CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA

Tamanho: px
Começar a partir da página:

Download "CONCEITOS BÁSICOS. Podemos assim caracterizar três áreas de interesse (ramos) da Estatística: Estatística Inferencial ESTATÍSTICA"

Transcrição

1 1 Estatístca CONCEITOS BÁSICOS 6 É uma metodologa ou conjunto de técncas que utlza a coleta de dados, sua classfcação, sua apresentação ou representação, sua análse e sua nterpretação vsando a sua utlzação dentro de um processo decsóro. Estatístcas É um conjunto ou coleção de dados numércos que fornecem nformações acerca de um fenômeno observado: estatístcas econômcas (que fornecem dados sobre preços, vendas, produção, etc.), estatístcas demográfcas (que fornecem dados sobre nascmentos, mortes, etc.). 3 Estatístca Descrtva É a parte da Estatístca que procura descrever e analsar um certo grupo de observações, normalmente denomnado de amostra, procurando expressar estas observações através de meddas e formas de representação (tabelas, gráfcos, curvas, etc.). É também denomnada Estatístca Dedutva. 4 Estatístca Inferencal É a parte da Estatístca que compreende um processo de generalzação, a partr da análse e nterpretação de dados amostras. É também denomnada Estatístca Indutva. 5 Teora da Probabldade Como todo processo de generalzação envolve uma margem de rsco ou ncerteza, temos então a parte da Estatístca que se ocupa em estudá-la utlzando métodos e técncas apropradas, o que consttu os fundamentos da Teora da probabldade. 6 Ramos da Estatístca Podemos assm caracterzar três áreas de nteresse (ramos) da Estatístca: Estatístca Descrtva Estatístca Inferencal Probabldade ESTATÍSTICA 7 - População ou Unverso Estatístco É o maor conjunto tomado como referênca na observação de um fenômeno. Pode ser fnta ou nfnta. Por exemplo, a produção dára de uma fábrca de determnados componentes (população fnta) ou o conjunto de todos os resultados (cara ou coroa) em segudos lançamentos de uma moeda não vcada (população nfnta).

2 8 Amostra 7 É qualquer subconjunto não vazo de uma população, excetuando-se a própra população. É, portanto, uma parte da população. Podemos representá-la conforme a fgura a segur: Amostra A Amostra B Amostra C População 9 Amostragem Aleatóra É um plano ou técnca de amostragem, onde cada elemento de uma população tem a mesma probabldade de ser ncluído na amostra. Uma técnca de obtenção de uma amostragem aleatóra é o sorteo dos elementos. A fm de garantr uma proteção maor contra a tendênca ou víco, utlza-se atualmente tabelas de números aleatóros, que são geradas a partr de algortmos em computadores. 10 Expermento Aleatóro É uma experênca ou observação estatístca de um fenômeno qualquer em estudo. Esta experênca pode ser, por exemplo: - lançar um dado e observar o número obtdo; - trar uma carta de um baralho e observar o resultado; - retrar uma bola de uma sacola e observar sua cor; - anotar o número de chamadas telefôncas em uma central telefônca, em um determnado horáro; - regstrar o número de acdentes de trânsto em uma determnada rodova, em um determnado período de tempo. Uma característca mportante de um expermento aleatóro é a sua possbldade de repetção contínua, observando-se as mesmas condções de expermentação. A outra característca mportante é aleatoredade do expermento, não podendo exstr vícos ou tendêncas na obtenção de resultados. 11 Dados Contínuos Neste tpo de dados exstem varáves que podem assumr qualquer valor num ntervalo de valores, nclusve valores quebrados. Normalmente, assocamos a estes dados a característca de meddas. Exemplo: altura, peso, comprmento, temperatura, etc. Desta manera, podemos dzer que as varáves contínuas podem assumr qualquer valor num ntervalo contínuo. INTERVALO CONTÍNUO 0 x 1 A varável contínua x pode assumr qualquer valor no ntervalo consderado.

3 1 Dados Dscretos 8 Neste tpo de dados exstem varáves que só podem assumr valores nteros num ntervalo de valores. Normalmente, assocamos a estes dados a característca de contagem. Exemplos: número de lvros em uma bbloteca, número de alunos numa sala de aula, etc. 13 Dados Nomnas (ou Categórcos) Estes dados ocorrem quando são defndas categoras tas como sexo (masculno ou femnno), cor dos olhos (pretos, azus, etc.), campo de estudo (Engenhara, Dreto, Economa, etc.). É comum assocar-se a estes dados varáves não-quanttatvas e sm (qualtatvas) que são denomnadas varáves nomnas. Antes de serem processadas estatstcamente devem ser atrbuídos valores numércos a tas varáves. 14 Dados por Postos São os dados que, de um modo geral, são sujetos a avalações subjetvas quanto à preferênca ou desempenho em um conjunto de observações. Exemplos: competções de beleza, concursos de modas, concursos de canto, etc. As varáves utlzadas podem receber valores, normalmente, nteros como, 1º, º, 3º, etc... ou então os atrbutos o mas, o menos, o melhor, o por, etc. 15 Método Estatístco É uma técnca utlzada, normalmente, na área da Estatístca Descrtva que vsa estruturar e organzar as fases ou etapas que devem ser estabelecdas na abordagem de uma observação estatístca. Suas fases ou etapas prncpas são: - defnção do problema; - planejamento; - coleta de dados; - apuração dos dados; - apresentação dos dados; - análse e nterpretação dos dados. 16 Séres Estatístcas Podemos dzer que uma sére estatístca é um conjunto de dados estatístcos referencados aos seguntes fatores: tempo, local e fenômeno. As séres estatístcas mas comuns são: - A SÉRIE TEMPORAL, CRONOLÓGICA, HISTÓRICA OU EVOLUTIVA -- VARIA O TEMPO - A SÉRIE GEOGRÁFICA, TERRITORIAL OU ESPACIAL -- VARIA O LOCAL - A SÉRIE ESPECÍFICA OU ESPECIFICATIVA -- VARIA O FENÔMENO Observação: Exstem anda outros tpos de séres estatístcas, tas como: a) séres mstas onde varam mas de um dos fatores ctados (tempo, local e fenômeno); b) dstrbuções de freqüênca que é uma representação tabular de grande utlzação na Estatístca, a qual será estudada detalhadamente mas adante; c) seqüêncas de dados numércos ou quadros com valores numércos os quas serão abordados em exercíco no decorrer do curso.

4 Assnale a alternatva correta. 1. População ou unverso é: TESTES E EXERCÍCIOS 9 a) conjunto de pessoas; b) conjunto de ndvíduos apresentando uma característca especal; c) conjunto de todos os ndvíduos apresentando uma característca comum objeto de estudo.. A sére Estatístca é chamada cronológca quando: a) o elemento varável é o tempo; b) o elemento varável é o local; c) o elemento varável é o fenômeno d) não tem elemento varável. 3. Estabelecer quas dos dados seguntes são dscretos e quas são contínuos: a) número de ações venddas daramente na Bolsa de Valores; (Dscreto) b) temperaturas regstradas em um posto de meteorologa; (Contínuos) c) vda méda das válvulas de televsão produzdas por uma determnada companha; (Contínuos) d) saláros anuas de professores do colégo; (Contínuos) e) comprmentos de 1000 parafusos produzdos pro uma fábrca. (Contínuos) 4. Dê o domíno de cada uma das seguntes varáves e dga se são contínuas ou dscretas: a) quantdade G de ltros de água numa máquna de lavar roupa; R: Domíno: 0 a G Contínua b) número B de lvros em uma estante de bbloteca; R: Domíno: 0 a B Dscreta c) Soma S de pontos obtdos ao lançar um par de dados. R: Domíno: a 1 Dscreta. 5. Consderando-se a tabela a segur ndcada, pode-se conclur que seus dados refletem uma sére: 197 PRODUTOS QUANTIDADES (ton.) CAFÉ AÇÚCAR MILHO FEIJÃO Fonte: Dados Fctícos. a) temporal; Vara o Tempo b) geográfca; Vara o Local c) especfcatva ou específca; Vara o Fenômeno d) evolutva. Vara o Tempo

