ESTATÍSTICA. June 4, UFOP June 4, / 87
|
|
- Flávio Ferrão Cabreira
- 6 Há anos
- Visualizações:
Transcrição
1 ESTATÍSTICA June 4, 2013 UFOP June 4, / 87
2 NOME 1 Medidas de Tendência Central Média aritmética Mediana Moda Separatrizes 2 Medidas de Dispersão Amplitude Total Variância e Desvio-padrão Coeficiente de Variação de Pearson Erro padrão da média 3 Momentos, assimetria e curtose Momentos Assimetria Curtose 4 Representação Gráfica UFOP June 4, / 87
3 Medidas de Tendência Central Uma medida de tendência central procura sintetizar as informações da amostra em um único e informativo valor. As principais medidas de posição estão apresentadas a seguir. UFOP June 4, / 87
4 Média aritmética A média é a principal medida de posição, sendo utilizada principalmente quando os dados apresentam distribuição simétrica ou aproximadamente simétrica, como acontece com a maioria das situações práticas. Simbologia: µ para a média populacional. X para a média amostral. UFOP June 4, / 87
5 A média populacional é calculada pela expressão a seguir: Para dados brutos µ = X 1 + X X n N em que, N é o tamanho da amostra. µ = N i X i N UFOP June 4, / 87
6 O estimador da média populacional é: Para dados brutos X = X 1 + X X n n em que, n é o tamanho da amostra. X = n i X i n Para dados agrupados em Tabela de Frequências k i X = X if i n em que, k é o número de classes. UFOP June 4, / 87
7 Exemplo Dados Brutos Vamos voltar ao exemplo das alturas,expressas em centímetros, de 30 atletas do sexo masculino de uma universidade: A média aritmética será dada por: X = X 1 + X X n n X = X = 173, 37 UFOP June 4, / 87
8 Exemplo Para dados agrupados em Tabela de Frequências A tabela de distribuição de frequências foi apresentada na aula anterior: UFOP June 4, / 87
9 Assim, a média aritmética será dada por: X = 5 i=1 X = X if i n 166, , , = 173, 53 UFOP June 4, / 87
10 Hipótese Tabular Básica Alguém pode questionar a razão da diferença observada no uso dos dois estimadores. A resposta é dada pela hipótese tabular básica, a qual considera que todos os elementos de uma classe são representados pelo seu ponto médio, fato este, que não é verdadeiro em praticamente todas as situações. Desta forma, este último resultado é apenas aproximado. No entanto, o erro cometido é mínimo e, portanto, pode ser desprezado. UFOP June 4, / 87
11 Propriedades da média A soma algébrica dos desvios em relação à média aritmética é nula. n (X i X) = 0 i A soma dos quadrados dos desvios de um conjunto de dados em relação a sua média e um valor mínimo. D = n (X i X) 2 i UFOP June 4, / 87
12 Propriedades da média A média de um conjunto de dados acrescido em cada elemento por uma constante e igual à média original mais essa constante. X = X + k em que X é a média do novo conjunto de dados e k é a constante. Multiplicando todos os dados por uma constante a nova média será igual ao produto da média anterior pela constante. X = X k A média é influenciada por valores extremos. UFOP June 4, / 87
13 Mediana A mediana divide as observações ordenadas em partes iguais. Para sua determinação é necessário o conhecimento da posição central. Para dados ordenados, temos basicamente têm-se duas situações distintas: Se n for par: Se n for ímpar: m d = X n/2 + X (n+2)/2 2 m d = X (n+1) 2 UFOP June 4, / 87
14 Exemplo Dados ordenados No caso dos atletas a posição central está entre o 15 o e o 16 o elemento. Portanto, a mediana é a média aritmética destas duas observações. Logo, m d = X (30/2) + X (30+2)/2 m d = X (15) + X (16) 2 2 m d = 172, 5cm UFOP June 4, / 87
15 Dados agrupados em Tabela de Frequências No caso de dados agrupados a mediana pode ser calculada de acordo com a seguinte expressão: [ ] n/2 Fant m d = LI md + c md em que f md f md é a freqüência da classe mediana; c md é a amplitude da classe mediana; F ant é a frequência acumulada das classes anteriores à classe mediana; LI md é o limite inferior da classe mediana. A classe mediana é a classe que contém a posição n/2 (posição mediana) da distribuição de freqüência. UFOP June 4, / 87
16 Exemplo No caso dos atletas temos: Posição mediana = 30/2 = 15 (contida na 2 a classe), F ant = 6; LI md = 168, 4, f md = 9 e c md = 4, 40. Logo, [ ] 15 6 m d = 168, 4 + 4, 40 9 m d = 172, 8cm UFOP June 4, / 87
17 Propriedades da mediana A mediana de um conjunto de dados acrescido em cada elemento por uma constante e igual à mediana original mais essa constante. md = md + k em que md é a mediana do novo conjunto de dados e k é a constante. Multiplicando todos os dados por uma constante a nova mediana será igual ao produto da mediana anterior pela constante. md = md k UFOP June 4, / 87
18 Observação Muitas vezes existem dúvidas de qual medida utilizar para sintetizar os dados amostrais. Como uma regra geral, pode-se definir qual medida é mais conveniente para uma dada situação com base na análise do histograma ou do polígono de freqüências. Se a distribuição dos dados for assimétrica, isto é quando valores extremos predominam em uma das caudas da distribuição, deve se preferir a mediana como medida sintetizadora. Isto se deve ao fato da mediana ser pouco sensível a presença de valores extremos, sendo considerada mais robusta que a média. O termo robusto é o termo técnico usado para indicar esta propriedade da mediana em relação à média aritmética, que quando a situação de simetria é violada a mediana é uma medida que sofre menos interferências nas suas estimativas. UFOP June 4, / 87
19 Moda A moda é definida para dados qualitativos ou para quantitativos discretos como sendo o valor de maior freqüência na amostra. Para dados quantitativos contínuos a moda é o valor de maior densidade. Portanto para dados quantitativos contínuos o estimador da moda é baseado na distribuição de freqüências. Esse estimador busca encontrar o ponto de máximo do polígono de freqüências. Um conjunto pode ter mais de uma moda ou até mesmo não ter moda. UFOP June 4, / 87
20 O estimador da moda para dados quantitativos contínuos é definido a partir da distribuição de freqüência por meio de um método geométrico, o qual conduz a seguinte expressão: em que: mo = LI mo + LI mo : limite inferior da classe modal; c mo 1 : diferença entre as freqüências da classe modal e a classe anterior; 2 : diferença entre as freqüências da classe modal e a classe posterior; c mo : amplitude da classe modal. A classe modal é a classe com maior freqüência. UFOP June 4, / 87
21 Propriedades da moda A moda de um conjunto de dados acrescido em cada elemento por uma constante e igual à moda original mais essa constante. mo = mo + k em que mo é a mediana do novo conjunto de dados e k é a constante. Multiplicando todos os dados por uma constante a nova moda será igual ao produto da moda anterior pela constante. mo = mo k UFOP June 4, / 87
22 Relações empíricas entre média, mediana e moda X = md = mo (distribuição simétrica) X > md > mo (distribuição assimétrica à direita) X < md < mo (distribuição assimétrica à esquerda) UFOP June 4, / 87
