2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO
|
|
- Laís Araújo Câmara
- 5 Há anos
- Visualizações:
Transcrição
1 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 de valores que uma varável pode assumr é precso escolher um valor únco que represente todos os valores dessa amostra. As meddas de posção ou tendênca central sugerem uma concentração dos dados em torno delas. Essas meddas são: Méda; Moda; Medana..1 Méda da Amostra ( x ) A méda de um conjunto de números é um valor que, levando em conta a totaldade dos elementos do conjunto, pode substtur a todos, sem alterar determnada característca desse conjunto. (LOPES, 1999, p.4) Para calcular a méda deve-se multplcar cada valor pelo número atrbuído à sua mportânca no conjunto, somar todos os produtos obtdos e dvdr o total pela soma dos pesos. Dados agrupados Lembre-se que Σ = n. Σx. x = Σ onde, Dados não agrupados Σx x = n x é a méda da amostra de n elementos (é uma estatístca); n é o números de elementos da amostra; x ( = 1,, 3,..., n) são os valores das n observações. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 11
2 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba 1. Um aluno ez 3 avalações. Na 1ª. obteve nota 8,0, na ª. obteve nota 4,0 e na 3ª. obteve nota 6,0. Qual o a sua méda? Resolução: As 3 provas tem pesos guas, logo devemos somar as 3 notas e 8,0 + 4,0 + 6,0 dvdr o resultado da soma por 3. Daí: x = = 6, Um aluno ez 3 avalações, provas e 1 trabalho. Obteve nas provas 5,0 e 9,0, respectvamente. No trabalho obteve nota 9,0. O trabalho tem peso 1 e cada prova tem peso. Qual o a sua méda? Resolução: Devemos multplcar cada nota pelo peso que lhe é atrbuído, somar todos esses produtos e dvdr pela soma dos pesos. Daí: 5,0. + 9,0. + 9,0.1 x = = 7, Calcule a méda da tabela 4. Resolução: O deal é crar uma coluna na Tabela de Dstrbução de Freqüênca responsável pelos resultados dos produtos de cada valor pelo peso correspondente (x. ), como mostra a tabela 6. Tabela 5: Tabela de Dstrbução de Freqüêncas com o Cálculo da Méda Dâmetros (mm) r (%) F Fr (%) x x. 1 7,0 7,4 1 1,7 1 1,7 7, 7, 7,4 7,8 7 11,7 8 13,4 7,6 508, 3 7,8 73, 10 16, ,1 73,0 730,0 4 73, 73,6 17 8, 35 58,3 73,4 147,8 5 73,6 74,0 13 1, ,0 73,8 959,4 6 74,0 74,4 9 15, ,0 74, 667,8 7 74,4 74,8 3 5, ,0 74,6 3,8 Σ = 60 Σ r =100,0 Σ x. = 4409, Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 1
3 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Os cálculos: x. = x1.1 = 7,.1= 7, x. x 3.3 x 4.4 x 5.5 x 6.6 x 7.7 = 7,6.7 = 508, = 73,0.10 = 730,0 = 73,4.17 = 147,8 = 73,8.13 = 959,4 = 74,.9 = 667,8 = 74,6.3 = 3,8 Assm, Σx. = 7, + 508, + 730,0 +147, , ,8 + 3,8 = 4409, Σx. 4409, A méda será x = = = 73, , mm Σ 60 5 (usando uma casa decmal, pos todos os elementos da amostra têm uma casa decmal).. Moda da Amostra (Mo) A moda é o valor da varável que aprece com mas reqüênca, ou seja, o valor que aparece mas vezes. Numa Tabela de Dstrbução de Freqüênca com perda de normação a classe com maor reqüênca é chamada de classe modal e o valor da moda é dado pelo ponto médo da classe modal. Dados agrupados l +L Mo = Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 13
4 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Dados não agrupados: Valor que ocorre com maor reqüênca de uma sequenca de dados numércos dspostos em ordem crescente ou decrescente. Observação: Quando há apenas uma moda a amostra denomna-se modal; duas ou mas modas, bmodal. Se todos os valores ocorrerem a mesma quantdade de vezes a amostra é consderada amodal. 1. Consdere os valores: 1,, 3, 3, 3, 4, 4, 5, 6. Qual é o valor da moda? Resolução: A moda é o valor que mas vezes se repete. Assm, para os dados acma, Mo = 3.. Calcule a moda dos dados contdos na tabela 4. Resolução: A tabela 4 mostra uma reqüênca 17 (marcada em cnza na tabela) como a maor delas. Logo, a 4ª. classe é a classe modal. O valor da moda é o ponto médo da classe modal. Assm, Mo = 73,4 mm (marcada em cnza na tabela). Tabela 6: Tabela de Dstrbução de Freqüêncas Completa com o Cálculo da Moda Dâmetros (mm) r (%) F Fr (%) x 1 7,0 7,4 1 1,7 1 1,7 7, 7,4 7,8 7 11,7 8 13,4 7,6 3 7,8 73, 10 16, ,1 73,0 4 73, 73,6 17 8, 35 58,3 73,4 5 73,6 74,0 13 1, ,0 73,8 6 74,0 74,4 9 15, ,0 74, 7 74,4 74,8 3 5, ,0 74,6 Σ = 60 Σ r =100,0 Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 14
