Análise descritiva de Dados. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações.
|
|
- David Nobre Carvalhal
- 8 Há anos
- Visualizações:
Transcrição
1 Análise descritiva de Dados 4. Medidas resumos para variáveis quantitativas 4.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média: (ou média aritmética) é representada por x e é dada soma das observações, divida pelo número de observações. x n i 1 n x i b) Mediana: representada por med (x), é observação que ocupa a posição central das observações ordenadas. Sejam as observações ordenadas: x (1) x ()... x (n), então, a n 1 posição central é dada por, portanto, med ( x) x n1 Notas: i) A mediana também é presentada por x ~. ii) Se n é par, a mediana é dada pela média aritmética das duas observações centrais. c) Moda: representada por mo (x), é observação da amostra com maior frequência, ou seja, a que mais se repete.
2 Um conjunto de dados pode ter mais de uma moda, ou até mesmo, não ter moda. Em relação ao número de modas um conjunto de dados pode ser: i) unimodal: quando o conjunto tem uma única moda; ii) bimodal: quando o conjunto tem duas modas; iii) multimodal: quando o conjunto tem três ou mais modas; iv) amodal: quando o conjunto não tem moda (neste caso, todas as observações aparecem uma única vez na amostra). Exemplos de medidas da posição: Exemplo 1: Número de pessoas com diabetes em 0 grupos de 1000 pessoas cada. Neste caso, foram obtidos os seguintes dados: 7, 8, 8, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 1 Medidas Descritivas de Posição: 193 i) Média: x i = 193 x 9, 65 casos/grupo ( 10) 0 ii) Mediana: Determinando a posição da mediana: n ,5
3 logo a mediana é a média entre a 10ª e 11ª observações ordenadas x(10) x(11) med ( x) 10 casos/grupo. iii) Moda: mo(x) = 10 casos/grupo, aparece 8 vezes na amostra o conjunto é unimodal. Exemplo : Em 1798 o cientista Henry Cavendish mediu a densidade do globo terrestre em 9 ensaios. Os dados foram obtidos do Annals os Statistics, X = densidade do globo terrestre (g/cm 3 ). 5,50 5,61 4,88 5,07 5,6 5,55 5,36 5,9 5,58 5,65 5,57 5,53 5,6 5,9 5,44 5,34 5,79 5,10 5,7 5,39 5,4 5,47 5,63 5,34 5,46 5,30 5,75 5,68 5,85 Dados ordenados 4,88 5,07 5,10 5,6 5,7 5,9 5,9 5,30 5,34 5,34 5,36 5,39 5,4 5,44 5,46 5,47 5,50 5,53 5,55 5,57 5,58 5,61 5,6 5,63 5,65 5,68 5,75 5,79 5,85 n = 9 observações Medidas Descritivas de Posição: 157,99 i) Média: x i = 157,99 x 5, 45g/cm 3 9
4 ii) Mediana: Determinando a posição da mediana: n 1 15 logo a mediana é a 15ª observação ordenada med x) x ( 5,46 g/cm 3 ( 15) iii) Moda: mo(x) = 5,9 g/cm 3 e mo(x) = 5,34 g/cm 3 o conjunto é bimodal. Exemplo 3: Altura dos alunos da turma B de Bioestatística no primeiro semestre de 015. X = altura dos alunos (em metros). Dados ordenados 1,51 1,55 1,56 1,57 1,58 1,58 1,58 1,60 1,60 1,60 1,60 1,6 1,6 1,6 1,63 1,63 1,65 1,65 1,65 1,65 1,65 1,65 1,66 1,67 1,67 1,70 1,70 1,70 1,7 1,73 1,73 1,74 1,75 1,75 1,75 1,76 1,77 1,78 1,80 1,80 1,80 1,80 1,81 n = 43 observações x i = 71,94
5 Medidas Descritivas de Posição: i) Média: x i = 71,94 71,94 x 1, 67 m 43 ii) Mediana: Determinando a posição da mediana: n 1 44 logo a mediana é a ª observação ordenada: med ( ) x) x ( 1,65m iii) Moda: mo(x) = 1,65m aparece 5 vezes na amostra, o conjunto é unimodal.
6 4.. Medidas de Dispersão (ou variação): a) Amplitude: é dada pela diferença entre o maior e o menor valor da amostra. Sejam x( 1) min [ x1, x,, xn] e x( n) max[ x1, x,, xn], x então, a amplitude da amostra é definida por A x ( x. n) A amplitude A representa o tamanho da região na qual os dados foram observados. b) Variância amostral: a variância amostral é definida pela soma dos quadrados dos desvios das observações em relação à media amostral x, dividida por (n 1), ou seja (1) x s n x i1 i x n 1. Mostra-se facilmente que s pode ser escrita como s n i 1 x i n 1 nx. c) Amplitude Interquartil: é dada pela diferença entre o 3º e o 1º quartis. Para definir a amplitude interquartil, vamos primeiro definir o que são quartis amostrais.
7 Quartis amostrais são medidas descritivas que dividem a amostra ordenada em quatro parcelas iguais de 5%, ou seja: 5% 5% 5% 5% Q 1 Q Q 3 med(x) Assim sendo: i) Q 1 é o primeiro quartil; ii) Q = med(x), é o segundo quartil, iii) Q 3 é o terceiro quartil. Desta forma, denotada por A q, é definida por A q = Q 3 Q 1 A Q determina o tamanho da região em torno da mediana que contém 50% das observações centrais.
8 4..1. Métodos para a obtenção dos quartis amostrais: Para a obtenção dos quartis devemos proceder da mesma forma que para a mediana. Uma vez que a mediana esteja determinada, temos o conjunto de dados ordenados dividido em duas partes. Os quartis, então, são dados pelas observações centrais destas duas metades. Q 1 med(x) Q 3 Observação central da metade inferior Observação central da metade superior O procedimento para encontrar os quartis é o mesmo usado para a mediana, porém, teremos dois procedimentos dependendo do tamanho da amostra n ser par ou ímpar. i) Se o tamanho da amostra n for par: o procedimento é o mesmo da mediana, sendo aplicada a cada uma das metades (inferior e superior). Exemplo: Dados: n = 14 med ( x) x (7) x (8) 5 6 5,5 A mediana med(x) = 5,5 divide os dados em dois grupos ordenados de 7 observações cada. Assim,
9 7 1 4 Q 1 é a 4ª observação da metade inferior e, Q 3 é a 4ª observação da metade superior. Desta forma, os quartis serão as observações ordenadas que ocupam as posições 4 e 11. 5, Q Q 1 x(4) 3 x(11) 3 7 ii) Se o tamanho da amostra n for ímpar: devemos optar por incluir, ou não, a mediana nos cálculos para a determinação dos quartis. ii.1) se a mediana não for incluída, então teremos dois grupos, inferior e superior à mediana, cada um com ( n 1) observações. n 1 observações inferiores n 1 observações superiores Q 1 med(x) Q 3 e os quartis Q 1 e Q 3 são obtidos normalmente.
