As tabelas resumem as informações obtidas da amostra ou da população. Essas tabelas podem ser construídas sem ou com perda de informações.
|
|
- Vinícius de Sintra Aires
- 8 Há anos
- Visualizações:
Transcrição
1 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 são construídas lstando-se os valores da varável reerentes à amostra ou população, um em cada lnha e marcando-se quantas vezes cada um desses valores se repete. Essa quantdade recebe o nome de reqüênca. Por sso, a tabela que relacona o valor da varável com a reqüênca correspondente recebe o nome de Tabela de Dstrbução de Freqüênca. Quando a varável assume mutos valores a tabela sem perda de normação pode car muto grande. Daí surge a necessdade de agrupar os dados em ntervalos de classe, com lmte neror e lmte superor. Essa tabela mostra uma perda de normação, pos os valores orgnas da varável não aparecem mas ndvdualmente. Ao usar a Tabela de Dstrbução de Freqüêncas com ntervalos de classe ganhamos em smplcdade, mas perdemos em pormenores. Para cada classe a quantdade de vezes em que cada valor aparece é marcada. Cada valor da varável deve pertencer a apenas uma das classes. A Tabela de Dstrbução de Freqüênca com perda de normação reorganza os valores em ordem crescente ou decrescente de grandeza, tal que uma característca da população é dvdda em classes, ndcando-se a quantdade de ocorrêncas em cada classe, relaconando cada valor (ou ntervalo) com a sua reqüênca. Uma companha abrca tubos de PVC. De cada lote abrcado, alguns tubos são nspeconados pelo controle de qualdade da empresa. Nesta nspeção são coletadas algumas meddas como: dâmetro nterno, dâmetro eterno e comprmento do tubo. Os dados a segur são reerentes aos dâmetros nternos PVC. (em mlímetros) de 60 tubos de 1
2 Tabela 1: Tabela Prmtva 73,8 7,9 74,3 74,0 73,6 74,1 73,5 73,4 7,8 73,7 73,6 73,5 7,5 73,3 74, 7,0 7,4 74,5 73,6 74, 74,0 7,8 73,8 7,5 7,5 73,3 73,0 73, 73,0 73,9 73,4 73,8 74,0 73,5 73, 73,5 7,7 73,4 73, 73,6 7,6 73, 73,7 73,1 74,6 73,5 73,5 7,9 73,9 73,1 73,6 73,3 73,9 74,1 73,4 73,0 73,0 74, 74,6 7,7 Esses dados são chamados de dados prmtvos e são mostrados sem segur ordem alguma. O deal sera ordená-los para então poder separá-los em classes. Quando ordenamos os dados transormamos a Tabela Prmtva em uma tabela ordenada, chamada de Rol. Tabela : Rol 7,0 7,7 73,0 73, 73,3 73,5 73,6 73,8 74,0 74, 7,4 7,7 73,0 73, 73,4 73,5 73,6 73,8 74,0 74, 7,5 7,8 73,0 73, 73,4 73,5 73,6 73,8 74,0 74,3 7,5 7,8 73,0 73, 73,4 73,5 73,6 73,9 74,1 74,5 7,5 7,9 73,1 73,3 73,4 73,5 73,7 73,9 74,1 74,6 7,6 7,9 73,1 73,3 73,5 73,6 73,7 73,9 74, 74,6 Com a tabela ordenada ca ácl vsualzarmos o menor valor de dâmetro e o maor valor de dâmetro. Assm, podemos calcular a ampltude amostral (AA), que é a derença entre o maor valor e o menor valor que a varável assume no problema. AA ma - mn Nesse caso, a ampltude amostral é AA 74,6 7,0,6 mm. Para calcular o número de classes () ou categoras que devemos utlzar para os 60 dâmetros, usamos a Regra de Sturges: 1 + 3,3. log n
3 Essa regra nos dá o número de classes em unção do tamanho da amostra. Assm, 1 + 3,3. log 60 6,8678 ~ 7 (arredonda-se sempre para o número ntero mas prómo, pos o número de classes deve ser ntero). mm. órmula: A Tabela de Dstrbução de Freqüêncas terá 7 classes e ampltude amostral,6 A ampltude do ntervalo de cada uma das classes (h) é encontrado através da AA h AA,6 A ampltude do ntervalo de classe é h 0,3714 ~ 0, 4 7 Importante: o arredondamento do deve ser sempre eetuado para cma usando o mesmo número de casas decmas dos elementos da amostra para que nenhum elemento que ora da tabela. Com os valores de AA, e h podemos ncar a construção da Tabela de Dstrbução de Freqüênca. A tabela deverá ter 8 lnhas, uma para o cabeçalho e uma para cada uma das 7 classes. Incalmente o número de colunas deve ser 3 ( uma para numerar as classes, outra para os ntervalos de classe e a 3ª. para as reqüêncas smples ( ) de cada classe, como mostra a tabela a segur. Tabela 3: Tabela de Dstrbução de Freqüênca Smples Dâmetros (mm) 1 7,0 7,4 1 7,4 7, ,8 73, , 73, ,6 74, ,0 74, ,4 74,8 3 3