5 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba.3 Medana da Amostra (Md) A medana é o valor que se encontra no centro de um conjunto de valores, estando a amostra ordenada. Numa Tabela de Dstrbução de Freqüênca com perda de normação a medana é calculada segundo os passos: n Calculamos ; Calculamos as reqüêncas acumuladas de todas as classes (F ); Marcamos na Tabela de Dstrbução de Freqüênca qual é a n reqüênca acumulada medatamente superor à - está é a classe medana; Dados agrupados: Usamos a órmula: Md n 1 - F(ant) = l +. h, onde: l é o lmte neror da classe medana; n é o tamanho da amostra; F (ant) é a reqüênca acumulada da classe anteror à classe medana; é a reqüênca smples da classe medana; h é a ampltude do ntervalo de classe. Dados não agrupados: A medana assm como a méda também ornece uma medda de posção central. Para a obtenção do valor da medana é necessáro que os dados sejam arranjados em ordem crescente (do menor para o maor). Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 15
6 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba A medana é o valor stuado no meo da seqüênca de observações. Denção da medana: Com os dados já arranjados em ordem crescente, temos duas ormas para obtenção da medana: a) Para um número ímpar de observações a medana é o valor central das observações. Usamos a órmula do posconamento: Posconam ento = n +1 onde, n é o número de observações da amostra. Exercíco lustratvo: retornemos ao exemplo do número de alunos nas salas de aula do IST. Em nosso exemplo temos 5 salas de aula (número ímpar de observações) com as seguntes observações: Devemos então ordenar os dados de orma crescente: Deve-se então localzar o posconamento da medana através da ormula do posconamento: Posconam ento então temos, = n + = = Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 16
7 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba MEDIANA = 46 Para um número par de observações a medana é a méda dos dos valores centras. Exercíco lustratvo: retornemos exercíco dos alunos recém ormados no curso de Tecnologa em Qualdade e Produtvdade, neste exemplo temos uma amostra com um número par de observações (1 observações) Podemos notar nos dados acma (já em orma ordenada), não temos nem um valor central especíco, e se usarmos a órmula do posconamento teremos o segunte resultado: Posconam ento = n + = = 6,5 desta orma, pagamos os dos valores centras (posção 6 e posção 7) e azemos a méda MEDIANA = = Consdere os valores: 1,, 3, 3, 3, 4, 4, 5, 6. Qual é o valor da medana? Resolução: A medana é o valor central da sére. Assm, Md = 3.. Consdere os valores: 7, 8, 9, 10, 11, 1, 13, 14. Qual é o valor da medana? Resolução: A medana é o valor central da sére. Como está sére tem n = 8, calculamos a medana pela méda entre os valores centras. Assm, Md = = 10,5. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 17
8 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba 3. Calcule a medana dos dados da tabela 4. Resolução: Para calcular a medana devemos segur os passos: n 60 = = 30 ; As reqüêncas acumuladas estão na tabela marcadas em cnza; A classe medana é a 4ª classe (marcada em negrto), pos é a que tem reqüênca acumulada medatamente superor a 30; n 1 - F(ant) (9,5-18) Md = l +. h = 73, +.0,4 = 73, , 5 mm 17 (usando uma casa decmal, pos todos os elementos da amostra têm uma casa decmal). Tabela 7: Tabela de Dstrbução de Freqüêncas Completa com o Cálculo da Medana Dâmetros (mm) r (%) F Fr (%) x 1 7,0 7,4 1 1,7 1 1,7 7, 7,4 7,8 7 11,7 8 13,4 7,6 3 7,8 73, 10 16, ,1 73,0 4 73, 73,6 17 8, 35 58,3 73,4 5 73,6 74,0 13 1, ,0 73,8 6 74,0 74,4 9 15, ,0 74, 7 74,4 74,8 3 5, ,0 74,6 Σ = 60 Σ r =100,0 Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 18