23 Separatrizes São as medidas que separam a distribuição de freqüências em partes iguais. Vimos que a mediana divide a distribuição em duas partes iguais quanto ao número de elementos de cada parte. Agora vamos estudar outras medidas que dividem a distribuição em partes iguais, que serão as chamadas separatrizes. Lembrem-se: os dados deves etar ordenados em ordem crescente!!! UFOP June 4, / 87
24 Quartis Os quartis dividem um conjunto de dados em quatro partes iguais. Assim: Q 1 : 1 o quartil. Deixa 25% dos elementos antes do seu valor Q 2 : 2 o quartil. Deixa 50% dos elementos antes do seu valor. Coincide com a mediana. Q 3 : 3 o quartil. Deixa 75% dos elementos antes do seu valor. UFOP June 4, / 87
25 Genericamente, para determinar a ordem ou posição do quartil a ser calculado, usaremos a seguinte expressão: em que: E Qi = in/4 i é o número do quartil a ser calculado. n é o número de observações. UFOP June 4, / 87
26 Para dados não agrupados, vejamos um exemplo simples: Considere os dados ordenados: Neste caso temos n = 10 {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} Se eu estiver interessado em encontrar o terceiro quartil, temos: E Q3 = 3 10/4 = 7, 5 Se o número resultante for decimal, a regra é arredondar sempre para cima. Logo, Q 3 = 8. Assim, 75% dos valores estão abaixo de 8 e 25% dos valores estão acima de 8 na distribuição de dados apresentada no exemplo. UFOP June 4, / 87
27 Para dados agrupados em classes temos: [ ] EQi F ant Q i = LI + c em que f Qi LI = limite inferior da classe que contém o quartil desejado c = amplitude do intervalo de classe E Qi = elemento quartílico F ant = frequência acumulada até a classe anterior à classe que contém E Qi f Qi = frequência absoluta simples da classe quartílica. UFOP June 4, / 87
28 Decis Os decis dividem um conjunto de dados em dez partes iguais. De maneira geral, para calcular os decis, recorreremos à expressão que define a ordem em que o decil se encontra: E Di = in/10 em que: i é o número do decil a ser calculado. n é o número de observações. UFOP June 4, / 87
29 Para dados não agrupados, vejamos o exemplo anterior: Considere os dados ordenados: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} em que n = 10 Se eu estiver interessado em encontrar o D 6, temos: E D6 = 6 10/10 = 6 Se o número resultante for inteiro, a regra é fazer a média dele com o númeor imediatamente posterior a ele na ordem dos dados. Logo, D 6 = = 6, 5. Assim, 60% dos valores estão abaixo de 6, 5 e 40% dos valores estão acima de 6, 5 na distribuição de dados apresentada no exemplo. UFOP June 4, / 87
30 Para dados agrupados em classes temos: [ ] EDi F ant D i = LI + c em que f Di LI = limite inferior da classe que contém o decil desejado c = amplitude do intervalo de classe F ant = frequência acumulada até a classe anterior à classe que contém E Di f Di = frequência absoluta simples da classe que contém E Di. UFOP June 4, / 87
31 Percentis ou Centis Os percentis dividem um conjunto de dados em cem partes iguais. O elemento que definirá a ordem do centil será encontrado pelo emprego da expressão: E Ci = in/100 em que: i é o número do percentil a ser calculado. n é o número de observações. UFOP June 4, / 87
32 Para dados não agrupados, consideremos novamente: Considere os dados ordenados: {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} Se estivermos interessados em encontrar o P 75, temos: E P75 = 75 10/100 = 7, 5 Como o número resultante é decimal, temos, P 75 = 8. Assim, 75% dos valores estão abaixo de 8 e 25% dos valores estão acima de 8 na distribuição de dados apresentada no exemplo. Note que P 75 coincide com Q 3 UFOP June 4, / 87
33 Para dados agrupados em classes temos: [ ] ECi F ant C i = LI + c em que LI = limite inferior da classe que contém o percentil desejado c = amplitude do intervalo de classe F ant = frequência acumulada até a classe anterior à classe que contém E Ci f Ci = frequência absoluta simples da classe que contém E Ci. f Ci UFOP June 4, / 87
34 Exemplo Com base na tabela de distribuição de frequências abaixo encontre: Primeiro quartil Septuagésimo quinto centil Nono decil UFOP June 4, / 87
35 Exemplo Tabela 1 - consumo médio de eletricidade (kwh) entre 80 consumidores - RJ Consumo (Kwh) f i F A UFOP June 4, / 87
36 Resolução: Encontrar a posição do primeiro quartil: E Qi = in/4 = = 20 O Q 1 está localizado na 20 a posição, logo encontra-se na 3 a classe. Então, [ ] [ ] EQi F ant Q i = LI + c = = 59, f Qi Interpretação: 25% dos usuários consomem até 59,59 kwh. De maneira análoga, 75% dos usuários consomem mais de 59,59 kwh. UFOP June 4, / 87
37 Resolução: Encontrar a posição do septuagésimo quinto percentil: E Ci = in/100 = = 60 O C 75 está localizado na 60 a posição, logo encontra-se na 5 a classe. Então, [ ] [ ] ECi F ant C i = LI + c = = 99, f Ci Interpretação: 75% dos usuários consomem até 99,29 kwh. De maneira análoga, 25% dos usuários consomem mais de 99,29 kwh. UFOP June 4, / 87
38 Resolução: Encontrar a posição do nono decil: E Di = in/10 = = 72 O d 9 está localizado na 72 a posição, logo encontra-se na 6 a classe. Então, [ ] [ ] EDi F ant D i = LI + c = = f Di Interpretação: : 90% dos usuários consomem até 125 kwh. De maneira análoga, 10% dos usuários consomem mais de 125 kwh. UFOP June 4, / 87
39 Medidas de dispersão ou de variabilidade As medidas de posição não informam sobre a variabilidade dos dados e são insuficientes para sintetizar as informações amostrais. Para exemplificar este fato, tem-se a seguir três amostras com a mesma média: A = {8, 8, 9, 10, 11, 12, 12} X A = 10 B = {5, 6, 8, 10, 12, 14, 15} X B = 10 C = {1, 2, 5, 10, 15, 18, 19} X C = 10 UFOP June 4, / 87
40 Pode-se observar que as amostras diferem grandemente em variabilidade. Por esta razão torna-se necessário estabelecer medidas que indiquem o grau de dispersão, ou variabilidade em relação ao valor central. Desta forma pode-se afirmar que uma amostra deve ser representada por uma medida de posição e dispersão. As principais medidas de dispersão que são: Amplitude total Variância e Desvio-padrão Coeficiente de Variação de Pearson Erro padrão da média UFOP June 4, / 87
41 Amplitude total A amplitude total é definida como a diferença entre o maior e o menor valor de uma amostra. A = X (n) X (1) Note que para os conjuntos de dados A, B, C, temos: A A = 12 8 = 4 A B = 15 5 = 10 A C = 19 1 = 18 UFOP June 4, / 87
42 Desvantagens A amplitude tem as seguintes desvantagens: só considerar os valores extremos para o seu cálculo, e principalmente se houver outlier ela será grandemente afetada; ser influenciada pelo tamanho da amostra, pois à medida que a amostra aumenta a amplitude tende a ser maior. UFOP June 4, / 87
43 Variância e Desvio-padrão A variância é uma medida da variabilidade que considera todas as observações e, devido às propriedades que possui, é a mais utilizada na maioria das situações na estatística. A variância relaciona os desvios em torno da média e sua raiz quadrada é conhecida como desvio-padrão. Simbologia σ 2 para a variância populacional e σ para o desvio-padrão populacional s 2 para a variância amostral e s para o desvio-padrão amostral UFOP June 4, / 87
