dados não agrupados (dados brutos) : + + L ,9 + 4,9 + L + 4, 6 5, Este resultado dere do valor obtdo anterormente. Por quê? k Eemplo. Varável vscosdade (slde 47) s k n * 5 ( ) Gráco de caas (boplot) Representação dos dados por meo de um retângulo construído com os quarts. Fornece normação sobre a varabldade (d q Q 3 Q ) e valores etremos. 6
27 Eemplo. Varável vscosdade. º quartl (Q) 4,775. Em R: quantle(dados, 0.5) Medana (Md ou Q) 5,4. Em R: quantle(dados, 0.5) 3 º quartl (Q3) 5,9. Em R: quantle(dados, 0.75) d q ntervalo nterquartl Q3 Q,5. Lnhas aulares passam por Q,5d q 3,0875 e Q3 +,5d q 7,5875. Eemplo. Varável vscosdade medda em duas temperaturas. Temperatura (slde 47) Temperatura (n 40)
28 Boplot Redução de volume A B C D E F G H Tpo de adtvo Análse eploratóra. Redução versus tpo. Varabldade. Smetra. Valores etremos. Gráco de lnha O Estado de S. Paulo, 8//00. 8
29 Assocação entre varáves quanttatvas (,y ),..., ( n,y n ): amostra bvarada. Representação gráca: gráco de dspersão (scatter plot) Medda de assocação: coecente de correlação lnear de Pearson. r n n ( Numerador: covarânca entre e y. Propredades: () r e s s )( y y y ) () r se, e somente se, a relação entre e y or lnear (y a + b, b 0 e o snal de r é o snal de b. Assocação entre varáves quanttatvas 9
30 Assocação entre varáves quanttatvas Assocação entre varáves quanttatvas 30
31 Assocação entre varáves quanttatvas Eemplo Eemplo Y Y Correlações: Eemplo : 0,864 Eemplo : 0, X X Eemplo 3: 0,863 Eemplo 3 Eemplo 4 Eemplo 4: 0,865 Y Y X X Eemplo. Dados na slde7. > "Espessura" e "Resstênca" Resstênca E s p e s s ura 3
32 Eemplo em R. Dados na slde 7. > Níves de Cola. > "Espessura e "Resstênca" Resstênca E s p e s s ura 3
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 mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 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 maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia 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 maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia 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 maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia mais2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO
Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto
Leia maisFAAP APRESENTAÇÃO (1)
ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,
Leia maisRedução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma
Redução dos Dados Júlo Osóro Meddas Característcas da Dstrbução Tendênca Central (Localzação) Varação (Dspersão) Forma 1 Meddas Característcas da Dstrbução Meddas Estatístcas Tendênca Central Dspersão
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisAULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.
Estatístca Aplcada à Engenhara AULA 4 UNAMA - Unversdade da Amazôna.8 MEDIDA EPARATRIZE ão valores que separam o rol (os dados ordenados) em quatro (quarts), dez (decs) ou em cem (percents) partes guas.
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma
Leia mais4.1. Medidas de Posição da amostra: média, mediana e moda
4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisLista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.
Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número
Leia maisTEORIA DA PROBABILIDADE:
ESTATÍSTICA 1 INTRODUÇÃO Desde a antgudade, város povos já regstravam o número de habtantes, de nascmentos, de óbtos, azam estmatvas das rquezas ndvdual e socal, dstrbuíam equtatvamente terras ao povo,
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisDISTRIBUIÇÃO DE FREQUÊNCIAS
Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisCovariância e Correlação Linear
TLF 00/ Cap. X Covarânca e correlação lnear Capítulo X Covarânca e Correlação Lnear 0.. Valor médo da grandeza (,) 0 0.. Covarânca na propagação de erros 03 0.3. Coecente de correlação lnear 05 Departamento
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisx n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População
ESTATÍSTICA STICA DESCRITIVA Prof. Lorí Val, Dr. val@mat.ufrgs.br http://.ufrgs.br/~val/ Orgazação; Resumo; Apresetação. Cojuto de dados: Amostra ou População Um cojuto de dados é resumdo de acordo com
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRGS Insttuto de Matemátca
Leia 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 maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia maisCAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia maisAs tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.
1. TABELA DE DISTRIBUIÇÃO DE FREQÜÊNCIA As tabelas resumem as normações obtdas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de normações. As tabelas sem perda de normação
Leia maisEstatística Descritiva. Medidas estatísticas: Localização, Dispersão
Estatístca Descrtva Meddas estatístcas: Localzação, Dspersão Meddas estatístcas Localzação Dspersão Meddas estatístcas - localzação Méda artmétca Dados ão agrupados x x Dados dscretos agrupados x f r x
Leia maisConceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues
Concetos Incas de Estatístca Módulo 3 : MEDIDAS DE POSIÇÃO Pro. Rogéro Rodrgues MEDIDAS DE POSIÇÃO ) Introdução : Depos da coleta de dados, as varáves pesqusadas estão em estado bruto, sendo necessáro
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisO problema da superdispersão na análise de dados de contagens
O problema da superdspersão na análse de dados de contagens 1 Uma das restrções mpostas pelas dstrbuções bnomal e Posson, aplcadas usualmente na análse de dados dscretos, é que o parâmetro de dspersão
Leia maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisEventos coletivamente exaustivos: A união dos eventos é o espaço amostral.
DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2
Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se
Leia maisANÁLISE EXPLORATÓRIA DE DADOS
CENTRO DE CIÊNCIAS EXATAS CCE DEPARTAMENTO DE ESTATÍSTICA Curso de Especalzação Lato Sensu em Estatístca ANÁLISE EXPLORATÓRIA DE DADOS Professor: Dr. Waldr Medr medr@uel.br Londrna/Pr Março de 011 ÍNDICE
Leia maisContabilometria. Aula 8 Regressão Linear Simples
Contalometra Aula 8 Regressão Lnear Smples Orgem hstórca do termo Regressão Le da Regressão Unversal de Galton 1885 Galton verfcou que, apesar da tendênca de que pas altos tvessem flhos altos e pas axos
Leia maisMétodos para Determinação do Valor Característico da Resistência à Compressão Paralela às Fibras da Madeira
Voltar MADEIRA arqutetura e engenhara nº 4 artgo 4 Métodos para Determnação do Valor Característco da Resstênca à Compressão Paralela às Fbras da Madera Edna Moura Pnto, Unversdade de São Paulo, Interundades
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisAnálise de Variância. Comparação de duas ou mais médias
Análse de Varânca Comparação de duas ou mas médas Análse de varânca com um fator Exemplo Um expermento fo realzado para se estudar dabetes gestaconal. Desejava-se avalar o comportamento da hemoglobna (HbA)
Leia maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia maisPROBABILIDADE ESTATÍTICA
I- INTRODUÇÃO. DEFINIÇÕES. ESTATÍSTICA: A Etatítca refere-e à técnca pela qua o dado ão "coletado", "organzado", "apreentado" e "analado". Pode-e dvdr a cênca Etatítca em do grupo de etudo:. Etatítca Decrtva:
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia mais1. CORRELAÇÃO E REGRESSÃO LINEAR
1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 01 Estatística Descritiva e Análise Exploratória Etapas iniciais. Utilizadas para descrever e resumir os dados. A disponibilidade de uma grande quantidade
Leia maisAPOSTILA DE ESTATÍSTICA BÁSICA Parte 1
APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 Prof. Msc. Jorge Wlson Perera da Slva SUMÁRIO Capítulo 1. Concetos Báscos 3 1.1. Introdução 3 1.2. População e Amostra 3 1.3. Processos Estatístcos de Abordagem 4
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia maisEstatística I Licenciatura MAEG 2006/07
Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecnologa de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 7. GRÁFICOS DE INFORMAÇÕES São grácos tpcamente epostvos destnados, prncpalmente, ao públco em geral, objetvando
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia maisAnálise de Regressão
Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal
Leia maisTeoria Elementar da Probabilidade
10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisVariáveis Aleatórias
Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades
Leia maisY X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)
Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)
Leia maisUniversidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais
Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:
Leia maisClassificação e Pesquisa de Dados
Classcação por Trocas Classcação e Pesqusa de Dados Aula 05 Classcação de dados por Troca:, ntrodução ao Qucksort UFRGS INF01124 Classcação por comparação entre pares de chaves, trocando-as de posção caso
Leia maisCap. IV Análise estatística de incertezas aleatórias
TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda
Leia maisNotas de Aula de Probabilidade A
VII- VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. 7. CONCEITO DE VARIÁVEIS ALEATÓRIAS: Informalmente, uma varável aleatóra é um característco numérco do resultado de um epermento aleatóro. Defnção: Uma varável
Leia maisMOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES
MOQ-14 PROJETO E ANÁLISE DE EXPERIMENTOS LISTA DE EXERCÍCIOS 1 REGRESSÃO LINEAR SIMPLES 1. Obtenha os estmadores dos coefcentes lnear e angular de um modelo de regressão lnear smples utlzando o método
Leia maisFACULDADE DE TECNOLOGIA TUPY CURITIBA
FACULDADE DE TECNOLOGIA TUPY CURITIBA MÉTODOS QUANTITATIVOS ESTATÍSTICA APLICADA VAGNER J. NECKEL 2010 Rev. 00 SUMÁRIO 1. CONCEITOS GERAIS...3 1.1 PANORAMA HISTÓRICO...3 1.2 DEFINIÇÃO...3 1.3 A ESTATÍSTICA
Leia maisBEM -ESTAR SOCIAL. Referências Deaton ( 1997 ), Capítulo 3, seção 3.1 baseado no Trabalho Clássico de Atkinson (1970) On The Measurement of Inequality
Curso Bem-Estar Socal - Marcelo er - www.fgv.brcps BEM -ESTAR SOCAL Referêncas Deaton 997, Capítulo 3, seção 3. baseado no Trabalho Clássco de Atknson 970 On The Measurement of nequalty Função Bem-Estar
Leia maisProfessor Mauricio Lutz CORRELAÇÃO
Professor Maurco Lutz 1 CORRELAÇÃO Em mutas stuações, torna-se nteressante e útl estabelecer uma relação entre duas ou mas varáves. A matemátca estabelece város tpos de relações entre varáves, por eemplo,
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisMODELOS DE REGRESSÃO PARAMÉTRICOS
MODELOS DE REGRESSÃO PARAMÉTRICOS Às vezes é de nteresse nclur na análse, característcas dos ndvíduos que podem estar relaconadas com o tempo de vda. Estudo de nsufcênca renal: verfcar qual o efeto da
Leia maisIV - Descrição e Apresentação dos Dados. Prof. Herondino
IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser
Leia mais