9 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Exercícos Propostos 1. Calcule a méda, a moda e a medana das amostras A, B e C: Amostra A: 7, 8, 9, 10, 10, 10, 11, 1, 13, 15, 16; Amostra B: 3, 6, 9, 11, 1, 13; Amostra C: 3, 3, 4, 5, 5, 5, 7, 7, 8, 8, 8, 9.. Calcule as meddas de posção do exercíco proposto1 do capítulo Calcule as meddas de posção do exercíco proposto do capítulo Calcule as meddas de posção do exercíco proposto 3 do capítulo Calcule as meddas de posção do exercíco proposto 4 do capítulo MEDIDAS DE VARIABILIDADE OU MEDIDAS DE DISPERSÃO Vercou-se, ao longo da hstóra da Estatístca, que a mas mportante e também a mas usada medda de posção é a méda. Porém, soznha, a méda não ornece toda a normação necessára para descrevermos todos os valores reerentes a uma amostra. Consdere, por exemplo, os valores de duas amostras, A e B: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1,. Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Embora as duas amostras tenham a mesma méda, 1, percebemos que a amostra A tem uma varabldade maor do que a amostra B. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 19
10 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Isto ndca que é necessáro um outro tpo de medda para dstngur os dos conjuntos dados. Observando os dados, percebemos que o conjunto B apresenta valores concentrados em relação a méda, enquanto que o conjunto A apresenta valores dspersos (espalhados) em relação à méda. Por sso, além de uma medda de posção, necesstamos de uma outra medda que possa exprmr a varabldade dos valores em relação a uma determnada reerênca. As meddas que tratam desta característca são chamadas meddas de varabldade ou meddas de dspersão. São elas: Ampltude Total (AT); Varânca da Amostra (σ ); Desvo Padrão ou Erro Padrão da Amostra (σ); Coecente de Varação (CV) e Anda: Dervo Médo; Ampltude Modal. 3.1 Ampltude Total da Amostra (AT) A ampltude total da amostra é a derença entre o maor e o menor valor observado. AT = x max - x mn Evdentemente, quanto maor or o valor da ampltude total, maor será a varabldade do conjunto. Numa Tabela de Dstrbução de Freqüênca com perda de normação a ampltude total da amostra é calculada pela órmula: AT = L k l 1 onde L k é o lmte superor da últma classe e l 1 é o lmte neror da 1a. classe. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 0
11 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba A ampltude total é uma medda que consdera somente os valores extremos, gnorando todos os outros, o que podera levar a uma nterpretação pouco acertada a respeto dos dados. 1. Calcule a ampltude total do exemplo para dados não agrupados: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1,. Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Resolução: Amostra A: AT = x max - x mn = 1 = 1 Amostra B: AT = x max - x mn = = 4. Calcule a ampltude amostral dos dados da tabela 6 para dados agrupados. Tabela 6: Tabela de Dstrbução de Freqüêncas com o Cálculo da Méda Dâmetros (mm) r (%) F Fr (%) x x. 1 7,0 7,4 1 1,7 1 1,7 7, 7, 7,4 7,8 7 11,7 8 13,4 7,6 508, 3 7,8 73, 10 16, ,1 73,0 730,0 4 73, 73,6 17 8, 35 58,3 73,4 147,8 5 73,6 74,0 13 1, ,0 73,8 959,4 6 74,0 74,4 9 15, ,0 74, 667,8 7 74,4 74,8 3 5, ,0 74,6 3,8 Σ = 60 Σ r =100,0 Σ x. = 4409, Resolução: L k =74,8 mm (marcado na tabela em cnza) l 1 = 7,0 mm (marcado na tabela em cnza) AT = L k l 1 = 74,8 7,0 =,8 mm. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 1
12 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba 3. Varânca da Amostra (σ ) A ampltude total é uma medda de varabldade nstável, pos tem o nconvenente de levar em conta apenas os dos valores extremos. Essa medda ndca apenas uma aproxmação da dspersão do conjunto. Por esse motvo, buscou-se outra medda que levasse em consderação todos os valores da amostra e não somente os extremos. A méda revelou-se o ponto de reerênca adequado. Tendo a méda como ponto de reerênca calcularemos as derenças de cada um dos valores em relação à méda e somaremos essas derenças para obter um total geral. Anda consderando o exemplo da amostras A e B, podemos calcular: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1, Méda da amostra A: x = = 1 11 Para a amostra A temos: (1 1) + (1 5) + (1 6) + (1 9) + (1 11) + (1 1) + (1 1) + (1 15) + (1 18) + (1 1) + (1 ) = (-3) + (-6) + (-9) + (-10) = 0 Amostra B: 10, 11, 11, 11, 1, 1, 1, 1, 13, 14, 14. Méda da amostra B: x = 11 = 1 Para a amostra B temos: (1 10) + (1 11) + (1 11) + (1 11) + (1 1) + (1 1) + (1 1) + (1 1) + (1 13) + (1 14) + (1 14) = (-1) + (-) + (-) = 0 Embora seja uma medda ntutva, essa soma sempre será gual a zero, pos o total das derenças postvas anula-se com o total das derenças negatvas. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal.
