REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi
|
|
- Derek Carneiro de Mendonça
- 7 Há anos
- Visualizações:
Transcrição
1 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta todo o cojuto de dados, ou seja, dão a tedêca da cocetração dos valores observados. As prcpas meddas de posção são: a méda, a medaa e a moda. Méda Méda da população (µ, lê-se m): a méda de população fta é ecotrada somadose todos os valores da população e dvddo-se pelo tamaho da mesma. x µ Exemplo: Calcule o saláro médo dos ses empregados de uma pequea empresa: R$ 60,00 R$ 750,00 R$ 90,00 R$.00,00 R$ - R$ 790,00 R$ 950,00 Solução: Como a empresa possu apeas ses empregados podemos calcular a méda dos saláros cosderado todos os empregados. este caso, estamos trabalhado com toda a população. µ x , O saláro médo essa empresa é de µ R$ 9,67 A forma de calcular a méda é a mesma tato para uma população como para uma amostra, mas usamos uma otação dferete, para dcar que estamos trabalhado com uma amostra. O úmero de elemetos em uma amostra é deotado por e a méda da amostra por x. Méda da amostra (x, lê-se x-barra): a méda de um cojuto de dados é a medda de tedêca cetral ecotrada pela soma de todos os valores, e esta soma é dvdda pelo úmero total de valores. A méda é cosderada o poto de equlíbro o cojuto de dados. Se Aula 5 Pága
2 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad as observações em uma amostra de tamaho são x + x+ K + x, etão, a méda amostral é calculada pela segute expressão: x x + x + K + x que pode ser represetada por x x, ode x é o valor da observação, o úmero de observações e Σ a letra sgma maúscula do alfabeto grego que, a fórmula, dca o símbolo de somatóro. Exemplo: Para verfcar se o fabrcate está respetado o peso dcado as embalages de fejão, selecoou-se uma amostra de cco pacotes. Foram obtdos os segutes pesos em cada pacote da amostra: 495 g 50 g 49 g 500 g 496 g 49 g. Calcule a méda de peso das embalages de fejão. Solução: x x Como ressaltado acma podemos observar que a forma de obter o valor da méda da amostra é a mesma forma de obter a méda populacoal, dferdo apeas as omeclaturas. Para o estmador da méda da amostra usamos, para o parâmetro da méda da população usamos µ; para o úmero de elemetos da amostra usamos, e para o úmero fto de elemetos de uma populaçãoo usamos. Tudo que é calculado, a partr de uma amostra, é chamado de estmador, e o que é calculado baseado em toda a população é chamado de parâmetro. A mportâca a dstção das omeclaturas das estatístcas calculadas com base em dados amostras e populacoas se dá pelo fato de que a estmatva amostral é varável, pos depede da amostra coletada. O parâmetro populacoal é costate, pelo meos, até que a população mude. em sempre a méda é uma boa medda de posção dos dados, pos ela é fluecada por valores extremos. Observado a tabela, podemos verfcar que a turma A apreseta uma dstrbução smétrca, ou seja, os valores estão dstrbuídos de forma homogêea em toro do cetro do cojuto de dados, esse caso, a méda é uma boa medda de tedêca cetral. A turma B apreseta um valor extremo que desva a méda mas para a esquerda do cojuto de dados. Aula 5 Pága
3 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Tabela - a tabela abaxo, são apresetadas as otas de 9 aluos de duas turmas. Turma otas dos aluos x A 7 7,5 7,5,5,5 9 B 0 7 7,5 7,,,5 9 7, este caso, a medaa é mas dcada como medda de tedêca cetral, pos ela reflete melhor a tedêca dos dados. Veja a tabela Tabela - Comparação etre méda e medaa. Turma otas dos aluos x Me A 7 7,5 7,5,5,5 9 B 0 7 7,5 7,,,5 9 7, Essa é uma das dfereças marcates etre a medaa e a méda. Vejamos agora como obter a medaa de um cojuto de dados. Medaa Medaa (Me): é o valor cuja posção separa o cojuto de dados em duas partes guas, metade do úmero de elemetos está acma do valor medao e a outra metade abaxo do valor medao. Para obter o valor medao de uma dstrbução de dados, prmero ordee os valores. Isso poderá ser feto tato em ordem crescete quato em ordem decrescete. Depos, determe a posção que o valor medao ocupa pela segute expressão: + Pos Me Esta fórmula ão forece o valor medao, mas sm sua localzação o cojuto de dados. A forma de determar o valor medao depede se o úmero de observações que compõe o cojuto de dados é par ou ímpar. - úmero ímpar de elemetos: o valor medao é a observação que ocupa a posção (+)/ desse cojuto de dados. Exemplo: Vejamos como calcular a medaa das otas da Turma A da tabela ateror. otas da turma A 7 7,5 7,5,5,5 9 Solução: Como os dados já estão ordeados podemos partr para determar a posção do valor medao. O úmero de observações é ímpar (9), logo o valor medao é a observação cetral desse cojuto de dados. Pela fórmula da posção da medaa, tem-se: Aula 5 Pága 3
