x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:
|
|
- Diana Nobre Palmeira
- 7 Há anos
- Visualizações:
Transcrição
1 Professora Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma tabela ou de um gráfco. Se o conjunto refere-se a uma varável QUANTITATIVA há uma tercera manera de resum-lo: as Meddas de Síntese. As Meddas de Síntese, também chamadas de Estatístcas ou Meddas Descrtvas, dvdem-se em Meddas de Posção (Meddas de Tendênca Central), Meddas de Dspersão e Separatrzes. As Meddas de Posção obtém um valor numérco que represente a tendênca do conjunto (valor típco ). As mas mportantes são: Méda, Medana, e Moda. As Meddas de Dspersão obtém uma mensuração da dsposção dos dados no conjunto, da sua varabldade (se estão concentrados em torno de um valor, se dstrbuídos, etc). As mas mportantes são: Intervalo, Varânca, Desvo Padrão e Coefcente de Varação. As Separatrzes são meddas que dvdem o conjunto em um certo número de partes guas: Quarts (4 partes), Decs (10 partes), Cents (100 partes). 8.1 Meddas de Posção As Meddas de Posção procuram caracterzar a tendênca central do conjunto, um valor numérco que represente o conjunto. Esse valor pode ser calculado levando em conta todos os valores do conjunto ou apenas alguns valores ordenados. Méda A méda artmétca é smbolzada por x (lea-se x barra) e consste na soma de todas as observações x do grupo, dvdda pelo número "n" de observações do grupo. x x x 1 x... xn 1 x n n n Ex: A tabela abaxo refere-se às notas fnas de três turmas de estudantes. Calcular a méda de cada turma: n Ao somar os valores em cada turma teremos o mesmo resultado: 48. Como cada turma tem 8 alunos as três turmas terão a mesma méda: 6. No exemplo acma as três turmas têm a mesma méda (6), então se apenas essa medda fosse utlzada para caracterzá-las poderíamos ter a mpressão que as três turmas têm desempenhos dêntcos. Será? Observe atentamente a tabela acma. Na prmera turma temos realmente os dados dstrbuídos regularmente em torno da méda, com a mesma varação tanto abaxo quanto acma. Já na segunda vemos uma dstorção maor, embora a maora das notas sejam altas algumas notas baxas puxam a Caderno Ddátco de Estatístca
2 Professora Janete Perera Amador méda para um valor menor. E no tercero grupo há apenas uma nota baxa, mas seu valor é tal que realmente consegue dmnur a méda do conjunto. Um dos problemas da utlzação da méda é que, por levar em conta TODOS os valores do conjunto, ela pode ser dstorcda por valores dscrepantes ( outlers ) que nele exstam. É mportante então nterpretar corretamente o valor da méda.o valor da méda pode ser vsto como o ponto central de cada conjunto de dados, ou seja o ponto de equlíbro do conjunto: se os valores do conjunto fossem pesos sobre uma tábua, a méda é a posção em que um suporte equlbra esta tábua. Utlzando um dagrama aproprado vejamos como as notas dos alunos, de cada turma se dstrbuem entorno da méda. A méda dos três conjuntos (Turmas) é a mesma, mas observe as dferentes dsposções dos dados. O prmero grupo (Turma A) apresenta os dados dstrbuídos de forma smétrca em torno da méda. No segundo grupo (Turma B) a dstrbução já é mas rregular, com valores mas dstantes na parte de baxo, e o tercero grupo (Turma B) é claramente assmétrco em relação à méda (que fo dstorcda pelo valor dscrepante 0). Portanto muto cudado ao caracterzar um conjunto apenas por sua méda Outro aspecto mportante a ressaltar é que a méda pode ser um valor que a varável não pode assumr. Isto é especalmente verdade para varáves quanttatvas dscretas, resultantes de contagem, como número de flhos, quando a méda pode assumr um valor "quebrado", 4,3 flhos, por exemplo. É extremamente comum calcular médas de varáves quanttatvas a partr de dstrbuções de freqüêncas representadas em tabelas: smplesmente multplca-se cada valor (ou o ponto médo da classe) pela freqüênca assocada, somam-se os resultados e Caderno Ddátco de Estatístca