4 Como o montada a Tabela de Dstrbução de Freqüênca Para montar a tabela você deverá segur os passos: 1ª. COLUNA: Incalmente numeramos a 1ª. coluna de 1 a 7, pos temos 7 classes. ª. COLUNA: dâmetros (mm) A prmera classe deve ter como lmte neror (l) o menor valor que a varável dâmetro assume no problema, ou seja, l 1 7,0 mm. Como o valor de h 0,4 o lmte superor (L) deve ser 7,0 acrescdo de h 0,4. Logo, o lmte superor da prmera classe será L 1 7,4 mm. O lmte superor de uma classe aparece sempre como o lmte neror da classe segunte. Assm, o lmte neror da ª classe será l 7,4 mm. O lmte superor da ª classe é gual ao lmte neror da desta classe acrescdo de h (L 7,8 mm). Desta orma calculamos todos os lmtes nerores e superores como mostra a tabela acma. O símbolo colocado entre o lmte neror e o lmte superor de cada classe representa a notação de ntervalo echado à esquerda e aberto à dreta. Isso sgnca que em cada uma das classes o lmte superor não entra na contagem, mas entra como lmte neror da classe segunte. Apenas a últma classe pode nclur os dos lmtes (neror e superor) se o valor de h or eato (sem a necessdade de arredondamento). Como já ctado anterormente, cada valor da varável deve pertencer a apenas uma das classes. Se olharmos na tabela ordenada (Rol) notamos que o valor de dâmetro 7,4 mm aparece uma vez. O valor 7,4 mm é o lmte neror da 1ª classe e também o lmte superor da ª classe. 4
5 3ª. COLUNA: Em qual das duas classes essa reqüênca deve aparecer? Usando a notação de ntervalos adotada aqu ( ) devemos nserr essa reqüênca (o valor 7,4 mm aparecendo uma vez) na ª classe. Assm, sstematzamos da segunte orma: na 1ª classe contamos todas as ocorrêncas de dâmetros entre 7,0 mm e 7,4 mm, eceto o dâmetro 7,4 mm já que este entrará na próma classe ( 1 1); na ª classe contamos todas as ocorrêncas de dâmetros entre 7,4 mm e 7,8 mm, eceto o dâmetro 7,8 mm já que este entrará na próma classe ( 7); na 3ª classe contamos todas as ocorrêncas de dâmetros entre 7,8 mm e 73, mm, eceto o dâmetro 73, mm já que este entrará na próma classe ( 3 10); na 4ª classe contamos todas as ocorrêncas de dâmetros entre 73, mm e 73,6 mm, eceto o dâmetro 73,6 mm já que este entrará na próma classe ( 4 17); na 5ª classe contamos todas as ocorrêncas de dâmetros entre 73,6 mm e 74,0 mm, eceto o dâmetro 74,0 mm já que este entrará na próma classe ( 5 13); na 6ª classe contamos todas as ocorrêncas de dâmetros entre 74,0 mm e 74,4 mm, eceto o dâmetro 74,4 mm já que este entrará na próma classe( 6 9); na 7ª e últma classe contamos todas as ocorrêncas de dâmetros entre 74,4 mm e 74,8 mm. Como esta é a últma classe o valor pode ser contado, se houver, pos não este uma classe posteror à últma ( 7 3). A soma de todas as reqüêncas smples ( ) é gual ao tamanho da amostra (n). Assm, n ou Σ n. Mas a Tabela de Dstrbução de Freqüêncas não pára por aí. Estem outras reqüêncas que podem ser calculadas. 5
6 Freqüêncas Relatvas (r ): são as reqüêncas smples transormadas em percentuas. Calculamos pela razão entre a reqüênca smples e o tamanho da amostra. As reqüêncas relatvas têm o ntuto de permtr a análse ou acltar comparações. r.100 e Σ r 100% n Calculando as reqüêncas relatvas das 7 classes temos: 1 1 r , ,7% n 60 7 r , ,7% n r , ,7% n r , ,3% n r , ,7% n 60 r r n n Σr 15,0% 5,0% 1,7 + 11,7 + 16,7 + 8,3 + 1,7 + 15,0 + 5,0 100,1% O somatóro das reqüêncas relatvas deve ser gual a 100% e não gual a 100,1%. Isso acontece devdo aos arredondamentos. Quando ocorre de termos um somatóro derente de 100% devemos compensar essa derença na maor parcela, pos nessa parcela ocorre o menor erro percentual. Nesse caso a maor parcela é o valor da reqüênca relatva da 4ª classe (r 4 8,3%). Para que a soma das reqüêncas relatvas passe de 100,1% para 100% a reqüênca relatva da 4ª classe deve passar de 8,3% para 8,% (r 4 8,%). Assm, Σr 1,7 +11,7 +16,7 + 8, + 1,7 +15,0 + 5,0 100,0%. 6
7 Freqüêncas Acumuladas (F ): é o total das reqüêncas de todos os valores nerores ao lmte superor do ntervalo de uma dada classe. F k k ou F k Σ ( 1,,..., k) Calculando as reqüêncas acumuladas das 7 classes temos: F1 1 1 F 1 + F1 + F F F F F F F F F F Freqüêncas Relatvas Acumuladas (Fr ): é a soma das reqüêncas relatvas de todos os valores nerores ao lmte superor do ntervalo de uma dada classe. Fr k r 1 + r r k ou Fr k Σr 100% ( 1,,..., k) Calculando as reqüêncas relatvas acumuladas das 7 classes temos: Fr1 r1 1,7% Fr r1 + r Fr1 + r 1,7 +11,7 13,4% Fr3 r1 + r + r3 Fr + r3 13,4 + 16,7 30,1% Fr4 r1 + r + r3 + r4 Fr3 + r4 30,1+ 8, 58,3% Fr5 r1 + r + r3 + r4 + r5 Fr4 + r5 58,3 + 1,7 80,0% Fr6 r1 + r + r3 + r4 + r5 + r6 Fr5 + r6 80,0 +15,0 95,0% Fr7 r1 + r + r3 + r4 + r5 + r6 + r7 Fr6 + r7 95,0 + 5,0 100,0% Ponto Médo ( ): é o ponto que dvde uma classe em duas partes guas. 7
8 l +L Calculando os pontos médos de cada uma das 7 classes temos: 1 l 1 +L 1 7,0 + 7,4 7, l l l l l l L +L +L + L + L +L ,4 + 7,8 7,8 + 73, 73, + 73,6 73,6 + 74,0 74,0 + 74,4 74,4 + 74,8 7,6 73,0 73,4 73,8 74, 74,6 Repare que: h 0,4. Assm: 1 +h 7, + 0,4 7,6 3 +h 7,6 + 0,4 73, h 73,0 + 0,4 73, h 73,4 + 0,4 73, h 73,8 + 0,4 74, 7 6 +h 74, + 0,4 74,6 Completa. A segur você pode vsualzar a Tabela de Dstrbução de Freqüênca 8