44 A variância populacional é dada por: σ 2 = N i=1 (X i µ) 2 N em que N é o tamanho da População. UFOP June 4, / 87
45 A variância amostral é dada por: s 2 = n i=1 (X i X) 2 n 1 em que n é o tamanho da amostra e (n 1) é denominado graus de liberdade.. UFOP June 4, / 87
46 Numa amostra de tamanho n deveria ser utilizado este valor (n) como divisor desta soma de quadrados de desvios. No entanto, devido a motivos associados a propriedades dos estimadores, o divisor da variância amostral é dado por n-1 em lugar de n na expressão do estimador da variância. A unidade da variância é igual ao quadrado da unidade dos dados originais. O desvio padrão, por sua vez, é expresso na mesma unidade do conjunto de dados, sendo obtido pela extração da raiz quadrada da variância. UFOP June 4, / 87
47 Para o cálculo da variância ou desvio padrão amostral a partir dos dados elaborados é preferível utilizar as seguintes expressões: [ n ] s 2 = 1 Xi 2 ( n i=1 X i) 2 n 1 n e i=1 s = s 2 UFOP June 4, / 87
48 Para dados agrupados temos: [ k ] s 2 = 1 f i X 2 i ( k i=1 f ix i ) 2 n 1 n i=1 em que k é o número de classes. Exemplo Assim, para os conjuntos de dados A, B, C, temos: s 2 A = 3 s2 B = 15 s2 C = 56, 57 s A = 1, 77 sb = 3, 87 sc = 7, 53 UFOP June 4, / 87
49 O Desvio-padrão A variância é expressa pelo quadrado da unidade de medidad da variável que está sendo estudada. Assim, e a variável sob análise for medida em metro, então a variância será expressa em m 2. Para melhr interpretar a dispersão de uma variável, usaremos o desvio padrão, que será expresso na unidade de medida original dos dados. Trata-se da mais importante das medidas de dispersão, pois indica a dispersão média absoluta dos dados em torno da própria média aritmética. UFOP June 4, / 87
50 Interpretação do Desvio-padrão Numa linguagem mais simplista, devemos ter em mente que o desvio-padrão mede a variação entre valores. Assim: Se os valores estiverem próximos uns dos outros, então o desvio-padrão será pequeno, e conseqüentemente os dados serão homogêneos. Ou seja, haverá uma grande concentração de dados em torno da média. Se os valores estiverem distantes uns dos outros, então o desvio-padrão será grande, e conseqüentemente os dados serão heterogêneos. Ou seja, os valores não se concentrarão com tanta intensidade em torno da média. UFOP June 4, / 87
51 Terorema de Tchebycheff Essa idéia de concentração em torno da média pode ser expressa mais formalmente pelo seguinte Teorema: Teorema: Para qualquer conjunto de dados (população ou amostra)e qualquer constante k > 1, a proporção dos dados que podem estar a menos de k desvios-padrões da média (para qualquer dos dois lados) é pelo menos 1 1 k 2, isto é: ou P (µ kσ < X i < µ kσ) 1 1 k 2 P (µ ks < X i < µ ks) 1 1 k 2 UFOP June 4, / 87
52 Para ilustrar o Teorema de Tchebychev, por exemplo, é possível afirmar que ao menos 1 1 = = 75% dos valores de qualquer conjunto de dados, devem estar a menos de dois desvios-padrões da média, de qualquer lado dela. Para qualquer distribuição com média e desvio-padrão: O intervalo (X ± 2s) ou (X ± 2σ) contém, no mínimo, 75% de todas as observações. O intervalo (X ± 3s) ou (X ± 3σ) contém, no mínimo, 89% de todas as observações. UFOP June 4, / 87
53 Propriedades Variância Somando ou subtraindo uma constante aos dados a variância não se altera; Multiplicando todos os dados por uma constante K a nova variância ficara multiplicada por K 2. Desvio-padrão Somando ou subtraindo uma constante K aos dados o desvio padrão não se altera; Multiplicando todos os dados por uma constante K o novo desvio padrão fica multiplicado por K. UFOP June 4, / 87
54 Coeficiente de Variação de Pearson A variância e o desvio padrão medem a variabilidade absoluta de uma amostra. Portanto, a variabilidade de amostras de grandezas diferentes ou de médias diferentes não pode ser comparada diretamente pelas estimativas da variância ou do desvio padrão obtidas. O desvio padrão ou variância permitem a comparação da variabilidade entre conjuntos numéricos que possuem a mesma média e a mesma unidade de medida ou grandeza. Nos casos em que os conjuntos possuem diferentes unidades ou possuem médias diferentes, uma medida de dispersão relativa, como o coeficiente de variação (CV), é indispensável para se comparar à variabilidade. UFOP June 4, / 87
55 O coeficiente de variação refere-se à variabilidade dos dados mensurada em relação a sua média, sendo obtido pela expressão seguinte: CV p = σ µ x100 O estimador do Coediciente de Variação populacional CV p é dado por CV = s X x100 O coeficiente de variação é a expressão do desvio-padrão como porcentagem da média do conjunto de dados. É uma medida adimensional de variabilidade, ou seja, não possui unidade de medida. UFOP June 4, / 87
56 Algumas regras empíricas para a interpretação do coeficiente de variação Se CV < 15% há baixa dispersão boa representatividade da média aritmética como medida de posição. Se 15% CV < 30% há média dispersão a representatividade da média aritmética como medida de posição é apenas regular. Se CV 30% há elevada dispersão a representatividade da média aritmética como medida de posição é ruim. UFOP June 4, / 87
57 Exemplo A média e o desvio-padrão da produtividade de duas cultivares de milho são: X = 4, 0t/ha e s A = 0, 8t/ha para a variedade de polinização aberta A e X = 8, 0t/ha e s A = 1, 2t/ha para o híbrido simples B. Qual das cultivares possui maior uniformidade de produção? UFOP June 4, / 87
58 Se ao inspecionar as estatísticas apresentadas, você respondesse que variedade de polinização aberta A seia a demaior uniformidade e que a razão seria o menordesvio padrao apresentado, você teria cometido um engano. Embora as unidades não sejam diferentes, as médias das amostras o são. Assim, não é correto utilizar uma medida de varabilidade absoluta, como o desvio-padrão, para compará-las. O procedimento adequado é calcular o CV para as cultivares e aí sim, proceder a comparação. UFOP June 4, / 87
59 CV A = 0, 8 x100 = 20% 4, 0 CV p = 1, 2 x100 = 15% 8 Assim, é fácil observar que o milho híbrido simples (B) é o mais uniforme, pois possui menor CV do que a variedade de polinização aberta A. UFOP June 4, / 87
60 Erro padrão da média Para definir o erro padrão da média suponha que amostras aleatórias de tamanho n são retiradas de uma população e que em cada amostra seja calculada a média. Se for computado o desvio padrão da população formada por todas as estimativas de médias obtidas, o valor encontrado é cohecido como erro padrão da média. O erro padrão da média σ X é dado pela razão entre o desvio-padrão populacional e a raiz quadrada de n (número de elementos na amostra): σ X = σ n UFOP June 4, / 87
61 O estimador amostral desse parâmetro é dado por s X = s n Tal estimador é necessário pois: em geral, nao se conhece o desvio-padrão populacional na maioria das situações reais não é possível retirar todas as amostras de uma população em geral, apenas uma amostra é extraída da população UFOP June 4, / 87