3 Professora Janete Perera Amador 3 dvde-se o somatóro pelo número de observações do conjunto. Na realdade trata-se de uma méda ponderada pelas freqüêncas de ocorrênca de cada valor da varável. Onde k é o número de valores da varável dscreta, ou o número de classes da varável agrupada, e x é um valor qualquer da varável dscreta, ou o ponto médo de uma classe qualquer. Ea: Calcular a méda do número de doadores de sangue contamnados com hepatte B (Quadro1) em 40 bancos de sangue. Observe que NENHUMA resdênca pode ter 4,3 pessoas. Assm, não se esqueça de que a méda pode assumr valores que a varável não pode assumr. Eb: Calcular a méda da taxa de mortaldade nfantl em muncípos do do Norte do Brasl... Classes f.f 9, ,6 9 14,6 18,34 18, ,34 13,98 98,74 7, , ,7 1,9 36, , ,4 161,68 44, ,5 0 49, , , 1 57,85 57,85 Total ,51 Caderno Ddátco de Estatístca
4 Professora Janete Perera Amador 4 Quando os dados não estão grupados (Ea) o resultado será dêntco ao que sera obtdo smplesmente somando todos os valores e dvdndo o somatóro pelo número de valores. Contudo, se a tabela estver agrupada em classes (Eb) TODAS as meddas (não somente a méda) serão apenas estmatvas dos valores reas, pos as meddas serão calculadas usando os pontos médos (que são os representantes das classes) e não mas os valores orgnas. No caso do Eb a méda real vale 5,39. Atualmente com as facldades computaconas dsponíves não se calcula mas a méda (ou qualquer outra medda) a partr de uma tabela agrupada em classes se os dados orgnas estão dsponíves: os programas calculam as meddas usando os dados orgnas e as tabelas são apresentadas apenas para dar uma déa da varação dos dados. Medana (Md) A medana é o ponto que dvde o conjunto em duas partes guas: metade dos dados têm valor menor do que a medana e a outra metade têm valor maor do que a medana. Pouco afetada por eventuas valores dscrepantes exstentes no conjunto (que costumam dstorcer substancalmente o valor da méda). A medana de um conjunto ordenado de valores, anotada por Md, é defnda como sendo o valor que separa o conjunto em dos subconjuntos do mesmo tamanho. Assm se n (número de elementos) é ímpar a medana é o valor central do conjunto. Caso contráro a medana é a méda dos valores central do conjunto. Tem-se: Exc: Calcular a medana das fnas de três turmas de estudantes (Ex). Posção medana = (n + 1)/ = (8+1)/ = 4,5 sgnfca que o valor da medana será calculado através da méda entre os valores que estverem na 4 a e na 5 a posção do conjunto. Turma A: Md = (6 + 6)/ = 6 Turma B: Md = (6 + 6)/ = 6 Turma C: Md = (7 + 7)/ = 7 Calcular a medana para o grupo a segur: Posção medana = (n + 1)/ = (9+1)/ = 5a como o conjunto tem um número ímpar de valores o valor da medana será gual ao valor que estver na 5ª posção. Md = 15 ; x = 0,89 Observe que neste caso méda e medana são dferentes, pos a méda fo dstorcda pelos valores mas altos 35 e 60, que consttuem uma mnora. Neste caso a medda de posção que melhor representara o conjunto sera a medana. Se a méda é Caderno Ddátco de Estatístca
5 Professora Janete Perera Amador 5 dferente da medana a dstrbução da varável quanttatva no conjunto de dados é dta ASSIMÉTRICA. Calcular a méda da taxa de mortaldade nfantl em muncípos do Norte do Brasl. Calcular a méda da taxa de mortaldade nfantl em muncípos do Norte do Brasl. (Exemplo Eb). Classes f x.f F 9, ,6 9 14,6 18, , ,34 13,98 98,74 7, , ,7 1,9 9 36, , ,4 161, , ,5 0 49, , , 1 57,85 57,85 34 Total ,51 Procedmentos n Calcula-se a posção Md: P Md = = = 17. A Md estará localzada na classe onde F P Md ; Classes f x.f F 3. 