10 Exemplo: Dados: n = 13 A mediana med x) x ( 5 divide os dados em dois grupos ( 7) ordenados de 6 observações cada , 5 Q 1 é a média da 3ª e 4ª observações do grupo inferior e, Q 3 é a média da 3ª e 4ª observações do grupo superior Q x x 3 (3) (4) 1,5 Q x x 6 7 (10) (11) 3 6,5 ii.) se a mediana for incluída, então, ela deve ser considerada 1 tanto para a obtenção do 1º quartil, na metade inferior como na obtenção do 3º quartil, na metade superior. Desta forma, teremos grupos, com ( n 1) observações cada. 1 Observe que a mediana é uma só. Ela é apenas considerada nos dois grupos para as contagens das posições dos quartis.
11 Grupo inferior grupo superior Q 1 med(x) Q 3 e os quartis Q 1 e Q 3 são obtidos normalmente. Exemplo: Dados: n = 13 A mediana med x) x ( 5 divide os dados em dois grupos ( 7) ordenados de 6 observações cada. Incluindo a mediana ao procedimento, teremos uma observação a mais em cada grupo, ou seja, teremos 7 observações Q 1 é a 4ª observação do grupo inferior e, Q 3 é a 4ª observação do grupo superior, ou seja, a 11ª observação ordenada (7 + 4). Q Q x(4) 3 3 x(11) 6
12 iii) Outra forma para a obtenção dos quartis é apresentada por Murteira (00). ] Se a mediana ocupa a posição (n + 1)/, então Q 1 deverá ocupar a posição: n 1 1 n 3 4 Para a posição de Q 3 fazemos: ( n 1) n 3 4 3n 1 4 Portanto, Q 1 e Q 3 são dados pelas observações ordenadas que n 3 3n 1 ocupam as posições e, respectivamente. 4 4 n 3 3n 1 Se os valores de e não forem inteiros, Q 1 e Q devem ser obtidos por interpolação linear. Por exemplo, se n 3 4 k, em que k é a parte inteira e a parte decimal, então, Q 1 pertence ao intervalo x ; x ) e ( ( k) ( k1) Q x [ x x )]. 1 ( k) ( k 1) ( k
13 Para Q 3 o procedimento é semelhante, ou seja, se 3n 1, 4 então, Q 3 pertence ao intervalo x ; x ) e Q ( ( ) ( 1) x [ x x )]. 3 ( ) ( 1) ( Exemplo: Dados: n = 14 Para a determinação de Q 1, temos: posição de Q 1 : 4, Como = 0,5, Q 1 é a interpolação entre a 4ª e 5ª observações ordenadas: Q 3 0,5(4 3) 3,5. 1 Para a determinação de Q 3, temos: posição de Q 3 : 10, Aqui = 0,75 e Q 3 é a interpolação entre a 10ª e 11ª observações ordenadas: Q 6 0,75(7 6) 6,75. 3 Obs: o item (iii) com n ímpar é equivalente ao item e (ii.).
14 Notas: Assim como a mediana, os quartis amostrais dependem do tamanho da amostra n, fazendo com que nem sempre os quatro grupos tenham o mesmo tamanho; Existem diversas outras formas para a determinação dos quartis, Nesta disciplina daremos ênfase nos itens (i) e (ii.1); Para n pequeno, pode-se, ainda, obter os quartis graficamente pelo histograma dos dados; Os quartis são casos especiais dos quantis (ou percentis), que são denotados por: x(p) p-ésimo quantil ou quantil de ordem p; Portanto, o quantil x(p) é dado pela observação ordenada que deixa uma frequência acumulada igual 100p % abaixo de si. Assim sendo temos que: i) Q 1 = x(0,5) quantil de ordem 0,5; ii) Q = med(x) = x(0,5) quantil de ordem 0,50; iii) Q 3 = x(0,75) quantil de ordem 0,75.
15 Exemplo 1: Número de pessoas com diabetes em 0 grupos de 1000 pessoas cada. Neste caso, foram obtidos os seguintes dados: 7, 8, 8, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 1 n i 1 x 193 e x 1889 i n i 1 i 193 a) Média: x 9, 65 casos/grupo ( 10); 0 x(10) x(11) b) Mediana: ( x) 10 med casos/grupo; c) Moda: mo(x) = 10 casos/grupo. i) Variância amostral: (9,65) ,45 s ,55 s 1,397 (casos/grupo) 19 Desvio padrão amostral: s 1,397 1, 18 casos/grupo ( 1) ii) Amplitude amostral: A casos/grupo.
16 iii) Amplitude interquartil: 7, 8, 8, 9, 9, 9, 9, 9, 10, 10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 1 n = 10 observações do grupo inferior à mediana n = 10 observações do grupo superior à mediana Para a determinação de Q 1, temos: posição de Q 1 : ,5, logo o 1º quartil é a média entre a 5ª e 6ª observações ordenadas: x(5) x(6) 9 9 Q 1 9 casos/grupo. Para a determinação de Q 1, temos: posição de Q 1 : ,5, logo o 3º quartil é a média entre a 15ª e 16ª observações ordenadas, x(15) x(16) Q 3 10 casos/grupo. Desta forma, a amplitude interquartil é: A caso/grupo. q
17 Relação entre as amplitudes amostral e interquartil: A q A 1 5 0, Ou seja, a metade das observações centrais representam 0% da amplitude total dos dados. Exemplo : Altura dos alunos da turma B de Bioestatística no primeiro semestre de 015. X = altura dos alunos (em metros). Dados ordenados 1,51 1,55 1,56 1,57 1,58 1,58 1,58 1,60 1,60 1,60 1,60 1,6 1,6 1,6 1,63 1,63 1,65 1,65 1,65 1,65 1,65 1,65 1,66 1,67 1,67 1,70 1,70 1,70 1,7 1,73 1,73 1,74 1,75 1,75 1,75 1,76 1,77 1,78 1,80 1,80 1,80 1,80 1,81 n = 43 observações n i 1 x 71,94 e x 10, 63 i n i 1 i 71,94 a) Média: x 1, 67 m; 43 b) Mediana: med x) x ( 1, 65m; ( ) c) Moda: mo(x) = 1,65m.
18 iv) Variância amostral: 10,63 43(1,67) 0,7073 s 0,01684 m 4 4 Desvio padrão amostral: s 0, , 198 m v) Amplitude amostral: A 1,811, m vi) Amplitude interquartil: (sem incluir a mediana) med ( ) x) x ( 1,65m O primeiro quartil é a posição central da metade inferior Q 1 x(11) 1,60m O terceiro quartil é a posição central da metade superior Q 3 x(33) 1,75m Desta forma, a amplitude interquartil é: Aq 1,75 1,60 0,15m Relação entre as amplitudes amostral e interquartil: A q 0,15 0,50 A 0,30 Metade das observações centrais representam 50% da amplitude total.