62 O erro padrão da média é uma medida de dispersão das médias amostrais em torno da média da população. Quanto menor for seu valor, mais porvável será a chance de obter a média da amostra nas proximidades da média da população, e quanto maior for esse valor, menos provável se torna esse evento. Assim, o erro-padrão da média é estimador da precisão da estimativa de uma média popualcional. UFOP June 4, / 87
63 Os momentos populacionais centrados na média populacional (µ r ) são definidos pela equação µ r = N i=1 (X i µ) r N O coeficiente r na expressão é a ordem do momento. para r = 1 tem-se o momento de primeira ordem, o qual é sempre igual a zero para r = 2 tem-se o momento de ordem 2, que é a variância da população para r = 3 tem-se o momento de asimetria ordem 3 para r = 4 tem-se o momento de curtose de ordem 4 UFOP June 4, / 87
64 Os estimadores amostrais para o momento centrado de ordem r, (m r ) são dados por: n i=1 m r = (X i X) r n em que n é o número de elementos na amostra. UFOP June 4, / 87
65 Assimetria Assimetria é o grau de desvio ou afastamento da simetria de uma distribuição. Se a curva de frequência (polígono de frequencia suavizado) de uma distribuição tem uma "cauda" mais longa à direita da ordenada máxima do que à esquerda, diz-se que a distribuição é assimétrica à direita ou que ela tem assimetria positiva. Se o inverso ocorre, diz-se que a distribuição é assimétrica à esquerda ou que ela tem assimetria negativa. UFOP June 4, / 87
66 Distribuição simétrica UFOP June 4, / 87
67 Distribuição assimétrica à direita UFOP June 4, / 87
68 Distribuição assimétrica à esquerda UFOP June 4, / 87
69 O coeficiente de assimetria populacional β 1 é uam forma padronizada do estimador do momento de assimetria (r = 3). Seu estimador b 1 é dado pela razão do momento amostral de ordem 3 pelo de ordem 2, na potência de 3 2 b1 = m 3 (m 2 ) 3 2 As populações cuja distribuição é simétrica apresentam valor de β1 = 0 As distribuições assimétricas à direita apresentam β 1 > 0 As distribuições assimétricas à esquerda apresentam β 1 < 0 UFOP June 4, / 87
70 Curtose Curtose é o grau de achatamento de uma distribuição considerado, usualmente, em relação à distribuição normal. Para medir a curtose, define-se o estimador (b 2 ) do coeficiente de curtose β 2 b 2 = m 4 (m 2 ) 2 As distribuições que possuem valores β 2 = 3 são denominadas mesocúrticas As distribuições que possuem valores β 2 > 3 são denominadas leptocúrticas As distribuições que possuem valores β 2 < 3 são denominadas platicúrticas UFOP June 4, / 87
71 As distribuiões leptocúrticas são aquelas que possuem uma concentração de valores próxima ao valor central maior que a da distribuição normal (mesocúrticas). Nas distribuições platicúrticas ocorre o contrário, ou seja, uma menor concentração de valores em torno do valor central da distribuição. UFOP June 4, / 87
72 UFOP June 4, / 87
73 Box-plot Em 1977, John Tukey publicou uma proposta que posteriormente foi reconhecida como sendo um eficiente método para mostrar cinco número que sumarizam qualquer conjunto de dados. O gráfico proposto é chamado de boxplot (também conhecido como gráfico de caixa) e resume as seguintes medidas estatísticas: mediana quantis superior e inferior os valores mínimos e máximos UFOP June 4, / 87
74 Interpretando o Boxplot A caixa (box) propriamente contém a metade 50% dos data. O limite superior da caixa indica o percentil de 75% dos dados e o limite inferior da caixa indica o percentil de 25%. A distancia entre esses dois quantis é conhecida como interquartil. UFOP June 4, / 87
75 Interpretando o Boxplot A linha na caixa indica o valor de mediana dos dados. Se a linha mediana dentro da caixa não é eqüidistante dos extremos, diz-se então que os dados são assimétricos. UFOP June 4, / 87
76 Interpretando o Boxplot Os extremos do gráfico indicam os valores mínimo e máximo, a menos que valores outliers estejam presentes. Os pontos fora do gráfico são então outliers ou suspeitos de serem outliers. UFOP June 4, / 87
77 Vantagens do Boxplot Mostra graficamente a posição central dos dados (mediana) e a tendência. Fornece algum indicativo de simetria ou assimetria dos dados. Ao contrário de muitas outras formas de representar os dados, o boxplots mostra os outliers. Utilizando o boxplot para cada variável categórica lado-a-lado no mesmo gráfico, pode-se facilmente comparar os dados. UFOP June 4, / 87
78 Observações sobre o Boxplot Um detalhe do box-plot é que ele tende a enfatizar as caudas da distribuição, que são os pontos ao extremo nos dados. Também fornece detalhes da distribuição dos dados. Mostrar o histograma em conjunto com o box-plot ajuda a entender a distribuição dos dados, constituindo estes dos gráficos ferramentas importantes na análise exploratória. UFOP June 4, / 87
79 O Boxplot UFOP June 4, / 87
80 Exemplo Os dados a seguir referem-se aos dados de amostras de terra de um Latossolo em determinações analíticas realizadas pelo Laboratório de Análise de Solos da UFLA Construir um boxplot e interpretar os resultados. UFOP June 4, / 87
81 UFOP June 4, / 87
82 Interpretação Avaliando o box plot para os dados de solo, visualizamos que os 25% menores valores referentes aos solos oscilam menos do que os 25% maiores valores referentes aos solos. Além disso percebemos uma assimetria na distribuição desta amostra. Avaliando os 50% dos dados centrais. Os 25% iniciais oscilam mais do que os 25% finais. O que pode ser confirmado com a constução do histograma. UFOP June 4, / 87
83 UFOP June 4, / 87
84 Aqui, podemos ver alguns resultados de medidas descritivas (feitas no Excell)e confirmar as suspeitas de assimetria da distruibuição dos dados UFOP June 4, / 87
85 No Excel, para calcular os coeficientes de Assimetria e Curtose são utilizadas espressões diferentes daquelas apresentadas neste material. Assim, quando as medidas forem obtidas por meio do excell, há que se interpretar da seguinte maneira: UFOP June 4, / 87
86 Assimetria As populações cuja distribuição é simétrica apresentam valor de coeficiente de assimetria = 0 As distribuições assimétricas à direita apresentam coeficiente de assimetria > 0 As distribuições assimétricas à esquerda apresentam coeficiente de assimetria < 0 UFOP June 4, / 87
87 Curtose As distribuições que possuem coeficiente de curtose = 0 são denominadas mesocúrticas As distribuições que possuem coeficiente de assimetria < 0 denominadas leptocúrticas As distribuições que possuem coeficiente de assimetria > 0 são denominadas platicúrticas UFOP June 4, / 87
Bioestatística. October 28, UFOP October 28, / 57
Bioestatística October 28, 2013 UFOP October 28, 2013 1 / 57 NOME 1 Medidas de Tendência Central Média aritmética Mediana Moda Separatrizes 2 Medidas de Dispersão Amplitude Total Variância e Desvio-padrão
Leia maisDistribuição de frequências:
Distribuição de frequências: Uma distribuição de frequências é uma tabela que reúne o conjunto de dados conforme as frequências ou as repetições de seus valores. Esta tabela pode representar os dados em
Leia maisn = 25) e o elemento (pois = 19) e terá o valor 8. Verifique que antes e depois do 19 o elemento, teremos 18 elementos.