18, ,34 13,98 98, Para encontrar o valor da medana aplca-se a segunte equação: n F anteror. h Md L f ( Md) Onde: Md = medana L = lmte nferor da classe da medana; (18,6) n = tamanho da amostra; (34) F = freqüênca acumulada anteror a classe da Md; (9) h = ampltude da classe da Md; (8,7) f = freqüênca smples a classe da Md. (13) 17 9 Md 18,6 8,7 13 Md 3,3 Novamente o valor acma é apenas uma estmatva, a medana real vale: Como n é par a medana Md = 3,6 Moda (Mo) A moda é o valor da varável que ocorre com maor freqüênca no conjunto. É a medda de posção de obtenção mas smples, e também pode ser usada para varáves qualtatvas, pos apenas regstra qual é o valor mas freqüente, podendo este valor ser tanto um número quanto uma categora de uma varável nomnal ou ordnal. Um conjunto dedados pode ter apenas uma Moda, váras Modas ou nenhuma Moda. Encontre a moda das notas das três turmas. Caderno Ddátco de Estatístca
6 Professora Janete Perera Amador 6 A turma A tem 3 modas: os valores 5, 6 e 7 ocorrem duas vezes cada. A turma B tem duas modas: os valores 6 e 10 ocorrem duas vezes cada. A turma C tem uma moda apenas: o valor 7 ocorre 3 vezes. Para dados agrupados em classes a moda é calculada utlzando a equação 1 Mo ( Mo). h onde; 1 f f 1 Mo Mo ant f f ; post Mo = moda L = lmte nferor da classe modal F = freqüênca acumulada anteror a classe da Md f Mo = freqüênca smples a classe modal f ant = freqüênca smples anteror a classe modal f post = freqüênca smples posteror a classe modal Classe modal = classe de maor f. Calcular a moda do índce produção de produtores ruras que buscaram tecnologa para melhoras no processo produtvo, de acordo com a tabela do Exemplo Eb. Classes f x.f F 9, ,6 9 14,6 18, , ,34 13,98 98,74 7, , ,7 1,9 9 36, , ,4 161, , ,5 0 49, , , 1 57,85 57,85 34 Total , Mod 18,6.8,7 = 18,6.8,7, e Analsando o conjunto orgnal dos verfcamos que o conjunto de dados é amodal desta forma este valore apenas uma estmação. Caderno Ddátco de Estatístca
7 Professora Janete Perera Amador 7 Podemos apresentar uma breve comparação das meddas de posção. Fonte: REIS, M. M. & LINO, M. de O., Meddas de Dspersão O objetvo das meddas de dspersão é medr quão próxmos uns dos outros estão os valores de um grupo ou medndo a dspersão de um grupo de dados em torno da sua méda. Varânca (S ) A varânca é uma das meddas de dspersão mas mportantes. É a méda artmétca dos quadrados dos desvos de cada valor em relação à méda: proporcona uma mensuração da dspersão dos dados em torno da méda. S n N n 1 N Amostra População Onde x é um valor qualquer do conjunto. Se os dados referem-se a uma POPULAÇÃO usa-se N (tamanho da população) no denomnador da expressão. A razão da utlzação de n 1 no denomnador é ndspensável para que a varânca da varável na amostra possa ser um bom estmador da varânca da varável na população. A maora dos programas computaconas, porém, costuma calcular o desvo padrão supondo que os dados são provenentes de uma população. Em algumas planlhas eletrôncas há funções pré-programadas para ambos os casos. A undade da varânca é o quadrado da undade dos dados (e portanto o quadrado da undade da méda) causando dfculdades para avalar a dspersão: se por exemplo temos a varável peso com méda de 75 kg em um conjunto e ao calcular a varânca obtemos 1 kg a avalação da dspersão torna-se dfícl. Quanto maor a varânca mas dspersos os dados estão em torno da méda (maor a dspersão do conjunto) Caderno Ddátco de Estatístca