9 Tabela 4: Tabela de Dstrbução de Freqüêncas Completa Dâmetros (mm) r (%) F Fr (%) 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 Hstograma classe. É um gráco de barras vertcas, ornecendo a reqüênca para cada ntervalo de Eercícos Propostos 1. Um radar da políca rodovára regstrou as velocdades de 50 veículos em uma rodova, obtendo-se os seguntes dados (velocdades em km/h), já ordenados de orma crescente. Construa a tabela de dstrbução de reqüênca completa e o Hstograma. 35,9 65,6 68,0 74,0 77, 78,5 79,3 80,0 80,7 83,0 36,8 65,7 70, 75,0 77,9 78,6 79,6 80,0 80,9 83,1 50,3 67, 71,9 75,3 78,1 79,0 79,6 80,0 81,0 83,7 55,4 67,8 73,6 75,6 78, 79, 79,9 80, 81,6 85,0 60,7 68,0 73,9 77,0 78,3 79, 80,0 80,5 8,0 90,6 9
10 . Foram ensaados 100 corpos de prova de aço ABNT 100, e obtdas as seguntes meddas reerentes à sua tensão de ruptura (em kg/mm ), já ordenadas de orma crescente. Com base nos dados, construa a tabela de dstrbução de reqüênca completa e o Hstograma. 35,8 36,5 37, 37,9 38,6 38,8 39,1 39,9 40,5 41,3 36,0 36,6 37,3 38,0 38,6 38,8 39, 40,0 40,5 41,5 36,0 36,7 37,3 38,0 38,7 38,9 39, 40,0 40,6 41,5 36,0 36,7 37,3 38,1 38,7 38,9 39, 40,1 40,7 41,5 36,1 36,7 37,4 38,1 38,7 39,0 39, 40,1 41,0 41,7 36,1 36,8 37,4 38, 38,8 39,0 39,3 40, 41,1 41,7 36, 36,8 37,4 38, 38,8 39,0 39,3 40, 41,1 41,9 36,3 37,0 37,4 38,5 38,8 39,0 39,3 40,3 41, 4,0 36,4 37,1 37,5 38,5 38,8 39,0 39,7 40,4 41,3 4,0 36,5 37,1 37,5 38,6 38,8 39,1 39,8 40,5 41,3 4, 3. A tabela abao traz os comprmentos (em cm) de 8 componentes eletrôncos. Construa a tabela de dstrbução completa e o Hstograma. 4,3 3,9 4,5 4,6 4,3 4,1 4,3 4,5 3, 3,7 3,5,9 4,1 4,0 3,8 4, 4, 4, 4,5 4,3 4,3 4,4 4, 3,8 4,5 4,5 4,0 4,5 4. Uma empresa abrcante de lâmpadas deseja testar uma parte de sua produção. Seleconou 60 lâmpadas de 100W e deou-as lgadas até te que quemassem. O tempo de vda útl de cada uma delas está regstrado na tabela abao. Construa a tabela de dstrbução completa e o Hstograma
11 . 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 ( ) 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. Σ. Σ onde, Dados não agrupados Σ n é a méda da amostra de n elementos (é uma estatístca); n é o números de elementos da amostra; 11
12 ( 1,, 3,..., n) são os valores das n observações. 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: 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 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 (. ), como mostra a tabela 6. Tabela 5: Tabela de Dstrbução de Freqüêncas com o Cálculo da Méda Dâmetros (mm) r (%) F Fr (%). 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. 4409, 1
13 Os cálculos: ,.1 7, , , 73, ,0 73, ,8 73, ,4 74,.9 667,8 74,6.3 3,8 Σ. Assm, 7, + 508, + 730,0 +147, , ,8 + 3,8 4409, Σ. 4409, A méda será 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 Mo +L 13
14 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 (%) 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 14
15 Σ 60 Σ r 100,0.3 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: n 1 - F(ant) Usamos a órmula: Md 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. 15
16 Para a obtenção do valor da medana é necessáro que os dados sejam arranjados em ordem crescente (do menor para o maor). 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. Eercíco lustratvo: retornemos ao eemplo do número de alunos nas salas de aula do IST. Em nosso eemplo 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
17 MEDIANA 46 Para um número par de observações a medana é a méda dos dos valores centras. Eercíco lustratvo: retornemos eercíco dos alunos recém ormados no curso de Tecnologa em Qualdade e Produtvdade, neste eemplo 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? 17
18 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. 3. Calcule a medana dos dados da tabela 4. Resolução: Para calcular a medana devemos segur os passos: n ; 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 (%) 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 18
19 Eercícos 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 eercíco proposto1 do capítulo Calcule as meddas de posção do eercíco proposto do capítulo Calcule as meddas de posção do eercíco proposto 3 do capítulo Calcule as meddas de posção do eercíco 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 eemplo, os valores de duas amostras, A e B: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1,. 19