19 4.3. Mais Exemplos Exemplo 1: Dias de manutenção de equipamentos de uma grande companhia, (n = 50 observações) X = dias em manutenção de equipamentos, Dados Ordenados: n i n i 1 1 x i 39 e x i a) x 7, 84 dias ( 8 dias) 50 x(5) x(6) b) med ( x) 6 dias c) mo(x) = 5 dias (8) i) Variância amostral: (7,84) ,8 s,55 dias Desvio padrão amostral: s,545 4, 748 dias
20 ii) Amplitude amostral: A 1 19 dias iii) Amplitude interquartil: O 1º quartil é a 13ª observação ordenada , Q x 4 dias. 1 (13) O 3º quartil é a 38ª observação ordenada , Q x 10 dias. 3 (38) Desta forma, a amplitude interquartil é: A 10 4 = 6 dias Q Relação da amplitude interquartil com a amplitude total: A q 6 0,316 A 19. Metade das observações centrais representam 31,6% da amplitude total. Exemplo : Dados Cavendish, X = densidade do globo terrestre (g/cm 3 ), Dados ordenados 4,88 5,07 5,10 5,6 5,7 5,9 5,9 5,30 5,34 5,34 5,36 5,39 5,4 5,44 5,46 5,47 5,50 5,53 5,55 5,57 5,58 5,61 5,6 5,63 5,65 5,68 5,75 5,79 5,85 n = 9 observações
21 n i 1 x 157,99 e x 86, 0855 i n i 1 i 157,99 a) x 5, 448g/cm 3 9 b) med x) x ( 5, 46g/cm 3 ( 15) c) mo(x) = 5,9 g/cm 3 e 5,34 g/cm 3 i) Variância amostral: 86,0855 9(5,448) 1,3669 s 0,0488 (g/cm 3 ) Desvio padrão amostral: s 0,0488 0, 09 g/cm 3 ii) Amplitude amostral: A 5,85 4,88 0, 97 g/cm 3 iii) Amplitude interquartil: A mediana é 15ª observação ordenada, o primeiro quartil (excluindo-se a mediana do cálculo) é a posição central da metade inferior dos dados, ou seja: 14 1 Q 1 é a média da 7ª e 8ª observações ordenadas 7,5, x(7) x(8) 5,9 5,30 Q 1 5,95 g/cm 3,
22 Q 3 é a média da ª e 3ª observações ordenadas 7,5 15,5, x() x(3) 5,61 5,6 Q 3 5,615 g/cm 3 Desta forma, a amplitude interquartil é: A 5,615 5,95 0,3g/cm 3, q Relação da amplitude interquartil com a amplitude total: A q 0,3 0,330 ( 1/3). A 0,97 Metade das observações centrais representam 33,0% da amplitude total.
23 4.4. O coeficiente de variação amostral: Uma medida utilizada para quantificar a variabilidade dos dados é o coeficiente de variação, ou cv. O cv de variação amostral é dado pela razão do desvio padrão da amostra s e a média amostral x : cv s x Notas: O coeficiente de variação compara a magnitude do desvio padrão s com a média x. Se cv 1 s x. O coeficiente de variação é uma medida adimensional (é um número puro) também podendo ser expresso em %. Exemplos: a) Número de casos com diabetes em 0 grupos de 1000 pessoas: x 9,65 pessoas/grupo s 1,397 (pessoas/grupo) s ,18 pessoas/grupo 1,18 cv 0.1 ou 1,% 9,65
24 b) Altura dos alunos da turma B da disciplina Bioestatística: x 1,67 m s 0,01684 m s ,198 m 0,198 cv 0,078 ou 7,8% 1,67 c) Dias de manutenção de equipamentos: x 7,84 dias s,545 dias s,545 4,748 dias 4,748 cv 0,606 ou 60,6% 7,84 d) Dados Cavendish: x 5,45g/cm 3 s 0,10 g/cm 3 0,10 cv 0,0406 ou 4,06%, 5.45
25 Nos exemplos acima temos os cv s de quatro processos distintos, sendo o maior deles (dias manutenção) 15 vezes maior do que o menor (Cavendish), indicando claramente as diferenças na dispersão dos dados. Tabela: Coeficientes de variação dos exemplos. Dados cv cv (%) Manutenção % Diabetes % Alturas % Cavendish % Um ponto de grande interesse, contudo, diz respeito a quantificar o cv e poder dizer se um conjunto de dados tem uma dispersão muito alta, ou não. A seguir serão apresentados três critérios para classificação do coeficiente de variação Como classificar o Coeficiente de Variação O cv tem uma característica particular de ser intrínseco a cada processo, tendo sido muito estudado na área agrícola, mais especificamente, na experimentação agronômica. Vários autores indicam diferentes métodos para se classificar o coeficiente de variação. A seguir, são apresentadas três classificações.
26 I) Classificação segundo Pimentel Gomes (1985), baseada em ensaios agrícolas. Faixa cv dispersão menor ou igual a 10% baixo baixa dispersão dos dados entre 10% e 0% médio média dispersão dos dados entre 0% e 30% alto alta dispersão dos dados maior do que 30% muito alto dispersão dos dados muito alta II) Classificação segundo Ferreira, F,V, (1991), Estatística Experimental Aplicada à Agronomia, classifica com respeito à precisão do processo. Faixa cv precisão entre 10% e 15% baixo ótima entre 15% e 0% médio boa entre 0% e 30% alto regular maior do que 30% muito alto muito ruim (ou péssima) III) Classificação obtida no site muito utilizada em CEP Controle Estatístico do Processo. Faixa cv dispersão menor ou igual a 15% baixo baixa dispersão dos dados entre 15% e 30% médio média dispersão dos dados maior do que 30% Alto alta dispersão dos dados
27 Nos exemplos: a) Diabetes: 1,18 cv 0.1 (1,%) cv baixo a médio. 9,65 b) Aturas dos alunos: 0,198 cv 0,078 (7,8%) cv baixo. 1,67 c) Dias de manutenção de equipamentos: 4,748 cv 0,606 (60,6%) cv alto ou muito alto. 7,84 d) Dados Cavendish: 0,09 cv 0,0406 (4,06%) cv baixo. 5,448
28 5. Relação empírica entre média, mediana e moda Karl Pearson, metemático famoso, no final do século XIX e início do XX, observou empiricamente, a seguinte relação entre as três medidas de posição média mediana e moda. Observações: x mo( x) 3 x med( x) 1) A relação só se aplica a distribuições com boa simetria; ) Só é valida para casos unimodais; 3) Depende de um tamanho de amostra n elevado Moda de Czuber Em muitas situações quando analisamos dados contínuos a moda amostral pode não representar adequadamente os dados, especialmente quando o conjunto for bimodal ou multimodal. Nessas situações, a distribuição teórica f(x), a qual buscamos identificar pelo histograma, pode não ser bem representada pela amostra devido a diversas razões: poucas observações; grande variabilidade; formado da distribuição. Nesses casos, pode-se indicar não uma moda, mas uma classe modal, dada pela classe na distribuição com a maior frequência. Uma alternativa, entretanto, é utilizar a moda de Czuber, que leva em conta a classe modal e as frequências das classes imediatamente anteriores e posteriores à classe modal.
29 A moda de Czuber é calculada pela seguinte expressão: mo cz ( x) L i hda ( d d a p, ) Em que: L i é o limite inferior da classe modal; h é a amplitude de classe da distribuição de frequências; d a é a diferença da frequência da classe modal (relativa ou absoluta) com a classe imediatamente anterior; d p é a diferença da frequência da classe modal (relativa ou absoluta) com a classe imediatamente posterior.