5 (AFC 1994) A tabela abaxo apresenta a dstrbução de um grupo de 00 estudantes segundo o curso que fazem (Estatístca ou Economa) e o sexo (homem ou mulher). HOMEM MULHER ESTATÍSTICA 40 0 ECONOMIA A únca afrmação errada é: a) 60% dos estudantes são homens. b) 75% das mulheres fazem o curso de Economa. c) Dos em cada três estudantes de Estatístca são homens. d) Um em cada três homens faz o curso de Estatístca. e) 40% dos homens estudam Economa. 1. (TCDF 1995) Assnale a opção correta. a) Em Estatístca, entende-se por população um conjunto de pessoas. b) A varável é dscreta quando pode assumr qualquer valor dentro de determnado ntervalo. c) Freqüênca relatva de uma varável aleatóra é o número de repetções dessa varável. d) A sére estatístca é cronológca quando o elemento varável é o tempo. e) Ampltude Total ou Range é a dferença entre dos valores quasquer do atrbuto. DISTRIBUIÇÃO DE FREQÜÊNCIAS A representação tabular é uma das modaldades mas utlzadas para a apresentação dos dados estatístcos coletados na amostragem. Para sto, nós, freqüentemente, lstamos os valores encontrados na amostra. Uma classfcação metodológca usual é verfcar a natureza dos dados estatístcos. Vejamos, o tratamento tabular dado aos dados dscretos e contínuos. 1 Representação de Dados Dscretos Exemplo: Seja a segunte amostra: 3, 4, 4, 5, 7, 6, 6, 7, 7,4, 5, 5, 6, 6, 7, 5, 8, 5, 6, 6 onde encontramos valores dscretos. 1.1 Freqüênca smples absoluta (f ) É o número de observações correspondente a um determnado valor. Por exemplo: a freqüênca do valor 3 é 1, do valor 4 é 3, conforme podemos ver no quadro abaxo. VALOR FREQÜÊNCIA TOTAL 0

6 1. Ampltude amostral (A) 11 É a dferença entre o maor e o menor valor da amostra. A = 8 3 A = Tpos de Freqüêncas Smples relatva Absolutas Relatvas OBS.: pode-se empregar nos cálculos tanto a absoluta como a Acumuladas Abaxo de (crescente) Acma de (Decrescente) Absolutas Relatvas Absolutas Relatvas Utlzando o exemplo ctado anterormente, podemos fazer o segunte quadro: VALOR x FREQÜÊNCIA SIMPLES ABSOLUTA f FREQÜÊNCIA SIMPLES RELATIVA f r FREQÜÊNCI A ACUMULADA CRESCENTE (ABSOLUTAS ) FREQÜÊNCIA ACUMULADA DECRESCENT E (ABSOLUTAS) 3 1 1/0 = 0,05 ou 5% /0 = 0,15 ou 15% /0 = 0,5 ou 5% /0 = 0,30 ou 30% /0 = 0,0 ou 0% /0 = 0,05 ou 5% 0 1 TOTAL 0 0/0 = 1 ou 100% - Representação de Dados Contínuos Na representação de dados contínuos utlza-se a forma de ntervalos (dstrbução ntervalar) em vrtude desses dados serem obtdos, normalmente, através de meddas.isto melhora a dstrbução dos erros cometdos (erro do observador, do método utlzado, do equpamento de medda, etc). Usa-se também a representação ntervalar para dados dscretos, levando-se em conta, prncpalmente, o tratamento de grandes amostras (número de elementos 30). Desta manera poderemos encontrar os seguntes elementos nesta representação:.1. Classe É cada um dos grupos ou ntervalos obtdos a partr do agrupamento ou conjunto de dados (normalmente de um rol). Para a determnação do número de classes exstem dversos métodos, dentre os quas destacam-se: A Regra de Sturges Onde: K = 1 + 3,3 log 10 N

7 K = número de classes N = número total de observações 1 Por exemplo, se o número de observações for 500: N = 500 K = 1 + 3,3 log K = 9,906 ou K = 10 aproxmadamente A Regra do Quadrado K = N Utlzando-se o quadrado perfeto mas próxmo. Por exemplo, se N = 50: K = 50 = 7 aproxmadamente K = 7 A prátca recomenda para K a dstrbução ntervalar de 5 K 16. Representação moderna Utlza a smbologa de ntervalos abertos ou fechados. ou ou Assm, teríamos: 10 0, nclu o 10 e exclu o , nclu o 0 e exclu o 30 E assm por dante. Ampltude do Intervalo de Classe (C) É a dferença entre os lmtes superores e nferores. Exemplo: Classes Freqüêncas h = Lm superor - Lm nferor ou C = Lm superor - Lm nferor h = Ponto Médo da Classe (Pm) É a méda artmétca smples dos lmtes (superor e nferor) de cada classe.

8 13 CLASSES FREQÜÊNCIAS PONTOS MÉDIOS Passos ou rotero a ser segudo na construção de uma tabela de freqüênca que utlza dados agrupados em classes 1º PASSO Pegar os dados brutos (amostra) e defnr o rol. º PASSO Calcular a ampltude amostral. A = MAIOR VALOR MENOR VALOR 3º PASSO Calcular o número de classes K (Regra de Sturges ou Regra do Quadrado, etc.). 4º PASSO Determnar C (ampltude do ntervalo de classe): C = K A A 5º PASSO Escolher os lmtes de classe, preferndo, sempre que possível, números nteros. 6º PASSO Construr a tabela de freqüêncas. TESTES E EXERCÍCIOS 1. Dada amostra: 3, 4, 4, 5, 7, 6, 6, 7, 7, 4, 5, 5, 6, 6, 7, 5, 8, 5, 6, 6, pede-se: a) construr a dstrbução de freqüênca; b) determnar as freqüêncas relatvas; c) determnar as freqüêncas acumuladas; d) qual é a ampltude amostral?; e) qual é a porcentagem de elementos maores que 5?. Dadas as notas de 50 alunos, determne os peddos. Notas: Pede-se: Construa uma tabela que possua freqüêncas : absoluta, relatva % e acumulada crescente, e anda uma coluna com os pontos médos das classes. 3. A tabela abaxo representa os saláros pagos a 100 operáros de uma empresa.

9 Nº DE SALÁRIOS Nº DE OPERÁRIOS MÍNIMOS TOTAL Pede-se: a) nº de operáros que ganham até três saláros mínmos; b) nº de operáros que ganham até ses saláros mínmos; c) porcentagem de operáros com saláro entre 6 e 8 saláros mínmos; d) porcentagem de operáros com saláro gual ou nferor a 4 saláros mínmos. Respostas: a) 55 b) 80 c) 15% d) 70% 5. Freqüênca absoluta é: a) o número de repetções de uma varável; b) a soma das freqüêncas smples; c) o número de valores que se repetem dvddo pelo total de valores; d) n.r.a. Resposta: Alternatva A 6. Freqüênca total é: a) o número de repetções de uma varável; b) a soma das freqüêncas smples absolutas; c) a soma das freqüêncas relatvas menos as freqüêncas absolutas; d) n.r.a. Resposta: Alternatva B 7. Consdere a segunte dstrbução de freqüêncas, que corresponde aos dferentes preços de um determnado produto em uma pesqusa realzada em vnte lojas: PREÇOS (R$) Nº DE LOJAS 50,00 51,00 5 5, , ,00 1 TOTAL 0 Pede-se: a) quantas lojas apresentaram um preço de R$ 5,00; b) construr uma coluna de freqüêncas smples relatvas; c) construr uma coluna de freqüêncas absolutas acumuladas; d) qual a porcentagem de lojas que apresentou um preço de até R$ 53,00; e) que porcentagem de lojas apresentou um preço maor do que R$ 51,00 e menor do que R$ 54,00. Respostas: a) 6 d) 95% e) 60%

10 14. Assnale, entre as alternatvas, aquela que contver uma afrmação verdadera. 15 a) A ampltude do ntervalo de classe é calculada pela soma entre os lmtes reas nferor e superor de uma classe. b) Obtém-se o ponto médo de uma classe pela méda artmétca dos lmtes nferor e superor. c) Um ntervalo de classe aberto em seus dos lmtes nclu ambos os números extremos. d) Intervalos de classe fechados têm seus lmtes superor e nferor reas excluídos dos números que os compõem. Resposta: Alternatva B 17. (Fscal de Trbutos de Mnas Geras / 96) Ouvndo-se 300 pessoas sobre o tema Reforma da Prevdênca, contra ou a favor?, foram obtdas 13 respostas a favor, 7 contra, 51 pessoas não quseram opnar, e o restante não tnha opnão formada sobre o assunto. Dstrbundo-se esses dados numa tabela, obtém-se: OPINIÃO FREQÜÊNCIA FREQÜÊNCIA RELATIVA FAVORÁVEL 13 X CONTRA 7 Y OMISSOS 51 0,17 SEM 54 0,18 OPINIÃO TOTAL 300 1,00 Na coluna freqüênca relatva, os valores de x e y são, respectvamente: a) 0,41 e 0,4 b) 0,38 e 0,7 c) 0,37 e 0,8 d) 0,35 e 0,30 e) 0,30 e 0,35 Resposta: Alternatva A (Fscal de Trbutos de Mnas Geras / 96) Responda às questões 18 e 19 com base na segunte stuação: a dstrbução a segur ndca o número de acdentes ocorrdos com 40 motorstas de uma empresa de ônbus. NÚMERO DE ACIDENTES NÚMERO DE MOTORISTAS O número de motorstas que sofreram pelo menos 4 acdentes é: a) 3 b) 6 c) 10 d) 7 e) 30 Resposta: Alternatva B 19. A porcentagem de motorstas que sofreram no máxmo acdentes é: a) 5% b) 3,5% c) 4,5% d) 57,5% e) 75% Resposta: Alternatva E