20 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. 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 eprmr 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 ma - mn Evdentemente, quanto maor or o valor da ampltude total, maor será a varabldade do conjunto. 0
21 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. A ampltude total é uma medda que consdera somente os valores etremos, gnorando todos os outros, o que podera levar a uma nterpretação pouco acertada a respeto dos dados. 1. Calcule a ampltude total do eemplo 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 ma - mn 1 1 Amostra B: AT ma - mn 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 (%). 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. 4409, 1
22 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. 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 etremos. Essa medda ndca apenas uma apromação da dspersão do conjunto. Por esse motvo, buscou-se outra medda que levasse em consderação todos os valores da amostra e não somente os etremos. 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 eemplo da amostras A e B, podemos calcular: Amostra A: 1, 5, 6, 9, 11, 1, 1, 15, 18, 1, Méda da amostra A: 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: 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
23 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. 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: Para a amostra B, consderando todas as derenças em módulo teremos como resultado da soma: 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 epressa 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: 3
24 Onde: - ) σ Σ.( - ) n - 1 ( 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.( - ) Σ n , Para a amostra B: σ.( - ) Σ n ,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 etrar a raz quadrada postva da varânca da amostra. Fazendo sso, dene-se a mas mportante medda de dspersão de uma amostra, chamada desvo padrão. 4
25 3.3 Desvo Padrão da Amostra (σ ) O desvo padrão da amostra é calculado por: σ σ Σ.( - ) n - 1 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.( - ) (eemplo 3). Na tabela a coluna está marcada em cnza. Os cálculos: 73,5 mm.( - ).( ) 1.(7, - 73,5) 1,69.( - ) 7.(7,6-73,5) 5, (.(.( ) - ) - ) 10.(73,0-73,5) 17.(73,4-73,5) 13.(73,8-73,5),50 0,17 1, (.( ) - ) 9.(74, - 73,5) 3.(74,6-73,5) 4,41 3,63 Σ.( - ) 1,69 + 5,67 +,50 + 0,17 + 1,17 + 4,41+ 3,63 19,4 A varânca da amostra é: σ.( - ) Σ n ,4 59 0, ,33 mm O desvo padrão da amostra é: 5
26 .( - ) 19,4 σ Σ 0, ,6 mm. n Dâmetros (mm) Tabela 7: Tabela Dstrbução de Freqüênca com Desvo Padrão r (%) F Fr (%)..( - ) 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. Σ 19,4.( - ) ,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 O coecente de varação é a grandeza relatva do desvo padrão da amostra quando este é comparado com a méda da amostra e é epresso em orma de porcentagem. 6
27 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 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. - 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 7
28 Eercícos 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 eercíco proposto 1 do capítulo Calcule as meddas de dspersão do eercíco proposto do capítulo Calcule as meddas de dspersão do eercíco proposto 3 do capítulo Calcule as meddas de dspersão do eercíco proposto 4 do capítulo 1. 8
2. 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 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 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 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 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 mais7. Resolução Numérica de Equações Diferenciais Ordinárias
7. Resolução Numérca de Equações Dferencas Ordnáras Fenômenos físcos em dversas áreas, tas como: mecânca dos fludos, fluo de calor, vbrações, crcutos elétrcos, reações químcas, dentre váras outras, podem
Leia maisRegressão e Correlação Linear
Probabldade e Estatístca I Antono Roque Aula 5 Regressão e Correlação Lnear Até o momento, vmos técncas estatístcas em que se estuda uma varável de cada vez, estabelecendo-se sua dstrbução de freqüêncas,
Leia maisObjetivos da aula. Essa aula objetiva fornecer algumas ferramentas descritivas úteis para
Objetvos da aula Essa aula objetva fornecer algumas ferramentas descrtvas útes para escolha de uma forma funconal adequada. Por exemplo, qual sera a forma funconal adequada para estudar a relação entre
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 maisNOTA II TABELAS E GRÁFICOS
Depto de Físca/UFMG Laboratóro de Fundamentos de Físca NOTA II TABELAS E GRÁFICOS II.1 - TABELAS A manera mas adequada na apresentação de uma sére de meddas de um certo epermento é através de tabelas.