4 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Pos Me Pos Me 5 ª posção Me O valor que se ecotra a 5ª posção é o oto. O úmero oto possu quatro observações à sua esquerda e quatro observações à sua dreta, ou seja, 50% dos valores do cojuto de dados são ferores a oto e 50% dos valores são superores a oto. - úmero par de elemetos: quado o úmero de observações o cojuto de dados é par, a posção (+)/ ão será um úmero tero. A medaa será dada pela méda artmétca das duas observações cetras dos dados ordeados. Exemplo: Calcule a medaa do segute cojuto de dados:, 4, 7, 9,, 3. Solução: como o úmero de observações 6 é par, ão exste um valor cetral. Pela fórmula da posção da medaa, tem-se: 6 + PosMe 3,5ª posção. O valor medao está etre a 3ª e a 4ª posção. esses casos, o valor medao ão será um dos valores da dstrbução e sm a méda artmétca dos valores que se ecotram essas duas posções. A tercera posção é ocupada pelo valor sete e a quarta posção é ocupada pelo valor ove ª posção 4ª posção Me A medaa é o valor oto (Me ). Este valor possu três observações à sua esquerda e três observações à sua dreta, ou seja, 50% dos valores do cojuto de dados são ferores a oto e 50% dos valores são superores a oto. A vatagem da medaa é que ela ão é fluecada por valores extremos, pos ela depede da posção e ão dos valores das observações o cojuto de dados. Moda Moda (Mo): é defda como sedo aquele valor ou aqueles valores que ocorrem com maor freqüêca. Exemplo: Determe a moda de cada cojuto de dados abaxo: Aula 5 Pága 4
5 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad a-) 6, 39, 39, 4, 4, 4, 43, 47 Mo 4, e a dstrbução é umodal, pos possu apeas uma moda. b-), 7, 7, 3, 5, 5, 3 esta dstrbução apreseta duas modas, Mo 7 e Mo 5, sedo deomada de dstrbução bmodal. c-), 5, 7, 9, 33, 35, 4 este cojuto de dados ão possu moda, pos todos os valores ocorrem o mesmo úmero de vezes. esse caso, dzemos que o cojuto de dados apreseta uma dstrbução amodal. Quado o cojuto de dados apresetar três modas, deoma-se trmodal, e quatro ou mas, multmodal. os gráfcos da fgura abaxo, é apresetado o Hstograma da varável altura de uma turma de aluos. o prmero gráfco, observamos dos pcos, ou seja o cojuto de dados apreseta altas freqüêcas em dos tervalos de dados. Separado a turma de aluos pelo sexo: masculo e femo; podemos observar que para o sexo femo a moda ecotra-se etre 65 cm e 70 cm, já para os meos a moda está etre 75 e 0 cm. Portato, quado um hstograma apresetar dos ou mas pcos, sgfca que os dados apresetam modas dferetes depededo da forma que foram agrupados. Também podemos coclur que quado a dstrbução apresetar mas de uma moda, o hstograma terá mas de um pco. Hstograma da Altura da Turma 7 Moda da altura das meas úmero de aluos Moda da altura dos meos Altura (cm) Hstograma da Altura das Meas Hstograma da Altura dos Meos 5 5 úmero de Aluos 4 3 úmero de aluos Altura (cm) Altura (cm) Aula 5 Pága 5
6 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Dspersão As meddas de dspersão são meddas estatístcas que caracterzam o quato um cojuto de dados está dsperso em toro de sua tedêca cetral. ão há razão alguma para se calcular a méda de um cojuto de dados, ode ão haja varação desses elemetos (Exemplo: , a méda 6). o etato, se a varabldade dos dados for muto grade, sua méda terá um grau de cofabldade tão pequeo que será útl calculá-la. Portato, ão é possível aalsar um cojuto de dados apeas através de uma medda de tedêca cetral, também é ecessáro aalsar de que forma os valores observados estão espalhados em toro de seu cetro. Além dsso, dos cojutos de dados podem possur a mesma méda e, o etato, os valores podem estar dstrbuídos de forma dferete. Por exemplo, cosdere os resultados das otas de oto aluos de duas turmas: Exemplo Tabela 3 otas de oto aluos de duas turmas Turma A Turma B 4 4, ,5 6 Embora as duas turmas de aluos possuam a mesma méda, 5, dferem bastate a varabldade das otas. Equato a turma A apreseta otas mas dspersas, a turma B, observam-se pequeas varações as otas obtdas pelos aluos. Dessa forma, para descrever adequadamete um cojuto de dados, além de uma medda que descreva sua tedêca cetral, é ecessáro uma medda que descreva sua dspersão. Para avalar o grau de dspersão ou varabldade dos valores de um cojuto de dados, usaremos dos tpos de meddas de dspersão: absoluta (desvo médo, varâca e desvo padrão) e relatva (coefcete de varação de Pearso). Ampltude total Para uma rápda medda da varabldade, podemos calcular a ampltude total (AT), que é a dfereça etre o mas alto e o mas baxo valor em uma dstrbução. AT Vmax Vm A ampltude total cosdera apeas o valor máxmo e o valor mímo, gorado todos os outros valores o cojuto de dados. Além dsso, esses valores podem ser valores extremos Aula 5 Pága 6