11 Exercíco sobre Interpolação 16 INTERPOLAÇÃO 14. (AFRF-00) Em um ensao para o estudo da dstrbução de um atrbuto fnancero (X),foram examnados 00 tens de natureza contábl do balanço de uma empresa. Esse exercíco produzu a tabela de freqüêncas abaxo. A coluna Classes representa ntervalos de valores de X em reas e a coluna P representa a freqüênca relatva acumulada. Não exstem observações concdentes com os extremos das classes. Assnale a opção que corresponde à estmatva da freqüênca relatva de observações de X menores ou guas a 145. a) 6,5% b) 70,0% c) 50,0% d) 45,0% e) 53,4% 3. (AFRF-00.) O atrbuto do tpo contínuo X, observado como um ntero, numa amostra de tamanho 100, obtda de uma população de 1000 ndvíduos, produzu a tabela de freqüêncas segunte: Assnale a opção que corresponde à estmatva do número de ndvíduos na população com valores do atrbuto X menores ou guas a 95,5 e maores do que 50,5. a) 700 b) 638 c) 86 d) 995 e) 900

12 1. (AFRF-000) Freqüêncas Acumuladas de Saláros Anuas, em Mlhares de Reas, da Ca. Alfa 17 Suponha que a tabela de freqüêncas acumuladas tenha sdo construída a partr de uma amostra de 10% dos empregados da Ca. Alfa. Deseja-se estmar, utlzando nterpolação lnear da ogva, a freqüênca populaconal de saláros anuas guas ou nferores a R$ 7.000,00 na Ca. Alfa. Assnale a opção que corresponde a este número. a) 150 b) 10 c) 130 d) 160 e) Gráfcos de Hastes ou Bastões REPRESENTAÇÃO GRÁFICA É muto utlzado na representação gráfca de dados não agrupados em classes, o que ocorre normalmente com dados dscretos. Dzemos que neste caso não há perda de nformação, pos os valores da varável aparecem ndvdualmente, como constam da amostra. TABELA X F Hstograma É muto utlzado na representação gráfca de dados agrupados em classes, o que ocorre normalmente com dados contínuos. Dzemos que neste caso há perda de nformação. O seu uso é recomendado quando: - os valores da varável são nteros e não-nteros, ou somente não-nteros; - a quantdade de valores da varável é grande, no caso de valores nteros (dscretos); - não for mportante a perda de nformação ocasonada pelos dados apresentados.

13 18 OBS.: O hstograma pode ser construído tanto com freqüênca absoluta como relatva É destnado a representação de freqüêncas, não se aplcando a séres temporas e geográfca. TABELA CLASSES F Polgonal Característca É o gráfco que utlza em sua representação o contorno do hstograma. 4 Polígono de Freqüêncas É o gráfco que se obtém unndo-se por lnhas retas os pontos médos das bases superores dos retângulos de um hstograma.

14 5 Curva de Freqüêncas 19 A partr do polígono de freqüêncas podemos representar contornos mas suaves (polígono de freqüêncas poldo), utlzando-se curvas para chegarmos a uma das representações de grande utldade para a Estatístca que é a curva de freqüêncas. 6 Gráfcos de Lnhas É muto utlzado na representação gráfca de dados não agrupados em classes, de valores que aumentam gradatvamente como temperatura, consumo e etc...,e também para a representação de séres temporas (cotação de ações, vendas, etc.). X TABELA F Observação: Neste gráfco são usadas lnhas retas. Quando o número de valores aumenta, podemos utlzar curvas, que rão consttur curvas de freqüênca, que desempenharão a mesma mportânca das já ctadas para dados agrupados em classes. 7 Gráfco de Colunas É o gráfco que corresponde ao hstograma, porém utlzado na representação de dados nomnas (ou categórcos) ou em séres temporas. Exemplo: Representação de algumas classes profssonas formadas por uma Unversdade em determnado ano.

15 Obs.: o gráfco de barras nada mas é do que o gráfcos de colunas na horzontal. 0 8 Gráfcos em Setores Muto utlzado quando se deseja mostrar partes de um todo, conforme ocorre em orçamentos, produções, vendas, etc., e na comparação de proporções ou quantdades percentuas. Exemplo: Orçamento da Unão 9 Ogvas É obtda pelo polígono das freqüêncas acumuladas. Como se fosse um hstograma das freqüêncas acumuladas, só que no polígono da freqüênca acumulada crescente lga-se o canto superor dreto de cada coluna. TESTES E EXERCÍCIOS 1. Veja a tabela abaxo: CLASSES FREQÜÊNCIA TOTAL Σf = 0 Pede-se: a) construr o hstograma da dstrbução de freqüêncas dadas; b) construr o polígono de freqüêncas; c) construr uma curva de freqüêncas acumuladas (ogva).. Uma empresa apresentou a segunte evolução de vendas de um de seus artgos, no período de dos anos, computados trmestralmente. Período Trmestres 1º º 3º 4º 1º º 3º 4º Vendas Representar a evolução das vendas, através de um gráfco em hastes ou bastões.

16 1 3. Um produto é venddo por apenas três empresas, em um determnado mercado. Em 1993, para um total de undades venddas, tvemos a dstrbução das vendas, conforme o quadro abaxo: EMPRESA A B C VENDAS Represente grafcamente (gráfco de setores) a dstrbução das vendas de cada empresa em termos absolutos e percentuas. 4. (TCU / 93) Gráfcos são nstrumentos útes na análse estatístca. Assnale a defnção / afrmação ncorreta. a) Um hstograma representa uma dstrbução de freqüêncas para varáves do tpo contínuo. b) O gráfco de barras representa, por meo de uma sére de barras, quantdades ou freqüêncas para varáves categórcas. c) O gráfco de setores é aproprado, quando se quer representar as dvsões de um montante total. d) Um hstograma pode ser construído utlzando-se, ndstntamente, as freqüêncas absolutas ou relatvas de um ntervalo de classe. e) Uma ogva pode ser obtda lgando-se os pontos médos dos topos dos retângulos de um hstograma. Resposta: Alternatva E 6. (TCDF 95) Em relação aos tpos de gráfcos, assnale a opção correta. a) Uma sére categórca é melhor representada por um gráfco de lnha. b) Uma sére cronológca é melhor representada por um gráfco de setores. c) Se uma dstrbução de freqüêncas apresenta ntervalos de tamanhos desguas, o melhor gráfco para representá-la é um polígono de freqüêncas. d) O gráfco de barras é usado somente para séres geográfcas. e) O gráfco de setores é usado para comparar proporções. Resposta: Alternatva E MEDIDAS DE TENDÊNCIA CENTRAL E SEPARATRIZES 1 Méda Artmétca (X) É o quocente entre a soma dos valores observados e o seu número total. Exemplo: x = { 1, 3, 5, 7, 9} x 5 5 5

17 Méda Artmétca Ponderada É o quocente entre a soma dos produtos dos valores da varável pelos respectvos pesos e a soma dos pesos. Exemplo: Quatro provas com pesos 1,, 3, 4. Notas 8, 7, 9 e 9 (8 x 1) (7 x ) (9 x 3) (9 x 4) x Se tvermos uma representação tabular podemos consderar: pesos freqüêncas absolutas Exemplo: x f x f X 1 = 4 5 X 5 = 5 6 X 6 = 36 7 x 5 = 35 8 x 3 = 4 SOMA X = 0 x = 6, Se tvermos valores agrupados em classe, calculamos os pontos médos das classes, e estes representarão os valores de x das classes. CLASSES F x x f SOMA x = 6 x = 7 3 Propredades da Méda Artmétca 1º) Propredade: A soma algébrca dos desvos tomados em relação à méda artmétca é gual a zero. Σd = 0, onde d = x x conjunto de valores

18 Dados tabulados 3 x f x f SOMA com méda x = x = 5 19 Fazendo os desvos, teremos: x f d = x x d f = = = = = 4 8 Σ = 0 Observação: Para dados tabulados agrupados em classes o procedmento é análogo ao apresentado, devendo-se calcular os pontos médos das classes(x ) para a ncalzação dos cálculos. ª) Propredade: A soma dos quadrados dos desvos tomados em relação à méda artmétca é um mínmo. Exemplos: Conjunto de valores x = {1, 3, 5, 7, 9}, onde x = 5 x d = x x d SOMA Σ d = 40 Se escolhermos um valor arbtráro x 0 e tomarmos esta méda arbtrára para o cálculo dos desvos, teremos:

19 x d = x x 0 d = ( x x ) = = = = = 6 36 SOMA Σ =... Σ = 60 4 para x 0 = 3 Vemos que 60 é maor do que 40 da tabela anteror, assm como qualquer outra soma de desvos ao quadrado (tomados em relação a valores arbtráros) será maor do que a tomada em relação à méda. Observação: Para dados tabulados agrupados em classes é válda a mesma observação feta na propredade anteror. 3 a ) Propredade: Méda das médas. Se n 1 valores têm méda x 1 ; n valores têm méda x ;... n m valores têm méda x m, a méda do conjunto formado por todos os valores é dada pela relação: Exemplo: x1n x 1 x n n n 1 Exemplos:... x... n m m x 1 = {1, 3, 5, 7, 9} n 1 = 5 X 1 = 5 x = {, 4, 6, 8, 10, 1, 14} n = 7 X = x n m 81 6, a ) Propredade: se somarmos (ou subtrarmos) um valor constante e arbtráro K a cada um dos elementos de um conjunto de valores, a méda artmétca fca somada (ou subtraída) dessa constante. Exemplo: X = {1, 3, 5, 7, 9} com x = 5 fazendo K = 10 e somando, teremos: Y = {11, 13, 15, 17, 19} com y = 15 Podemos ver que y = 15 é gual a x = 5 acrescda de K = 10, ou seja, y = = 15.