Leia maisINTRODUÇÃO AO CÁLCULO DE ERROS NAS MEDIDAS DE GRANDEZAS FÍSICAS
Físca Laboratoral Ano Lectvo 003/04 ITRODUÇÃO AO CÁLCULO DE ERROS AS MEDIDAS DE GRADEAS FÍSICAS. Introdução.... Erros de observação: erros sstemátcos e erros fortutos ou acdentas... 3. Precsão e rgor...3
Leia maisControle Estatístico de Qualidade. Capítulo 8 (montgomery)
Controle Estatístco de Qualdade Capítulo 8 (montgomery) Gráfco CUSUM e da Méda Móvel Exponencalmente Ponderada Introdução Cartas de Controle Shewhart Usa apenas a nformação contda no últmo ponto plotado
Leia maisMÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA
MÉDIA ARITMÉTICA MÉDIA PONDERADA MODA MEDIANA Em um amostra, quando se têm os valores de uma certa característica, é fácil constatar que os dados normalmente não se distribuem uniformemente, havendo uma
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 DO ESTADO DA BAHIA - UNEB DEPARTAMENTO DE CIÊNCIAS EXATAS E DA TERRA COLEGIADO DO CURSO DE DESENHO INDUSTRIAL CAMPUS I - SALVADOR
Matéra / Dscplna: Introdução à Informátca Sstema de Numeração Defnção Um sstema de numeração pode ser defndo como o conjunto dos dígtos utlzados para representar quantdades e as regras que defnem a forma
Leia maisSempre que surgir uma dúvida quanto à utilização de um instrumento ou componente, o aluno deverá consultar o professor para esclarecimentos.
Insttuto de Físca de São Carlos Laboratóro de Eletrcdade e Magnetsmo: Transferênca de Potênca em Crcutos de Transferênca de Potênca em Crcutos de Nesse prátca, estudaremos a potênca dsspada numa resstênca
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 maisFísica. Física Módulo 1 Vetores, escalares e movimento em 2-D
Físca Módulo 1 Vetores, escalares e movmento em 2-D Vetores, Escalares... O que são? Para que servem? Por que aprender? Escalar Defnção: Escalar Grandea sem dreção assocada. Eemplos: Massa de uma bola,
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 Frequência
Distribuição de Frequência Tabela de requências Tabela de classiicação simples Tabela de classiicação cruzada Representação gráica Histograma Polígono de requências Distribuição de requências e gráicos
Leia maisESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros e Racionais ESTATÍSTICA. Professor Luiz Antonio de Carvalho
PROBABILIDADES Professora Rosana Relva Números Interos e Raconas APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA CONTÍNUA PROGRESSÃO ARITMÉTICA DISTRIBUIÇÃO DE REQUÊCIAS
Leia maisSinais Luminosos 2- CONCEITOS BÁSICOS PARA DIMENSIONAMENTO DE SINAIS LUMINOSOS.
Snas Lumnosos 1-Os prmeros snas lumnosos Os snas lumnosos em cruzamentos surgem pela prmera vez em Londres (Westmnster), no ano de 1868, com um comando manual e com os semáforos a funconarem a gás. Só
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 maisCálculo do Conceito ENADE
Insttuto aconal de Estudos e Pesqusas Educaconas Aníso Texera IEP Mnstéro da Educação ME álculo do onceto EADE Para descrever o cálculo do onceto Enade, prmeramente é mportante defnr a undade de observação
Leia maisRESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS
Defnções RESOLUÇÃO NUMÉRICA DE EQUAÇÕES DIFERENCIAIS Problemas de Valor Incal PVI) Métodos de passo smples Método de Euler Métodos de sére de Talor Métodos de Runge-Kutta Equações de ordem superor Métodos
Leia maisDistribuição de Massa Molar
Químca de Polímeros Prof a. Dr a. Carla Dalmoln carla.dalmoln@udesc.br Dstrbução de Massa Molar Materas Polmércos Polímero = 1 macromolécula com undades químcas repetdas ou Materal composto por númeras
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 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 maisRastreando Algoritmos
Rastreando lgortmos José ugusto aranauskas epartamento de Físca e Matemátca FFCLRP-USP Sala loco P Fone () - Uma vez desenvolvdo um algortmo, como saber se ele faz o que se supõe que faça? esta aula veremos
Leia mais1 Princípios da entropia e da energia
1 Prncípos da entropa e da energa Das dscussões anterores vmos como o conceto de entropa fo dervado do conceto de temperatura. E esta últma uma conseqüênca da le zero da termodnâmca. Dentro da nossa descrção
Leia maisApostila de Estatística Curso de Matemática. Volume II 2008. Probabilidades, Distribuição Binomial, Distribuição Normal. Prof. Dr. Celso Eduardo Tuna
Apostla de Estatístca Curso de Matemátca Volume II 008 Probabldades, Dstrbução Bnomal, Dstrbução Normal. Prof. Dr. Celso Eduardo Tuna 1 Capítulo 8 - Probabldade 8.1 Conceto Intutvamente pode-se defnr probabldade
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 maisRESOLUÇÃO Nº 32/2014/CONEPE. O CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO da Universidade Federal de Sergipe, no uso de suas atribuições legais,
SERVIÇO PÚBLICO FEDERAL MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DE SERGIPE CONSELHO DO ENSINO, DA PESQUISA E DA EXTENSÃO RESOLUÇÃO Nº 32/2014/CONEPE Aprova as Normas Geras do Processo Seletvo para
Leia maisSistemas Robóticos. Sumário. Introdução. Introdução. Navegação. Introdução Onde estou? Para onde vou? Como vou lá chegar?