30 Exemplo: Considere os dados do tempo de TV de uma turma de estudantes de primeiro de universidade. 0,,,,, 3, 4, 5, 5, 5, 5, 5, 5, 5, 6, 7, 7, 8, 8, 8, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 10, 1, 1, 1, 1, 14, 14, 14, 14, 14, 15, 16, 18, 0, 0, 0, 5, 5, 8, 30 Distribuição de frequências de horas TV, Horas TV classes Freq. absoluta Freq. relativa Freq. acumulada n i f i F ac Totais mo cz ( x) (3 5) horas 8 Na representação gráfica a seguir, pode-se observar a moda de Czuber
31 Figura: Moda de Czuber
32 6. Relação entre média, moda e mediana Considere o histograma abaixo: Figura: Função de distribuição de probabilidades sobre o histograma. O que podemos dizer com relação a simetria da distribuição de frequências representa por este histograma? Quando uma distribuição de frequências é perfeitamente simétrica, teremos que a média aritmética, a moda e a mediana serão iguais, ou seja: x = Mo(x) = Md(x) E quanto ao exemplo acima, o que podemos dizer? Quando a distribuição não é simétrica, podemos distinguir duas situações possíveis, conforme destacado pela figura abaixo:
33 a) A a cauda superior da distribuição é mais alongada, puxando a distribuição para a direita. Neste caso, a média é maior do que a moda e a assimetria é dita à direita ou positiva. b) A cauda inferior da distribuição é mais alongada, puxando a distribuição para a esquerda. Neste caso, a média é menor do que a moda e a assimetria é dita à esquerda ou negativa. Figura: Assimetrias à direita e à esquerda, respectivamente.
34 6.1. Média, moda e mediana e a simetria dos dados i) A Média é sempre influenciada por valores extremos, sendo puxada na direção da cauda mais alongada (ver a seta na Figura 5); ii) A Moda é o elemento de maior frequência, sendo o ponto de máximo de f(x); iii) A Mediana está sempre no meio do conjunto, dividindo-o em duas partes iguais, ficando entre as duas medidas anteriores. Assim, para cada situação, teremos: a) Quando a simetria é perfeita as três medidas são iguais.
35 b) Na situação em que ocorre a assimetria à direita, teremos a moda menor do que a mediana que é menor do que a média. c) E, para a assimetria à esquerda, devemos ter a média menor do que a mediana que é menor do que a moda.
36 7. O diagrama box-plot Representação gráfica da dispersão dos dados em torno da mediana, é construído com as 5 medidas ordenadas: mínimo, Q 1, med(x), Q 3 e máximo. As cinco medidas podem ser apresentadas pela representação dos cinco números: med(x) Q Q 1 Q 3 E mínimo máximo Observações: i) A representação dos cinco números, além da construção do box-plot, ajuda na comparação da assimetria das caudas; ii) Outros percentis podem ser incluídos, ampliando a representação. O diagrama box-plot fornece uma visão simplificada da dispersão e simetria dos dados, além de indicar possíveis valores fora do padrão (valores discrepantes). Além disso, pode ser utilizado na comparação de diferentes processos quanto à centralidade (posição) e variabilidade (dispersão). O nome box-plot refere-se à caixa construída para representar a metade das observações centrais entre os quartis.
37 O box plot é constituído de 3 partes: caixa central, braços e valores discrepantes. i) A caixa central representa a metade das observações centrais entre os quartis Q1 e Q3. A mediana é destacada na caixa por uma linha que a divide em duas partes. Com isso, pode-se avaliar a simetria na região central da distribuição dos dados; ii) Os braços são construídos a partir da caixa central, representando as caudas da distribuição. A construção dos braços é baseada nos valores dos quartis e, o tamanho dos braços serve para avaliar a simetria das caudas. iii) Valores discrepantes são valores fora do padrão de dispersão, aparecendo muito distantes da maioria dos dados, podendo indicar grande forte assimetria ou variabilidade (ou ambos). Os valores discrepantes nem sempre estão presentes, sendo representados individualmente a partir das caudas. Valores discrepantes Valores discrepantes Q 1 1.5A Q Q 1 med(x) Q 3 Q A Q
38 7.1. Procedimento para a construção do box-plot i) Construir a caixa ou box com os valores dos quartis Q 1 e Q 3 ; ii) Com uma linha, demarcar a mediana na caixa, dividindo-a em duas partes; iii) Calcular os limites inferior (L I ) e superior (L s ): L I = Q 1 1.5A q L S = Q A q Os limites L I e L s são utilizados para se identificar valores discrepantes. Valores discrepantes são observações menores do que L I ou maiores do que L S e são destacados individualmente no boxplot com pontos além desses limites. iv) Para os braços do box-plot, traçar linhas a partir dos centros das laterais inferior e superior da caixa, obedecendo ao seguinte critério: traçar uma linha da lateral inferior da caixa até o menor valor que não seja discrepante ou até min(x); marcar os pontos discrepantes menores do que L I, caso existam; traçar uma linha da lateral superior da caixa até o maior valor que não seja discrepante ou até max(x); marcar os pontos discrepantes maiores do que L S, caso existam.
39 Exemplo 1: variável: horas gastas por semana assistindo TV. 10 Q 5 14 E 0 30 Figura 7.1: Box-plot s para a variável horas de TV, nas posições vertical e horizontal. Comandos do R para o box-plot: x <- c( 0,,,,, 3, 4, 5, 5, 5, 5, 5, 5, 5, 6, 7, 7, 8, 8, 8,10,10,10,10,10,10,10,10, 10,10,10,1,1, 1,1,14,14,14,14,14,15,16, 18,0,0,0,5,5,8,30) boxplot(x, col="bisque", main="horas assistindo TV", ylab="horas", pch=19)
40 Freqüência Freqüência Exemplo : variável Renda PC por exposição à violência doméstica (grupos exposto e não exposto). Grupo exposto não exposto Estatísticas descritivas (reais), por grupo. Grupo n x med(x) s s Q 1 Q 3 Exposto ,00 10,00 57,9 47, Não exposto ,13 10, ,70 79, Grupo Exposto Grupo não Exposto Box-plot renda per capita Box-plot renda per capita Grupo Exposto Grupo Não Exposto Figura 7.: Histogramas e box-plot s individuais
41 Figura 7.3: box-plot s por grupo lado-a-lado. Comandos do R para o box-plot lado-a-lado: exp <- c(68,96,100,100,11,11,117,10,10,135,150,160, 160,00,60) nexp <- c(36,50,70,84,108,109,10,10,150,150,180,0, 50,60,300) renda <- c(nexp,exp) gr <- c(rep("nexp",length(nexp)), rep("exp",length(exp))) boxplot(renda~gr, pch=19, col=c("mediumseagreen","lightcoral")) # para o box-plot horizontal boxplot(renda~gr, pch=19, horizontal=t, col=c("mediumseagreen","lightcoral"))
x n 3.3. Medidas descritiva de variáveis quantitativas: Medidas de Posição: Considere uma amostra com n observações: x 1, x 2,..., x n.