8 Professora Janete Perera Amador 8 Para fns de Análse Exploratóra de Dados caracterzar a dspersão através da varânca não é muto adequado. Costuma-se usar-se a raz quadrada postva da varânca, o desvo padrão. Desvo padrão (S) É a raz quadrada postva da varânca, apresentando a mesma undade dos dados e da méda, permtndo avalar melhor a dspersão. S n N n 1 N Amostra População As mesmas observações sobre população e amostra fetas para a varânca são váldas para o desvo padrão. É prátca comum ao resumr através de meddas de síntese um conjunto de dados referente a uma varável quanttatva apresentar a méda e o desvo padrão desse conjunto, para que seja possível ter uma déa do valor típco e da dstrbução dos dados em torno dele. Tal como no caso da méda pode haver nteresse em calcular o desvo padrão de varáves quanttatvas a partr de dstrbuções de freqüêncas representadas em tabelas. Tal como no caso da méda os valores da varável (ou os pontos médos das classes), e os quadrados desses valores, serão multplcados por suas respectvas freqüêncas: S f n 1 n. f Ex: Calcule o desvo padrão índce produção de produtores ruras que buscaram tecnologa para melhoras no processo produtvo, de acordo com a tabela do Exemplo Classes f.f 9, ,6 9 14,6 18,34 03, ,184 18, ,34 13,98 98,74 58, ,045 7, , ,7 1,9 1004, ,3 36, , ,4 161, , , , ,5 0 49, , , , 1 57,85 57, , ,65 Total , ,1317 f. f 868, ,1317 S n 34 = 10,19 n Tal como na méda, o resultado do desvo padrão calculado através de uma tabela agrupada em classes será apenas uma estmatva do valor real (o valor com os dados orgnas fo gual a 10,1. Coefcente de Varação (CV%) f Caderno Ddátco de Estatístca
9 Professora Janete Perera Amador 9 O coefcente de varação percentual é uma medda de dspersão relatva, pos permte comparar a dspersão de dferentes dstrbuções (com dferentes médas e desvos padrões). Onde S é o desvo padrão da varável no conjunto de dados, e é a méda da varável no mesmo conjunto. Quanto menor o coefcente de varação percentual, mas os dados estão concentrados em torno da méda, pos o desvo padrão é pequeno em relação à méda. E: Calcular o coefcente de varação percentual para as notas das três turmas de estudantes. A turma mas homogênea é a A, pos apresenta o menor coefcente de varação das três. Isso era esperado, uma vez que as notas da turma A estão dstrbuídas mas regularmente do que as das outras. No caso acma a comparação fcou anda mas smples pos as médas dos grupos eram guas, bastara avalar apenas os desvos padrões dos grupos, mas para comparar a dspersão de dstrbuções com médas dferentes é mprescndível a utlzação do coefcente de varação. O coefcente de varação para os dados do número de resdentes no domcílo corresponde a: 1,45 CV % ,7% 4,3 Para os dados do índce produção de produtores ruras que buscaram tecnologa para melhoras no processo produtvo,corresponde a: 1,19 CV % 100 4,66% 5, Meddas de Separatrzes As separatrzes são valores que dvdem a dstrbução em um certo número de partes guas: a medana dvde em partes guas, os quarts dvdem em 4 partes guas, os decs em 10 partes guas e os cents em 100 partes guas. O objetvo das separatrzes é proporconar uma melhor déa da dspersão do conjunto, prncpalmente da smetra ou assmetra da dstrbução. Vamos nos lmtar aos quarts. Caderno Ddátco de Estatístca
10 Professora Janete Perera Amador 10 0% 5% 50% 75% 100% Q1 Q =Md Q3 Ex: Calcular o prmero quartl da taxa de mortaldade nfantl em muncípos do Norte do Brasl. Classes f F 9, ,6 9 14,6 9 18, ,34 13,98 7, , ,7 9 36, , , , ,5 0 49, , , 1 57,85 34 Total 34 Procedmento: n Calcula-se a posção do quartl através da fórmula: PQ = ; 4 O quartl estará localzado na classe onde, pela prmera vez, F PQ; e para encontrar o seu valor, aplca-se a equação: PQ Fant. Q Lnf. h onde, f L nf = lmte nferor da classe do quartl; h = ampltude de classe; P Q = posção do quartl ; F.ant = freqüênca acumulada anteror a classe do quartl; f Q = freqüênca smples da calasse do quartl. Cálculo do prmero quartl: n 34 PQ = = 1 = 8, O prmero quartl ocupa esta ocupando a otava posção correspondente a prmera classe. f F 9, ,6 9 14,6 9 Montando a equação para calcular o valor do prmero quartl PQ Fant. 8 0 Q Lnf. h = 9,9 8,7 = 17,65 f 9 Q Interpretando: 5% das taxas de mortaldade encontram-se em até 17,65 e 75% da das taxas encontram-se com valores superores a 17,65. Q Caderno Ddátco de Estatístca