7 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad ou atípcos. Podemos aperfeçoar ossa descrção da dspersão, através de outras meddas como o desvo médo. Exemplo: Calcule a méda e a ampltude total para os dados abaxo: Cojuto de dados A µ 3 e AT 4 Cojuto de dados B µ 3 e AT 4 Os dos cojutos de dados possuem mesma méda e AT, o etato são dferetes. O cojuto de dados A apreseta maor úmero de dados em toro da méda do que o cojuto de dados B. Com sso cocluímos que a AT ão é uma boa medda de dspersão, pos apeas avala os valores que estão os extremos. Desvo Médo Para levar em cosderação todos os valores da dstrbução, além dos extremos, subtra-se a méda artmétca de cada elemeto do cojuto de dados e somam-se as dfereças, calculado, dessa forma, o desvo de cada elemeto a méda. Como essa soma é sempre gual a zero, pos algus valores são egatvos e outros postvos, cosdera-se apeas o módulo das dfereças. abaxo. Exemplo: Calcule o desvo médo para as otas dos aluos da Turma A da tabela Solução: Prmero calcula-se a méda do cojuto de dados: µ x A segur calcula-se o desvo médo. Podemos utlzar a própra tabela para desevolver os cálculos e substtur o valor do somatóro dreto a fórmula ou podemos desevolver os cálculos a própra fórmula. Usado a tabela para desevolver os cálculos: Tabela 4 - otas dos aluos da turma A. Aluo ota ( µ ) x x µ Σ 40 0 Aula 5 Pága 7
8 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Como o desvo médo é defdo como a méda artmétca dos desvos em módulo, basta dvdr o valor obtdo a tabela do x µ pelo úmero de elemetos do cojuto de dados. DM,5 Portato, o desvo médo é defdo pela segute expressão: DM x µ Desevolvedo os cálculos a fórmula : x µ DM DM,5 Apesar de ão ser muto utlzado a ferêca estatístca, o desvo médo é cosderado uma boa medda de dspersão, quado o objetvo é apeas descrever um cojuto de dados. Etretato, o uso de valores absolutos cra dfculdades algébrcas os métodos de ferêca estatístca. Assm, em vez de usarmos os valores absolutos, obtemos uma melhor medda de varação fazedo os desvos ao quadrado, obtedo-se a varâca. Varâca Para o cálculo da varâca, ao vés de cosderar o módulo da dfereça, eleva-se esta dfereça ao quadrado, elmado-se, assm, o problema do sal egatvo sem fazer uso da fução módulo. A varâca é defda como a méda artmétca dos quadrados dos desvos. Varâca populacoal (x µ ) σ Aula 5 Pága
9 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Exemplo: Calcule a varâca para as otas dos aluos da Turma A Solução: Utlzado a tabela para auxlar o cálculo: Tabela 5 - otas dos aluos da Turma A. Turma A ota ( x µ ) ( x ) µ Total σ (x µ ) Desevolvedo os cálculos a fórmula: 70,75 σ ( + ( 5) + (4 5) + (5 5) + (6 5) + ( 5) + (0 5) x µ ) (0 5) + (5 5) σ ,75 Usamos o símbolo σ para represetar a varâca calculada com base em dados em todos os elemetos da população, portato, a varâca populacoal é um parâmetro. Quado usamos uma amostra para calcular a varâca, o símbolo usado é s, a varâca amostral é um estmador da varâca populacoal. Varâca amostral s (x x) Se fosse usado o deomador da fórmula da varâca amostral, estaríamos estmado uma medda de varabldade meor do que a varâca da população. Portato, o cálculo da varâca amostral, utlza-se (-) o deomador. Exemplo: Para verfcar se o fabrcate está respetado o peso dcado as embalages de fejão, selecoou-se uma amostra de cco pacotes. Foram obtdos os segutes pesos em cada pacote da amostra: 495 g 50 g 49 g 500 g 496 g 49 g Calcule a varâca do peso das embalages de fejão. Aula 5 Pága 9
10 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Solução: o exemplo da méda de uma amostra já calculamos a méda deste cojto de dados que é 49 s (x x) ( ) + ( 50 49) + ( 49 49) + ( ) + ( ) + ( 49 49) 6 s 44,6667g Desvo padrão A desvatagem da varâca cosste o fato de suas udades ormalmete ão terem setdo. A varâca para as otas dos aluos, por exemplo, é medda em otas ao quadrado. o exemplo acma a varâca do peso dos pacotes de fejão estão em gramas ao quadrado. Pode-se retomar a udade orgal dos dados, extrado-se a raz quadrada da varâca, deomada de desvo padrão. O Desvo Padrão é defdo como a raz quadrada da méda artmétca dos quadrados dos desvos, ou seja, a raz quadrada da varâca. Desvo padrão populacoal σ (x µ ) Desvo padrão amostral s (x x) O desvo padrão calculado usado todos os elemetos da população é smbolzado por σ, o desvo padrão populacoal é um parâmetro. Se o desvo padrão é calculado a partr de uma amostra, este é represetado pelo símbolo s, chamado desvo padrão amostral e é cosderado uma estmatva. Exemplo : Calcule o desvo padrão para as otas dos aluos da Turma A. Solução: Como o exemplo ateror a varâca já fo calculada, basta extrar a raz quadrada da varâca: σ σ,75,95 Aula 5 Pága 0