3.3. Medidas descritiva de variáveis quantitativas: 3.3.1. Medidas de Posição: Considere uma amostra com n observações: x 1, x,..., x n. a) Média amostral: (ou média aritmética amostral) é representada
Leia maisAnálise descritiva de Dados. A todo instante do nosso dia-a-dia nos deparamos com dados.
Análise descritiva de Dados A todo instante do nosso dia-a-dia nos deparamos com dados. Por exemplo, para decidir pela compra de um eletrodoméstico, um aparelho eletrônico ou até mesmo na compra de uma
Leia maishttp://www.de.ufpb.br/~luiz/
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ Vimos que é possível sintetizar os dados sob a forma de distribuições de frequências
Leia maisStela Adami Vayego - DEST/UFPR 1
Aula 03 Análise Exploratória dos Dados (Medidas Descritivas de Variáveis Quantitativas) Parte 1 Medidas de Tendência Central Stela Adami Vayego - DEST/UFPR 1 Medidas de Tendência Central dos Dados Para
Leia maisCRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE
CRITÉRIOS PARA A DETERMINAÇÃO DOS INTERVALOS DE CLASSE Número de classes a considerar (k): a) Tabela de Truman L. Kelley n 5 10 25 50 100 200 500 1000 k 2 4 6 8 10 12 15 15 b) k=5 para n 25 e para n >25.
Leia maisAULAS 04 E 05 Estatísticas Descritivas
1 AULAS 04 E 05 Estatísticas Descritivas Ernesto F. L. Amaral 19 e 28 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisDistribuição de Freqüência
Distribuição de Freqüência Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada Representação Gráfica Histogramas Organização dos dados Os métodos utilizados
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 maisCurso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti Medidas de Posição Depois de se fazer a coleta e a representação dos dados de uma pesquisa, é comum analisarmos as tendências
Leia maisEstatística descritiva. Também designada Análise exploratória de dados ou Análise preliminar de dados
Estatística descritiva Também designada Análise exploratória de dados ou Análise preliminar de dados 1 Estatística descritiva vs inferencial Estatística Descritiva: conjunto de métodos estatísticos que
Leia maisEstatística Aplicada ao Serviço Social
Estatística Aplicada ao Serviço Social Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução O que é Estatística? Coleção de métodos
Leia maisEstatística Descritiva
Estatística Descritiva Como construir uma distribuição de freqüências. Como construir gráficos de freqüências. Como encontrar medidas de tendência central. Como encontrar medidas de variabilidade. Como
Leia maisMedidas de Tendência Central
Medidas de Tendência Central Generalidades Estatística Descritiva: Resumo ou descrição das características importantes de um conjunto conhecido de dados populacionais Inferência Estatística: Generalizações
Leia maisMedidas de Variação ou Dispersão
Medidas de Variação ou Dispersão Estatística descritiva Recapitulando: As três principais características de um conjunto de dados são: Um valor representativo do conjunto de dados: uma média (Medidas de
Leia maisMEDIDAS DE DISPERSÃO
MEDIDAS DE DISPERSÃO 1) (PETROBRAS) A variância da lista (1; 1; 2; 4) é igual a: a) 0,5 b) 0,75 c) 1 d) 1,25 e) 1,5 2) (AFPS ESAF) Dada a seqüência de valores 4, 4, 2, 7 e 3 assinale a opção que dá o valor
Leia mais1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial
Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2010/2011 Ficha nº 1 1. Registou-se o número de assoalhadas da população de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1;
Leia maisCapítulo 7 Medidas de dispersão
Capítulo 7 Medidas de dispersão Introdução Para a compreensão deste capítulo, é necessário que você tenha entendido os conceitos apresentados nos capítulos 4 (ponto médio, classes e frequência) e 6 (média).
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES
Olá pessoal! Neste ponto resolverei a prova de Matemática Financeira e Estatística para APOFP/SEFAZ-SP/FCC/2010 realizada no último final de semana. A prova foi enviada por um aluno e o tipo é 005. Os
Leia maisAnálise Exploratória de Dados
Análise Exploratória de Dados Profª Alcione Miranda dos Santos Departamento de Saúde Pública UFMA Programa de Pós-graduação em Saúde Coletiva email: alcione.miranda@gmail.com Introdução O primeiro passo
Leia maisTRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09. Universidade Federal Fluminense
CURSO DE ESPECIALIZAÇÃO EM ENSINO DE MATEMÁTICA INSTITUTO DE MATEMÁTICA E ESTATÍSTICA 7 DE OUTUBRO DE 2014 TRATAMENTO DA INFORMAÇÃO/ANÁLISE DE DADOS AULA 09 Humberto José Bortolossi http://www.professores.uff.br/hjbortol/
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 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 mais3. Características amostrais. Medidas de localização e dispersão
Estatística Descritiva com Excel Complementos. 77 3. Características amostrais. Medidas de localização e dispersão 3.1- Introdução No módulo de Estatística foram apresentadas as medidas ou estatísticas
Leia maisEXERCÍCIOS EXERCÍCIOS. Definições Básicas. Definições Básicas. Definições Básicas. Introdução à Estatística. Dados: valores de variáveis observadas.
Definições Básicas Introdução à Estatística ESTATÍSTICA: estudo dos métodos para coletar, organizar, apresentar e analisar dados. População: conjunto constituído por todos os indivíduos que apresentem
Leia maisDecidir como medir cada característica. Definir as características de qualidade. Estabelecer padrões de qualidade
Escola de Engenharia de Lorena - EEL Controle Estatístico de Processos CEP Prof. MSc. Fabrício Maciel Gomes Objetivo de um Processo Produzir um produto que satisfaça totalmente ao cliente. Conceito de
Leia maisEstatística Descritiva I
Estatística Descritiva I Bacharelado em Economia - FEA - Noturno 1 o Semestre 2016 Profs. Fábio P. Machado e Gilberto A. Paula MAE0219 (Economia-FEA-Noturno) Estatística Descritiva I 1 o Semestre 2016
Leia maisLista 2. Considere os dados abaixo sobre distribuição de salário (em reais) num grupo de 1000 individuos.
Lista 2 Exercício 1 Considere os dados abaixo sobre distribuição de salário (em reais) num grupo de 1000 individuos. Tabela 1: Distribuição de frequências da variável salário Classe de Salário n i f i
Leia maisESTATÍSTICA. aula 1. Insper Ibmec São Paulo. Prof. Dr. Marco Antonio Leonel Caetano
ESTATÍSTICA aula 1 Prof. Dr. Marco Antonio Leonel Caetano Insper Ibmec São Paulo ESTATÍSTICA COISAS DO ESTADO ESTATÍSTICA: - Apresentação e Análise de dados - Tomadas de Decisões baseadas em análises -
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 maisRevisão: Noções básicas de estatística aplicada a avaliações de imóveis
Curso de Avaliações Prof. Carlos Aurélio Nadal cnadal@ufpr.br 1 AULA 03 Revisão: Noções básicas de estatística aplicada a avaliações de imóveis 2 OBSERVAÇÃO: é o valor obtido durante um processo de medição.