11 Professora Janete Perera Amador 11 Exercícos 1) Dado o rol de 50 notas de ndvíduos que cursaram a dscplna de estatístca. Construr uma tabela de dstrbução de freqüêncas (com todos os elementos já estudados), construr um hstograma e polígono de freqüêncas, calcular todas as meddas descrtvas ) Os preços do pacote de café, pesando 500g, obtdos em dferentes supermercados locas, são: R$3,50, R$,00, R$1,50 e R$1,00. Com base nessas nformações, julgue (justfcando) os tens que seguem: a) O preço médo do pacote de café de 500 g vale R$,00. b) Se todos os preços tverem uma redução de 50%, o novo preço médo será de R$1,50. c) A varânca dos preços é guala 0,65. d) Se todos os preços tverem um acréscmo de R$1,00, o coefcente de varação não se altera. e) Se todos os preços tverem um acréscmo de R$1,00,o coefcente de varação dos preços será aproxmadamente gual a 31,18%. f) Se todos os preços tverem um aumento de 50%, a nova varânca será exatamente gual à anteror, pos a dspersão não será alterada. g) A varânca fcará multplcada por,5 se todos os preços tverem um aumento de 50% Caderno Ddátco de Estatístca
12 Professora Janete Perera Amador 1 6) Consdere a dstrbução de freqüêncas a segur para responder às questões de 6.1 a 6.3. Peso (Kg) N o de anmas ) Marque a opção correta: a) 75% das observações têm peso não nferor a 4 Kg e nferor a 10 Kg. b) Mas de 75% das observações têm peso maor ou gual a 4 Kg. c) Menos de 5% das observações têm peso gual a 4 Kg. a) A soma dos pontos médos dos ntervalos de classe é nferor ao tamanho da amostra. e) 8% das observações têm peso no ntervalo de classe ) A méda da dstrbução é gual a : a) 5,7 Kg; d) 5,19 Kg; b) 5,4 Kg; e) 5,30 Kg; c) 5,1 Kg; 6.3) A medana da dstrbução é gual a : a) 5,30Kg; d) 5,10Kg; b) 5,00Kg; e) 5,0Kg; c) um valor nferor a 5,00Kg; 7) O frgorífco Industral Multcorte S. A. recebe de dos cradores propostas de vendas de bovnos para abate. Entretanto, ele exge do Departamento de Inspeção Santára que os anmas a serem compredos passem por um exame. Consdere as amostras seguntes (em Kg), resultantes da realzação do exame de bovnos: Estatístcas Amostra Unvaradas Kote Êmo Méda Desvo-padrão Total de bos Pergunta-se: a) Em qual das amostras houve maor varação absoluta nos pesos dos anmas? b) Em termos relatvos, quem está melhor em peso com relação a seu grupo, o bo Kote ou o bo Êmo? Bblografa FONSECA,J.S. & MARTINS G. de A., P. Curso de Estatístca. 5a. ed. São Paulo: Atlas, REIS, M. M. & LINO, M. de O. Notas de Aula: Introdução e Análse Exploratóra de Dados. UFSC. Ste: Caderno Ddátco de Estatístca
13 Professora Janete Perera Amador 13 TRIOLA, M. F. Introdução a Estatístca. 9a. ed. Ro de Janero: LTC Caderno Ddátco de Estatístca
CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA
CAPÍTULO DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA. A MÉDIA ARITMÉTICA OU PROMÉDIO Defnção: é gual a soma dos valores do grupo de dados dvdda pelo número de valores. X x Soma dos valores de x número de
Leia maisMedidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.
Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas
Leia 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 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 mais8 - Medidas Descritivas
8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.
Leia 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 maisVariável discreta: X = número de divórcios por indivíduo
5. Análse descrtva com dados agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas
Leia maisAo se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.