11 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Exemplo : Calcule o desvo padrão para os segutes dados amostras: Solução: Como trata-se de uma amostra pequea usaremos a segute fórmula: s (x x) (5 7) + (6 7) + (33 7) 5 + ( 7) + (30 7) ,5 4, 64 4 s 4,64 Coefcete de varação de Pearso O coefcete de varação de Pearso (CV) é uma medda de dspersão relatva que mede a dspersão dos dados em relação à méda artmétca. É calculado, dvddo-se o desvo padrão pela méda, multplcado-se por 00, para expressar o resultado em porcetagem, em vez de se utlzar a udade de medda da varável em aálse. σ População CV. 00 Amostra s CV. 00 µ x Exemplo : Calcule o coefcete de varação de Pearso das otas dos aluos da turma A e B do exemplo ateror. Turma A Turma B 4 4, ,5 6,96 0,56 CV A.00 59,% CV B.00, % 5 5 A turma B apreseta meor dspersão relatva do que a turma A, o que dca que o desempeho dos aluos da turma B fo mas homogêeo. A dspersão relatva também permte comparar duas ou mas dstrbuções, mesmo que essas se refram a dferetes feômeos e sejam expressas em udades de medda dferetes. Aula 5 Pága
12 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Exemplo : a tabela abaxo, são apresetados os valores do desvo padrão e da méda da altura e peso de um grupo de pessoas. Altura Peso Méda 74 cm 7 kg Desvo padrão 7 cm kg Embora a dfereça as udades de medda tore mpossível comparar o desvo padrão de 7 cm com o desvo padrão de kg, podemos comparar os coefcetes de varação, que ão têm udades de medda. A varável altura apreseta CV 4% e a varável peso CV 5,4%. Portato, a varável peso apreseta maor dspersão relatva do que a varável altura. Observação: Para facltar a terpretação do coefcete de varação, usaremos os segutes tervalos: CV 30% Alta dspersão 5% < CV < 30% Méda dspersão CV 5% Baxa dspersão o exemplo, podemos verfcar que a turma A apreseta alta dspersão e a turma B baxa dspersão.,96 0,56 CV A.00 59,% CV B.00, % 5 5 Exemplos de aplcação: Ates de comprar uma batera para seu celular você aalsa as formações estatístcas forecdas pelo fabrcate com relação ao tempo de duração das mesmas. Explque de que forma essas formações podem auxlar você a sua escolha. Batera A B C Méda 600 cclos 650 cclos 600 cclos Medaa 600 cclos 700 cclos 500 cclos Desvo Padrão 50 cclos 50 cclos 50 cclos Solução: a tabela acma podemos verfcar a batera A apreseta a meor dspersão e méda e medaa são guas o que dca ão haver valores extremos em para a dreta em Aula 5 Pága
13 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad para a esquerda. A batera B apesar de apresetar méda maor do que a batera A e C apresetam maor medaa o que dca tempos de duração da batera afastados da méda para valores meores, o que explca o maor desvo padrão. Já a batera C possu a maor dspersão de tempo de duração, sedo a meos dcada. Quadro Resumo das Meddas de Posção Medda Defção Vatages Desvatages Méda Medaa Moda x x Valor cetral Valor mas freqüete Usada em mutos métodos estatístcos - Aproprada quado há valores extremos ou dstrbuções assmétrcas. - Sempre exste - Aproprada para dados qualtatvos. - Afetada por valores extremos - Usada em poucos métodos estatístcos - em sempre exste. - Pode haver mas de uma moda. - ão se presta à aálse matemátca Quadro Resumo das Meddas de Dspersão Desvo médo populacoal DM x µ Varâca Populacoal (x µ ) σ Desvo padrão populacoal σ (x µ ) Coefcete de Varação Populacoal Varâca amostral s (x x) Desvo padrão amostral s (x x) Coefcete de Varação Amostral CV s.00 x σ CV.00 µ Aula 5 Pága 3
14 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Medda de Assmetra Além das meddas de posção e dspersão a forma da dstrbução é uma mportate fote de formação sobre o comportameto dos dados. Algumas dstrbuções podem apresetar forma smétrca ou assmétrca. Mo Me x Mo< Me < x x < Me < Mo As 0 smétrca As > 0 assmetra postva As < 0 assmetra egatva Fgura (a) Fgura (b) Fgura (c) Uma dstrbução é smétrca, Fgura (a), se o gráfco apreseta o mesmo comportameto a dreta e a esquerda da méda. este caso, moda, méda e medaa são guas ou muto próxmas. A dstrbução apreseta uma assmetra postva, Fgura (b), quado sua cauda dreta afasta-se mas do pco do que a cauda esquerda, o que faz com que a méda seja maor do que a medaa e esta maor do que a moda. A dstrbução de dados apreseta uma assmetra egatva, Fgura (c), quado sua cauda esquerda afasta-se mas do pco do que a cauda dreta, sedo a moda maor do que a medaa e esta maor do que a méda. Exste mas de uma forma de determar o coefcete de assmetra, aqu usaremos o coefcete de assmetra pelo segudo crtéro de Pearso: As 3. ( x Me) s Tabela 6 - Iterpretação do Coefcete de Assmetra de Pearso Assmétrca egatva As - Assmétrca egatva moderada - < As < -0,5 Smétrca -0,5 < As < +0,5 Assmétrca postva moderada +0,5 < As < + Assmétrca postva As Exemplo: Os dados a segur se referem a uma amostra dos saláros recebdos em uma determada empresa. Determe o coefcete de assmetra e terprete Solução: Para determar o coefcete de assmetra precsamos calcular a méda, medaa e o desvo padrão. Aula 5 Pága 4
