Descritiva. Francisco Cysneiros DE - UFPE

Tamanho: px
Começar a partir da página:

Download "Descritiva. Francisco Cysneiros DE - UFPE"

Transcrição

1 Noções de Estatístca Descrtva Dr. Fracsco Cyseros Profº. Adjuto do Departameto de Estatístca-CCEN/UFPE E-mal: web-page: Foe: (8) 6 74 Fracsco Cyseros DE - UFPE

2 Recursos Computacoas Ecel MINITAB R (software gratuto SAS Splus SPSS Verfque se a Ferrameta de Aálse está stalada. Fracsco Cyseros DE - UFPE

3 Para que cohecer a Estatístca? Para saber como apresetar e descrever formações de maera adequada; Para saber trar coclusões para população a partr de uma amostra; Para obter prevsões. Fracsco Cyseros DE - UFPE 3

4 Estatístca em Pesqusa de Mercado Qual o tpo de embalagem preferda para o produto y? Qual o ível de rejeção do caddato? Qual a marca de carro mas cohecda? Qual empresa de telefoa mas usada? Fracsco Cyseros DE - UFPE 4

5 Estatístca tí t em Ecooma Prevsão de flação Mudaça as eportações Dstrbução de reda Evolução do preço de uma ação. Como avalar se uma opção está cara ou barata. Eercíco : Descreva Estatístca em Farmáca Fracsco Cyseros DE - UFPE 5

6 Estatístca Descrtva Aálse Prelmar: Costrução de Tabelas e Gráfcos para uma Varável Meddas-Resumo: Posção e Dspersão Coclusões Específcas ao Cojuto de Dados Fracsco Cyseros DE - UFPE 6

7 Teora das Probabldades bld d Modelo matemátco para estudar stuações de certeza Cohecemos tato a dstrbução dos dados como parâmetros População Possível fazer geeralzações Fracsco Cyseros DE - UFPE 7

8 Tabela. Iformações sobre 36 fucoáro de um empresa fctíca Fote : lvro teto Fracsco Cyseros DE - UFPE 8

9 Tabela. Plalha Ecel 3 C E.F. 5, C 4 S E.M. - 5, O 5 S E.F. - 6, O 6 C E.F. 0 6, I 7 S E.F. - 6, I 8 S E.F. - 7, C 9 C E.M. 7, C 0 S EM E.M , O C E.M. 8, 33 6 I S E.F. - 8,46 7 C 3 S E.M. - 8, O 4 C E.F. 3 8,95 44 O 5 C E.M. 0 9, I 6 S E.M. - 9, O 7 C E.M. 9, C 8 C E.F. 9, O 9 S S - 0, I 0 S E.M. - 0, I C E.M., O S E.M. -,59 34 C 3 S E.F. -, O 4 C S 0,79 6 O 5 C E.M. 3,3 3 5 I 6 C E.M. 3, O 7 S EF E.F. - 3, O 8 C E.M. 0 4, I 9 C E.M. 5 4, I 30 C E.M. 5, C 3 S S - 6, 3 5 O 3 C E.M. 6, I 33 C S 3 7, C 34 S S - 8, C 35 C E.M. 9,40 48 C 36 C S 3 3,30 4 I Fracsco Cyseros DE - UFPE 9

10 Tabela 3. Plalha em R Fracsco Cyseros DE - UFPE 0

11 Tpo de Varáves (revsão) Classfcação das varáves pela sua atureza: Qualtatva Quattatva Fracsco Cyseros DE - UFPE

12 Tpo de Varáves (revsão) Qualtatva (categórca) Os dados qualtatvos podem ser meddos em duas escalas: Escala Nomal Escala Ordal Fracsco Cyseros DE - UFPE

13 Escala Nomal Freqüetemete, relacoa a ausêca ou preseça de um atrbuto t (ão este ordeação etre as categoras) Eemplos :Seo (Masculo / Femo), Estado Cvl (Casado / Soltero) Algus casos requerem mas de duas categoras. Eemplos : Estado cvl :casado / soltero /dvorcado / vúvo / separado Regão de procedêca : Iteror / Captal / Outro Fracsco Cyseros DE - UFPE 3

14 Escala Ordal Este tpo é mas usado quado os dvíduos são detfcados como dferetes e também são colocados em uma ordem em relação aos outros. Eemplos são: Comportameto em relação ao fumo: ão fumate / e-fumate / fumate leve / fumate alterado. Grau de strução: eso fudametal/ eso médo / superor Fracsco Cyseros DE - UFPE 4

15 Tpo de Varáves (revsão) Quattatva Os dados quattatvos podem ser ada subdvddos em dos tpos: Dscretos Cotíuos Fracsco Cyseros DE - UFPE 5

16 Dados Dscretos Surgem quado as observações em questão podem assumr apeas algus valores umércos assocados ao cojuto dos úmeros teros ou eumerável. Eemplos: Número de flhos: 0,,,... Número de letos em um hosptal: 0,,,... Fracsco Cyseros DE - UFPE 6

17 Dados Cotíuos Surgem quado a observação em questão assume valores em tervalos da reta (mesuráves). Eemplo: Peso Altura Taa de batmeto cardíaco. Idade Fracsco Cyseros DE - UFPE 7

18 Estatístca Descrtva Como sumarzar dados - métodos gráfcos Dstrbução de freqüêca Dstrbução acumulada Fracsco Cyseros DE - UFPE 8

19 Dstrbução de Freqüêca Estado Cvl Tabela 4. Dstrbução b de Frequêca da varável Estado Cvl l Estado Frequêca Frequêca Percetagem Frequêca Absoluta Relatva (f) (00f) Acumulada Cvl () (00f) Casado 6 0,44 44,44 6 Soltero 0 0,56 55, total 36,00 00,00 - Fracsco Cyseros DE - UFPE 9

20 Gáf Gráfco de Barras Fgura - Gráfco de Barras para Frequêca do Estado Cívl 0 Frequ uêca Soltero Casado Estado Cívl > barplot(table(dados$est_civ), lab"estado Cívl", ylab"freqüêca", + ma"gráfco de Barras para Freqüêca do Estado Cívl",col"darkgree") >able(0,0) 0) Fracsco Cyseros DE - UFPE 0

21 Gráfco em Setores Escolardade d Fgura. Gráfco de Setores para Escolardade Eso Fudametal Eso Médo Superor > pe(table(dados$instruc), labelslevels(dados$instruc), ma"gráfco de Setores + para Escolardade", colc("darkgree","grey","blue") Fracsco Cyseros DE - UFPE

22 Dstrbução de Frequêca Escolardade Fgura 3. Gráfco de Barras para Frequêca da Escolardade 0 5 Freq ueca 0 5 Eso Fudametal Eso Médo Superor Escolardade > barplot(table(dados$instruc), ma"gráfco de Barras para Frequêca da + Escolardade", lab"escolardade", ylab"frequeca, col darkgree ) > able(0,0) Fracsco Cyseros DE - UFPE

23 Dstrbução de Frequêca para Varável Cotíua Dvdr os dados em classes; Ampltude guas; Cotar quatas observações em cada classe - frequêca absoluta; Dvdr pelo úmero total de observações - frequêca relatva; Fracsco Cyseros DE - UFPE 3

24 Como Determar o Tamaho das Classes Mámo 3,30 Mímo 4,0 Ampltude de varação ma m 3,30 4,0 0 Número de classes 5,6 ou 7 Escolhdo 5 classes Ampltude das classes 0/54 Fracsco Cyseros DE - UFPE 4

25 Como Defr a Classe Para ão haver superposção usar tervalos [a,b) obs. Últma classe Lmte SUP > Mámo Fracsco Cyseros DE - UFPE 5

26 Tabela de Frequêca Tabela 5. Dstrbução de frequêca para varável Saláro Frequêca Poto Frequêca Percetagem Frequêca Classes Absoluta médo Relatva (f) (00f) Acumulada () (s) (Fac) /36 7,78% /36 33,33% /36,% /36 3,89% /36 78%,78% 36 Total ,00 00,00% - Fracsco Cyseros DE - UFPE 6