Estatístca Dscplna de Estatístca 0/ Curso Superor de tecnólogo em Gestão Ambental Profª. Me. Valéra Espíndola Lessa e-mal: lessavalera@gmal.com Meddas de Dspersão Indcam se os dados estão, ou não, prómos
Leia maisAnálise Descritiva com Dados Agrupados
Análse Descrtva com Dados Agrupados Em algumas stuações, os dados podem ser apresentados dretamente nas tabelas de frequêncas. Netas stuações devemos utlzar estratégas específcas para obter as meddas descrtvas
Leia 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 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 maisCapítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes
Capítulo Estatístca Descrtva Contnuação Prof. Fabríco Macel Gomes Problema Uma peça após fundda sob pressão a alta temperatura recebe um furo com dâmetro especfcado em 1,00 mm e tolerânca de 0,5 mm: (11,75
Leia maisMedidas de Tendência Central. Prof.: Ademilson Teixeira
Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisCAPÍTULO 2 - Estatística Descritiva
INF 16 Prof. Luz Alexandre Peternell CAPÍTULO - Estatístca Descrtva Exercícos Propostos 1) Consderando os dados amostras abaxo, calcular: méda artmétca, varânca, desvo padrão, erro padrão da méda e coefcente
Leia mais7 - Distribuição de Freqüências
7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia 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 maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia mais4.1. Medidas de Posição da amostra: média, mediana e moda
4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisFICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3
FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas
Leia maisProbabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições
Probabldade e Estatístca I Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas para
Leia maisResumos Numéricos de Distribuições
Estatístca Aplcada à Educação Antono Roque Aula Resumos umércos de Dstrbuções As representações tabulares e grácas de dados são muto útes, mas mutas vezes é desejável termos meddas numércas quanttatvas
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de métodos
Leia maisTABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS
TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS Varável Qualquer característca assocada a uma população Classfcação de varáves Qualtatva { Nomnal sexo, cor dos olhos Ordnal Classe
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados
Leia mais2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO
Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto
Leia maisEstatística stica Descritiva
AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas
Leia maisCONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues
CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas
Leia maisCURSO de ESTATÍSTICA Gabarito
UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com
Leia maisTermo-Estatística Licenciatura: 4ª Aula (08/03/2013)
Termo-Estatístca Lcencatura: 4ª Aula (08/03/013) Prof. Alvaro Vannucc RELEMBRADO Dstrbução dscreta (hstogramas) x contínua (curvas de dstrbução): Dada uma Função de Dstrbução de Densdade de Probabldade,
Leia maisFAAP APRESENTAÇÃO (1)
ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,
Leia mais1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e
Leia 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 Espacial: Dados de Área
Estatístca Espacal: Dados de Área Dstrbução do número observado de eventos Padronzação e SMR Mapas de Probabldades Mapas com taxas empírcas bayesanas Padronzação Para permtr comparações entre dferentes
Leia maisESTATÍSTICA. PROBABILIDADES Professora Rosana Relva Números Inteiros AULA e Racionais 09 e 10 ESTATÍSTICA. Professor Luiz Antonio de Carvalho
Professor Luz Antono de Carvalho PROBABILIDADES Professora Rosana Relva Números Interos AULA e Raconas 9 e APRESENTAÇÃO ROL:,,, 4, 4,,, DISCRETA : rrelva@globo.com PROGRESSÃO ARITMÉTICA PROGRESSÃO ARITMÉTICA
Leia 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 maisAssociação entre duas variáveis quantitativas
Exemplo O departamento de RH de uma empresa deseja avalar a efcáca dos testes aplcados para a seleção de funconáros. Para tanto, fo sorteada uma amostra aleatóra de 50 funconáros que fazem parte da empresa
Leia maisCurso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos
Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,
Leia maisESCOLA SECUNDÁRIA COM 3º CICLO D. DINIS 10º ANO DE MATEMÁTICA A Tema III Estatística. Aula 1 do plano de trabalho nº 2
Aula 1 do plano de trabalho nº 2 Medram-se as alturas dos 40 alunos do prossegumento de estudos do 10º ano de uma escola e as alturas dos 40 alunos do 10º ano dos cursos tecnológcos dessa escola e obtveram-se
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisCORRELAÇÃO E REGRESSÃO
CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr
Leia maisAlgarismos Significativos Propagação de Erros ou Desvios
Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento
Leia mais2ª Atividade Formativa UC ECS
I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez
Leia maisIV - Descrição e Apresentação dos Dados. Prof. Herondino
IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser
Leia maisVariação ao acaso. É toda variação devida a fatores não controláveis, denominadas erro.