13 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Observando-se as parcelas, notamos que o que torna o total gual a zero é o snal da derença. Sendo assm, uma segunda tentatva o gnorar o snal, trabalhando com essas derenças em módulo. Para a amostra A, consderando todas as derenças em módulo teremos como resultado da soma: = 56. Para a amostra B, consderando todas as derenças em módulo teremos como resultado da soma: = 10. Repare que novamente caracterzamos a amostra A com varabldade maor do que a amostra B. Mas em Matemátca, eetuar operações com módulos é geralmente muto trabalhoso. Optou-se, então, por tentar trar o snal de derença sem a utlzação do módulo. A solução encontrada o elevar ao quadrado cada uma dessas derenças e somá-las. Daí: Para a amostra A: (-3) + (-6) + (-9) + (-10) = 44. Para a amostra B: (-1) + (-) + (-) = 16. Comprovamos mas uma vez que a amostra A é mas dspersa que a amostra B. Como a varabldade ou dspersão das séres de dados deve ser expressa por uma síntese, desejamos encontrar um únco valor que, levando em conta todos os outros, não altere a sua característca e que possa representar toda a sére. Esse valor denomna-se varânca da amostra e calcula-se através da órmula: σ = Σ.( x - x ) Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. n - 1 3
14 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Onde: ( x é o valor de cada derença entre o valor da varável e a méda da amostra ao quadrado. é a quantdade de vezes que cada desvo acontece n - 1 representa o grau de lberdade, ou seja, a quantdade de comparações ndependentes que podem ser etas entre as n undade da amostra. Anda para as amostras A e B, temos os seguntes valores de varânca: Para a amostra A: σ.( x - x ) = Σ n - 1 = = 44, Para a amostra B: σ.( x - x ) = Σ n - 1 = = 1,6 A varânca da amostra é a medda de varabldade resultante da dvsão por (n-1) da soma das derenças ao quadrado entre cada valor da amostra e a méda da amostra. Ocorre que no cálculo da varânca, ao elevar ao quadrado a derença entre cada valor e a méda da amostra, a undade de meddas dos valores orgnas é também elevada ao quadrado. Ou, seja, resolvemos o problema da dculdade de trabalhar com módulos e cramos um problema com as undades de medda, havendo uma undade para a medda de posção e outra para a medda de dspersão. Para que as undades sejam guas, torna-se necessáro extrar a raz quadrada postva da varânca da amostra. Fazendo sso, dene-se a mas mportante medda de dspersão de uma amostra, chamada desvo padrão. 3.3 Desvo Padrão da Amostra (σ ) O desvo padrão da amostra é calculado por: Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 4
15 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba σ = σ = Observação: Σ.( x n -1 Costuma-se apresentar o desvo padrão com apenas 1 (um) algarsmo sgncatvo, ou (dos) algarsmos sgncatvos quando o prmero or 1 ou. Calcule a varânca e o desvo padrão dos dados da tabela 6. Resolução: Incalmente, para acltar os cálculos ncluremos uma coluna para colocar os resultados de. A méda dos dados o calculada no tem 1.7.(x (exemplo 3). Na tabela a coluna está marcada em cnza. Os cálculos: x = 73,5 mm.(x =.(x 1 1 = 1.(7, - 73,5) = 1,69.(x = 7.(7,6-73,5) = 5, (x.(x.(x = 10.(73,0-73,5) = 17.(73,4-73,5) = 13.(73,8-73,5) =,50 = 0,17 = 1, (x.(x 6 7 = 9.(74, - 73,5) = 3.(74,6-73,5) = 4,41 = 3,63 Σ.(x = 1,69 + 5,67 +,50 + 0,17 +1,17 + 4,41+ 3,63 = 19,4 A varânca da amostra é: σ.( x - x ) = Σ n - 1 = 19,4 59 = 0, ,33 mm O desvo padrão da amostra é:.( x - x ) 19,4 σ = Σ = = 0, ,6 mm. n Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 5