Sumáro Sstemas Robótcos Navegação Introdução Onde estou? Para onde vou? Como vou lá chegar? Carlos Carreto Curso de Engenhara Informátca Ano lectvo 2003/2004 Escola Superor de Tecnologa e Gestão da Guarda
Leia maisIntrodução à Análise de Dados nas medidas de grandezas físicas
Introdução à Análse de Dados nas meddas de grandezas físcas www.chem.wts.ac.za/chem0/ http://uregna.ca/~peresnep/ www.ph.ed.ac.uk/~td/p3lab/analss/ otas baseadas nos apontamentos Análse de Dados do Prof.
Leia maisEscolha do Consumidor sob condições de Risco e de Incerteza
9/04/06 Escolha do Consumdor sob condções de Rsco e de Incerteza (Capítulo 7 Snyder/Ncholson e Capítulo Varan) Turma do Prof. Déco Kadota Dstnção entre Rsco e Incerteza Na lteratura econômca, a prmera
Leia maisESPELHOS E LENTES ESPELHOS PLANOS
ESPELHOS E LENTES 1 Embora para os povos prmtvos os espelhos tvessem propredades mágcas, orgem de lendas e crendces que estão presentes até hoje, para a físca são apenas superfíces poldas que produzem
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 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 - 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 maisCapítulo. Associação de resistores. Resoluções dos exercícios propostos. P.135 a) R s R 1 R 2 R s 4 6 R s 10 Ω. b) U R s i U 10 2 U 20 V
apítulo 7 da físca Exercícos propostos Undade apítulo 7 ssocação de resstores ssocação de resstores esoluções dos exercícos propostos 1 P.15 a) s 1 s 6 s b) U s U 10 U 0 V c) U 1 1 U 1 U 1 8 V U U 6 U
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 maisCENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnilesteMG
1 CENTRO UNIVERSITÁRIO DO LESTE DE MINAS GERAIS - UnlesteMG Dscplna: Introdução à Intelgênca Artfcal Professor: Luz Carlos Fgueredo GUIA DE LABORATÓRIO LF. 01 Assunto: Lógca Fuzzy Objetvo: Apresentar o
Leia maisProbabilidade e Estatística. Correlação e Regressão Linear
Probabldade e Estatístca Correlação e Regressão Lnear Correlação Este uma correlação entre duas varáves quando uma delas está, de alguma forma, relaconada com a outra. Gráfco ou Dagrama de Dspersão é o
Leia mais4Distribuição de. freqüência
4Distribuição de freqüência O objetivo desta Unidade é partir dos dados brutos, isto é, desorganizados, para uma apresentação formal. Nesse percurso, seção 1, destacaremos a diferença entre tabela primitiva
Leia maisMÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIAS
MÓDULO 4 DISTRIBUIÇÃO DE FREQÜÊNCIS Como vimos no módulo 1, para que nós possamos extrair dos dados estatísticos de que dispomos a correta análise e interpretação, o primeiro passo deverá ser a correta
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 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 mais1. Conceitos básicos de estatística descritiva. A ciência descobre relações de causa efeito entre fenómenos. Há fenómenos que são muito complexos
2 Matemátca Fnancera e Instrumentos de Gestão Sumáro 1. Concetos báscos de estatístca descrtva 1.1. 2ª Aula 1.2. 1.2.1. Frequênca relatva 1.2.2. Frequênca relatva acumulada 3 4 A cênca descobre relações
Leia maisFísica. Setor B. Índice-controle de Estudo. Prof.: Aula 23 (pág. 86) AD TM TC. Aula 24 (pág. 87) AD TM TC. Aula 25 (pág.
Físca Setor Prof.: Índce-controle de studo ula 23 (pág. 86) D TM TC ula 24 (pág. 87) D TM TC ula 25 (pág. 88) D TM TC ula 26 (pág. 89) D TM TC ula 27 (pág. 91) D TM TC ula 28 (pág. 91) D TM TC evsanglo
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 maisMetodologia IHFA - Índice de Hedge Funds ANBIMA
Metodologa IHFA - Índce de Hedge Funds ANBIMA Versão Abrl 2011 Metodologa IHFA Índce de Hedge Funds ANBIMA 1. O Que é o IHFA Índce de Hedge Funds ANBIMA? O IHFA é um índce representatvo da ndústra de hedge
Leia maisMatemática. Resolução das atividades complementares. M18 Noções de Estatística
Resolução das atvdades complemetares Matemátca M8 Noções de Estatístca p. 3 (UFRJ) Dos estados do país, um certo ao, produzem os mesmos tpos de grãos. Os grácos de setores lustram a relação etre a produção
Leia 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 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 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 maisELEMENTOS DE CIRCUITOS
MINISTÉRIO D EDUCÇÃO SECRETRI DE EDUCÇÃO PROFISSIONL E TECNOLÓGIC INSTITUTO FEDERL DE EDUCÇÃO, CIÊNCI E TECNOLOGI DE SNT CTRIN CMPUS DE SÃO JOSÉ - ÁRE DE TELECOMUNICÇÕES CURSO TÉCNICO EM TELECOMUNICÇÕES
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 maisNesse circuito, os dados indicam que a diferença de potencial entre os pontos X e Y, em volts, é a) 3,3 c) 10 e) 18 b) 6,0 d) 12.