Leia maisFigura 1: Gráfico de pontos.
4. Representação gráfica para variáveis quantitativas Gráfico de pontos O gráfico de pontos é a primeira representação da amostra, fornecendo um aspecto visual da concentração e distribuição dos pontos
Leia maisNOÇÕES BÁSICAS DE ESTATÍSTICA
Curso de Capacitação em Epidemiologia Básica e Análise da Situação de Saúde Ministério da Saúde Secretaria de Vigilância em Saúde NOÇÕES BÁSICAS DE ESTATÍSTICA Gleice Margarete de Souza Conceição Airlane
Leia maisCURSO ON-LINE PROFESSOR GUILHERME NEVES 1
CURSO ON-LINE PROFESSOR GUILHERME NEVES 1 Olá pessoal! Resolverei neste ponto a prova de Matemática e Estatística para Técnico Administrativo para o BNDES 2008 organizado pela CESGRANRIO. Sem mais delongas,
Leia maisExemplo Considere novamente os dados sobre a dureza do alumínio. Fonte: Hoaglin, Mosteller e Tukey, 1983, apud Morettin & Bussab,
Gráficos Exemplo Considere novamente os dados sobre a dureza do alumínio. 53,0 70,2 84,3 69,5 77,8 87,5 53,4 82,5 67,3 54,1 70,5 71,4 95,4 51,1 74,4 55,7 63,5 85,8 53,5 64,3 82,7 78,5 55,7 69,1 72,3 59,5
Leia maisDepartamento de Matemática - UEL - 2010. Ulysses Sodré. http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Matemática Essencial Extremos de funções reais Departamento de Matemática - UEL - 2010 Conteúdo Ulysses Sodré http://www.mat.uel.br/matessencial/ Arquivo: minimaxi.tex - Londrina-PR, 29 de Junho de 2010.
Leia maisCláudio Tadeu Cristino 1. Julho, 2014
Inferência Estatística Estimação Cláudio Tadeu Cristino 1 1 Universidade Federal de Pernambuco, Recife, Brasil Mestrado em Nutrição, Atividade Física e Plasticidade Fenotípica Julho, 2014 C.T.Cristino
Leia maisInstituto Politécnico de Viseu Escola Superior de Tecnologia
Instituto Politécnico de Viseu Escola Superior de Tecnologia Departamento: Matemática Estatística I Curso: Contabilidade e Administração Ano: 3 o Semestre: o Prova: Exame Época: Normal Ano Lectivo: 2004/2005
Leia maisLISTA DE MATEMÁTICA. Aluno(a): Nº. 1. Determinada editora pesquisou o número de páginas das revistas mais vendidas em uma cidade.
LISTA DE MATEMÁTICA Aluno(a): Nº. Professor: Rosivane Série: 2 ano Disciplina: Matematica Data da prova: Pré Universitário Uni-Anhanguera MEDIDAS DE DISPERSÃO 1. Determinada editora pesquisou o número
Leia maisMétodos Estatísticos II 1 o. Semestre de 2010 ExercíciosProgramados1e2 VersãoparaoTutor Profa. Ana Maria Farias (UFF)
Métodos Estatísticos II 1 o. Semestre de 010 ExercíciosProgramados1e VersãoparaoTutor Profa. Ana Maria Farias (UFF) Esses exercícios abrangem a matéria das primeiras semanas de aula (Aula 1) Os alunos
Leia maisEstatística Descritiva II
Estatística Descritiva II Bacharelado em Economia - FEA - Noturno 1 o Semestre 2015 Gilberto A. Paula G. A. Paula - MAE0219 (IME-USP) Estatística Descritiva II 1 o Semestre 2015 1 / 47 Objetivos da Aula
Leia maisOmatematico.com ESTATÍSTICA DESCRITIVA
Omatematico.com ESTATÍSTICA DESCRITIVA 1. Classifique as variáveis abaixo: (a) Tempo para fazer um teste. (b) Número de alunos aprovados por turma. (c) Nível sócio-econômico (d) QI (Quociente de inteligência).
Leia mais6) Estatística Gráfica:
Estatística Descritiva Básica prof. Ilydio Pereira de Sá 36 UNIDADE II: ESTATÍSTICA GRÁFICA E MEDIDAS DE POSIÇÃO OU TENDÊNCIA CENTRAL Gráficos: barras, colunas, histogramas e polígonos de freqüências.
Leia maisLista de Exercícios 1 - Estatística Descritiva
1. O arquivo satisfaçãocomuniversidade.xlsx contém informações de uma amostra de 400 alunos de uma universidade. Deseja-se construir um histograma para a variável desempenho acadêmico, com intervalos de
Leia maisCAPÍTULO 9 Exercícios Resolvidos
CAPÍTULO 9 Exercícios Resolvidos R9.1) Diâmetro de esferas de rolamento Os dados a seguir correspondem ao diâmetro, em mm, de 30 esferas de rolamento produzidas por uma máquina. 137 154 159 155 167 159
Leia maisMétodo dos mínimos quadrados - ajuste linear
Apêndice A Método dos mínimos quadrados - ajuste linear Ao final de uma experiência muitas vezes temos um conjunto de N medidas na forma de pares (x i, y i ). Por exemplo, imagine uma experiência em que
Leia maisEstatísticas Descritivas. Estatística
Estatística Estatísticas descritivas: usadas para mostrar/descrever algumas informações da amostra, ou seja, servem para fazer um resumo ou descrição dos dados. Não consideram a origem dos dados. Exemplos:
Leia maisCURSO ONLINE REGULAR ESTATÍSTICA BÁSICA PROF. SÉRGIO CARVALHO AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS
Olá, amigos! AULA 13 RELAÇÃO DOS EXERCÍCIOS FINAIS Ainda não é chegada nossa aula derradeira! Sei que muitos estão chateados e com toda a razão do mundo pelo atraso destas últimas aulas. Noutra ocasião
Leia maisAGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO
AGRUPAMENTO DE ESCOLAS DR. VIEIRA DE CARVALHO DEPARTAMENTO DE MATEMÁTICA E CIÊNCIAS EXPERIMENTAIS MATEMÁTICA 7.º ANO PLANIFICAÇÃO GLOBAL Planificação 7º ano 2012/2013 Página 1 DOMÍNIO TEMÁTICO: NÚMEROS
Leia maisu unidades elementares, i = 1, 2,..., N.
1. ANÁLISE DESCRITIVA DE DADOS 1.1. CONCEITOS: População: conjunto de indivíduos, ou itens, com pelo menos uma característica em comum. Também será denotada por população objetivo, que é sobre a qual desejamos
Leia maisA Estatística, um ramo da Matemática, é aplicada em diferentes áreas, como Administração, Engenharia, Medicina, Psicologia, Ciências Sociais etc.