27 Represetatvo da Classe Hpótese - dados gualmete dstrbuídos s- poto médo do tervalo. Fracsco Cyseros DE - UFPE 7

28 Fgura 4. Hstograma para varável saláro 0 Freq queca classes Fracsco Cyseros DE - UFPE 8

29 Agrupameto de Dados Perda da formação orgal E se classes tem tamaho dferete defr o hstograma pela desdade. Não apresetar classes com frequeca ula Fracsco Cyseros DE - UFPE 9

30 Perda de Iformação - Ramos e Folha > stem(dados$salario,scale) Fgura 5. Ramo e Folha para varável Reda The decmal pot s at the Fracsco Cyseros DE - UFPE

31 Fgura 6. DotPlot da varável saláro Fracsco Cyseros DE - UFPE 3

32 Hstograma da Percetagem Acumulatva Fgura 7. Hstograma da varável saláro Perceta agem ac cumulada a Classes 0 4 Fracsco Cyseros DE - UFPE 3

33 Classes de Tamaho Dferete - Desdade Tabela 6. Dstrbução de freqüêca de classes desguas Empregados Freqüêca Ampltude A Desdade N/A Proporção f Desdade F/A ,50 0,0 0, ,00 0,08 0, ,50 0,4 0, ,00 0,6 0, ,50 0,0 0, ,50 0, 0, ,00 0,08 0, ,50 0,08 0, ,38 0,06 0, ,9 0,06 0,0008 TOTAL ,00 - Fote: Lvro teto 50 empresas classfcado segudo o úmero de empregados Fracsco Cyseros DE - UFPE 33

34 Hstograma para classes dferetes Fgura 8. Hstograma de 50 empresas Desdade 0,60 6% 0,40 4% 0,0 0,00 0,080 0,060 0,040 0,00 0% 8% % 8% % 8% 6% 6% Fracsco Cyseros DE - UFPE Nº de empregados 34

35 Meddas Resumo : Posção e Dspersão Meddas de Posção: MÉDIA ARITMÉTICA - méda de todas as observações. MEDIANA - o valor de dea 50% dos potos abao e acma. MODA - valor mas freqüete. P-ÉSIMO PERCENTIL - o valor que dea p% abao. QUARTIS - os valores que deam 5% (Q), 50% (Q) e 75% (Q3) dos potos abao. Fracsco Cyseros DE - UFPE 35

36 Méda Artmétca Dados Não Agrupados Para dados ão agrupados o cálculo é feto por As observações têm gual peso. É uma medda de posção ótma se a fução perda for méda dos desvos ao quadrado. Fracsco Cyseros DE - UFPE 36

37 Méda Artmétca Dados Agrupados Agora em vez de observações (dsttas ou ão) temos para, para,..., k para k, sto é os dados estão agrupados. O cálculo é feto por k k k Fracsco Cyseros DE - UFPE 37

38 Méda Artmétca Dados Agrupados Como a freqüêca relatva para a observação é dada por, temos etão f k k k f é substtuído pelo poto médo ( s ) Fracsco Cyseros DE - UFPE 38

39 Saláro Médo Usado os dados desagregados temos que o saláro médo é dado por: 4, , L + 3, , 40 36, Fracsco Cyseros DE - UFPE 39

40 Saláro Médo A méda pode ser calculada o Ecel de duas formas: sum(dados!e3:e38)/cout(dados!e3:e38) soma(dados!e3:e38)/cot.úm(dados!e3:e38) ( ) Average(dados!E3:E38) méda(dados!e3:e38) d E38) Ou o R > c(4.00,...,3.30) > mea() Fracsco Cyseros DE - UFPE 40

41 Saláro Médo Dados Agrupados Usado os dados agrupados em classes de tamaho 4 (quatro) temos que o saláro médo é dado d por: 6 * * + 4 * * 5 + * 36 6* 0, * 0, * 0, + 8* 089, + * 0, 078, Fracsco Cyseros DE - UFPE 4

42 Medaa Ordee os dados em forma crescete; Se o úmero de observações for ímpar a [ ] medaa será: + ode represeta o maor tero cotdo. por eemplo 5 [ ] Se o úmero de observações for par a medaa será a méda artmétca dos potos [ ] + e [ ] Fracsco Cyseros DE - UFPE 4

43 Saláro Medao Para ordear os dados de forma crescete podemos usar o comado do Ecel, após marcar as células DATA SORT - ASCENDING DADOS CLASSIFICAR - CRESCENTE Como 36, temos que o saláro medao será a méda artmétca de 8 9, 80 e 0, 53 que dá 0,7. 9 Este cálculo pode ser feto dretamete usado o comado do Ecel MEDIAN(DADOS!E3:E38) MED(DADOS!E3:E38) Ou o R: > meda(dados$salario, a.rmtrue) Fracsco Cyseros DE - UFPE 43

44 Moda A Moda é o valor mas freqüete. No Ecel esta medda de posção é obtda usado o segute comado: MODE(DADOS!E3:E38) MODO(DADOS!E3:E38) Na tabela para os dados de saláros como ão há valor repetdo o Ecel retorará um erro #N/A #N/D Podemos ter stuações em que os dados têm mas de uma moda. O Ecel retorará uma das modas. Fracsco Cyseros DE - UFPE 44

45 Percetl Ordee os dados de forma crescete deotado do por Calcule o ídce 0, 5 p ode é o úmero de observações e,..., Fracsco Cyseros DE - UFPE 45

46 Percetl Defa o p-ésmo percetl por: q ( p) ( ) ( ) ( ) ( ) se p p 0,5 36,,L, q p + q p + se p < p < p + f f p se se p < p p > p Ode, f p p + p p Fracsco Cyseros DE - UFPE 46

47 Percetl dos Saláros Fracsco Cyseros DE - UFPE 47

48 Percetl usado o Ecel No Ecel esta medda de posção é obtda usado o segute comado: PERCENTILE(DADOS!E3:E38,k) PERCENTIL(DADOS!E3:E38,k) Ode k 0,;0,...;0,9 No R quatle(,k) Fracsco Cyseros DE - UFPE 48

49 Quarts Amostra ordeada 5% meores observações 50% - observações cetras 5% maores observações Q : prmero quartl Q M d Q Q 3 Q : segudo quartl (medaa) Q 3 : tercero quartl Fracsco Cyseros DE - UFPE 49

50 Decs Amostra ordeada 0% meores observações 50% - observações cetras 90% maores observações D D5M d Q D 9 D : prmero decl D 5 : 5º. decl (medaa) D 9 : 9º. decl Fracsco Cyseros DE - UFPE 50

51 Percetl usado o Ecel Percetl Valor-Ecel Valor empírco 0% 5,9950 5,7830 0% 7,3900 7,30 30% 8,900 8,0 40% 9,300 9,0 50% 0,650 0,650 60%,5900,630 70% 3,450 3, % 4,700 5, % 6,9350 7,950 00% 3,3000 3,300 Fracsco Cyseros DE - UFPE 5

52 Quartl Como o prmero quartl dea ¼ das observações abao, é também o 5-ésmo percetl. Aalogamete Q50-ésmo percetl medaa. Q3 75-ésmo percetl. Fracsco Cyseros DE - UFPE 5

53 Quarts para Saláros quatle(dados$salario, c(0,.5,.5,.75,) 0% 5% 50% 75% 00% summary(dados$salario) M. st Qu. Meda Mea 3rd Qu. Ma Fracsco Cyseros DE - UFPE 53

54 Estatístca Descrtva Meddas de Varabldade São meddas que dão déa da dspersão dos dados. Estão relacoadas a alguma medda de posção. Fracsco Cyseros DE - UFPE 54