15 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad x (x x x) 43 s 740, PosMe 5,5ª posção Me 5 ( x Me) 3. As 3.(43 5), 7 s 740,65 Os saláros dos empregados apresetam assmetra postva (As,7). Este resultado evdêca a preseça de valores extremos a dreta do cojuto de dados que puxam a méda para cma, mas ão fluecam a medaa. Escore z ou varável padrozada Usado a méda e o desvo padrão podemos determar a posção relatva de qualquer valor do cojuto de dados. O escore z ou varável padrozada represeta o úmero de desvos padrões que um dado valor está afastado da méda. Para obter o escore z, use a segute fórmula: Amostra x x z População s z x µ σ Um escore z pode ser egatvo, postvo ou zero. Se z é egatvo, o valor x correspodete está abaxo da méda. Se z é postvo, o valor x correspodete está acma da méda. E se z0, o valor x correspodete é gual à méda. Quato maor o valor do escore z melhor é a posção relatva da observação o cojuto de dados. Exemplo: Um estudate obteve ota 7, em Estatístca e,0 em Álgebra. Determe em que dscpla o aluo obteve melhor posção relatva. A méda da turma em Estatístca fo 6,4 com desvo padrão, e a méda da turma em Álgebra fo 7,6 com desvo padrão de,6. Solução: z x µ 7, 6,4 x µ,0 7,6 0,67 z Á lgebra 0, 5 σ, σ,6 Estatístc a Apesar da méda em Estatístca ser meor do que a méda obtda pelo aluo a dscpla de Álgebra, ele obteve melhor posção relatva em Estatístca, pos o valor do escore z desta dscpla é maor do que o escore z em Álgebra. Comparado a ota do aluo com a méda e o desvo padrão da turma verfca-se que em Estatístca sua ota está mas afastada da méda (para cma) e com meor dspersão do que a ota obtda em Álgebra. Aula 5 Pága 5
16 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Coefcete de Correlação Até o mometo estudamos apeas uma úca varável. o etato, algumas vezes o pesqusador está teressado em aalsar a relação etre duas varáves. Por exemplo, qual a relação etre o preço dos almetos e a oferta; etre a altura das pessoas e o peso. A maera mas smples de car este estudo é através do dagrama de dspersão. este gráfco, cada exo represeta uma das varáves em estudo. Exemplo: o gráfco abaxo é apresetado o dagrama de dspersão etre as varáves altura e peso de um grupo de oto pessoas. 5 0 Peso (kg) ,6,65,7,75,,5 Altura (cm) Fgura Correlação etre as varáves peso e altura O dagrama de dspersão pode apresetar uma relação postva etre as varáves, ou seja, à medda que uma varável aumeta a outra varável também aumeta. a fgura 3 (a) as varáves apresetam uma correlação perfeta, a fgura 3(b) uma correlação forte e a fgura 3(c) uma correlação fraca. (a) (b) (c) Fgura 3 correlação postva etre as duas varáves Aula 5 Pága 6
17 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad O dagrama de dspersão também pode apresetar uma relação egatva etre as varáves, ou seja, à medda que uma varável aumeta a outra varável dmu. a fgura 4(a) as varáves apresetam uma correlação perfeta, a fgura 4(b) uma correlação forte e a fgura 4(c) uma correlação fraca. (a) (b) (c) Fgura 4 correlação egatva etre as duas varáves Quado as duas varáves ão possuem relação o gráfco de dspersão apreseta uma uvem aleatóra de potos. O grau de assocação lear etre duas varáves pode ser meddo através do coefcete de correlação de Pearso, que é dado por: r xy ( x ).( y ) x ( x ). y [ ] [ ( y ) ] O valor de r, que sempre pertecerá ao tervalo [-, ], represeta uma medda de tesdade do ter-relacoameto etre duas varáves. Se r, há uma perfeta correlação postva etre as varáves, sto é, se os valores de uma varável aumetam (ou dmuem), em correspodêca os valores da outra varável também aumetam (ou dmuem) a mesma proporção. Se, por outro lado, r -, há uma perfeta correlação egatva etre as varáves, ou seja, os valores de uma varável varam em proporção versa aos valores de outra varável. Se, etretato, r 0, ão há correlação etre as varáves. Aula 5 Pága 7