ESTATÍSTICA DESCRITIVA MÓDULO 1 - INTRODUÇÃO À ESTATÍSTICA DESCRITIVA A Estatística, um ramo da Matemática, é aplicada em diferentes áreas, como Administração, Engenharia, Medicina, Psicologia, Ciências
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 maisAVALIAÇÃO DO MODELO DE ONDAS
AVALIAÇÃO DO MODELO DE ONDAS O modelo de onda WAVEWATCH implementado operacionalmente no CP- TEC/INPE global é validado diariamente com os dados do satélite JASON-2. Este novo produto tem como finalidade
Leia maisDecis: dividem os dados em décimas partes (cada parte tem 10% dos dados). São indicados por D 1, D 2,..., D 9.
Quartis, Decis e Percentis Probabilidade e Estatística I Antonio Roque Aula 7 A mediana é o valor que separa a quantidade de dados em duas partes igus: 50% dos dados abxo dela e 50% acima. Assim como a
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Medidas resumo para tabelas de frequências Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Medidas resumo para
Leia maisAula 7 Medidas de Tendência Central 2ª parte
1 Estatística e Probabilidade Aula 7 Medidas de Tendência Central 2ª parte Professor Luciano Nóbrega Medidas de posição Resumo Média aritmética ( x ) É a razão entre o somatório dos valores das variáveis
Leia maisUniversidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À PSICOLOGIA I
Ano lectivo: 2008/2009 Universidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À PSICOLOGIA I Ficha de exercícios 1 Validação de Pré-Requisitos: Estatística Descritiva Curso: Psicologia
Leia maisUNIVERSIDADE DE SÃO PAULO. Faculdade de Arquitetura e Urbanismo
UNIVERSIDADE DE SÃO PAULO Faculdade de Arquitetura e Urbanismo DISTRIBUIÇÃO AMOSTRAL ESTIMAÇÃO AUT 516 Estatística Aplicada a Arquitetura e Urbanismo 2 DISTRIBUIÇÃO AMOSTRAL Na aula anterior analisamos
Leia maisDISTRIBUIÇÃO NORMAL 1
DISTRIBUIÇÃO NORMAL 1 D ensid ade Introdução Exemplo : Observamos o peso, em kg, de 1500 pessoas adultas selecionadas ao acaso em uma população. O histograma por densidade é o seguinte: 0.04 0.03 0.02
Leia maisGuia do professor. Ministério da Ciência e Tecnologia. Ministério da Educação. Secretaria de Educação a Distância.
números e funções Guia do professor Objetivos da unidade 1. Analisar representação gráfica de dados estatísticos; 2. Familiarizar o aluno com gráfico de Box Plot e análise estatística bivariada; 3. Utilizar
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br Departamento Ciências Exatas, ESALQ (USP) Agosto de 2012 Cristian Villegas. Departamento Ciências Exatas, ESALQ-USP 1 1 Medidas de tendência central
Leia mais1ª Actividade Formativa
1ª Actividade Formativa 1. Foi feito um inquérito a um grupo de 40 compradores de carros novos, de determinada marca, para determinar quantas reparações ou substituições de peças foram feitas durante o
Leia maisOBS. Essas fórmulas acima, são para determinar os termos da mediana (posição)
FÓRMULAS 1) Amplitude total da amostra A= Ls Li EXERCÍCIOS DE FIXAÇÃO 2) Amplitude do intervalo de classe c= Ls Li 3) Média aritmética X = Xi n 3.1) Média aritmética para dados dispostos em freqüência
Leia maisAula 11 Esperança e variância de variáveis aleatórias discretas
Aula 11 Esperança e variância de variáveis aleatórias discretas Nesta aula você estudará os conceitos de média e variância de variáveis aleatórias discretas, que são, respectivamente, medidas de posição
Leia maisHistogramas. 12 de Fevereiro de 2015
Apêndice B Histogramas Uma situação comum no laboratório e na vida real é a de se ter uma grande quantidade de dados e deles termos que extrair uma série de informações. Encontramos essa situação em pesquisas
Leia maisCOMENTÁRIO AFRM/RS 2012 ESTATÍSTICA Prof. Sérgio Altenfelder
Comentário Geral: Prova muito difícil, muito fora dos padrões das provas do TCE administração e Economia, praticamente só caiu teoria. Existem três questões (4, 45 e 47) que devem ser anuladas, por tratarem
Leia maisEspecialização em Engenharia Clínica
Especialização em Engenharia Clínica Introdução a Bioestatística Docente: > Marcelino M. de Andrade, Dr. Apresentação: Módulo 02 Teoria Elementar da Amostragem A teoria elementar da amostragem é um estudo
Leia maisMedidas Descritivas de Posição, Tendência Central e Variabilidade
Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 29 de Agosto de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Local: Sala dos professores
Leia maisCAP5: Amostragem e Distribuição Amostral
CAP5: Amostragem e Distribuição Amostral O que é uma amostra? É um subconjunto de um universo (população). Ex: Amostra de sangue; amostra de pessoas, amostra de objetos, etc O que se espera de uma amostra?
Leia maisTeste Intermédio A I (50%)
aculdade de Economia da Universidade ova de Lisboa 1304 Análise de Dados e robabilidades ernando Brito Soares Graça Silva edro Chaves Teste Intermédio A Data: 14 de Abril de 2007, 11.00 Duração: 2 horas
Leia maisResoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-2010 - APO
Resoluções comentadas de Raciocínio Lógico e Estatística - SEPLAG-010 - APO 11. O Dia do Trabalho, dia 1º de maio, é o 11º dia do ano quando o ano não é bissexto. No ano de 1958, ano em que o Brasil ganhou,
Leia maisMedidas e Incertezas
Medidas e Incertezas O que é medição? É o processo empírico e objetivo de designação de números a propriedades de objetos ou eventos do mundo real de forma a descreve-los. Outra forma de explicar este
Leia maisEstatística Básica. Introdução à Análise Exploratória de Dados. Renato Dourado Maia. Instituto de Ciências Agrárias
Estatística Básica Introdução à Análise Exploratória de Dados Renato Dourado Maia Instituto de Ciências Agrárias Universidade Federal de Minas Gerais Organização de Dados Hoje, serão discutidos alguns
Leia maisRESUMO DA AULA PRÁTICA DE EXCEL
PARA CONSTRUIR TABELAS: RESUMO DA AULA PRÁTICA DE EXCEL Vai em ; Em seguida irá abrir a janela: Na parte Selecione os dados ou somente a variável que deseja analisar, por exemplo: Em seguida marque a opção
Leia maisApostila para o minicurso. Estatística Básica. Usando o
Apostila para o minicurso Estatística Básica Usando o Professor José Cardoso Neto Departamento de Estatística ICE/UFAM 1. Sumário 1. Conceitos fundamentais 1.1. A estatística e sua importância 1.2. População
Leia mais37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 1 (6º e 7º anos do Ensino Fundamental) GABARITO
GABARITO NÍVEL 1 37ª OLIMPÍADA BRASILEIRA DE MATEMÁTICA PRIMEIRA FASE NÍVEL 1 (6º e 7º anos do Ensino Fundamental) GABARITO 1) C 6) A 11) D 16) C 2) D 7) C 12) C 17) D 3) E 8) B 13) E 18) A 4) E 9) B 14)
Leia maisLista de Exercícios #1. in Noções de Probabilidade e Estatística (Marcos N. Magalhães et al, 4ª. edição), Capítulo 1, seção 1.4, páginas 26-33.