55 Meddas de Varabldade Itervalo de Varação Mámo - Mímo. Itervalo terquartl IQR Q3 - Q Varâca - méda dos desvos em relação a méda ao quadrado. Desvo Padrão - raz quadrada da Varâca. Coefcete de Varação - medda de dspersão (desvo padrão) sem efeto de escala (em relação a méda artmétca) Desvo Absoluto Medao med dm j med ( ) j j Fracsco Cyseros DE - UFPE 55

56 Algumas Propredades do Somatóro I. ( + y ) + y. a a para qualquer costate a a. Fracsco Cyseros DE - UFPE 56

57 Algumas Propredades 3. ( ) 0 ( ) pela propredade pela propredade Fracsco Cyseros DE - UFPE

58 Algumas propredades 4. ( ) ( ) ) ( propredade pela ) ( propredade pela 58 Fracsco Cyseros DE - UFPE

59 Algumas propredadesp Cotuação + porque é costate + + Fracsco Cyseros DE - UFPE 59

60 Algumas propredades k k 5. ( ) f f k k ( ) ( ) f f k k + ( ) ( ) propredade pela ) ( f f f f f k k k propredade pela f f f k k k + é costate porque f f f k k k k k k + e porque f f f f k k k k + + f f k + 60 Fracsco Cyseros DE - UFPE

61 Itervalo de Varação (IV) Itervalo de Varação Mámo - Mímo. Dá uma déa da ampltude dos dados. d Quato maor o IV maor a varabldade. Comado o Ecel para Calcular o Itervalo de Varação: IVMAX(DADOS!E3:E38)-MIN(DADOS!E3:E38) ( ) IV MÁXIMO DADOS!E3:E38)-MÍNIMO(DADOS!E3:E38) Fracsco Cyseros DE - UFPE 6

62 Itervalo Iterquartl Itervalo Iterquartl IQR Q3 Q. IQR cotém 50% dos dados. Pouco afetado por valores etremos. Cálculo o Ecel IQRQUARTILE(E3:E38,3)- QUARTILE(E3:E38,) IQRQUARTIL(E3:E38,3)- QUARTIL(E3:E38,) IV MÁXIMO DADOS!E3:E38)-MÍNIMO(DADOS!E3:E38) No R, IQRquatle(,0.75)-quatle(,0.5) ( 0 Fracsco Cyseros DE - UFPE 6

63 Varâca o Varâca para Dados Não Agrupados ( ) Var ( X ) o Varâca para Dados Agrupados k ( ) k f f Var ( X ) f Fracsco Cyseros DE - UFPE 63

64 Cálculo da Varâca usado Ecel Varâca usado Var( X ) ( ) SUMXMY(K3:K38,L3:L38)/COUNT(K3:K38) Ode a colua F todas as etradas são guas a méda SOMAXMY(K3:K38,L3:L38)/COUNT(K3:K38) Varâca usado Var( X ) SUMSQ(K3:K38)/COUNT(K3:K38)-(AVERAGE(K3:K38)^) SOMAQUAD(K3:K38)/COUNT(K3:K38)-(MÉDIA(K3:K38)^) ( ) ( ( ) ) Usado a fução VARP VARXVARP(K3:K38) VARXVARP(K3:K38) Fracsco Cyseros DE - UFPE 64

65 Cálculo da Varâca usado Ecel ν Varâca usado ν ν ν Var( X ) ( ) SUMXMY(K3:K38,L3:L38)/COUNT(K3:K38) Ode a colua L todas as etradas são guas a méda SOMAXMY(K3:K38,L3:L38)/COUNT(K3:K38) ν Varâca usado Var( X ) ν ν ν SUMSQ(K3:K38)/COUNT(K3:K38)-(AVERAGE(K3:K38)^) SOMAQUAD(K3:K38)/COUNT(K3:K38)-(MÉDIA(K3:K38)^) Usado a fução VARP ν ν VARXVARP(K3:K38) VARXVARP(K3:K38) Fracsco Cyseros DE - UFPE 65

66 ν Desvo Padrão Desvo Padrão usado ν ν ν Var ( X ) ( ) (SUMXMY(K3:K38,L3:L38)/COUNT(K3:K38))^0.5 Ode a colua L todas as etradas são guas a méda (SOMAXMY(K3:K38,L3:L38)/COUNT(K3:k38))^0.5 Var( X ) ν Desvo Padrão usado ν ν (SUMSQ(E3:E38)/COUNT(E3:E38)-(AVERAGE(E3:E38)^))^0.5 ν (SOMAQUAD(E3:E38)/COUNT(E3:E38)-(MÉDIA(E3:E38)^))^0.5 (MÉDIA(E3:E38) Usado a fução ν ν DPXSTDEVP(K3:K38) DPXDESVPADP(K3:K38) Fracsco Cyseros DE - UFPE 66

67 Ecel Saláro Saláro Meda 4,00, 4,56, 5,5, 573 5,73, 6,6, 6,66, 6,86, 7,39, 7,44, 759 7,59, 8,, 8,46, 8,74, 8,95, 9,3, 9,35, 9,77, 9,80, 0,53, 0,76,,06,,59,,00,,79, 3,3, 3,60, 3,85, 4,69, No R sd(dados$salario) [] ,7, var(dados$salario) [] ,99, 6,, 6,6, 7,6, 8,75, 9,40, 3,30,, 0,9 0,460 0,460 0,460 Fracsco Cyseros DE - UFPE 67

68 Coefcete de Varação ( ) desvo padrão CV méda Permtecomparar a varabldade de dos cojutos meddosem escala dferete. Comadoo Ecel CV (STDEVP(K3:K38)/AVERAGE(K3:K38))*00 CV (DESVPADP(K3:K38)/MÉDIA(K3:K38))*00 Fracsco Cyseros DE - UFPE 68

69 Desvo Absoluto Medao No Desvo Padrão a medda de posção utlzada para se calcular os desvos é a méda artmétca que é sesível a potos etremos. Melhor trocar méda artmétca por medaa. Desvo Absoluto Medao dam med med ( ) j j Fracsco Cyseros DE - UFPE 69

70 Eemplo Grupo A: ; 3 ; 4 ; 5 ; 6 ; 7 (varável X) Grupo B: ; 3 ; 4 ; 5 ; 7 ; 9 (varável Y) Grupo C: 5 ; 5 ; 5 ; 5 ; 5 ; 5 (varável Z) Grupo D: 3 ; 5 ; 5 ; 7 (varável W) Grupo E: 3,5 ; 6,5 (varável V) Me(X)Me(Y)Me(Z)Me(W)Me(V)5,0 Var(X), Var(Y)8, Var(Z)0,Var(W),Var(W),5 Fracsco Cyseros DE - UFPE 70

71 Eemplo Grupo A: 00 ; 00 ; 00 ; 00 ; 00 ; 00 (varável X) Grupo B: 0 ; 0; 0; 0 ; 40 (varável Y) Me(X)Me(Y)00 Medaa(X)00, Medaa(Y)0 Fracsco Cyseros DE - UFPE 7

72 OUTRAS MEDIDAS E REPRESENTAÇÕES GRÁFICAS Outras meddas de forma smetra e curtose. Como caracterzar valores etremos. Bo-Plot. Fracsco Cyseros DE - UFPE 7

73 Eemplo Cosderado o Eemplo, Respoda a perguta se o Saláro depede do grau de strução Eso Fudametal : 4,00 4,56 5,5 6,6 6,66 6,86 7,39 8,46 8,95 9,80,00 3,85 Eso Médo : 5,73 7,59 7,44 8, 8,74 9,3 9,35 9,77 0,76,06,59 3,3 3,60 4,69 4,7 5,99 6,6 9,40 Superor : 0,53,79 6, 7,6 8,75 3,30 Fracsco Cyseros DE - UFPE 73

74 Tabela 7- Meddas de Posção Medda EF E.F. EM E.M Superor 8 6 Mímo 4,00 5,73 0,53 Q 6,0 8,83 3,65 Medaa 7, 0,9 6,74 Méda 7,84,53 6,47 Q3 9,6 4,4 8,38 Mámo 3,85 9,40 3,00 Fracsco Cyseros DE - UFPE 74