16 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Tabela 7: Tabela Dstrbução de Freqüênca com Desvo Padrão Dâmetros (mm) r (%) F Fr (%) x x..(x - x ) 1 7,0 7,4 1 1,7 1 1,7 7, 7, 1,69 7,4 7,8 7 11,7 8 13,4 7,6 508, 5,67 3 7,8 73, 10 16, ,1 73,0 730,0, , 73,6 17 8, 35 58,3 73,4 147,8 0, ,6 74,0 13 1, ,0 73,8 959,4 1, ,0 74,4 9 15, ,0 74, 667,8 4, ,4 74,8 3 5, ,0 74,6 3,8 3,63 Σ = Σ r = Σ x. = Σ =19,4.(x ,0 4409, 3.4 Coecente de Varação (CV) Karl Pearson, matemátco nglês ( ), que contrbuu sgncatvamente para a cênca Estatístca, desenvolveu uma medda denomnada coecente de varação e calculada da segunte orma: CV σ =.100 x O coecente de varação é a grandeza relatva do desvo padrão da amostra quando este é comparado com a méda da amostra e é expresso em orma de porcentagem. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 6
17 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Karl Pearson ( ) Conheça a bograa de Karl Pearson no endereço eletrônco Calcule o coecente de varação dos dados da tabela 7. Resolução: Como a méda é gual a x = 73,5 mm e o desvo padrão gual a s = 0,6 mm, o coecente de varação será: CV = 0, ,5 = 0, ,8% 3.5 Desvo Médo No lugar de elevar ao quadrado os desvos de cada medda (para anular o eeto do snal), usa-se o módulo. Σ. x - x Desvo Médo = n 3.6 Ampltude Modal Na meda de posção Moda, só nos nteressava a medda mas reqüente. Como medda de dspersão, queremos saber qual é esta reqüênca. Ampltude Modal = quantdade de meddas guas á Moda Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 7
18 Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba Exercícos Propostos 1. Calcule a ampltude total, a varânca, o desvo padrão e o coecente de varação das amostras A e B para os dados não agrupados: Amostra A: 30 km, 30 km, 30 km; Amostra B: 0 km, 30 km, 40 km.. Calcule a ampltude total, a varânca, o desvo padrão e o coecente de varação das amostras X, Y e Z para os dados não agrupados: Amostra X: 70, 70, 70, 70, 70; Amostra Y: 68, 69, 70, 71, 7; Amostra Z: 5, 15, 50, 10, Calcule as meddas de dspersão do exercíco proposto 1 do capítulo Calcule as meddas de dspersão do exercíco proposto do capítulo Calcule as meddas de dspersão do exercíco proposto 3 do capítulo Calcule as meddas de dspersão do exercíco proposto 4 do capítulo 1. Este texto é apenas um resumo para orentação e auxlo do aluno, maores normações sobre a matéra devem ser extraídas dos lvros. Os alunos não devem se apegar apenas neste materal. 8
As 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 maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia maisCAPÍTULO 2 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 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 maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia 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 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 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 mais3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas
3.6. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisMedidas de 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 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 mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia 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 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 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 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 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 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 maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
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
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 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 maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia 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 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 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 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 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 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 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 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 mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia 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 maisb. As medidas de posição mais importantes são as medidas de tendência central. Dentre elas, destacamos: média aritmética, mediana, moda.