Aprmorando os Conhecmentos de Eletrcdade Lsta 7 Assocação de esstores Prof.: Célo Normando. (UNIFO-97) O resstor, que tem a curva característca representada no gráfco abao, é componente do crcuto representado
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 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 maisExercícios de Física. Prof. Panosso. Fontes de campo magnético
1) A fgura mostra um prego de ferro envolto por um fo fno de cobre esmaltado, enrolado mutas vezes ao seu redor. O conjunto pode ser consderado um eletroímã quando as extremdades do fo são conectadas aos
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 maisUNIVERSIDADE PRESBITERIANA MACKENZIE CCSA - Centro de Ciências Sociais e Aplicadas Curso de Economia
CCSA - Centro de Cêncas Socas e Aplcadas Curso de Economa ECONOMIA REGIONAL E URBANA Prof. ladmr Fernandes Macel LISTA DE ESTUDO. Explque a lógca da teora da base econômca. A déa que sustenta a teora da
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 maisOs gráficos estão na vida
Os gráficos estão na vida A UUL AL A Nas Aulas 8, 9 e 28 deste curso você já se familiarizou com o estudo de gráficos. A Aula 8 introduziu essa importante ferramenta da Matemática. A Aula 9 foi dedicada
Leia maisLista de Exercícios de Recuperação do 2 Bimestre. Lista de exercícios de Recuperação de Matemática 3º E.M.
Lsta de Exercícos de Recuperação do Bmestre Instruções geras: Resolver os exercícos à caneta e em folha de papel almaço ou monobloco (folha de fcháro). Copar os enuncados das questões. Entregar a lsta
Leia maisEletricidade 3 Questões do ENEM. 8. Campo Elétrico 11 Questões do ENEM 13. Energia Potencial Elétrica 15 Questões do ENEM 20
1 4º Undade Capítulo XIII Eletrcdade 3 Questões do ENEM. 8 Capítulo XIV Campo Elétrco 11 Questões do ENEM 13 Capítulo XV Energa Potencal Elétrca 15 Questões do ENEM 20 Capítulo XVI Elementos de Um Crcuto
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 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 maisCaderno de Exercícios Resolvidos
Estatístca Descrtva Exercíco 1. Caderno de Exercícos Resolvdos A fgura segunte representa, através de um polígono ntegral, a dstrbução do rendmento nas famílas dos alunos de duas turmas. 1,,75 Turma B
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 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 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 maisLCE2112 Estatística Aplicada às Ciências Sociais e Ambientais 2010/02. Exemplos de revisão
LCE Etatítca Aplcada à Cêca Soca e Ambeta 00/0 Eemplo de revão Varável Aleatóra Cotíua Eemplo: Para e etudar o comportameto de uma plata típca de dua, a Hydrocotlle p., quato ao eu deevolvmeto, medu-e
Leia mais3ª AULA: ESTATÍSTICA DESCRITIVA Medidas Numéricas
PROGRAMA DE PÓS-GRADUAÇÃO EM EGEHARIA DE TRASPORTES E GESTÃO TERRITORIAL PPGTG DEPARTAMETO DE EGEHARIA CIVIL ECV DISCIPLIA: TGT41006 FUDAMETOS DE ESTATÍSTICA 3ª AULA: ESTATÍSTICA DESCRITIVA Meddas umércas
Leia maisApresentação de Dados em Tabelas e Gráficos
Apresentação de Dados em Tabelas e Gráficos Os dados devem ser apresentados em tabelas construídas de acordo com as normas técnicas ditadas pela Fundação Instituto Brasileiro de Geografia e Estatística
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 maisTrabalho e Energia. Definimos o trabalho W realizado pela força sobre uma partícula como o produto escalar da força pelo deslocamento.
Trabalho e Energa Podemos denr trabalho como a capacdade de produzr energa. Se uma orça eecutou um trabalho sobre um corpo ele aumentou a energa desse corpo de. 1 OBS: Quando estudamos vetores vmos que
Leia mais14. Correntes Alternadas (baseado no Halliday, 4 a edição)
14. orrentes Alternadas (baseado no Hallday, 4 a edção) Por que estudar orrentes Alternadas?.: a maora das casas, comérco, etc., são provdas de fação elétrca que conduz corrente alternada (A ou A em nglês):
Leia maisUNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM
Unidade 2 Distribuições de Frequências e Representação Gráfica UNIDADE 3 MEDIDAS DE POSIÇÃO E DISPERSÃO OBJETIVOS ESPECÍFICOS DE APRENDIZAGEM Ao finalizar esta Unidade, você deverá ser capaz de: Calcular
Leia maisMETROLOGIA E ENSAIOS
METROLOGIA E ENSAIOS Incerteza de Medção Prof. Aleandre Pedott pedott@producao.ufrgs.br Freqüênca de ocorrênca Incerteza da Medção Dstrbução de freqüênca das meddas Erro Sstemátco (Tendênca) Erro de Repettvdade
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 maisResolverei neste artigo uma prova da fundação VUNESP realizada em 2010.