75 Tabela 8. Meddas de dspersão Medda E.F. E.M Superor Varâca 8,0 3,03 6,89 Desvo- Padrão,83 3,6 4, C.V. 36,09% 3,30% 4,95% IQR 3,5 5,58 4,73 Assmetra 075 0, ,5-0,9 09 Curtose 0, 0,3 0,5 Fracsco Cyseros DE - UFPE 75

76 Como Caracterzar Valores etremos Valores etremos são aqueles que estão muto afastados do cetro da dstrbução. Uma forma de caracterzá-los é através do Bo-Plot Fracsco Cyseros DE - UFPE 76

77 Bo-Plot Caa que cotém 50% da dstrbução. Parte superor é Q3 e o feror é Q. Medaa Q está detro da caa. Lmte Superor Q3+,5 IQR Lmte Iferor Q,5 IQR Poto Etremo se acma de L.S. ou abao de L.I. Fracsco Cyseros DE - UFPE 77

78 Dagrama de caa - Bo-plot Poto Eteror (Solto) LS Q 3 Q Q LI Méda * * * 3 IQR IQR IQR 3 Poto Eteror (Solto) Fracsco Cyseros DE - UFPE IQR Q Poto Etremo Superor - Q 3 Q Poto Etremo Iferor 78

79 Fgura 9. Bo-plot da varável saláro segudo ível de strução 5 0 SALARI O 5 0 Eso Fudametal Eso Médo Superor INSTRUC Fracsco Cyseros DE - UFPE 79

80 Meddas de Assmetra. Assmetra smétrca, a méda e a moda cocdem; assmétrca à esquerda ou egatva, a méda é meor que a moda; assmétrca à dreta ou postva, a méda é maor que a moda Ass ode m 3 3 s m 3 ( y y) e s ( dp ( y )) 80 Fracsco Cyseros DE - UFPE

81 Meddas de Assmetra Meddas de Curtose Md Mo moda medaa méda Mo < Md < < Md < Mo Fracsco Cyseros DE - UFPE 8

82 Meddas de Assmetra Meddas de Curtose Se Baseado-se essas relações etre a méda e a moda, podemos empregá-las para determar o tpo de assmetra. Assm calculado o valor da dfereça: Mo Mo 0 assmetra ula ou dstrbução smétrca; Mo < 0 assmetra egatva ou à esquerda; Mo > 0 assmetra postva ou à dreta Fracsco Cyseros DE - UFPE 8

83 Meddas de Assmetra Meddas de Curtose Dstrbução de A Dstrbução de B Dstrbução de C Pesos (kg) f [;6) 6 [6;0) [0;4) 4 Pesos (kg) f [;6) 6 [6;0) [0;4) 4 [4;8) [4;8) 30 [8;) 6 [8;) 6 Total 60 Total 78 Pesos (kg) f [;6) 6 [6;0) 30 [0;4) 4 [4;8) [8;) 6 Total 78 Fracsco Cyseros DE - UFPE 83

84 Temos: Para A Para B Kg,9 Kg Md Kg Md 3,5 Kg Mo Kg Mo 4,8 Kg s 4,4 Kg s 4,0 Kg Logo, Para C Md Mo s, Kg 0,5 Kg 9, Kg 4,0 Kg A. - 0 a dstrbuç ão é smétrca; B.,9-4,8 -,9 Kg a dstrbuç ão é assmétrca egatva; C., - 9 9, 9Kg.9 a dstrbuç ão é assmétrca postva. Fracsco Cyseros DE - UFPE 84

85 Coefcete de Assmetra O Coefcete de Assmetra de Pearso é dado por: As ( Md) 3 s Se 0,5 < As <, a assmetra é cosderada Se As >, a assmetra é cosderada forte. moderada; Fracsco Cyseros DE - UFPE 85

86 Coefcete de Assmetra Eemplo: Cosderado as dstrbuções de A, B e C dadas aterormete, temos: As A As B As C ( ) 3 4,4 0 ( 3,5) 3,9 4,0 ( 0,5) 3, 4,0 smetra 0,49 assmetra egatva 0,49 assmetra postva Fracsco Cyseros DE - UFPE 86

87 Coefcete de Assmetra Eercíco. Cosdere os segutes resultados relatvos a três dstrbuções de freqüêca: A 5 5 Dstrbução Mo B C Determe o tpo de assmetra de cada uma delas. Fracsco Cyseros DE - UFPE 87

88 Coefcete de Assmetra Eercíco. Uma dstrbução de freqüêca apreseta as segutes meddas: 48,; Md 47,9; s, Calcule l o coefcete de assmetra. Fracsco Cyseros DE - UFPE 88

89 Coefcete de Assmetra Eercíco 3. Em uma dstrbução de freqüêca foram ecotradas a segutes meddas: 33,8; Mo 7,50; Md 3,67; s,45 a. Classfque o tpo de assmetra; b. Calcule o coefcete de assmetra. Fracsco Cyseros DE - UFPE 89

90 Curtose O grau de achatameto de uma dstrbução em relação a uma dstrbução padrão, deomada curva da ormal (curva correspodete a uma dstrbução teórca de probabldade). Fracsco Cyseros DE - UFPE 90

91 Ecesso de curtose Na dstrbução Normal esta medda vale 3. Logo O ecesso de curtoses é defdo por: E. Cur m s ( y y) 4 ode m 4 e s ( Var( y)) 4 9 Fracsco Cyseros DE - UFPE

92 Curva Mesocúrtca (curva ormal) Curva Leptocúrtca Curva Platcúrtca Fracsco Cyseros DE - UFPE 9

93 Coefcete de Curtose Uma fórmula para a medda da curtose é: Q - Q C 3 ( P - P ) 90 P 0 Essa fórmula é cohecda como coefcete percetílco de curtose. Fracsco Cyseros DE - UFPE 93

94 Coefcete de Curtose Relatvamete à curva ormal, temos: C 0,63 C 0,63 curva mesocúrtca C < 0,63 curva leptocúrtca C > 0,63 curva platcúrtca Fracsco Cyseros DE - UFPE 94

95 Coefcete de Curtose Eemplo: Sabedo-se que uma dstrbução b ção apreseta as segutes meddas: Q P 0 4,4 cm; Q 3 0, cm; P 90 4, cm; 49,5 cm Temos: 4, 4,4 6,8 C 0,866 C 49,5 0, 58,6 ( ) 0,87 Cocluímos que a dstrbução é platcúrtca, em relação à ormal Fracsco Cyseros DE - UFPE 95

96 Coefcete de Curtose Eercícos. Cosdere as segutes meddas, relatvas a três dstrbuções de freqüêca: Dstrbução Q Q 3 P 0 P 90 A B 63,7 80,3 55,0 86,6 C 8,8 45,6 0,5 49,8 a. Calcule os respectvos graus de curtose. b. Classfque cada uma das dstrbuções em relação à curva ormal. Fracsco Cyseros DE - UFPE 96

97 Coefcete de Curtose Eercícos. Determe o grau de curtose e classfque a dstrbução em relação à curva ormal: Fracsco Cyseros DE - UFPE 97

98 Aálse Bdmesoal Aálse o comportameto cojuto de mas de uma varável Tato para varáves qualtatvas e quattatvas Verfcar se há relaçao etre as varáves estudadas Fracsco Cyseros DE - UFPE 98

99 Tabela 9. Comportameto t do cojuto das varáves graus de strução (X) e regão de procedêca (Y) X Eso Eso Superor Total Y Fudametal Médo Captal 4 5 Iteror 3 7 Outra Total Fracsco Cyseros DE - UFPE 99

100 Tabela 0. Dstrbução cojuta das proporções em relação ao total geral (%) Y X Eso Eso Fudametal Médo Superor Total Captal Iteror Outra Total Fracsco Cyseros DE - UFPE 00