20 5 5º) Propredade: Se multplcarmos (ou dvdrmos) cada um dos elementos de um conjunto de valores por um valor K (constante, arbtráro e 0), a méda artmétca fca multplcada (ou dvdda) por essa constante. Exemplo: X = {100, 00, 300, 400, 500} com x = 300 Fazendo K = 10 e dvdndo, teremos: Y = {10, 0, 30, 40, 50} com y = 30 Da mesma forma, podemos ver que y = 30 é gual a x = 300 dvddo por K = 10, ou seja, y = Méda Geométrca Smples ( Xg ) Ela, como a méda artmétca, também pode ser smples ou ponderada. 5 Méda Geométrca Smples: É a raz índce n do produto dos n números. Exemplo: X = {1, 3, 5, 7, 9), com 5 números, portanto n = 5. Xg = Xg = Xg = 3,936 Y = {, 4 e 8} Yg = Yg = 3 64 Yg = 4 Observação: Em sua representação lteral o produto é desgnado pelo símbolo П, que representa o produtóro, assm temos: 5 Méda Geométrca Ponderada xg n Neste caso devem ser utlzadas as freqüêncas com que os números aparecem na amostra, pos elas fornecem a ponderação (peso). Exemplo: x f TOTAL 10 n 1 n = Σf e k = 4 x

21 6 X = = 3,055. assm, temos que : xg n n 1 x f Propredades da Méda Geométrca 1ª ) O produto dos quocentes de cada valor de um conjunto de números pela méda geométrca do conjunto é gual a 1. Exemplo: X = {4,9}.: x g 49 = 6 Aplcando a propredade, teremos: ª ) Séres que possuem, o mesmo número de elementos, com a mesma soma, apresentam a mesma méda artmétca e séres que possuem o mesmo número de elementos com o mesmo produto têm a mesma méda geométrca. Exemplo: X 1 = {1, 3, 9} x 4, X = {, 4, 7} x 4, São guas & 3 3 Y 1 = {1,, 8} Yg..8 Yg 56 Yg 3, Y = {, 4, 7} Yg.4.7 Yg 56 Yg 3, 85 São guas 3ª ) X g X, ou seja, a méda geométrca é menor ou gual à méda artmétca. 4ª ) Para valores próxmos, teremos X g próxmo de X, enquanto que para valores afastados, teremos X g afastado de X. Exemplo: X = {4 e 6}, valores próxmos

22 x 5 x g ,898 Médas Próxmas Se tvermos: X = {, 50}, valores afastados 50 5 x 6 x g Médas Afastadas 5 Méda Harmônca ( X h ) É o nverso da méda artmétca dos nversos dos números. 5.1 Méda Harmônca Smples Exemplo: X = {1, 4, 9} x h, Se generalzarmos, teremos: x h n 1 n 1 x 5. Méda Harmônca Ponderada As freqüêncas com que os números aparecem na amostra devem ser utlzadas, em vrtude de fornecerem a ponderação (peso). Exemplo: x f f : x : 1 = 4 : 3 = 1,33 3 : 5 = 0,6 1 : 7 = 0,143 TOTAL 10 4,073 X h = 10 =,455 4,073

23 Se generalzarmos, teremos: Observação: x h k 1 n f x 8 Neste caso n = Σ f = 10 e k = 4 Propredades da Méda Harmônca 1ª ) X h X g X, ou seja, a méda harmônca é menor ou gual à méda geométrca e esta é menor ou gual à méda artmétca. ª ) Valores próxmos têm as três médas próxmas e valores afastados têm as três médas afastadas. MÉDIA PELO MÉTODO DA VARIÁVEL TRANSFORMADA 1º Devemos elaborar a coluna da varável transformada. PM 1 o PM Ampltude ( classe) Onde: PM = valores dos pontos médos; 1º PM = valor do 1º ponto médo encontrado; 14. (AFRF-00) Em um ensao para o estudo da dstrbução de um atrbuto fnancero (X) foram examnados 00 tens de natureza contábl do balanço de uma empresa. Esse exercíco produzu a tabela de freqüêncas abaxo. A coluna Classes representa ntervalos de valores de X em reas e a coluna P representa a freqüênca relatva acumulada. Não exstem observações concdentes com os extremos das classes. Assnale a opção que corresponde à méda da dstrbução. a) 14 b) 17 c) 136 d) 138 e) 140

24 TESTES SOBRE MÉDIA 9 (AFRF-000) Freqüêncas Acumuladas de Saláros Anuas, em Mlhares de Reas, da Ca. Alfa Quer-se estmar o saláro médo anual para os empregados da Ca. Alfa. Assnale a opção que representa a aproxmação desta estatístca calculada com base na dstrbução de freqüêncas. a) 9,93 b) 15,00 c) 13,50 d) 10 e) 1,50 8. (FISCAL DE TRIBUTOS DE MG-96) A estatura méda dos sócos de um clube é 165cm, sendo a dos homens 17cm e a das mulheres 16cm. A porcentagem de mulheres no clube é de: a) 6% b) 65% c) 68% d) 70% e) 7% Para efeto das quatro próxmas questões, consdere os seguntes dados: DISTRIBUIÇÃO DE FREQÜÊNCIAS DAS IDADES DOS FUNCIONÁRIOS DA EMPRESA ALFA, EM 1º/1/ (AFTN-96) Marque a opção que representa a méda das dades dos funconáros em 1º/1/90. a) 37,4 anos b) 37,8 anos c) 38, anos d) 38,6 anos e) 39,0 anos Para efeto das duas questões seguntes, sabe-se que o quadro de pessoal da empresa contnua o mesmo em 1º/1/ (AFTN-96) Marque a opção que representa a méda das dades dos funconáros em 1º/1/96. a) 37,4 anos b) 39,0 anos c) 43,4 anos d) 43,8 anos e) 44,6 anos

25 30 9. (Audtor do Tesouro Muncpal - Recfe 003) Em uma amostra, realzada para se obter nformação sobre a dstrbução salaral de homens e mulheres, encontrou-se que o saláro médo vale R$ 1.00,00. O saláro médo observado para os homens fo de R$ 1.300,00 e para as mulheres fo de R$ 1.100,00. Assnale a opção correta. a) O número de homens na amostra é gual ao de mulheres. b) O número de homens na amostra é o dobro do de mulheres. c) O número de homens na amostra é o trplo do de mulheres. d) O número de mulheres é o dobro do número de homens. e) O número de mulheres é o quádruplo do número de homens. (Ofcal de Justça Avalador TJ CE 00 / ESAF) A tabela abaxo apresenta a dstrbução de freqüêncas do atrbuto saláro mensal meddo em quantdade de saláros mínmos para uma amostra de 00 funconáros da empresa X. As três próxmas questões referem-se a essa tabela. Note que a coluna Classes refere-se a classes salaras em quantdades de saláros mínmos e que a coluna P refere-se ao percentual da freqüênca acumulada relatvo ao total da amostra. Não exstem observações concdentes com os extremos das classes. 0. (TJ CE 00 / ESAF) Assnale a opção que corresponde ao saláro médo amostral calculado a partr de dados agrupados. a) 11,68 b) 13,00 c) 17,1 d) 16,00 e) 14,00 6 Moda (M 0 ) É uma medda de tendênca central que se caracterza pelo valor mas freqüente (maor freqüênca absoluta smples) Moda em Valores Não-Tabulados X 1 = {, 4, 5, 5, 6, 6, 6, 7, 8, 9} M 0 = 6 CONJUNTO AMODAL, não exste moda X = {,, 3, 3, 4, 4} CONJUNTO BIMODAL X 3 = {1,,,, 3, 4, 4, 5, 5, 5, 6} M 0 = M 0 = 5 OBS.: Três modas em dante o conjunto é multmodal.