Universidade de São Paulo IME (Insituto de Matemática e Estatística) MAE 121 Profº. Wagner Borges São Paulo, 19 de março de 2002 Fernando Henrique Ferraz Pereira da Rosa Bach. Estatística Lista de Exercícios
Leia maisElementos de Estatística
Elementos de Estatística Lupércio F. Bessegato & Marcel T. Vieira UFJF Departamento de Estatística 2013 Medidas Resumo Medidas Resumo Medidas que sintetizam informações contidas nas variáveis em um único
Leia maisAT = X MÁX - X MÍN. Σ F i =n
UNIVERSIDADE FEDERAL DA PARAÍBA DISTRIBUIÇÃO DE FREQUÊNCIA Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ DISTRIBUIÇÃO DE FREQUÊNCIA Quando se estuda uma massa de dados é de frequente
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA TABELAS E GRÁFICOS Departamento de Estatística Luiz Medeiros Tabela de dados multidimensionais Até agora vimos como organizar, resumir e descrever informações referentes
Leia maisO BOXPLOT. Ana Maria Lima de Farias Departamento de Estatística (GET/UFF)
O BOXPLOT Ana Maria Lima de Farias Departamento de Estatística (GET/UFF) Introdução O boxplot é um gráfico construído com base no resumo dos cinco números, constituído por: Valor mínimo Primeiro quartil
Leia maisActivALEA. active e actualize a sua literacia
ActivALEA active e actualize a sua literacia N.º 14 - DADOS DE AUDIIÊNCIIAS DA TV Esta ActivALEA é constituída por um conjunto de questões formuladas a partir de dados apresentados numa notícia publicada
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES
Caros concurseiros, Como havia prometido, seguem comentários sobre a prova de estatística do ICMS RS. Em cada questão vou fazer breves comentários, bem como indicar eventual possibilidade de recurso. Não
Leia maisMÉTODOS ESTATÍSTICOS I 3ª. AVALIAÇÃO PRESENCIAL 1º Semestre de 2010 Prof. Moisés Lima de Menezes (pode usar calculadora) Versão Tutor
MÉTODOS ESTATÍSTICOS I ª. AVALIAÇÃO PRESENCIAL º Semestre de 00 Prof. Moisés Lima de Menezes (pode usar calculadora) Versão Tutor. (,0 pontos) Em uma cidade onde se publicam jornais: A, B e C, constatou-se
Leia maisCAPÍTULO 2 ANÁLISE PRELIMINAR DE DADOS HIDROLÓGICOS. 2.1 Apresentação Gráfica de Dados Hidrológicos
CAPÍTULO AÁLISE PRELIMIAR DE DADOS HIDROLÓGICOS Conforme exposto no capítulo 1, os fenômenos hidrológicos apresentam uma aleatoriedade intrínseca devida à complexa interação e dependência entre inúmeros
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 maisMÓDULO 1. I - Estatística Básica
MÓDULO 1 I - 1 - Conceito de Estatística Estatística Técnicas destinadas ao estudo quantitativo de fenômenos coletivos e empíricamente observáveis. Unidade Estatística nome dado a cada observação de um
Leia maisDISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES
LUIZ CLAUDIO BENCK KEVIN WONG TAMARA CANDIDO DISTRIBUIÇÃO DE WEIBULL CONCEITOS BÁSICOS APLICAÇÕES Trabalho apresentado para avaliação na disciplina de Estatística e Métodos Numéricos do Curso de Administração
Leia maisActivALEA. active e actualize a sua literacia
ActivALEA active e actualize a sua literacia N.º 0 - DIIAGRAMA DE EXTREMOS E QUARTIIS Por: Maria Eugénia Graça Martins Departamento de Estatística e Investigação Operacional da FCUL memartins@fc.ul.pt
Leia maisESTATÍSTICA APLICADA À GESTÃO Ficha de exercícios 1 Estatística Descritiva 2014/2015
Universidade da Beira Interior - Departamento de Matemática ESTATÍSTICA APLICADA À GESTÃO Ficha de exercícios 1 Estatística Descritiva 2014/2015 1. Numa revista foi publicada uma lista com as 100 empresas
Leia maisCURSO ON-LINE PROFESSOR: VÍTOR MENEZES. Comentários sobre as provas de estatística e financeira ICMS RJ
Comentários sobre as provas de estatística e financeira ICMS RJ Caríssimos, Acabei de voltar de uma longa auditoria em que visitamos inúmeros assentamentos federais do INCRA no interior do estado. Ou seja:
Leia maisMedidas de tendência central: onde a maior parte dos indivíduos se encontra?
NOTAS DE EPIDEMIOLOGIA E ESTATÍSTICA Medidas de tendência central: onde a maior parte dos indivíduos se encontra? Measures of central tendency: where are the bulk of people? RODRIGO PEREIRA DUQUIA 1 JOÃO
Leia maisMedidas de dispersão: os valores estão próximos entre si ou variam muito?
NOTAS DE EPIDEMIOLOGIA E ESTATÍSTICA Medidas de dispersão: os valores estão próximos entre si ou variam muito? Measures of dispersion: are all values close to each other or do they vary a lot? JOÃO LUIZ
Leia maisTópico 3. Limites e continuidade de uma função (Parte 2)
Tópico 3. Limites e continuidade de uma função (Parte 2) Nessa aula continuaremos nosso estudo sobre limites de funções. Analisaremos o limite de funções quando o x ± (infinito). Utilizaremos o conceito
Leia maisQual é o risco real do Private Equity?
Opinião Qual é o risco real do Private Equity? POR IVAN HERGER, PH.D.* O debate nos mercados financeiros vem sendo dominado pela crise de crédito e alta volatilidade nos mercados acionários. Embora as
Leia maisO comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
ESTATÍSTICA INDUTIVA 1. CORRELAÇÃO LINEAR 1.1 Diagrama de dispersão O comportamento conjunto de duas variáveis quantitativas pode ser observado por meio de um gráfico, denominado diagrama de dispersão.
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA SÉRIES, TABELAS E GRÁFICOS ESTATÍSTICOS Departamento de Estatística Tarciana Liberal TABELAS TABELAS TABELAS TABELAS TABELAS SÉRIES ESTATÍSTICAS Um gerente de produção da
Leia maisIntrodução à Análise Química QUI 094 ERRO E TRATAMENTO DE DADOS ANALÍTICOS
Introdução a Analise Química - II sem/2012 Profa Ma Auxiliadora - 1 Introdução à Análise Química QUI 094 1 semestre 2012 Profa. Maria Auxiliadora Costa Matos ERRO E TRATAMENTO DE DADOS ANALÍTICOS Introdução
Leia maisEstatística Aplicada. Gestão de TI. Evanivaldo Castro Silva Júnior
Gestão de TI Evanivaldo Castro Silva Júnior Porque estudar Estatística em um curso de Gestão de TI? TI trabalha com dados Geralmente grandes bases de dados Com grande variabilidade Difícil manipulação,
Leia mais