101 Tabela. Dstrbução cojuta das proporções em relação aos totas de cada colua (%) Y X Eso Eso Fudametal Médo Superor Total Captal Iteror Outra Total Fracsco Cyseros DE - UFPE 0

102 Tabela. Dstrbução cojuta das proporções em relação aos totas de cada lha (%) Y X Eso Eso Fudametal Médo Superor Total Captal Iteror Outra Total Fracsco Cyseros DE - UFPE 0

103 A cração de uma determada cooperatva está assocada ada a algum fator regoal? Tabela 3. dstrbução de frequeca das cooperatvas segudo estado Coop Estado Cosumdor Produtor Escola Outros Total SP 4 (33%) 37 (37%) 78 (%) 9 (8%) 648 (00%) PR 5 (7%) 0 (34%) 6 (4%) (7%) 30 (00%) RS (8%) 304 (5%) 39 (3%) 48 (8%) 60 (00%) Total (4%) (4%) (%) (%) (00%) Fracsco Cyseros DE - UFPE 03

104 Tabela 4. Valores esperados a Tabela 3 assumdo depedêca etre as varáves Coop Estado SP Cosumdor Produtor Escola Outros Total e (4%) PR 5 (4%) RS Total e e e e 648 e (4%) e 3 (%) e 4 (%) (00%) e 5 e 6 e 7 e (4%) 7 (%) 8 (%) (00%) e 9 e 0 e e 60 (4%) (4%) (%) (%) (00%) (4%) (4%) (%) (%) (00%) Fracsco Cyseros DE - UFPE 04

105 Cálculo Esperado 4% cosumdores Esperado 4% produtores Esperado % escolas Esperado % outros Eemplo e 6480,456 ou /55 e 7 300,66 ou 30343/55 Fracsco Cyseros DE - UFPE 05

106 Desvo etre o observado e o esperado O j é o valor observado, E j é o valor esperado Casela Escola-SP: maor desvo -64 Espera-se 4 e temos observado 78 Casela Escola- PR 60, valor esperado 66 Cosdere o desvo Relatvo ( ) O j E j e j Escola-São Paulo (-64) /48,8484 Escola-Paraá (-60) /6654,54 Fracsco Cyseros DE - UFPE 06

107 Tabela 5. Desvo etre o observado e esperado Estado SP PR RGS Cosumdor Produtor Escola Outros (,56 (4,50) (8,84) (,55) (6,) (4,9) (54,54) (5,44) (7,56) (9,84) (0,37) (8,00) Fracsco Cyseros DE - UFPE 07

108 Desvo etre o observado e esperado χ k j ( o e ) o e j j e j Quato maor o valor de χ, maor será o grau de assocação. Coefcete de cotgêca C χ χ + Propredade: 0 C < o eemplo C0,3 08

Estatística. 2 - Estatística Descritiva

Estatística. 2 - Estatística Descritiva Estatístca - Estatístca Descrtva UNESP FEG DPD Prof. Edgard - 0 0- ESTATÍSTICA DESCRITIVA Possblta descrever as Varáves: DESCRIÇÃO GRÁFICA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO MEDIDAS DE ASSIMETRIA

Leia mais

ESTATÍSTICA APLICADA À ZOOTECNIA

ESTATÍSTICA 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 mais

x n = n ESTATÍSTICA STICA DESCRITIVA Conjunto de dados: Organização; Amostra ou Resumo; Apresentação. População

x 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 mais

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

Estatística 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 mais

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística

Média. Mediana. Ponto Médio. Moda. Itabira MEDIDAS DE CENTRO. Prof. Msc. Emerson José de Paiva 1 BAC011 - ESTATÍSTICA. BAC Estatística BAC 0 - Estatístca Uversdade Federal de Itajubá - Campus Itabra BAC0 - ESTATÍSTICA ESTATÍSTICA DESCRITIVA MEDIDAS DE CENTRO Méda Medda de cetro ecotrada pela somatóra de todos os valores de um cojuto,

Leia mais

Estatística - exestatmeddisper.doc 25/02/09

Estatística - exestatmeddisper.doc 25/02/09 Estatístca - exestatmeddsper.doc 5/0/09 Meddas de Dspersão Itrodução ão meddas estatístcas utlzadas para avalar o grau de varabldade, ou dspersão, dos valores em toro da méda. ervem para medr a represetatvdade

Leia mais

Organização; Resumo; Apresentação.

Organização; Resumo; Apresentação. Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Deseho Torto Deseho Torto Lascado

Leia mais

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f

Tabela 1 Números de acidentes /mês no Cruzamento X em CG/07. N de acidentes / mês fi f Lsta de exercícos Gabarto e chave de respostas Estatístca Prof.: Nelse 1) Calcule 1, e para o segute cojuto de valores. A,1,8,0,11,,7,8,6,,9, 1 O úmero que correspode a 5% do rol é o valor. O úmero que

Leia mais

Análise Exploratória de Dados

Análise Exploratória de Dados Aálse Eploratóra de Dados Objetvos Aálse bvarada: uma varável qualtatva e uma quattatva: represetar grafcamete as duas varáves combadas; defr e calcular uma medda de assocação etre as varáves. Eemplo 1

Leia mais

50 Logo, Número de erros de impressão

50 Logo, Número de erros de impressão Capítulo 3 Problema. (a) Sedo o úmero médo de erros por pága, tem-se: 5 + + 3 + 3 + 4 33,66 5 5 Represetado o úmero medao de erros por md, tem-se, pela ordeação dos valores observados, que os valores de

Leia mais

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados

CAPÍTULO 3 MEDIDAS DE TENDÊNCIA CENTRAL E VARIABILIDADE PPGEP Medidas de Tendência Central Média Aritmética para Dados Agrupados 3.1. Meddas de Tedêca Cetral CAPÍTULO 3 MEDIDA DE TENDÊNCIA CENTRAL E VARIABILIDADE UFRG 1 Há váras meddas de tedêca cetral. Etre elas ctamos a méda artmétca, a medaa, a méda harmôca, etc. Cada uma dessas

Leia mais

Revisão de Estatística X = X n

Revisão de Estatística X = X n Revsão de Estatístca MÉDIA É medda de tedêca cetral mas comumete usada ara descrever resumdamete uma dstrbução de freqüêca. MÉDIA ARIMÉTICA SIMPLES São utlzados os valores do cojuto com esos guas. + +...

Leia mais

Análise da Informação Económica e Empresarial

Análise 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 mais

MEDIDAS DE DISPERSÃO:

MEDIDAS DE DISPERSÃO: MEDID DE DIPERÃO: fução dessas meddas é avalar o quato estão dspersos os valores observados uma dstrbução de freqüêca ou de probabldades, ou seja, o grau de afastameto ou de cocetração etre os valores.

Leia mais

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL

Faculdade de Tecnologia de Catanduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL Faculdade de Tecologa de Cataduva CURSO SUPERIOR DE TECNOLOGIA EM AUTOMAÇÃO INDUSTRIAL 5. Meddas de Posção cetral ou Meddas de Tedêca Cetral Meddas de posção cetral preocupam-se com a caracterzação e a

Leia mais

Cap. 5. Testes de Hipóteses

Cap. 5. Testes de Hipóteses Cap. 5. Testes de Hpóteses Neste capítulo será estudado o segudo problema da ferêca estatístca: o teste de hpóteses. Um teste de hpóteses cosste em verfcar, a partr das observações de uma amostra, se uma

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. - val@pucrs.br http://www.pucrs.br/famat/val/ Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Estatístca: uma defção Coleç Coleção de ú úmeros estatí estatístcas O ú ú mero

Leia mais

Distribuições de Probabilidades

Distribuições de Probabilidades Estatístca - aulasestdstrnormal.doc 0/05/06 Dstrbuções de Probabldades Estudamos aterormete as dstrbuções de freqüêcas de amostras. Estudaremos, agora, as dstrbuções de probabldades de populações. A dstrbução

Leia mais

Total Bom Ruim Masculino

Total Bom Ruim Masculino UNIDADE I - ESTUDO DIRIGIDO Questão - Classfque as varáves em qualtatva (omal ou ordal ou quattatva (cotíua ou dscreta: a. População: aluos de uma Uversdade. Varável: cor dos cabelos (louro, castaho, ruvo,

Leia mais

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO RACIOCÍIO LÓGICO - Zé Carlos RACIOCÍIO LÓGICO / ESTATÍSTICA LISTA RESUMO TEÓRICO I. Cocetos Icas. O desvo médo (DM), é a méda artmétca dos desvos de cada dado da amostra em toro do valor médo, sto é x

Leia mais

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi

REGESD Prolic Matemática e Realidade- Profª Suzi Samá Pinto e Profº Alessandro da Silva Saadi REGESD Prolc Matemátca e Realdade- Profª Suz Samá Pto e Profº Alessadro da Slva Saad Meddas de Posção ou Tedêca Cetral As meddas de posção ou meddas de tedêca cetral dcam um valor que melhor represeta

Leia mais

Estatística: uma definição

Estatística: uma definição Coleção de úmeros estatístcas Estatístca: uma defção O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

Estatística: uma definição

Estatística: uma definição Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%.