18 REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad pessoas. Exemplo : Calcule o coefcete de correlação etre as varáves altura e peso de oto Altura (cm) Peso (kg),7 74,65 66,6 6,73 74,7,67 67, 3,77 79 Solução: Utlzado a tabela para auxlar os cálculos Altura (cm) - x Peso (kg) - y x.y X Y,7 74 5,,9 5476, ,9,7 4356,6 6 9,,6 37,73 74,0, ,7 45,96 3,7 674,67 67,9,79 449, 3 49,4 3,4 69, ,3 3,3 64 3, ,6 3, r xy ( x ).( y ) ( x ). y. 00, [ x ] [ ( y ) ] [.3,56 3,7 ].[ ] 0,97 Iterpretação: As varáves altura e peso apresetam uma forte relação postva, portato, à medda que uma varável aumeta a outra também aumeta. Aula 5 Pága
Estatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia 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 maisCAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados
3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas
Leia maisESTATÍSTICA APLICADA À ZOOTECNIA
ESTATÍSTICA APLICADA À ZOOTECNIA Eucldes Braga MALHEIROS *. INTRODUÇÃO.a) Somatóras e Produtóros Sejam,, 3,...,, valores umércos. A soma desses valores (somatóra) pode ser represetada por: = = = =. e o
Leia 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 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 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 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 maisRelatório 2ª Atividade Formativa UC ECS
Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução
Leia maisFaculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL
Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a
Leia 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. 2 - Estatística Descritiva
Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA
Leia maisRACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO
RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL I
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE
Leia mais? Isso é, d i= ( x i. . Percebeu que
Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0
Leia maisDistribuições de Probabilidades
Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução
Leia maisx Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
Professora Jaete Perera Amador 1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela
Leia mais50 Logo, Número de erros de impressão
Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero
Leia maisConstrução e Análise de Gráficos
Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela
Leia maisRevisão de Estatística X = X n
Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.
É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisEstatística Básica - Continuação
Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas
Leia mais9 Medidas Descritivas
1 9 Meddas Descrtvas Vmos aterormete que um cojuto de dados pode ser resumdo através de uma dstrbução de freqüêcas, e que esta pode ser represetada através de uma tabela ou de um gráfco. Se o cojuto refere-se
Leia maisDistribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD
Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução
Leia maisMÓDULO 8 REVISÃO REVISÃO MÓDULO 1
MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos
Leia maisTabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f
Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que
Leia maisEx: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20
. MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados
Leia maisModelo de Regressão Simples
Modelo de Regressão Smples Hstora Hstóra Termo regressão fo troduzdo por Fracs Galto (8-9). Estudo sobre altura de pas e flhos. Karl Pearso coletou mas de ml regstros e verfcou a le de regressão uversal
Leia maisInterpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.
Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr
Leia maisESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA
ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo
Leia maisMedidas Numéricas Descritivas:
Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça
Leia maisRegressao Simples. Parte II: Anova, Estimação Intervalar e Predição
egressao Smples Parte II: Aova, Estmação Itervalar e Predção Aálse de Varâca Nem todos os valores das amostras estão cotdos a reta de regressão, e quato mas afastados estverem por, a reta represetará a
Leia maisANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS
ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;
Leia maisProfessor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.
Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.
Leia 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 etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves
Leia maisCap. 5. Testes de Hipóteses
Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma
Leia maisEm muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.
Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão
Leia maisEconometria: 3 - Regressão Múltipla
Ecoometra: 3 - Regressão Múltpla Prof. Marcelo C. Mederos mcm@eco.puc-ro.br Prof. Marco A.F.H. Cavalcat cavalcat@pea.gov.br Potfíca Uversdade Católca do Ro de Jaero PUC-Ro Sumáro O modelo de regressão
Leia maisEstatística: uma definição
Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.
Leia maisDifusão entre Dois Compartimentos
59087 Bofísca II FFCLRP USP Prof. Atôo Roque Aula 4 Dfusão etre Dos Compartmetos A le de Fck para membraas (equação 4 da aula passada) mplca que a permeabldade de uma membraa a um soluto é dada pela razão
Leia maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja
Leia maisEstatística: uma definição
Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso de Admnstração em Gestão Públca Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos uns dos
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisRegressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança
Regressão Smples Parte III: Coefcete de determação, regressão a orgem e método de máxma verossmlhaça Coefcete de determação Proporção da varabldade explcada pelo regressor. R Varação explcada Varação total
Leia maisEstatística: uma definição
Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval
Leia maisESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL
ESTATÍSTICA MÓDULO 3 MEDIDAS DE TEDÊCIA CETRAL Ídce. Meddas de Tedêca Cetral...3 2. A Méda Artmétca Smles ( μ, )...3 3. A Méda Artmétca Poderada...6 Estatístca Módulo 3: Meddas de Tedêca Cetral 2 . MEDIDAS
Leia maisIntrodução à Estatística
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves. A aálse de regressão e correlação compreedem
Leia maisHIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia
Aálse estatístca aplcada à hdrologa. Séres hdrológcas oções complemetares HIDROLOGIA E RECURSOS HÍDRICOS Aálse estatístca aplcada à hdrologa O Egehero HIDRÁULICO Echerá? Que população pode abastecer e
Leia maisEstudo do intervalo de confiança da regressão inversa utilizando o software R
Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um
Leia maisProf. Janete Pereira Amador 1
Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.
Leia maisIntrodução à Estatística. Júlio Cesar de C. Balieiro 1
Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal
Leia maisAnálise da Informação Económica e Empresarial
Aálse da Iformação Ecoómca e Empresaral Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração Aálse da Iformação Ecoómca e Empresaral Guão Aula 8: Redução de Dados: Meddas de Dspersão e Cocetração
Leia maisCAPITULO 1 CONCEITOS BÁSICOS
DISCIPLIA: ESTATÍSTICA PROFESSOR: JOSELIAS SATOS DA SILVA - joselas@uol.com.br ÍDICE CAPITULO 1 COCEITOS BÁSICOS... 3 1.1 ESTATÍSTICA... 3 1. ESTATÍSTICA DESCRITIVA... 3 1.3 ESTATÍSTICA IFERECIAL... 3
Leia maisAvaliação da qualidade do ajuste
Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a
Leia maisGrande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção
Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto
Leia 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 maisMEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO
Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, Medca Veterára, Muscoterapa, Odotologa, Pscologa MEDIDAS DE DISPERSÃO 9 9. MEDIDAS DE DISPERSÃO
Leia 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 maisESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama
Leia maisEstudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.
Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,
Leia maisMAE0229 Introdução à Probabilidade e Estatística II
Exercíco Cosdere a dstrbução expoecal com fução de desdade de probabldade dada por f (y; λ) = λe λy, em que y, λ > 0 e E(Y) = /λ Supor que o parâmetro λ pode ser expresso proporcoalmete aos valores de
Leia mais5 Critérios para Análise dos Resultados
5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução
Leia maisEscola Secundária de Jácome Ratton
Ecola Secudára de Jácome Ratto Ao Lectvo / Matemátca Aplcada à Cêca Soca Na Ecola Secudára do Suceo aualmete é premado o aluo que tver melhor méda a ua clafcaçõe a dferete dcpla. No ao lectvo 9/, o do
Leia maisESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO
ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado
Leia maisCURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -
CURSO SOBRE MEDIDAS DESCRITIVA Adrao Medoça Souza Departameto de Estatístca - UFSM - O telecto faz pouco a estrada que leva à descoberta. Acotece um salto a coscêca, chame-o você de tução ou do que quser;
Leia maisREGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA
REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:
Leia maisProf. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de
Leia maisMacroeconometria Aula 3 Revisão de estatística e teste de hipótese
Macroecoometra 008. Aula 3 Revsão de estatístca e teste de hpótese 3.5. Estmação No estudo das probabldades, o objetvo é calcular a probabldade de evetos préespecfcados. De agora em date o objetvo muda.