26 6.. Moda em Valores Tabulados 31 Podemos encontrar os seguntes casos: a) valores dscretos DETERMINAÇÃO IMEDIATA Exemplo: x f b) valores contínuos ou agregados em classes: devemos usar alguns métodos Métodos I. Moda Bruta; II. Método de Kng; III. Método de Czuber. OBS.: Quando o enuncado não especfcar o método a ser usado, usaremos o método de Czuber. I - Moda Bruta - determnação da classe modal; - moda bruta = ponto médo da classe modal. Exemplo: CLASSES F Classe Modal : 6 8 Moda Bruta = 7 II - Método de Kng: M o L c. f ant f post f post onde: L = lmte nferor da classe modal; c = ntervalo da classe modal; f ant = freqüênca absoluta da classe anteror à modal; f post = freqüênca absoluta da classe posteror à modal. Exemplo:

27 CLASSES F º Identfca-se a classe modal pela classe de maor freqüênca Classe Modal: 6 8 º Emprega-se a fórmula: 4 Mo , ,88 6, M 0 = 6,88 aprox. III - Método de Czuber É o método consderado mas precso. 1 Mo L c 1 Onde: L = Lmte nferor da classe modal; 1 = Dferença entre a freqüênca da classe modal e a freqüênca medatamente nferor; = Dferença entre a freqüênca da classe modal e a freqüênca medatamente posteror; c = Intervalo da classe modal Exemplo: CLASSES F º Identfca-se a classe modal pela classe de maor freqüênca Classe Modal: 6 8 º Emprega-se a fórmula: Mo 6 6 0,4 6 0,8 6,8 3 Mo = 6,8

28 TESTES SOBRE MODA 33 DISTRIBUIÇÃO DE FREQÜÊNCIAS DAS IDADES DOS FUNCIONÁRIOS DA EMPRESA ALFA, EM 1º/1/ (AFTN-96) Marque a opção que representa a moda das dades dos funconáros em 1º/1/90. a) 35,97 anos b) 36,6 anos c) 36,76 anos d) 37,03 anos e) 37,31anos Para efeto das duas questões seguntes, sabe-se que o quadro de pessoal da empresa contnua o mesmo em 1º/1/ (AFTN-96) Marque a opção que representa a méda das dades dos funconáros em 1º/1/95. a) 41,6 anos b) 39,03 anos c) 43,4 anos d) 43,81 anos e) 44,67 anos 3. (AFRF-00.) O atrbuto do tpo contínuo X, observado como um ntero, numa amostra de tamanho 100, obtda de uma população de 1000 ndvíduos, produzu a tabela de freqüêncas segunte: Assnale a opção que corresponde ao valor modal do atrbuto X, no conceto de Czuber. a) 69,50 b) 73,79 c) 71,0 d) 74,53 e) 80,10

29 1(AFCE) Com relação ao valor modal da dstrbução abaxo responda: 34 Vendas anuas de Pequenos Comércos (em Mlhar) Fac a) É um valor ntero entre 4 e 6; b) É menor que 4 c) É maor que 7 d) É um decmal entre 5 e 6 e) É gual ao lmte nferor da tercera classe. (Ofcal de Justça Avalador TJ CE 00 / ESAF) A tabela abaxo apresenta a dstrbução de freqüêncas do atrbuto saláro mensal meddo em quantdade de saláros mínmos para uma amostra de 00 funconáros da empresa X. As três próxmas questões referem-se a essa tabela. Note que a coluna Classes refere-se a classes salaras em quantdades de saláros mínmos e que a coluna P refere-se ao percentual da freqüênca acumulada relatvo ao total da amostra. Não exstem observações concdentes com os extremos das classes. 1. (TJ CE 00 / ESAF) Assnale a opção que corresponde ao saláro modal no conceto de Czuber. a) 6 b) 8 c) 10 d) 1 e) 16 7 Medana (M d ) É uma medda de tendênca central que dvde uma sére ordenada (ROL) de tal manera que pelo menos a metade ou 50% dos tens sejam guas ou maores que ela. Desta manera é também uma separatrz, dvdndo a sére em partes guas. Podemos encontrar os seguntes casos na determnação de seu valor:

30 7.1 Medana em valores não-tabulados 35 a) Quando tvermos um número ímpar de valores Exemplo: X = {1, 3, 5, 7, 9, 11, 1, 13, 14}, onde n = 9 (ímpar) Determna-se o elemento central: E = n = = 5. Verfca-se, então, na seqüênca ordenada o valor correspondente à posção 5 ndcada por E. Vemos, assm, que a medana será o valor, M d = 9 b) Quando tvermos um número par de valores Exemplo: X = {1, 3,,, 9, 11} Determnam-se os elementos centras: E = n : = 6 : = 3 Verfca-se, então, na seqüênca ordenada os valores correspondentes às posções 3 e 4 (posção segunte), ndcadas por E. Para a determnação da Medana, calculamos a méda artmétca dos dos valores centras M d = = 6 M d = 6 7. Medana em valores tabulados a) Quando se tratarem de dados dscretos (não agrupados em classes) Exemplo: x f Σ = 50 Σ f = n = 50 número par Calculamos E para um número par de valores:

31 36 E = n : = 50 : = 5 Em seguda calcula-se a freqüênca acumulada x f f ac Σ = 50 Comparamos o valor 5 com as freqüêncas acumuladas, verfcando-se que ele está após o 15 e antes do 30. Como o conjunto de valores é par, calculamos a medana pela méda artmétca entre os valores (5º e 6º), que no caso é o própro 6. Assm: Observação: 6 6 Md 6 Md = 6 Se n for ímpar, teremos E n 1 e procedendo de manera análoga chegaremos à medana, lembrando que neste caso teremos um únco valor central, o que dspensa o cálculo da méda artmétca. b) Quando se tratarem de dados contínuos (agrupados em classes) onde: Md L n f ant. acumulada f md c L lmte nferor da classe medana n será sempre o número de elementos dvddo por f Md freqüênca absoluta da classe medana f ant ac freqüênca acumulada anteror à classe medana c = ntervalo da classe medana Exemplo:

32 CLASSES F f ac TOTAL Classe Medana: 6 8 E = = 10 O valor 10 está colocado na coluna de freqüêncas acumuladas depos do 8 e antes do 15. Assm, teremos: Md ,57 6, M d = 6,57 aproxmadamente TESTES SOBRE MEDIANA 15. (AFRF-000) Freqüêncas Acumuladas de Saláros Anuas, em Mlhares de Reas, da Ca. Alfa Quer-se estmar o saláro medano anual da Ca. Alfa. Assnale a opção que corresponde ao valor aproxmado desta estatístca, com base na dstrbução de freqüêncas. a) 1,50 b) 9,60 c) 9,00 d) 1,00 e) 1,10 Para efeto das quatro próxmas questões, consdere os seguntes dados:

33 38 DISTRIBUIÇÃO DE FREQÜÊNCIAS DAS IDADES DOS FUNCIONÁRIOS DA EMPRESA ALFA, EM 1º/1/ (AFTN-96) Marque a opção que representa a medana das dades dos funconáros em 1º/1/90. a) 35,49 anos b) 35,73 anos c) 35,91 anos d) 37,6 anos e)38,01 anos Para efeto das duas questões seguntes, sabe-se que o quadro de pessoal da empresa contnua o mesmo em 1º/1/ (AFTN-96) Marque a opção que representa a medana das dades dos funconáros em 1º/1/96. a) 35,49 anos b) 36,44 anos c) 41,49 anos d) 41,91 anos e) 43,6 anos Para a solução das duas próxmas questões utlze o enuncado que segue. O atrbuto do tpo contínuo X, observado como um ntero, numa amostra de tamanho 100 obtda de uma população de 1000 ndvíduos, produzu a tabela de freqüêncas segunte: 18. (AFRF-00.) Assnale a opção que corresponde à estmatva da medana amostral do atrbuto X. a) 71,04 b) 65,0 c) 75,03 d) 68,08 e) 70,0

34 9 Quarts, Decs e Cents (para dados agrupados em classes) 39 São separatrzes que dvdem o conjunto de valores ou dstrbução em 4 partes guas, 10 partes guas e 100 partes guas. Assm, teremos: Quarts Q 1, = 1,, 3 Decs D 1, = 1,, Cents C 1, = 1,, Para fns de cálculo podemos fazer: a) Quarts Calculamos o elemento do quartl n Eq, = 1,, 3. 4 Calculamos o quartl desejado: Q L. n f 4 fq ant. ac. c Observação: Este cálculo é análogo ao usado para a determnação da medana. b) Decs Calculamos o elemento do decl n Ed=, = 1,, 3, 4,..., 9 10 Calculamos o decl desejado. n f D L 10 fd ant. ac. c c) Cents Calculamos o elemento do centl E C = n, = 1,, Calculamos o centl desejado

35 . n f C L 100 fc ant. ac. c 40 Exemplo: Ao aplcar uma prova de Estatístca a uma turma de 10 alunos, encontrou-se o resultado da tabela a segur: CLASSES NÚMERO DE ALUNOS f ac TOTAL 10 Calcule: a) os quarts da dstrbução dada; b) o grau mas baxo que podera ser obtdo pelos 5% melhores alunos da turma; c) o grau mas alto que é possível ser obtdo pelos 0% pores alunos da turma. Solução: a) Determnação dos quarts: 1º quartl Q 1 = 67,14 aproxmadamente º quartl Q = 75,58 aproxmadamente 3º quartl Q 3 = 83,43 aproxmadamente b) Determnação do grau mas baxo que podera ser obtdo pelos 5% melhores alunos da turma. 5% 30 x 100 Então, x é o valor do 3º quartl = 83,43 c) Determnação do grau mas alto que é possível ser obtdo pelos 0% pores alunos da turma. 0% x Então, x é o valor do º Decl (D ) ou vgésmo percentl (C 0 ). Para calcular D. Então, D = 64,8 ou 64 aproxmadamente.