Leia mais

Estatística: uma definição

Estatística: uma definição Estatístca: uma defção Coleção de úmeros estatístcas O úmero de aumetou em 30%. carros veddos o país A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval

Leia mais

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD

Distribuições Amostrais. Estatística. 8 - Distribuições Amostrais UNESP FEG DPD Dstrbuções Amostras Estatístca 8 - Dstrbuções Amostras 08- Dstrbuções Amostras Dstrbução Amostral de Objetvo: Estudar a dstrbução da população costtuída de todos os valores que se pode obter para, em fução

Leia mais

x Ex: A tabela abaixo refere-se às notas finais de três turmas de estudantes. Calcular a média de cada turma:

x 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 mais

Relatório 2ª Atividade Formativa UC ECS

Relatório 2ª Atividade Formativa UC ECS Relatóro 2ª Atvdade Formatva Eercíco I. Quado a dstrbução de dados é smétrca ou apromadamete smétrca, as meddas de localzação méda e medaa, cocdem ou são muto semelhates. O mesmo ão acotece quado a dstrbução

Leia mais

Conceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues

Conceitos Iniciais de Estatística Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Prof. Rogério Rodrigues Cocetos Icas de Estatístca Módulo 4 : GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA Pro. Rogéro Rodrgues CONCEITOS INICIAIS DE ESTATÍSTICA: GENERALIDADES SOBRE ESTATÍSTICA DESCRITIVA CURSO : ADMINISTRAÇÃO

Leia mais

? Isso é, d i= ( x i. . Percebeu que

? Isso é, d i= ( x i. . Percebeu que Estatístca - Desvo Padrão e Varâca Preparado pelo Prof. Atoo Sales,00 Supoha que tehamos acompahado as otas de quatro aluos, com méda 6,0. Aluo A: 4,0; 6,0; 8,0; méda 6,0 Aluo B:,0; 8,0; 8,0; méda 6,0

Leia mais

MEDIDAS DE POSIÇÃO: X = soma dos valores observados. Onde: i 72 X = 12

MEDIDAS 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 mais

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola

Centro de Ciências Agrárias e Ambientais da UFBA Departamento de Engenharia Agrícola Cetro de Cêcas Agráras e Ambetas da UFBA Departameto de Egehara Agrícola Dscpla: AGR Boestatístca Professor: Celso Luz Borges de Olvera Assuto: Estatístca TEMA: Somatóro RESUMO E NOTAS DA AULA Nº 0 Seja

Leia mais

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1 MÓDULO 8 REVISÃO REVISÃO MÓDULO A Estatístca é uma técca que egloba os métodos cetícos para a coleta, orgazação, apresetação, tratameto e aálse de dados. O objetvo da Estatístca é azer com que dados dspersos

Leia mais

9 Medidas Descritivas

9 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 mais

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø.

Professor Mauricio Lutz REGRESSÃO LINEAR SIMPLES. Vamos, então, calcular os valores dos parâmetros a e b com a ajuda das formulas: ö ; ø. Professor Maurco Lutz 1 EGESSÃO LINEA SIMPLES A correlação lear é uma correlação etre duas varáves, cujo gráfco aproma-se de uma lha. O gráfco cartesao que represeta essa lha é deomado dagrama de dspersão.

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 35-3691161 / 88776958 (cel) Estatístca Descrtva Pedro Paulo Balestrass www.pedro.ufe.edu.br 1 População e amostra:

Leia mais

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção

Grande Conjuntos de Dados. Organização; Resumo; Apresentação. Amostra ou População. Defeitos em uma linha de produção Prof. Lorí Val, Dr. val@pucr.br http://www.pucr.br/~val/ Grade Cojuto de Dado Orgazação; Reumo; Apreetação. Amotra ou População Defeto em uma lha de produção Lacado Deeho Torto Deeho Torto Lacado Torto

Leia mais

Introdução à Estatística

Introdução à Estatística Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Introdução à Estatística. Júlio Cesar de C. Balieiro 1 Itrodução à Estatístca Júlo Cesar de C. Balero Estatístca É a cêca que se preocupa com: () Orgazação; () Descrção; () Aálses; (v) Iterpretações. Estatístca Descrtva Estatístca Idutva ou Estatístca Ierecal

Leia mais

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos.

Nas próximas secções iremos abordar a análise estatística de uma amostra em que os dados numéricos estão agrupados em classes, ou seja, em intervalos. Estatístca Descrtva ESTATÍSTICA DESCRITIVA Amostras com dados agrupados em classes as prómas secções remos abordar a aálse estatístca de uma amostra em que os dados umércos estão agrupados em classes,

Leia mais

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP Cotrole do Proº Compesou as Faltas Não Compesou as Faltas TRABALHO DE COMPENSAÇÃO DE FALTAS - DP (De acordo coma s ormas da Isttução) CURSO: CIÊNCIAS CONTÁBEIS DISCIPLINA: INTRODUÇÃO À ESTATÍSTICA 2º ANO

Leia mais

Variável discreta: X = número de divórcios por indivíduo

Variável 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 mais

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes?

de uma variável em função da outra, por exemplo: Quantas vendas da Marca Philips na região Norte? Quantos homens são fumantes? Estatístca descrtva bdmesoal (Tabelas, Gráfcos e Estatístcas) Aálse bvarada (ou bdmesoal): avala o comportameto de uma varável em fução da outra, por exemplo: Quatas vedas da Marca Phlps a regão Norte?

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL I

MEDIDAS DE TENDÊNCIA CENTRAL I Núcleo das Cêcas Bológcas e da Saúde Cursos de Bomedca, Ed. Físca, Efermagem, Farmáca, Fsoterapa, Fooaudologa, edca Veterára, uscoterapa, Odotologa, Pscologa EDIDAS DE TENDÊNCIA CENTRAL I 7 7. EDIDAS DE

Leia mais

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade

Do que trata a Estatística. Estatística Básica (Anova, TH, Regressão) Séries Temporais Data Mining Six Sigma Redes Neurais Controle de Qualidade Do que trata a Estatístca A essêca da cêca é a observação. Estatístca: A cêca que se preocupa com a orgazação, descrção, aálse e terpretação dos dados epermetas. Ramo da Matemátca Aplcada. A palavra estatístca

Leia mais

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual Estatístca: Aplcação ao Sesorameto Remoto SER 04 - ANO 08 Estmação Potual Camlo Daleles Reó camlo@dp.pe.br http://www.dp.pe.br/~camlo/estatstca/ Iferêca Estatístca Cosdere o expermeto: retram-se 3 bolas

Leia mais

AULA 4. Segundo Quartil ( Q observações são menores que ele e 50% são maiores.