Aplcação Por exemplo, se prepararmos uma área expermental com todo cudado possível e fzermos, manualmente, o planto de 100 sementes seleconadas de um mlho híbrdo, cudando para que as sementes fquem na
Leia maisX = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)
Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado
Leia maiswww.obconcursos.com.br/portal/v1/carreirafiscal
www.obconcursos.com.br/portal/v1/carrerafscal Moda Exercíco: Determne o valor modal em cada um dos conjuntos de dados a segur: X: { 3, 4,, 8, 8, 8, 9, 10, 11, 1, 13 } Mo 8 Y: { 10, 11, 11, 13, 13, 13,
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: traçar dagramas de dspersão, para avalar possíves relações entre as duas varáves; calcular o coefcente de correlação entre as duas
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)
UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara
Leia 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 maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisEstatística II Antonio Roque Aula 18. Regressão Linear
Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão
Leia mais2 Incerteza de medição
2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr
Leia maisEstatística - exestatmeddisper.doc 25/02/09
Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca
Leia 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 maisNOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES
NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco
Leia mais3 A técnica de computação intensiva Bootstrap
A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.
Leia maisESTATÍSTICA DESCRITIVA. FONTE: CRESPO, ANTÔNIO ARNOT. ESTATÍSTICA BÁSICA FACIL. 15ª ED. SARAIVA.SÃO PAULO Com adaptações.
SUMÁRIO: ESTATÍSTICA DESCRITIVA UNIDADE I ESTATÍSTICA E FASES DO MÉTODO ESTATÍSTICO UNIDADE II VARIÁVEIS UNIDADE III TABELAS E SÉRIES ESTATÍSTICAS UNIDADE IV GRÁFICOS ESTATÍSTICOS UNIDADE V TABELA PRIMITIVA
Leia maisUNIVERSIDADE DE PERNAMBUCO. Física Experimental. Prof o José Wilson Vieira
UNIVERSIDADE DE PERNAMBUCO ESCOLA POLITÉCNICA DE PERNAMBUCO Físca Expermental Prof o José Wlson Vera wlson.vera@upe.br AULA 01: PROCESSOS DE ANÁLISE GRÁFICA E NUMÉRICA MODELO LINEAR Recfe, agosto de 2015
Leia maisCONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA
1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação
Leia maisGráficos de Controle para Processos Autocorrelacionados
Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem
Leia maisESTATÍSTICA PARA TCU PROFESSOR: GUILHERME NEVES
Estatístca Descrtva A Estatístca, ramo da Matemátca Aplcada, teve orgem na hstóra do homem. Desde a Antgudade, város povos regstravam o número de habtantes, de nascmentos, de óbtos, dstrbuíam equtatvamente
Leia maisDIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS
DIAGNÓSTICO EM MODELOS LINEARES GENERALIZADOS 1 A análse de dagnóstco (ou dagnóstco do ajuste) confgura uma etapa fundamental no ajuste de modelos de regressão. O objetvo prncpal da análse de dagnóstco
Leia mais37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8
Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras
Leia mais3. Estatística descritiva bidimensional
3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão
Leia maisAPOSTILA DE ESTATÍSTICA BÁSICA Parte 1
APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 Prof. Msc. Jorge Wlson Perera da Slva SUMÁRIO Capítulo 1. Concetos Báscos 3 1.1. Introdução 3 1.2. População e Amostra 3 1.3. Processos Estatístcos de Abordagem 4
Leia maisEstatística e Probabilidade
Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados
Leia maisAEP FISCAL ESTATÍSTICA
AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras
Leia maisDELINEAMENTOS EXPERIMENTAIS
SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................
Leia maisAula 5 Senado Federal Parte 2
Aula 5 Senado Federal Parte Estatístca... Classe... 8 Lmtes de classe... 8 Ampltude de um ntervalo de classe... 9 Ampltude total da Dstrbução... 9 Ponto médo de uma classe... 9 Tpos de frequêncas... 10
Leia maisRACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES
Aula 11 Estatístca.... Classe.... 7 Lmtes de classe... 7 Ampltude de um ntervalo de classe... 7 Ampltude total da Dstrbução... 8 Ponto médo de uma classe... 8 Tpos de frequêncas... 9 Meddas de Posção...