36 TESTE SOBRE DECIL 41 Em um ensao para o estudo da dstrbução de um atrbuto fnancero (X) foram examnados 00 tens de natureza contábl do balanço de uma empresa. Esse exercíco produzu a tabela de freqüêncas abaxo. A coluna Classes representa ntervalos de valores de X em reas e a coluna P representa a freqüênca relatva acumulada. Não exstem observações concdentes com os extremos das classes. 17. (AFRF-00) Assnale a opção que corresponde à estmatva do qunto decl da dstrbução de X. a) 138,00 b) 140,00 c) 136,67 d) 139,01 e) 140,66 1 Ampltude Total (A t ) MEDIDAS DE DISPERSÃO É gual a dferença entre o maor valor e o menor valor dos dados apresentados. Na sua determnação podemos consderar as seguntes stuações: - dados não tabulados: X = {, 3, 5, 7, } A t = 9 1 = 8 A t = 8 - dados tabulados não agregados em classes (dados dscretos): x f A t = 9 1 = 8 A t = 8

37 - dados tabulados agregados em classes (dados contínuos): 4 CLASSES f Admte-se duas soluções: 1ª) dferença entre o lmte superor da últma classe e o lmte nferor da 1ª classe. No caso, teremos: A t = 1 = 10 A t = 10 ª) dferença entre o ponto médo da últma classe e o ponto médo da 1ª classe A t = 11 3 = 8 A t = 8 Desvo Médo Absoluto (DMA) d f DM f É gual a méda dos valores absolutos dos desvos calculados em relação à méda do conjunto de valores. - dados não tabulados: X = {1, 3, 5, 7, 9}, x = 5 e n = 5 x d = x x d = = 5 5 = = = 4 4 SOMA 1 1 Assm o DMA = =,4 DMA =,4 5 - dados tabulados não agregados em classes (dados dscretos): x f d = x x d d f TOTAL 100 Σ = 160

38 Assm o DMA = = 1,6 DMA = 1,6 100 Assm de uma manera geral o desvo médo é calculado por: - dados tabulados agrupados em classes (dados contínuos): DM d f f O seu cálculo é análogo ao dos dados dscretos, devendo ncá-lo pela determnação dos pontos médos das classes, que assm representarão os valores x do conjunto de dados. 3 Ampltude Sem-Interqualítca (desvo quarlítco) É a metade da dferença entre o tercero quartl (Q 3 ) e o prmero quartl (Q 1 ). 4 Desvo Padrão (S) Q 3 Q Dq 1 É a medda de dspersão mas usada. É a raz quadrada da méda artmétca dos quadrados dos desvos. d s para dados não tabulados n s d n f para dados tabulados Onde: d x X Desvo Padrão Populaconal Uma outra fórmula para o desvo padrão populaconal: 1 x s x n n s d n 1 para dados não tabulados Desvo Padrão Amostral (Mas Usado) s d f n 1 para dados tabulados Uma outra fórmula para o desvo padrão amostral: 1 x s x n 1 n

39 5 Propredades do Desvo Padrão 44 1ª) PropredadeSomando-se (ou subtrando-se) a cada elemento de um conjunto de valores uma constante arbtrára, o desvo padrão não se altera. Exemplo: X = { x 1, x, x 3, x 4, x 5 } com x = a Se somarmos (ou subtrarmos) um valor constante, o grau de dspersão permanece o mesmo e o desvo padrão, que é uma medda de dspersão, utlzará o mesmo número para med-la. X = { 6, 8, 10, 10 }, com S x = 1,9 Somando 100 a cada elemento, teremos o conjunto: Y = { 106, 108, 110, 110 }, cujo desvo padrão será o mesmo 1,9 S y = 1,9 ª)Propredade Multplcando-se (ou dvdndo-se) cada elemento de um conjunto de valores por um valor constante, arbtráro e dferente de zero, o desvo padrão fca multplcado (ou dvddo) por esta constante. Exemplo: X = {6, 8, 10, 10}, com S x = 1,9 Se multplcarmos por 10 cada elemento, teremos o conjunto: Y = {60, 80, 100, 100}, cujo desvo padrão S y será obtdo pela multplcação do desvo padrão S x por 10. Assm S y = S x = 1,9 x 10 = 19 S y = Varânca (S ) É a méda artmétca do quadrado dos desvos. d s para dados não tabulados n Varânca Populacomal d f s n para dados tabulados Onde: d x X Uma outra fórmula para varânca populaconal: 1 x s x n n

40 45 d s n 1 d f s n 1 para dados não tabulados para dados tabulados Varânca Amostral (Mas Usado) Uma outra fórmula para varânca amostral: 1 x s x n 1 n 7 Propredades da Varânca Observa-se que a 1ª propredade é dêntca à do desvo padrão, quanto à soma (ou subtração), no entanto, a ª propredade (multplcação ou dvsão) a apresenta a segunte modfcação: a varânca fca multplcada (ou dvdda) pelo quadrado da constante. 8 Dspersão Relatva Coefcente de Varação Dentre as meddas de dspersão relatva o coefcente de varação mas utlzado é o de Pearson (CV P ), que é o quocente entre o desvo padrão e a méda artmétca do conjunto de dados. S CV p X Quanto menor for este valor, mas homogêneo será o conjunto de dados. TESTES SOBRE MEDIDAS DE DISPERSÃO 1. (AFC-94) Entre os funconáros de um órgão do governo, fo retrada uma amostra de dez ndvíduos. Os números que representam as ausêncas ao trabalho regstradas para cada um deles, no últmo ano, são: 0, 0, 0,,,, 4, 4, 6, e 10. Sendo assm, o valor do desvo padrão desta amostra é: a) 3 b) 9 c) 10 d) 30. (AFC-94) Uma empresa que possu 5 máqunas copadoras regstrou em cada uma delas no últmo mês (EM 1000 UNIDADES) : 0, 3, 5, 7 e 30 cópas, respectvamente. O valor da varânca desta população é: a) 5 b) 11,6 c) 14,5 d) 5 3. (AFC-94) A méda e a varânca do conjunto dos saláros pagos por uma empresa eram de R$ ,00 e 1, respectvamente. O valor da varânca do conjunto dos saláros, após o corte de três zeros na moeda é: a) 1, b) 1, c) 1, d) 1,

41 4. (AFC-94) Seja X uma varável aleatóra com méda artmétca X =10 e desvo-padrão S=3. Consdere as varáves: y=x+1 e z=x. A únca afrmação errada é: 46 a) as varáves y e z tem a mesma méda artmétca; b) o desvo-padrão de y é 6; c) as varáves y e z têm o mesmo desvo-padrão; d) a méda de y é 1; e) as varáves x e z têm o mesmo coefcente de varação. 5. (BACEN-94) Em certa empresa, o saláro médoera de R$ ,00 e o desvo-padrão dos saláros era de R$ ,00. Todos os saláros receberam um aumento de 10%. O desvopadrão dos saláros passou a ser de: a) ,00 b) ,00 c) ,00 d) ,00 e) ,00 R: (TCU-91) Doze fchas de funconáros de uma empresa foram seleconadas ao acaso; foram anotados os números de dependentes, na ordem de seleção, a saber: 3, 0, 5,, 3, 6, 4, 1, 3,, 4, e 3. Para a varável número de dependentes, resolva a expressão: méda+moda+medana+varânca+1,5. 7. (TCU-93) O quadro abaxo apresenta a renda mensal per captã das localdades A e B: LOCALIDADE MÉDIA DESVIO-PADRÃO A B Assnale a opção correta. a) o ntervalo sem-nterquartílco é dado por [10,15]; b) a renda da localdade A é mas homogênea que a renda na localdade B; 50 c) o coefcente de varação é ; 75 d) a renda da localdade B é mas homogênea que a renda na localdade A; e) os coefcentes de varação de renda nas localdades A e B são guas. (AFC-94) Para a solução das três próxmas questões, consdere os dados da tabela abaxo que representa a dstrbução de freqüêncas das notas em uma prova de estatístca aplcada em três turmas de 100 alunos cada. Freqüênca das Notas na Prova de Estatístca Classes de Notas TURMA 01 TURMA 0 TURMA (AFC-94) Assnale a afrmação correta. a) Moda T <Moda T3; b) Méda T1 > Méda T; c) Méda T < Méda T3; d) Medana T1 < Medana T; e) Medana T > Medana T TOTAL