V) Mediana: A Mediana de um conjunto de números, ordenados crescente ou decrescentemente em ordem de grandeza (isto é, em um rol), será o elemento que ocupe a posição central da distribuição de freqüência
Leia maisEstatística Descritiva
Probabilidade e Estatística Prof. Dr.Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Estatística Descritiva Distribuição de frequência Para obter informações de interesse sobre a característica
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Autor: Anderson Garcia Silveira Anderson Garcia Silveira Na aula anterior... Medidas de Tendência Central 2 Na aula anterior... Medidas de Tendência Central Moda Mediana
Leia maisEstatística. 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão. Renata Souza
Estatística 1 Medidas de Tendência Central 2 Medidas de Posição 3 Medidas de Dispersão Renata Souza Medidas Depois que você conheceu os conceitos de coleta de dados, variação, causas comuns e causas especiais,
Leia maisAULA 2 UNIDADE 1 DISTRIBUIÇÃO DE FREQUÊNCIAS 1.1 INTRODUÇÃO
AULA UNIDADE 1 DISTRIBUIÇÃO DE FREQUÊNCIAS 1.1 INTRODUÇÃO As tabelas estatísticas, geralmente, condensam informações de fenômenos que necessitam da coleta de grande quantidade de dados numéricos. No caso
Leia maisMedidas resumo numéricas
Medidas descritivas Medidas resumo numéricas Tendência central dos dados Média Mediana Moda Dispersão ou variação em relação ao centro Amplitude Intervalo interquartil Variância Desvio Padrão Coeficiente
Leia maisMEDIDAS DE TENDÊNCIA CENTRAL
MEDIDAS DE TENDÊNCIA CENTRAL Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Média aritmética INTRODUÇÃO A concentração de dados em torno de um valor pode ser usada para representar todos
Leia maisESTATÍSTICA. Estatística é o conjunto de métodos para a obtenção, organização, resumo, análise e interpretação dos dados.
ESTATÍSTICA Termo vem de status Aspectos de um país (tamanho da população, taxas de mortalidade, taxas de desemprego, renda per capita). Estatística é o conjunto de métodos para a obtenção, organização,
Leia maisCAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte
CAPÍTULO 4 DESCRIÇÃO E EXPLORAÇÃO DOS DADOS 2ª parte 4.3 Medidas de posição 4.4 Medidas de dispersão 4.5 Separatrizes Prof. franke 2 Vimos que a informação contida num conjunto de dados pode ser resumida
Leia maisUniversidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão
Universidade Federal de Lavras Departamento de Estatística Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ As medidas de posição apresentadas fornecem a informação dos dados apenas a nível
Leia maisMedidas de Posição ou Tendência Central
Medidas de Posição ou Tendência Central Medidas de Posição ou Tendência Central Fornece medidas que podem caracterizar o comportamento dos elementos de uma série; Possibilitando determinar se um valor
Leia maisESTATÍSTICA COMPUTACIONAL AULA 5 ASSIMETRIA E CURTOSE
ASSIMETRIA E CURTOSE 1 RELAÇÃO ENTRE MÉDIA, MEDIANA E MODA O valor da mediana, como o próprio nome diz, ocupa a posição central numa distribuição de frequência. A mediana deve estar em algum lugar entre
Leia maisPROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA
PROBABILIDADE E ESTATÍSTICA ESTATÍSTICA DESCRITIVA Prof.ª Sheila Regina Oro Projeto Recursos Educacionais Digitais Autores: Bruno Baierle e Maurício Furigo ESTATÍSTICA DESCRITIVA A Estatística Descritiva
Leia maisUniversidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão
Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 4 a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos
Leia maisMétodos Experimentais em Ciências Mecânicas
Métodos Experimentais em Ciências Mecânicas Professor Jorge Luiz A. Ferreira Pertencem ao grupo de ferramentas estatísticas que permitem caracterizar um conjunto de dados sob ponto de vista da tendência
Leia maisANÁLISE EXPLORATÓRIA DE DADOS 2ª PARTE
ANÁLISE EXPLORATÓRIA DE DADOS 2ª PARTE 1 Medidas de síntese TERCEIRA maneira de resumir um conjunto de dados referente a uma variável quantitativa. Separatrizes Locação x % x % x % x % Dispersão Forma
Leia maisNOTAS DE AULA. Medidas Descritivas. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DE AULA Medidas Descritivas Prof.: Idemauro Antonio Rodrigues de Lara 2 PRINCIPAIS MEDIDAS DESCRITIVAS 1. Medidas de tendência central 1.1 Média 1.2 Mediana 1.3 Moda 2. Medidas de dispersão 2.1
Leia maisFernando de Pol Mayer
Fernando de Pol Mayer Laboratório de Estatística e Geoinformação (LEG) Departamento de Estatística (DEST) Universidade Federal do Paraná (UFPR) Este conteúdo está disponível por meio da Licença Creative
Leia maisRepresentação de dados
Representação de dados Passos para construção de um Histograma Passo 1: ordenar o conjunto de dados, ou seja colocar os dados em ordem crescente de grandeza; Passo 2: Determinar o número de classes da
Leia maisEstatística Aplicada
Estatística Aplicada Medidas Descritivas Professor Lucas Schmidt www.acasadoconcurseiro.com.br Estatística Aplicada ESTATÍSTICA DESCRITIVA Classificação de variáveis QuaLitativas (categóricas) Descrevem
Leia maisEstatística Descritiva
Estatística Descritiva Prof. Henrique Dantas Neder Instituto de Economia Universidade Federal de Uberlândia Typeset by FoilTEX 1 Tópicos introdutórios A estatística descritiva trata dos métodos estatísticos
Leia mais12/06/14. Estatística Descritiva. Estatística Descritiva. Medidas de tendência central. Medidas de dispersão. Separatrizes. Resumindo numericamente
Resumindo numericamente Para resumir numericamente dados quantitativos o objetivo é escolher medidas apropriadas de locação (``qual o tamanho dos números envolvidos?'') e de dispersão (``quanta variação
Leia maisBioestatística. Parte I. Prof a Dr a Alcione Miranda dos Santos. Abril, 2011
Bioestatística Parte I Prof a Dr a Alcione Miranda dos Santos Universidade Federal do Maranhão Programa de Pós-Graduação em Saúde Coletiva email:alcione.miranda@gmail.com Abril, 2011 1 / 57 Sumário Introdução
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 maisMAIS SOBRE MEDIDAS RESUMO. * é muito influenciada por valor atípico
MAIS SOBRE MEDIDAS RESUMO Medidas de Tendência Central (1) média (aritmética) * só para variáveis quantitativas exceção: variável qualitativa nominal dicotômica, com categorias codificadas em 0 e 1; neste
Leia maisAula 2 Planejamento e Análise de Experimentos
Aula 2 Planejamento e Análise de Experimentos Professores Miguel Antonio Sovierzoski, Dr. miguelaso@utfpr.edu.br; Vicente Machado Neto, Dr. vmachado@utfpr.edu.br; Revisão da aula anterior Fatores níveis
Leia maisMétodos Estatísticos Básicos
Aula 4 - Medidas de dispersão Departamento de Economia Universidade Federal de Pelotas (UFPel) Abril de 2014 Amplitude total Amplitude total: AT = X max X min. É a única medida de dispersão que não tem
Leia maisEstatística I Aula 3. Prof.: Patricia Maria Bortolon, D. Sc.