Leia maisRegressão Múltipla. Parte I: Modelo Geral e Estimação
Regressão Múltpla Parte I: Modelo Geral e Estmação Regressão lnear múltpla Exemplos: Num estudo sobre a produtvdade de trabalhadores ( em aeronave, navos) o pesqusador deseja controlar o número desses
Leia maisREGRESSÃO NÃO LINEAR 27/06/2017
7/06/07 REGRESSÃO NÃO LINEAR CUIABÁ, MT 07/ Os modelos de regressão não lnear dferencam-se dos modelos lneares, tanto smples como múltplos, pelo fato de suas varáves ndependentes não estarem separados
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
Leia maisNeste capítulo abordam-se os principais conceitos relacionados com os cálculos de estatísticas, histogramas e correlação entre imagens digitais.
1 1Imagem Dgtal: Estatístcas INTRODUÇÃO Neste capítulo abordam-se os prncpas concetos relaconados com os cálculos de estatístcas, hstogramas e correlação entre magens dgtas. 4.1. VALOR MÉDIO, VARIÂNCIA,
Leia maisConceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues
Concetos Incas de Estatístca Módulo 3 : MEDIDAS DE POSIÇÃO Pro. Rogéro Rodrgues MEDIDAS DE POSIÇÃO ) Introdução : Depos da coleta de dados, as varáves pesqusadas estão em estado bruto, sendo necessáro
Leia maisCovariância na Propagação de Erros
Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos
Leia maisOs modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.
MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,
Leia maisProf. Lorí Viali, Dr.
Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das
Leia maisRISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%
Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $
Leia 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 maisLivro Eletrônico Aula 00 Noções de Estatística p/ ANTAQ - Especialista / Técnico em Regulação (com videoaulas)
Lvro Eletrônco Aula 00 Noções de Estatístca p/ ANTAQ - Especalsta / Técnco em Regulação (com vdeoaulas) Professor: Arthur Lma ! AULA 00 (demonstratva) SUMÁRIO PÁGINA 1. Apresentação 01 2. Cronograma do
Leia maisAnálise Exploratória de Dados
Análse Exploratóra de Dados Objetvos Análse de duas varáves quanttatvas: obter uma reta que se ajuste aos dados segundo o crtéro de mínmos quadrados; apresentar outros crtéros para a determnação de uma
Leia maisIntrodução e Organização de Dados Estatísticos
II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar
Leia maisTabela 1. Porcentagem de crianças imunizadas contra DPT e taxa de mortalidade de menores de 5 anos para 20 países, 1992.
Regressão Lnear Algumas vezes estamos nteressados não apenas se exste assocação entre duas varáves quanttatvas x e y, mas nós temos também uma hpótese a respeto de uma provável relação de causa e efeto
Leia mais2. VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo
Leia maisUNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Teste Intermédio A. Grupo I (5 Valores)
1 UNIVERIDADE NOVA DE LIBOA Faculdade de Economa Análse de Dados e Probabldade º emestre 008/009 Teste Intermédo A Clara Costa Duarte Data: 01/04/009 Graça lva Duração: 1h Grupo I (5 Valores) uponha que
Leia maisUNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)
UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade
Leia maisÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO
Anas Eletrônco ÍNDICE DE CONSISTÊNCIA TEMPORAL: UM NOVO MÉTODO PARA AVALIAÇÃO DA ESTABILIDADE TEMPORAL DE ARMAZENAMENTO DE ÁGUA NO SOLO Anderson Takash Hara, Heraldo Takao Hashgut, Antôno Carlos Andrade
Leia maisMinistério da Educação. Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. Cálculo do Conceito Preliminar de Cursos de Graduação
Mnstéro da Educação Insttuto Naconal de Estudos e Pesqusas Educaconas Aníso Texera Cálculo do Conceto Prelmnar de Cursos de Graduação Nota Técnca Nesta nota técnca são descrtos os procedmentos utlzados
Leia maisÉ o grau de associação entre duas ou mais variáveis. Pode ser: correlacional. ou experimental.
Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~vall/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal http://www.mat.ufrgs.br/~vall/ ou expermental. Numa relação
Leia mais