Olá pessoal! Resolverei neste artigo uma prova da fundação VUNESP realizada em 2010. 01. (Fundação CASA 2010/VUNESP) Em um jogo de basquete, um dos times, muito mais forte, fez 62 pontos a mais que o seu
Leia maisFINANCIAMENTOS UTILIZANDO O EXCEL
rofessores Ealdo Vergasta, Glóra Márca e Jodála Arlego ENCONTRO RM 0 FINANCIAMENTOS UTILIZANDO O EXCEL INTRODUÇÃO Numa operação de empréstmo, é comum o pagameto ser efetuado em parcelas peródcas, as quas
Leia maisDISTRIBUIÇÃO DE FREQÜÊNCIAS
DISTRIBUIÇÃO DE FREQÜÊNCIAS 1 Dados Brutos: são os dados tomados como eles são, de forma desorganizada. Indica-se por x i Rol: são os dados organizados em ordem crescente ou decrescente. Tamanho da amostra:
Leia maisEletricidade 3. Campo Elétrico 8. Energia Potencial Elétrica 10. Elementos de Um Circuito Elétrico 15. Elementos de Um Circuito Elétrico 20
1 3º Undade Capítulo XI Eletrcdade 3 Capítulo XII Campo Elétrco 8 Capítulo XIII Energa Potencal Elétrca 10 Capítulo XIV Elementos de Um Crcuto Elétrco 15 Capítulo XV Elementos de Um Crcuto Elétrco 20 Questões
Leia maisHoje não tem vitamina, o liquidificador quebrou!
A U A UL LA Hoje não tem vtamna, o lqudfcador quebrou! Essa fo a notíca dramátca dada por Crstana no café da manhã, lgeramente amenzada pela promessa de uma breve solução. - Seu pa dsse que arruma à note!
Leia maisDisponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas 4 questões, com as respectivas resoluções comentadas.
Disponibilizo a íntegra das 8 questões elaboradas para o Simulado, no qual foram aproveitadas questões, com as respectivas resoluções comentadas. Amigos, para responder às questões deste Simulado, vamos
Leia maisN1Q1 Solução. a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas.
1 N1Q1 Solução a) Há várias formas de se cobrir o tabuleiro usando somente peças do tipo A; a figura mostra duas delas. b) Há várias formas de se cobrir o tabuleiro com peças dos tipos A e B, com pelo
Leia maisExercícios Teóricos Resolvidos
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Matemática Exercícios Teóricos Resolvidos O propósito deste texto é tentar mostrar aos alunos várias maneiras de raciocinar
Leia maisÍNDICE NOTA INTRODUTÓRIA
OGC00 05-0-06 ÍDICE. Introdução. Âmbto e defnções 3. Avalação da ncerteza de medção de estmatvas das grandezas de entrada 4. Cálculo da ncerteza-padrão da estmatva da grandeza 5 de saída 5. Incerteza de
Leia mais2 Máquinas de Vetor Suporte 2.1. Introdução
Máqunas de Vetor Suporte.. Introdução Os fundamentos das Máqunas de Vetor Suporte (SVM) foram desenvolvdos por Vapnk e colaboradores [], [3], [4]. A formulação por ele apresentada se basea no prncípo de
Leia maisCapítulo 1: Erros em cálculo numérico
Capítulo : Erros em cálculo umérco. Itrodução Um método umérco é um método ão aalítco, que tem como objectvo determar um ou mas valores umércos, que são soluções de um certo problema. Ao cotráro das metodologas
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 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 maisUNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA 1 a LISTA DE EXERCÍCIOS Bioestatística Professor: Ednaldo Carvalho Guimarães
UNIVERSIDADE FEDERAL DE UBERLÂNDIA FACULDADE DE MATEMÁTICA a LISTA DE EXERCÍCIOS Bioestatística Professor: Ednaldo Carvalho Guimarães ) Um pesquisador obteve os seguintes valores de umidade (%) em casa
Leia maisQUALITATIVA VARIÁVEL QUANTITATIVA
NOMINAL ORDINAL QUALITATIVA VARIÁVEL QUANTITATIVA DISCRETA CONTÍNUA - Variável qualitativa nominal = valores que expressam atributos, sem nenhum tipo de ordem. Ex: cor dos olhos, sexo, estado civil, presença
Leia maisMATEMÁTICA. Recenseamento/Sondagem ESTATÍSTICA
MATEMÁTICA NOME: ANO: TURMA: N.º FICHA INFORMATIVA ESTATÍSTICA A estatística é uma área da Matemática que trata da recolha, organização, resumo e interpretação de dados, e está presente em todos os ramos
Leia mais