Estatística I Aula 3 Prof.: Patricia Maria Bortolon, D. Sc. Estatística: Prof. André Carvalhal Dados quantitativos: medidas numéricas Propriedades Numéricas Tendência Central Dispersão Formato Média Mediana
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 maisESTATÍSTICA Medidas de Síntese
2.3 - Medidas de Síntese Além das tabelas e gráficos um conjunto de dados referente a uma variável QUANTITATIVA pode ser resumido (apresentado) através de Medidas de Síntese, também chamadas de Medidas
Leia maisUnidade III Medidas Descritivas
Unidade III Medidas Descritivas Medidas separatrizes Quantis Medidas de dispersão Amplitude total Desvio Médio Variância Desvio Padrão Coeficiente de Variabilidade Desvio Interquartílico Na aula anterior...
Leia maisAula 3 MEDIDAS DE DISPERSÃO, ASSIMETRIA E CURTOSE.
MEDIDAS DE DISPERSÃO, ASSIMETRIA E CURTOSE. Aula META Mensurar a dimensão média do afastamento dos valores de um conjunto de dados em relação à determinada Medida de Tendência Central, bem como de que
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Luiz Medeiros http://www.de.ufpb.br/~luiz/ MEDIDAS DESCRITIVAS Vimos que é possível sintetizar os dados sob a forma de distribuições
Leia maisESTATÍSTICA DESCRITIVA
ESTATÍSTICA DESCRITIVA O principal objectivo da ESTATÍSTICA DESCRITIVA é a redução de dados. A importância de que se revestem os métodos que visam exprimir a informação relevante contida numa grande massa
Leia maisINTRODUÇÃO À ESTATÍSTICA
INTRODUÇÃO À ESTATÍSTICA A Estatística refere-se às técnicas pelas quais os dados são "coletados", "organizados","apresentados" "apresentados" e"analisados" "analisados". Pode-se dividir a ciência Estatística
Leia maisAula 03. Medidas Descritivas de Variáveis Quantitativas. Parte 1 Medidas de Tendência Central
Aula 03 Medidas Descritivas de Variáveis Quantitativas Parte 1 Medidas de Tendência Central Stela Adami Vayego - DEST/UFPR 1 Medidas de Tendência Central dos Dados Para uma variável quantitativa, uma medida
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Aula 3 Medidas Numéricas Descritivas Leitura: Levine et al. Capítulo 3 Cap 3-1 Objetivos Nesta parte, aprenderemos: a descrever as propriedades de tendência central, variação
Leia maisVimos que é possível sintetizar os dados sob a forma de distribuições de frequência e gráficos. Pode ser de interesse apresentar esses dados através d
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DE POSIÇÃO E DISPERSÃO Departamento de Estatística Luiz Medeiros Vimos que é possível sintetizar os dados sob a forma de distribuições de frequência e gráficos.
Leia mais3.1 - Medidas de Posição Medidas de Dispersão Quantis Empiricos Box-plots Graficos de simetria 3.
3 - MEDIDAS RESUMO 3.1 - Medidas de Posição 3.2 - Medidas de Dispersão 3.3 - Quantis Empiricos 3.4 - Box-plots 3.5 - Graficos de simetria 3.6 - Transformações 1/17 3.1 - Medidas de Posição Muitas vezes
Leia maisUnidade II ESTATÍSTICA. Prof. Celso Guidugli
Unidade II ESTATÍSTICA Prof. Celso Guidugli Medidas ou parâmetros estatísticos Valores que permitem uma imagem sintetizada do comportamento de uma amostra. Dividem-se em dois grandes grupos: medidas de
Leia maisNotas de Aula. Estatística Elementar. by Mario F. Triola. Tradução: Denis Santos
Notas de Aula Estatística Elementar 10ª Edição by Mario F. Triola Tradução: Denis Santos Slide 1 Capítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados 3-1 Visão Geral 3-2 Medidas de
Leia mais1. Registou-se o número de assoalhadas de 100 apartamentos vendidos num bairro residencial
Escola Superior de Tecnologia de Viseu Fundamentos de Estatística 2006/2007 Ficha nº 1 1. Registou-se o número de assoalhadas de 100 apartamentos vendidos num bairro residencial 0; 0; 0; 1; 2; 0; 0; 1;
Leia maisCapítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados. Seção 3-1 Visão Geral. Visão Geral. Estatísticas Descritivas
Capítulo 3 Estatísticas para Descrição, Exploração e Comparação de Dados 3-1 Visão Geral 3-2 Medidas de Centro 3-3 Medidas de Dispersão 3-4 Medidas de Forma da Distribuição 3-5 Análise Exploratória de
Leia maisESTATÍSTICA. PROF. RANILDO LOPES U.E PROF EDGAR TITO
ESTATÍSTICA PROF. RANILDO LOPES http://ueedgartito.wordpress.com U.E PROF EDGAR TITO 1 ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL MEDIDAS DE DISPERSÃO 2 Estatística ELEMENTOS TÍPICOS DE UMA DISTRIBUIÇÃO:
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/ 1 Parte I Tabela de frequências e gráficos http://www.lce.esalq.usp.br/arquivos/aulas/2014/lce0216/
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br http://disciplinas.stoa.usp.br/course/view.php?id=8049 1 Parte I Tabela de frequências e gráficos http://disciplinas.stoa.usp.br/course/view.php?id=8049
Leia maisMedidas Estatísticas NILO FERNANDES VARELA
Medidas Estatísticas NILO FERNANDES VARELA Tendência Central Medidas que orientam quanto aos valores centrais. Representam os fenômenos pelos seus valores médios, em torno dos quais tendem a se concentrar
Leia maisMedidas de dispersão. 23 de agosto de 2018
23 de agosto de 2018 Dispersão de dados A representação feita pelas medidas centrais, ao mesmo tempo que permite uma visualização rápida das informações acaba levando ao embaralhamento do conjunto. A média
Leia maisMedidas de Dispersão ou variabilidade
Medidas de Dispersão ou variabilidade A média - ainda que considerada como um número que tem a faculdade de representar uma série de valores - não pode, por si mesma, destacar o grau de homogeneidade ou
Leia maisEstatística Aplicada a Negócios