42 9. (AFC-94) A únca opção errada é: 47 a) 1º quartl T1 > 1º quartl T3; b) desvo-padrão T > desvo-padrão T3; c) coefcente de varação T > coefcente de varação T3; d) na turma 3: méda= medana = moda. 10. (AFC-94) A dstrbução de notas é smétrca em relação a méda artmétca: a) nas três turmas; b) nas turmas 1 e ; c) nas turmas 1 e 3; d) somente na turma 1; e) nas turmas e (FISCAL DE TRIBUTOS DE MG-96) No conjunto de dados A={3, 5, 7, 9, 11}, o valor do desvo médo é: a),1 b),4 c),6 d) 3, e) 3,6 1. (FISCAL DE TRIBUTOS DE MG-96) O desvo-padrão do conjunto de dados A={, 4, 6, 8, 10}, é aproxmadamente: a),1 b),4 c),8 d) 3, e) 3,6 8. (AFTN-98) Os dados seguntes, ordenados do menor para o maor, foram obtdos de uma amostra aleatóra, de 50 preços (X) de ações, tomada numa bolsa de valores nternaconal. A undade monetára é o dólar amercano. 4, 5, 5, 6, 6, 6, 6, 7, 7, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 10, 10,10, 10, 10, 10, 10, 10, 11, 11, 1, 1, 13, 13,14, 15, 15, 15, 16, 16, 18, 3 Os valores seguntes foram calculados para a amostra: X X = 490 e X = Assnale a opção que corresponde à medana e à varânca amostral, respectvamente (com aproxmação de uma casa decmal). a) (9,0 13,6) b) (9,5 14,0) c) (8,0 15,0) d) (8,0 13,6) e) (9,0 14,0) 39. (TJ CE 00) Aplcando a transformação z = (x - 14)/4 aos pontos médos das classes (x) obteve-se o desvo padrão de 1,10 saláros mínmos. Assnale a opção que corresponde ao desvo padrão dos saláros não transformados. a) 6,0 b) 4,40 c) 5,00 d) 7,0 e) 3, (AFRF-000) Numa amostra de tamanho 0 de uma população de contas a receber, representadas genercamente por X, foram determnadas a méda amostral M = 100 e o desvopadrão S = 13 da varável transformada (X-00)/5. Assnale a opção que dá o coefcente de varação amostral de X. a) 3,0% b) 9,3% c)17,0% d) 17,3% e)10,0%

43 48. (AFC-94) Entre os funconáros de um órgão do governo, fo retrada uma amostra de dez ndvíduos. Os números que representam as ausêncas ao trabalho regstradas para cada um deles, no últmo ano, são: 0, 0, 0,,,, 4, 4, 6 e 10. Sendo assm, o valor do desvo padrão desta amostra é: a) 3 b) 9 c) 10 d) (FTE MG-96) No conjunto de dados A={3, 5, 7, 9, 11}, o valor do desvo médo é: a),1 b),4 c),6 d),8 e) 3,1 37. (FISCAL INSS - 00) Dada a seqüênca de valores 4, 4,, 7 e 3 assnale a opção que dá o valor da varânca. Use o denomnador 4 em seus cálculos. a) 5,5 b) 4,5 c) 3,5 d) 6,0 e) 16,0 39. (TJ CE 00) Aplcando a transformação z = (x - 14)/4 aos pontos médos das classes (x) obteve-se o desvo padrão de 1,10 saláros mínmos. Assnale a opção que corresponde ao desvo padrão dos saláros não transformados. a) 6,0 b) 4,40 c) 5,00 d) 7,0 e) 3, (FTE-PA-00) Um certo atrbuto W, meddo em undades apropradas, tem méda amostral 5 e desvo-padrão untáro. Assnale a opção que corresponde ao coefcente de varação, para a mesma amostra, do atrbuto Y = 5 + 5W. a) 16,7% b) 0,0% c) 55,0% d) 50,8% e) 70,% 40. (AFRF 003) O atrbuto Z=(X-)/3 tem méda amostral 0 e varânca amostral,56. Assnale a opção que corresponde ao coefcente de varação amostral de X. a) 1,9% b) 50,1% c) 7,7% d) 31,% e) 10,0% 9 Assmetra Estuda a forma do gráfco de uma dstrbução. Esta forma depende dos valores da méda e moda. Assm, em uma dstrbução em forma de sno, temos: Méda Moda = 0 assmetra nula ou smétrca

44 Méda Moda > 0 assmetra postva ou assmétrca à dreta 49 Méda Moda < 0 assmetra negatva ou assmétrca à esquerda 9 Coefcentes de Assmetra: Índce Quartílco de assmetra Q As 3 Q1 md Q Q 3 1 Índce Percentílco de assmetra As P 90 P10. P 90 P 10 P 50 1º coefcente de Pearson A X Mo S 3( x Md) º coefcente de Pearson As S Se 0,15 As 1, a assmetra é consderada moderada; se As>1, é consderada forte. As = 0 a assmetra é nula As > 0 a assmetra é postva As < 0 a assmetra é negatva No segundo coefcente de Pearson observa-se anda que: Se X = Md a assmetra é nula, ou seja, a curva é smétrca. Se x > Md a assmetra é postva, ou seja, a curva é assmétrca à dreta. Se x < Md a assmetra é negatva, ou seja, a curva é assmétrca à esquerda.

45 10 Curtose: 50 Denomnamos curtose o grau de achatamento de uma dstrbução em relação a uma dstrbução padrão, denomnada curva normal. Quando a dstrbução apresenta uma curva de freqüênca mas fechada que a normal, ela recebe o nome de Leptocúrtca. Quando a dstrbução apresenta uma curva de freqüênca mas aberta que a normal, ela recebe o nome de Platcúrtca. Quando a dstrbução apresenta uma curva de freqüênca normal, ela recebe o nome de Mesocúrtca. 11 Coefcente de Curtose: Q3 Q1 C ou ( P90 P10) Assm temos: Se C = 0,63 curva mesocúrtca; Se C < 0,63 curva leptocúrtca; Se C > 0,63 curva platcúrtca. C Q3 Q1 ( D D ) 9 1

46 TESTES SOBRE ASSIMETRIA E CURTOSE (TCU-93) Os montantes de venda a um grupo de clentes de um supermercado forneceram os seguntes sumáros: méda artmétca=$1,0, medana=$0,53 e moda=$0,5. Com base nestas nformações, assnale a opção correta: a) A dstrbução é assmétrca à dreta. b) A dstrbução é assmétrca à esquerda. c) A dstrbução é smétrca. d) Entre os três ndcadores de posção apresentados, a méda artmétca é a melhor medda de tendênca central. e) O segundo quartl dos dados acma é dado por $0, (AFRF-00) Entende-se por curtose de uma dstrbução seu grau de achatamento em geral meddo em relação à dstrbução normal. Uma medda de curtose é dada pelo quocente onde Q é a metade da dstânca nterquartílca e P90 e P10 representam os percents de 90% e 10%, respectvamente. Assnale a opção que dá o valor da curtose ê para a dstrbução de X. a) 0,63 b) 0,50 c) 0,300 d) 0,4 e) 0, (FISCAL DO INSS-00) A tabela abaxo dá a dstrbução de freqüêncas de um atrbuto X para uma amostra de tamanho 66. As observações foram agrupadas em 9 classes de tamanho 5. Não exstem observações concdentes com os extremos das classes. Sabe-se que o desvo padrão da dstrbução de X é aproxmadamente 10. Assnale a opção que dá o valor do coefcente de assmetra de Pearson que é baseado na méda, na medana e no desvo padrão. a) -0,600 b) 0,191 c) 0,709 d) 0,603 e) -0,610

47 5 51. (FISCAL DO INSS-00) Consdere a tabela de freqüêncas segunte correspondente a uma amostra da varável X. Não exstem observações concdentes com os extremos das classes. Assnale a opção que corresponde ao valor do coefcente de assmetra percentílco da amostra de X, baseado no 1º, 5º e 9º decs. a) 0,04 b) 0,300 c) 0,010 d) -0,300 e) -0, (AFRF-00.) Para a solução da próxma questão utlze o enuncado que segue. O atrbuto do tpo contínuo X, observado como um ntero, numa amostra de tamanho 100 obtda de uma população de 1000 ndvíduos, produzu a tabela de freqüêncas segunte: Assnale a opção que dá o valor do coefcente quartílco de assmetra. a) 0,080 b) -0,06 c) 0,000 d) -0,095 e) 0, (AFRF-00) Em um ensao para o estudo da dstrbução de um atrbuto fnancero (X) foram examnados 00 tens de natureza contábl do balanço de uma empresa. Esse exercíco produzu a tabela de freqüêncas abaxo. A coluna Classes representa ntervalos de valores de X em reas e a coluna P representa a freqüênca relatva acumulada. Não exstem observações concdentes com os extremos das classes. Seja S o desvo padrão do atrbuto X. Assnale a opção que corresponde à medda de assmetra de X como defnda pelo prmero coefcente de Pearson. a) 3/S b) 4/S c) 5/S d) 6/S e) 0