AULA 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 mais

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou. experimental. É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou Prof. Lorí Val, Dr. val@mat.ufrgs.r http://www.mat.ufrgs.r/~val/ expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

Estatística Área 4 BACEN Aula 01 Estatística Descritiva Prof. Alexandre Lima. Aula 01. Sumário

Estatística Área 4 BACEN Aula 01 Estatística Descritiva Prof. Alexandre Lima. Aula 01. Sumário Estatístca Área 4 BACEN Aula 0 Estatístca Descrtva Prof. Aleadre Lma Aula 0 Sumáro Itrodução à Estatístca... 3 Tpos de Varáves... 4 3 Rol... 5 4 Séres Estatístcas... 6 5 Téccas de Descrção Gráfca... 8

Leia mais

3.6. Análise descritiva com dados agrupados Dados agrupados com variáveis discretas

3.6. 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 mais

Análise Descritiva com Dados Agrupados

Análise 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 mais

Estatística Básica - Continuação

Estatística Básica - Continuação Professora Adraa Borsso http://www.cp.utfpr.edu.br/borsso adraaborsso@utfpr.edu.br COEME - Grupo de Matemátca Meddas de Varabldade ou Dspersão Estatístca Básca - Cotuação As meddas de tedêca cetral, descrtas

Leia mais

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq Qwertyuopasdghjklzcvbmqwerty uopasdghjklzcvbmqwertyuopasd ghjklzcvbmqwertyuopasdghjklz cvbmqwertyuopasdghjklzcvbmq wertyuopasdghjklzcv bmqwertyuopasdghjklzcvbmqw ertyuopasdghjklzcvbmqwertyuo pasdghjklzcvbmqwertyuopasdgh

Leia mais

Redução dos Dados. Júlio Osório. Medidas Características da Distribuição. Tendência Central (Localização) Variação (Dispersão) Forma

Redução 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 mais

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20

Ex: Cálculo da média dos pesos dos terneiros da fazenda Canoas-SC, à partir dos dados originais: x = 20 . MEDIDAS DE TENDÊNCIA CENTRAL (OU DE POSIÇÃO) Coceto: São aquelas que mostram o alor em toro do qual se agrupam as obserações.. MÉDIA ARITMÉTICA ( ) Sea (x, x,..., x ), uma amostra de dados: Se os dados

Leia mais

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano

ESTATÍSTICA Aula 7. Prof. Dr. Marco Antonio Leonel Caetano ESTATÍSTICA Aula 7 Prof. Dr. Marco Atoo Leoel Caetao Dstrbuções de Probabldade DISCRETAS CONTÍNUAS (Números teros) Bomal Posso Geométrca Hper-Geométrca Pascal (Números reas) Normal t-studet F-Sedecor Gama

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

TABELAS E GRÁFICOS PARA VARIÁVEIS ALEATÓRIAS QUANTITATIVAS CONTÍNUAS

TABELAS 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 mais

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1.

Interpolação. Exemplo de Interpolação Linear. Exemplo de Interpolação Polinomial de grau superior a 1. Iterpolação Iterpolação é um método que permte costrur um ovo cojuto de dados a partr de um cojuto dscreto de dados potuas cohecdos. Em egehara e cêcas, dspõese habtualmete de dados potuas, obtdos a partr

Leia mais

Capítulo 2 Estatística Descritiva Continuação. Prof. Fabrício Maciel Gomes

Capítulo 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 mais

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO. CONCEITO INICIAL. A Estatístca Descrtva ou Dedutva é o ramo da Estatístca que tem por objetvo descrever e aalsar fatos relacoados a determado

Leia mais

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade

1. Conceitos básicos de estatística descritiva 1.3. Noção de extracção aleatória e de probabilidade Sumáro (3ª aula). Cocetos báscos de estatístca descrtva.3. Noção de etracção aleatóra e de probabldade.4 Meddas de tedêca cetral.4. Méda artmétca smples.4. Méda artmétca poderada.4.3 Méda artmétca calculada

Leia mais

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA

REGRESSÃO LINEAR 05/10/2016 REPRESENTAÇAO MATRICIAL. Y i = X 1i + 2 X 2i k X ni + i Y = X + INTRODUÇÃO SIMPLES MÚLTIPLA REGRESSÃO LINEAR CUIABÁ, MT 6/ INTRODUÇÃO Relação dos valores da varável depedete (varável resposta) aos valores de regressoras ou exógeas). SIMPLES MÚLTIPLA (varáves depedetes,... =,,, K=,,, k em que:

Leia mais

Unidade II ESTATÍSTICA

Unidade II ESTATÍSTICA ESTATÍSTICA Udade II 3 MEDIDAS OU PARÂMETROS ESTATÍSTICOS 1 O estudo que fzemos aterormete dz respeto ao agrupameto de dados coletados e à represetação gráfca de algus deles. Cumpre agora estudarmos as

Leia mais

Ao se calcular a média, moda e mediana, temos: Quanto mais os dados variam, menos representativa é a média.

Ao 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 mais

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

Tópicos Extras 2ª parte. Análise de Correlação e Regressão Tópcos Extras ª parte Aálse de Correlação e Regressão 1 Defções báscas ANÁLISE DE CORRELAÇÃO Mesurar a força da assocação etre as varáves (geralmete através do cálculo de algum coefcete). ANÁLISE DE REGRESSÃO

Leia mais

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples.

Estudo das relações entre peso e altura de estudantes de estatística através da análise de regressão simples. Estudo das relações etre peso e altura de estudates de estatístca através da aálse de regressão smples. Waessa Luaa de Brto COSTA 1, Adraa de Souza COSTA 1. Tago Almeda de OLIVEIRA 1 1 Departameto de Estatístca,

Leia mais

Construção e Análise de Gráficos

Construção e Análise de Gráficos Costrução e Aálse de Gráfcos Por que fazer gráfcos? Facldade de vsualzação de cojutos de dados Faclta a terpretação de dados Exemplos: Egehara Físca Ecooma Bologa Estatístca Y(udade y) 5 15 1 5 Tabela

Leia mais

Prof. Janete Pereira Amador 1

Prof. Janete Pereira Amador 1 Prof. Jaete Perera Amador 1 1 Itrodução Mutas stuações cotdaas podem ser usadas como expermeto que dão resultados correspodetes a algum valor, e tas stuações podem ser descrtas por uma varável aleatóra.

Leia mais

Estatística Descritiva

Estatística Descritiva Estatístca Descrtva Capítulo "O estatístco, está casado em méda com 1,75 esposas, que procuram fazê-lo sar de casa,5 otes com 0,5 de sucesso apeas. Possu frote com 0,0 de clação (deotado poder metal),

Leia mais

UTFPR. Engenharia Elétrica Probabilidade e Estatística. Ementa da disciplina. Referências Bibliográficas. Introdução. Definição.

UTFPR. Engenharia Elétrica Probabilidade e Estatística. Ementa da disciplina. Referências Bibliográficas. Introdução. Definição. Emeta da dscpla UTFPR Egehara Elétrca Probabldade e Estatístca Cocetos e Defções; Dstrbução de Frequêcas; Meddas de Tedêca Cetral ou de Posção; Meddas de Dspersão ou de Varabldade; Meddas de Assmetra e

Leia mais

INTRODUÇÃO A ESTATÍSTICA

INTRODUÇÃO A ESTATÍSTICA Hewlett-Packard INTRODUÇÃO A ESTATÍSTICA Aulas 01 e 06 Elso Rodrgues, Gabrel Carvalho e Paulo Luz Sumáro Defções... 1 EXERCÍCIOS FUNDAMENTAIS... 1 Meddas de tedêca cetral... 1 Méda artmétca smples... 1

Leia mais

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA 003 Iformações: relembra-se os aluos teressados que a realzação de acções presecas só é possível medate solctação vossa, por escrto, à assstete da cadera. A realzação

Leia mais

Curso de Biomedicina

Curso de Biomedicina Curso de Bomedca Dscpla 5EMA080: Bostatístca E APLICAÇÕES O SOFTWARE R 1 0 BIMESTRE Profa. Dra. Aa Verga Lbos Messett LODRIA 016 CAPÍTULO 1 Aálse Exploratóra de Dados Aula 1 - Itrodução 1.1 Estatístcas