Prof. Dr. Gilberto de Andrade Martins aula 02 1 Estatística Descritiva Aula 2 Ao final desta aula você : - Conhecerá a Estatística Descritiva. - Saberá quais são as principais medidas de dispersão. 2 Medidas
Leia maisProf. Lorí Viali, Dr. Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística
Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Coleção de números n estatísticas sticas O número n de carros vendidos no país aumentou em 30%. A taxa de desemprego atinge, este mês,
Leia maisMAIS SOBRE MEDIDAS RESUMO. * é muito influenciada por valor atípico
MAIS SOBRE MEDIDAS RESUMO Medidas de Tendência Central (1) média (aritmética) * só para variáveis quantitativas exceção: variável qualitativa nominal dicotômica, com categorias codificadas em 0 e 1; neste
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA METROLOGIA II
METROLOGIA II Professor: Eng. PAULO ROBERTO CAMPOS ALCOVER JUNIOR Curso de Tecnologia em Fabricação Mecânica 2 Período ; ; ; ; ;. 2 : Definições de Estatística; Conceitos Básicos; Medidas Descritivas:
Leia maisPARTE 2- MEDIDAS DE TENDÊNCIA CENTRAL VERSÃO: JANEIRO DE 2017
COMUNICAÇÃO SOCIAL E MARKETING CENTRO DE CIÊNCIAS SOCIAIS APLICADAS UNIVERSIDADE CATÓLICA DE PETRÓPOLIS ESTATÍSTICA APLICADA PARA PESQUISA EM MARKETING E COMUNICAÇÃO (BASEADO NO MATERIAL DE AULA DO PROFESSOR
Leia maisAula 4: Medidas Resumo
Aula 4: Professor: José Luiz Padilha da Silva email: jlpadilha@ufpr.br Departamento de Estatística Universidade Federal do Paraná Curitiba, 2018 José Luiz Padilha da Silva (UFPR) ce003 - Estatística II
Leia maisAnálise Exploratória e Estimação PARA COMPUTAÇÃO
Análise Exploratória e Estimação MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Médias Média Aritmética (valor médio de uma distribuição) n x = 1 n i=1 x i = 1 n x 1 + + x n Média Aritmética
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 maisMedidas de tendência central,dispersão, posição, associação e boxplot
Medidas de tendência central,dispersão, posição, associação e boxplot Universidade Estadual de Santa Cruz Ivan Bezerra Allaman Introdução Uma vez entendido qual o comportamento dos dados, como eles estão
Leia maisEstatística Descritiva
Estatística Descritiva Cristian Villegas clobos@usp.br Agosto de 2013 Apostila de Estatística (Cristian Villegas) 1 Parte I Tabela de frequências e gráficos Apostila de Estatística (Cristian Villegas)
Leia maisMedidas Descritivas de Posição, Tendência Central e Variabilidade
Medidas Descritivas de Posição, Tendência Central e Variabilidade Prof. Gilberto Rodrigues Liska UNIPAMPA 27 de Março de 2017 Material de Apoio e-mail: gilbertoliska@unipampa.edu.br Sumário 1 Introdução
Leia maisEstatística Descritiva
C E N T R O D E M A T E M Á T I C A, C O M P U T A Ç Ã O E C O G N I Ç Ã O UFABC Estatística Descritiva Centro de Matemática, Computação e Cognição March 17, 2013 Slide 1/52 1 Definições Básicas Estatística
Leia maisAula 03. Medidas Descritivas de Variáveis Quantitativas. Parte 1 Medidas de Tendência Central
Aula 03 Medidas Descritivas de Variáveis Quantitativas Parte 1 Medidas de Tendência Central Stela Adami Vayego - DEST/UFPR 1 2. Medidas de Tendência Central dos Dados Para uma variável quantitativa, uma
Leia maisBioestatística. Luiz Ricardo Nakamura Cristiane Mariana Rodrigues da Silva. Ciências biológicas a USP ESALQ. Estatística
Bioestatística Luiz Ricardo Nakamura Cristiane Mariana Rodrigues da Silva Ciências biológicas a USP ESALQ LR Nakamura Estatística ESALQ 1 / 67 Estatística e o método científico Circularidade do método
Leia maisEstatística Computacional Profª Karine Sato da Silva
Estatística Computacional Profª Karine Sato da Silva karine.sato.silva@gmail.com Introdução Quando analisamos uma variável qualitativa, basicamente, construímos sua distribuição de frequências. Ao explorarmos
Leia maisASSIMETRIA E CURTOSE
ASSIMETRIA E CURTOSE Lucas Santana da Cunha email: lscunha@uel.br Universidade Estadual de Londrina 11 de maio de 2016 Assimetria Numa distribuição estatística, a assimetria é o quanto sua curva de frequência
Leia maisProf. Dr. Engenharia Ambiental, UNESP
INTRODUÇÃO A ESTATÍSTICA ESPACIAL Análise Exploratória dos Dados Estatística Descritiva Univariada Roberto Wagner Lourenço Roberto Wagner Lourenço Prof. Dr. Engenharia Ambiental, UNESP Estrutura da Apresentação
Leia maisBioestatística. Aula 3. MEDIDAS SEPARATRIZES Quartis, Decis e percentis. Profa. Alessandra Bussador
Bioestatística Aula 3 MEDIDAS SEPARATRIZES Quartis, Decis e percentis Profa. Alessandra Bussador Quartis dados não agrupados Dividem os dados ordenados em quatro partes: Primeiro Quartil (Q1): valor que
Leia mais5.1 Introdução: As distribuições de freqüências não diferem apenas quanto ao valor médio e a variabilidade, mas também quanto a sua forma.
Capítulo 5 Assimetria e Curtose Desenvolvimento: 5.1 Introdução 5.2 Assimetria 5.3 Curva simétrica 5.4 Curtose 5.5 Graus de achatamento 5.1 Introdução: As distribuições de freqüências não diferem apenas
Leia maisBioestatística UNESP. Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP
Bioestatística UNESP Prof. Dr. Carlos Roberto Padovani Prof. Titular de Bioestatística IB-UNESP/Botucatu-SP Perguntas iniciais para reflexão I - O que é Estatística? II - Com que tipo de informação (dados)
Leia maisCE001 Bioestatística. Prof. Cesar Augusto Taconeli. Curitiba-PR 2015
CE001 Bioestatística Prof. Cesar Augusto Taconeli Curitiba-PR 2015 Parte 2 Estatística descritiva 2 A estatística descritiva compreende técnicas (tabelas, gráficos, medidas) que permitem resumir os dados.