Meddas de Posção Introdução a. Dentre os elementos típcos, destacamos aqu as meddas de posção _ estatístcas que representam uma sére de dados orentando-nos quanto à posção da dstrbução em relação ao exo
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 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 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 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 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 maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia 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 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 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 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 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 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 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 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 maisMEDIDAS DE DISPERSÃO:
MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.
Leia maisESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros AULA e Racionais 09 e 10 ESTATÍSTICA. Professor Luiz Antonio de Carvalho
Professor Luz Antono de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos AULA e Raconas 9 e APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA PROGRESSÃO ARITMÉTICA
Leia 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 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 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 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 mais37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8
Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras
Leia maisMEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12
MEDIDAS DE POSIÇÃO: São meddas que possbltam represetar resumdamete um cojuto de dados relatvos à observação de um determado feômeo, pos oretam quato à posção da dstrbução o exo dos, permtdo a comparação
Leia maisOrganização; Resumo; Apresentação.
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado
Leia 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 maisPROVA 2 Cálculo Numérico. Q1. (2.0) (20 min)
PROVA Cálculo Numérco Q. (.0) (0 mn) Seja f a função dada pelo gráfco abaxo. Para claro entendmento da fgura, foram marcados todos os pontos que são: () raízes; () pontos crítcos; () pontos de nflexão.
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 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 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 maisRepresentação e Descrição de Regiões
Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são
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 maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia 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 maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia 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 maisAula Características dos sistemas de medição
Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia maisTestes não-paramétricos
Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,
Leia maisMédia. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística
BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,
Leia 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 maisINTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs
INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço
Leia maisTEORIA DE ERROS * ERRO é a diferença entre um valor obtido ao se medir uma grandeza e o valor real ou correto da mesma.
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO CENTRO DE CIÊNCIAS EXATAS DEPARTAMENTO DE FÍSICA AV. FERNANDO FERRARI, 514 - GOIABEIRAS 29075-910 VITÓRIA - ES PROF. ANDERSON COSER GAUDIO FONE: 4009.7820 FAX: 4009.2823
Leia maisMedidas de tendência central. Média Aritmética. 4ª aula 2012
Estatístca 4ª aula 2012 Meddas de tendênca central Ajudam a conhecer a analsar melhor as característcas de dados colhdos. Chamamos de meddas de tendênca central em decorrênca dos dados observados apresentarem
Leia maisCONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA
1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação
Leia 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 maisUNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO
UNIDADE IV MEDIDAS DE DISPERSÃO OU VARIAÇÃO Conteúdo Programátco Cálculo da varânca Cálculo e nterpretação do Devo-padrão VARIÂNCIA E DESVIO-PADRÃO A medda de varação ou dperão, avalam a varabldade da
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 maisIntrodução às Medidas em Física a Aula
Introdução às Meddas em Físca 4300152 8 a Aula Objetvos: Experênca Curvas Característcas Meddas de grandezas elétrcas: Estudar curvas característcas de elementos resstvos Utlzação de um multímetro Influênca
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
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 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 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 maisEstatística Aplicada II CORRELAÇÃO. AULA 21 07/11/16 Prof a Lilian M. Lima Cunha
09//06 Estatístca Aplcada II CORRELAÇÃO AULA 07//6 Prof a Llan M. Lma Cunha CORRELAÇÃO: Identfcar a estênca ou não de assocação lnear entre varáves: -Preço de um produto em regões; -Frete e Km percorrdo;
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
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 maisA esse tipo de tabela, cujos elementos não foram numericamente organizados, denominamos tabela primitiva.
Dstrbução de Frequênca Tabela prmtva ROL Suponhamos termos feto uma coleta de dados relatvos à estaturas de quarenta alunos, que compõem uma amostra dos alunos de um colégo A, resultando a segunte tabela
Leia maisRACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES
Aula 11 Estatístca.... Classe.... 7 Lmtes de classe... 7 Ampltude de um ntervalo de classe... 7 Ampltude total da Dstrbução... 8 Ponto médo de uma classe... 8 Tpos de frequêncas... 9 Meddas de Posção...
Leia 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 mais