Leia mais

Avaliação da qualidade do ajuste

Avaliação da qualidade do ajuste Avalação da qualdade do ajuste 1 Alguma termologa: Modelo ulo: é o modelo mas smples que pode ser defdo, cotedo um úco parâmetro ( µ) comum a todos os dados; Modelo saturado: é o modelo mas complexo a

Leia mais

DISTRIBUIÇÃO HIPERGEOMÉTRICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA 7 DISTRIBUIÇÃO HIPERGEOMÉTRICA Cosdere-se uma população fta costtuída por N elemetos dstrbuídos por duas categoras eclusvas e eaustvas de dmesões M e N M, respectvamete. Os elemetos da prmera categora

Leia mais

CBA DE MARKETING Estatística Aplicada

CBA DE MARKETING Estatística Aplicada CBA DE MARKETING Estatístca Aplcada Motora: Aulas a 4 Motora: Ferada Garca Cordero e-mal: eradagcordero@gmal.com DISTRIBUIÇOES DE FREQUENCIA Para costrurmos uma tabela de dstrbução de reqüêcas devemos:.

Leia mais

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento.

Em muitas situações duas ou mais variáveis estão relacionadas e surge então a necessidade de determinar a natureza deste relacionamento. Prof. Lorí Val, Dr. val@pucrs.r http://www.pucrs.r/famat/val/ Em mutas stuações duas ou mas varáves estão relacoadas e surge etão a ecessdade de determar a atureza deste relacoameto. A aálse de regressão

Leia mais

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc.

Estatística Notas de Aulas ESTATÍSTICA. Notas de Aulas. Professor Inácio Andruski Guimarães, DSc. Professor Inácio Andruski Guimarães, DSc. Estatístca Notas de Aulas ESTATÍSTICA Notas de Aulas Professor Iáco Adrus Gumarães, DSc. Professor Iáco Adrus Gumarães, DSc. Estatístca Notas de Aulas SUMÁRIO CONCEITOS BÁSICOS 5. Estatístca. Estatístca

Leia mais

Medidas Numéricas Descritivas:

Medidas Numéricas Descritivas: Meddas Numércas Descrtvas: Meddas de dspersão Meddas de Varação Varação Ampltude Ampltude Iterquartl Varâca Desvo absoluto Coefcete de Varação Desvo Padrão Ampltude Medda de varação mas smples Dfereça

Leia mais

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

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 mais

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS

ANÁLISE DE ERROS. Todas as medidas das grandezas físicas deverão estar sempre acompanhadas da sua dimensão (unidades)! ERROS ANÁLISE DE ERROS A oservação de um feómeo físco ão é completa se ão pudermos quatfcá-lo. Para é sso é ecessáro medr uma propredade físca. O processo de medda cosste em atrur um úmero a uma propredade físca;

Leia mais

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental.

É o grau de associação entre duas ou mais variáveis. Pode ser: correlacional ou experimental. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação etre duas ou mas varáves. Pode ser: correlacoal ou expermetal. Numa relação expermetal os valores de uma das varáves

Leia mais

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores.

( ) ( IV ) n ( ) Escolha a alternativa correta: A. III, II, I, IV. B. II, III, I, IV. C. IV, III, I, II. D. IV, II, I, III. E. Nenhuma das anteriores. Prova de Estatístca Epermetal Istruções geras. Esta prova é composta de 0 questões de múltpla escolha a respeto dos cocetos báscos de estatístca epermetal, baseada os lvros BANZATTO, A.D. e KRONKA, S.N.

Leia mais

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens

Dados Experimentais. Isto é chamado de experimento controlado. Uma das vantagens Dados xpermetas Para medr a produção de certa varedade de mlho, faremos um expermeto o qual a varedade de mlho semete é platada em váras parcelas homogêeas com o mesmo fertlzate, pestcda etc. Depos mede-se

Leia mais

5 Critérios para Análise dos Resultados

5 Critérios para Análise dos Resultados 5 Crtéros para Aálse dos Resultados Este capítulo tem por objetvos forecer os crtéros utlzados para aálse dos dados ecotrados a pesqusa, bem como uma vsão geral dos custos ecotrados e a forma de sua evolução

Leia mais

Probabilidade e Estatística I Antonio Roque Aula 4. Resumos Numéricos de Distribuições

Probabilidade 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 mais

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística.

1. Conceito de variável aleatória Podemos estudar, por exemplo, algumas características dos alunos do Curso de estatística. CAPÍTULO 7 VARIÁVEL ALEATÓRIA A probabldade teve íco com os jogos de azar (século XVII) com Cavalero de Nere, Fermat e Pascal, porém, coube a Beroull (73) laçar as bases da probabldade e a segur Laplace

Leia mais

CAPÍTULO 2 - Estatística Descritiva

CAPÍTULO 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 mais

3 - ANÁLISE BIDIMENSIONAL

3 - ANÁLISE BIDIMENSIONAL INE 7001 - Aálse Bdmesoal 1 3 - ANÁLISE BIDIMENSIONAL É comum haver teresse em saber se duas varáves quasquer estão relacoadas, e o quato estão relacoadas, seja a vda prátca, seja em trabalhos de pesqusa,

Leia mais

Critérios de correção e orientações de resposta exame

Critérios de correção e orientações de resposta exame Mstéro da Cêca, Tecologa e Eso Superor U.C. 1037 Elemetos de Probabldade e Estatístca 1 de Juho de 011 Crtéros de correção e oretações de resposta eame Neste relatóro apresetam-se os crtéros e um eemplo

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE 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 mais

Regressão. Pedro Paulo Balestrassi

Regressão. Pedro Paulo Balestrassi Regressão Pedro Paulo Balestrass www.pedro.ufe.edu.br ppbalestrass@gmal.com 5-696 / 88776958 (cel) Questoametos comus: Como mplemetar a equação Y=f(X) a partr de dados hstórcos ou epermetas? Como fazer

Leia mais

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística

Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Viali, Dr. PUCRS FAMAT: Departamento de Estatística Prof. Lorí Val, Dr. http://www.pucrs.br/famat/val/ val@pucrs.br Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Prof. Lorí Val, Dr. PUCRS FAMAT: Departameto de Estatístca Obetvos A Aálse de

Leia mais

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO A expressão dados, será ctada dversas vezes esta dscpla, em lguagem ormal, dados são ormações (úmeros ou ão) sobre um dvíduo (pessoa,

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Uma uversdade oferece um curso para capactação profssoal de joves caretes. Ao fal do curso, cada jovem partcpate será avalado por meo de uma prova teórca e de uma prova prátca,

Leia mais

Resumos Numéricos de Distribuições

Resumos 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 mais

Matemática C Semiextensivo V. 2

Matemática C Semiextensivo V. 2 Matemátca C Semetesvo V. Eercícos 0) Através da observação dreta do gráfco, podemos coclur que: a) País. b) País. c) 00 habtates. d) 00 habtates. e) 00 0 0 habtates. 0) C Através do gráfco, podemos costrur

Leia mais

Estudo do intervalo de confiança da regressão inversa utilizando o software R

Estudo do intervalo de confiança da regressão inversa utilizando o software R Estudo do tervalo de cofaça da regressão versa utlzado o software R Llae Lopes Cordero João Domgos Scalo. Itrodução Na maora das aplcações evolvedo regressão, determa-se o valor de Y correspodete a um

Leia mais

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC

Probabilidades e Estatística LEAN, LEGI, LEGM, LMAC, MEAer, MEAmbi, MEC Duração: 90 mutos Grupo I Probabldades e Estatístca LEAN, LEGI, LEGM, LMAC, MEAer, MEAmb, MEC Justfque coveetemete todas as respostas 1 o semestre 2018/2019 10/01/2019 11:00 2 o teste B 10 valores 1. Cosdere-se

Leia mais