Leia maisStela Adami Vayego DEST/UFPR
Resumo 4 - Resumo dos dados numéricos por meio de números (continuação) 4. A importância do desvio padrão Para se entender a importância que o desvio padrão representa na análise de dados estatísticos,
Leia maisMétodos Estocásticos da Engenharia II
Métodos Estocásticos da Engenharia II Capítulo 2 - Estatística e Descrição de Dados Prof. Magno Silvério Campos 2019/1 (UFOP/EM/DEPRO) Métodos Estocásticos da Engenharia II 2019/1 1 / 70 Bibliografia Bibliografia
Leia maisMEDIDAS DE DISPERSÃO. Professor Jair Wyzykowski. Universidade Estadual de Santa Catarina
MEDIDAS DE DISPERSÃO Professor Jair Wyzykowski Universidade Estadual de Santa Catarina Introdução INTRODUÇÃO A variabilidade entre elementos em torno do centro da distribuição é chamada medida de dispersão.
Leia mais2. Estatística Descritiva
2. Estatística Descritiva ESTATÍSTICA Conjunto de técnicas e ferramentas que descreve, organiza, resume e interpreta as informações a partir dos dados coletados Estatística descritiva Conjunto de técnicas
Leia maisANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA
ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Coleta de Dados Experimento planejado, Possiveis
Leia maisUNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁ CAMPUS PONTA GROSSA METROLOGIA II
METROLOGIA II Professor: Eng. PAULO ROBERTO CAMPOS ALCOVER JUNIOR Curso de Tecnologia em Fabricação Mecânica 2 Período Introdução à Estatística; Medidas de Tendência Central; Medidas Separatrizes; Medidas
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 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 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 maisAndré Arruda e Rafael Medeiros
1. ESTATÍSTICA DESCRITIVA 01. Assinale a opção que expresse a relação entre as médias aritmética (X), geométrica (G) e harmônica (H), para um conjunto de n valores positivos (X1, X2,..., Xn): a) G H X,
Leia maisSUMÁRIO. 1.1 Introdução, Conceitos Fundamentais, 2
SUMÁRIO 1 CONCEITOS BÁSICOS, 1 1.1 Introdução, 1 1.2 Conceitos Fundamentais, 2 1.2.1 Objetivo, 2 1.2.2 População e amostra, 2 1.3 Processos estatísticos de abordagem, 2 1.4 Dados estatísticos, 3 1.5 Estatística
Leia maisMétodos Quantitativos II
Métodos Quantitativos II MEDIDAS DE VARIABILIDADE O que significa Variabilidade? As medidas de tendência central nos dão uma ideia da concentração dos dados em torno de um valor. Entretanto, é preciso
Leia maisMedidas de Posição. Tendência Central. É um valor que representa uma entrada típica, ou central, de um conjunto de dados. média. mediana.
Tendência Central É um valor que representa uma entrada típica, ou central, de um conjunto de dados. média mediana moda Análise exploratória de dados Histograma Simétrico Uniforme Média = Mediana Assimétrico
Leia maisEscola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo
Escola Superior de Agricultura Luiz de Queiroz Universidade de São Paulo Medidas de Posição e Dispersão Professora Renata Alcarde Piracicaba fevereiro 2014 Renata Alcarde Estatística Geral 7 de Março de
Leia maisProf. Francisco Crisóstomo
Unidade II ESTATÍSTICA BÁSICA Prof. Francisco Crisóstomo Unidade II Medidas de posição Medidas de posição Tem como característica definir um valor que representa um conjunto de valores (rol), ou seja,
Leia mais25/08/2016. Estatística. Estatística. Medidas Estatísticas Medidas de Posição. Mariele Bernardes. Mariele Bernardes
s 12/08/2016 As medidas estatísticas resumem as informações obtidas dando uma visão global dos dados. s ou estimadores dados da amostra Parâmetros dados populacionais. de posição de dispersão de posição
Leia mais3 MEDIDAS RESUMO 3.2 Medidas de dispersão. Silvio Sandoval Zocchi
3 MEDIDAS RESUMO 3.2 Medidas de dispersão Silvio Sandoval Zocchi 20 de agosto de 2008 Medida de dispersão é um valor que quantifica a variabilidade dos dados. Algumas medidas de dispersão: Amplitude Amplitude
Leia maisMedidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto.
Aula 02 01 de abril Medidas de localização (ou de tendência central) Média: definida como o centro de massa (ou ponto de equilíbrio) do conjunto. No geral, a melhor média é a que mais se aproxima do centro
Leia maisMEDIDAS DE DISPERSÃO. Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões
MEDIDAS DE DISPERSÃO Os dados a seguir referem-se ao índice pluviométrico de três cidades no Estado de São Paulo, em 3 diferentes ocasiões Cidade A: 185, 185, 185 x 185mm Cidade B: 18, 184, 189 x 185mm
Leia maisIntrodução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas de Variabilidade
Universidade Federal de Minas Gerais Instituto de Ciências Exatas Departamento de Estatística Introdução à Bioestatística Turma Nutrição Aula 3 Análise Descritiva: Medidas de Tendência Central Medidas
Leia maisUNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS
UNIVERSIDADE FEDERAL DA PARAÍBA MEDIDAS DESCRITIVAS Departamento de Estatística Tarciana Liberal MEDIDAS DE DISPERSÃO As medidas de posição apresentadas fornecem a informação dos dados apenas a nível pontual,
Leia maisMÉTODOS QUANTITATIVOS APLICADOS. Prof. Danilo Monte-Mor
MÉTODOS QUANTITATIVOS APLICADOS Prof. Danilo Monte-Mor Métodos Quantitativos Aulas 1 e 2 Análise Exploratória de Dados 2 Danilo Soares Monte Mor Currículum Vitae Prof. Dr. e especialista em Métodos Quantitativos
Leia mais3 Estatística p/ Descrição, Exploração e Comparação de Dados (Triola 10 a ed.)
3 Estatística p/ Descrição, Exploração e Comparação de Dados (Triola 10 a ed.) C V D O T Centro Variação Distribuição Outliers Tempo Valor representativo ou médio Quanto os valores variam entre eles Natureza
Leia maisEng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM
Eng a. Morgana Pizzolato, Dr a. Aula 02 Revisão de Estatística DPS1037 SISTEMAS DA QUALIDADE II ENGENHARIA DE PRODUÇÃO CT/UFSM TÓPICOS DESTA AULA Revisão de Estatística Coleta de dados Análise de dados
Leia maisASSIMETRIA E CURTOSE
ASSIMETRIA E CURTOSE Lucas Santana da Cunha lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 15 de maio de 2017 Assimetria Numa distribuição estatística, a assimetria
Leia maisTécnicas Computacionais em Probabilidade e Estatística I. Aula I
Técnicas Computacionais em Probabilidade e Estatística I Aula I Chang Chiann MAE 5704- IME/USP 1º Sem/2008 1 Análise de Um conjunto de dados objetivo: tratamento de um conjunto de dados. uma amostra de
Leia mais