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 maisUnidade II ESTATÍSTICA
ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as
Leia maisOitava Lista de Exercícios
Uversdade Federal Rural de Perambuco Dscpla: Matemátca Dscreta I Professor: Pablo Azevedo Sampao Semestre: 07 Otava Lsta de Exercícos Lsta sobre defções dutvas (recursvas) e prova por dução Esta lsta fo
Leia maisTópicos Extras 2ª parte. Análise de Correlação e Regressão
Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO
Leia maisRegressão e Correlação
Regressão e Correlação Júlo Osóro Regressão & Correlação: geeraldades Em mutas stuações de pesqusa cetífca, dspomos de uma amostra aleatóra de pares de dados (x, ), resultates da medda cocomtate de duas
Leia maisNas Instituições de Ensino Superior(IES), há uma relação direta entre a qualidade do ensino e a taxa de inadimplência. A taxa de inadimplência das
CORRELAÇÃO Nas Isttuções de Eso Superor(IES), há uma relação dreta etre a qualdade do eso e a taxa de admplêca. A taxa de admplêca das IES que obtveram cocetos A e B o Provão é,%, as que obtveram C é 6%
Leia maisINTRODUÇÃO A ESTATÍSTICA
Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1
Leia maisEstatística Descritiva
Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),
Leia maisDescritiva. Francisco Cysneiros DE - UFPE
Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: cyseros@de.ufpe.br web-page: www.de.ufpe.br/~cyseros/dscpla/farmaca/farmaca.htm Foe: (8) 6
Leia maisEstatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual
Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas
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 maisCentro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola
Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR116 Boestatístca Proessor: Celso Luz Borges de Olvera Assuto: Estatístca Descrtva Tema: Meddas de Posção e Meddas de
Leia maisINTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA
INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação
Leia maisCapítulo 5: Ajuste de curvas pelo método dos mínimos quadrados
Capítulo : Ajuste de curvas pelo método dos mímos quadrados. agrama de dspersão No capítulo ateror estudamos uma forma de ldar com fuções matemátcas defdas por uma taela de valores. Frequetemete o etato
Leia maisConceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues
Cocetos Icas de Estatístca Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Pro. Rogéro Rodrgues CONCEITOS INICIAIS DE ESTATÍSTICA: GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA CURSO : ADMINISTRAÇÃO
Leia maisProbabilidade II Aula 10
Probabldade II Aula 0 Mao de 009 Môca Barros, D.Sc. Coteúdo Esperaça Matemá (Valores esperados) Mometos e Mometos Cetras Valores esperados de uma fução de Covarâca e Correlação Matrz de covarâca, matrz
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 maisNas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.
Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,
Leia mais3 - ANÁLISE BIDIMENSIONAL
INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,
Leia mais7 Análise de covariância (ANCOVA)
Plejameto de Expermetos II - Adlso dos Ajos 74 7 Aálse de covarâca (ANCOVA) 7.1 Itrodução Em algus expermetos, pode ser muto dfícl e até mpossível obter udades expermetas semelhtes. Por exemplo, pode-se
Leia maisCAPÍTULO 9 - Regressão linear e correlação
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO 9 - Regressão lear e correlação Veremos esse capítulo os segutes assutos essa ordem: Correlação amostral Regressão Lear Smples Regressão Lear Múltpla Correlação
Leia maisde uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?
Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 6 Prof. Luz Alexadre Peterell CAPÍTULO - Estatístca Descrtva Podemos dvdr a Estatístca em duas áreas: estatístca dutva (ferêca estatístca) e estatístca descrtva. Estatístca Idutva: (Iferêca Estatístca)
Leia maisANÁLISE DE REGRESSÃO E CORRELAÇÃO
ANÁLISE DE REGRESSÃO E CORRELAÇÃO Quado se cosderam oservações de ou mas varáves surge um poto ovo: O estudo das relações porvetura estetes etre as varáves A aálse de regressão e correlação compreedem
Leia maisA análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.
Prof. Lorí Va, Dr. http://www. ufrgs.br/~va/ va@mat.ufrgs.br aáse de varâca de uma cassfcação (Oe-Way NOV) verfca se as médas de amostras depedetes (tratametos) dferem etre s. Um segudo tpo de aáse de
Leia maisMÉTODO DOS MÍNIMOS QUADRADOS
MÉTODO DOS MÍNIMOS QUADRADOS I - INTRODUÇÃO O processo de medda costtu uma parte essecal a metodologa cetífca e também é fudametal para o desevolvmeto e aplcação da própra cêca. No decorrer do seu curso
Leia maisCONHECIMENTOS ESPECÍFICOS
CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,
Leia maisAnálise Exploratória de Dados
Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1
Leia maisProbabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ
Duração: 90 mutos Grupo I Probabldades e Estatístca LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBol, MEBom, MEEC, MEFT, MEMec, MEQ Justfque coveetemete todas as respostas 1 o semestre 018/019 10/01/019 09:00 o
Leia mais