48 NÚMEROS ÍNDICES Conceto Os números índces (ou apenas índces) são ndcadores que medem alterações entre grandezas do mesmo tpo ou varações entre grandezas dferentes e aplcam-se no campo da produção, evolução dos preços, custo de vda, saláros, regstos demográfcos, etc. Como medem varações no tempo e no espaço, permtem sntetzar e apresentar de forma efcaz a natureza das alterações numa ou váras varáves, sendo mas fácl dentfcar flutuações referentes a sub-períodos que se repetem ao longo do tempo. Os números índces podem ser usados para város propóstos tas como para medr as varações de preços de bens de consumo, a quantdade físca de mercadoras produzdas ou venddas; ou podem relaconar-se à concetos tas como produtvdade, efcênca ntelgênca entre outras. - Índce relatvo É a relação entre o preço de uma únca utldade, em período determnado, e o de outro período, denomnado básco ou de referênca..1- Índce relatvo Smples Representado por 0 o período base e por n o período atual temos: p Relatvo de preços: Ip n 100 p q Relatvo de quantdades Iq n 100 q pn qn Relatvo de Valor Iv 100 p q Onde: p 0 = preço no período base p n = preço no período atual (período que se deseja o índce) q 0 = quantdade no período base q n = quantdade no período atual (período que se deseja o índce) Exemplo1: O preço de certo produto, em 1998, era de R$ 1,00, em 000 era de R$ 13,80. Tomando como base o ano de 1998, calcule o índce relatvo de aumento de preço para o ano de 000. Ip p p n 0 13, , % 1,00 Portanto houve um aumento de 15%

49 54 Exenplo: Uma empresa produzu 45 toneladas de aço em 1998, e 68 toneladas em qual a quantdade relatva em 1999? q 68 Iq n , % q 0 45 Portanto houve um aumento na produção de 51% com relação a Exemplo3: Uma empresa vendeu, em 1970, 1000 undades de um artgo ao preço untáro de Cr$ 500,00. Em 1971 vendeu 000 undades do mesmo artgo ao preço untáro de Cr$ 600,00.O valor relatvo da venda em 1971 fo: Iv , Em 1971, o valor das vendas fo 140% superor ao de Propredade Crcular: I 0, T I0,1 I1, I,3 I3,4... I T 1, T Ex.: Um artgo fo venddo em feverero com um acréscmo de 10% em relação a janero, em março com acréscmo de 5% em relação a feverero, e em abrl com uma queda de 4% em relação a março.calcule o percentual de preço em abrl referente a janero. I jan, abr I jan, fev I fev, mar Imar, abr 1,1. 1,05. 0,96 1,1088 ou seja 110,88% Reversão do Fatores: É quando o índce de preço vezes ( ) o índce de quantdade é gual ao índce de valor. Pt Qt Pt Qt Vt Ip Iq Iv Po Qo Po Qo Vo OBS.: A reversão de fatores não se aplca aos índces agregatvos ponderados de Laspeyre e Paasche. Mudança de Base: Dvdmos cada índce da sére orgnal pelo número índce da nova base. Esse processo nos dá uma aproxmação bastante satsfatóra. Ex.: Índce Base Mudar a base para 1960: Solução: É só dvdr todos os índces por 11 (índce da nova base)

50 3 Emprego da Méda Artmétca Smples 55 De relatvo de preços: p0, t P0, t n pt Onde: p0, t p e n = número de preços 0 0 De relatvo de quantdade: q0, t Q0, t n qt Onde: q0, t q e n = número de quantdade 4 Emprego da Méda Harmônca Smples De relatvo de preços: P h 0, t n 1 p0, t De relatvo de quantdade: Q h 0, t n 1 q0, t 5 Emprego da Méda Geométrca Smples g De relatvo de preços: 0, t p P 0, t g De relatvo de quantdade: 0, t q Q 0, t 6 EMPREGO DE ÍNDICES (AGREGATIVOS) PONDERADOS Como vmos, os índces smples apresentam algumas desvantagens, em especal à se refere à nexstênca de pesos dferentes para cada utldade que os compõe de acordo com sua mportânca relatva. No caso dos índces ponderados, além da fórmula a ser usada para nterpretar as varações de preço e de quantdade dos bens, há o problema do crtéro para a fxação dos pesos relatvos de cada um deles. A ponderação proposta pelos métodos mas usados basea-se na partcpação de

51 56 cada bem no valor transaconado total e é feta, em geral, segundo dos crtéros: peso fxo na época básca ou peso varável na época atual Índce de Laspeyres ou Método da época Básca De preço: L p 0, t pt q p q De quantdade: L q 0, t p0q p q 0 t Índce de Paasche ou Método da Época Atual De preço: P p 0, t pt qt p q 0 t De quantdade: P q 0, t qt pt q p 0 t Veja o exemplo a segur: Consderando 1970 como base,determnar um índce de preço e de quantdade, usando o índce de Laspeyres e Paasche. Solução: Artgos Preço Qtde Preço Qtde A 4 5 B C Laspeyres: p p71q70 (.4) (4.3) (6.) 3 Índce de Preço: L 0, t 1, 185 p q (.4) (3.3) (5.) ou 118,5% Isto sgnfca que houve uma varação no preço de 18,5% no decorrer desses anos. q p70q71 (5.) (.3) (5.5) 41 Índce de Quantdade: L 0, t 1, 518 p q (.4) (3.3) (5.) ou 151,8% Isto sgnfca que houve uma varação na quantdade de 51,8% no decorrer desses anos.

52 Paasche: 57 p p71q71 (.5) (4.) (6.5) 48 Índce de Preço: P 0, t 1, 171 p q (.5) (3.) (5.5) ou 117,1% Isto sgnfca que houve uma varação no preço de 17,1% no decorrer desses anos. q q71p71 (.5) (4.) (6.5) 48 Índce de Quantdade: P 0, t 1, 777 q p (4.) (3.4) (.6) ou 177,7% Isto sgnfca que houve uma varação na quantdade de 77,7% no decorrer desses anos Índce de Fscher (Índce Ideal) O índce de Fscher, também conhecdo corno forma deal, é a méda geométrca dos números-índces de Laspeyres e de Paasche. Sob o aspecto da ponderação, esse índce envolve os dos sstemas anterormente adotados. A proposta de Fscher fundamenta-se no fato de os índces que o compõem não atenderem ao crtéro de decomposção das causas, além de um deles tender a superestmar e o outro a subestmar o verdadero valor do índce. Esse verdadero valor tenderá a ser um número superor ao fornecdo pela fórmula de Paasche e nferor ao apresentado pela fórmula de Laspeyres, o que acontece com a méda geométrca entre esses dos índces. Entretanto, o índce de Fscher, apesar de ser chamado de deal, nsso pode ser consderado "perfeto". A necessdade de modfcar pesos, em dada época comparada, em decorrênca do cálculo do índce de Paasche, consttu uma restrção não desprezível ao seu emprego. Além dsso, não parece ser possível determnar especfcamente o que o índce de Fscher mede, bem como estabelecer o verdadero valor de um Índce perfeto, o qual servra de elemento de referênca. p p p Índce de Preço: I 0, t L 0, t P 0, t q q q Índce de Quantdade: I 0, t L 0, t P 0, t Com base no exemplo anteror vamos calcular o índce deal (Fscher) de preço e de quantdade: p Índce de Preço: I 0, t 1,1851,171 1, , 178 ou 117,8% Isto sgnfca que houve uma varação no preço de 17,8% no decorrer desses anos. q Índce de Quantdade: I 0, t 151,8 177,8 6990,04 164,8% Isto sgnfca que houve uma varação na quantdade de 64,8% no decorrer desses anos.

53 TESTES SOBRE NÚMEROS ÍNDICES (AFRF-003) Dadas as três séres de índces de preços abaxo, assnale a opção correta. a) As três séres mostram a mesma evolução de preços. b) A sére S mostra evolução de preços dstnta das séres S1 e S3. c) A sére S3 mostra evolução de preços dstnta das séres S1 e S. d) A sére S1 mostra evolução de preços dstnta das seres S e S3. e) As três séres não podem ser comparadas pos têm períodos-base dstntos. 55. (AFTN-1998) A tabela segunte dá a evolução de um índce de preço calculado com base no ano de No contexto da mudança de base do índce para 1981 assnale a opção correta: a) Basta dvdr a sére de preços pela méda entre 0,75 e 1,00 b) Basta a dvsão por 0,75 para se obter a sére de preços na nova base c) Basta multplcar a sére por 0,75 para se obter a sére de preços na nova base d) O ajuste da base depende do método utlzado na construção da sére de preços, mas a dvsão por 0,75 produz uma aproxmação satsfatóra. e) Basta multplcar a sére de preços pela méda entre 0,75 e 1,00 Para efeto das duas próxmas questões, consdere os seguntes dados: 5. (AFTN-1996) Marque a opção que representa os índces de Laspeyres de preços, no período de 1993 a 1995, tomando por base o ano de a) 100,0; 141,; 19,5 d) 100,0; 14,3; 193,3 b) 100,0; 141,4; 19,8 e) 100,0; 14,8; 193,7 c) 100,0; 141,8; 193,1 53. (AFTN-1996) Marque a opção que representa os índces de Paasche de preços, no período de 1993 a 1995, tomando por base o ano de a) 100,0; 141,3; 19,3 d) 100,0; 14,0; 193,3 b) 100,0; 141,6; 19,5 e) 100,0; 14,4; 193,6 c) 100,0; 141,8; 19,7

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

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

8 - Medidas Descritivas

8 - Medidas Descritivas 8 - Meddas Descrtvas 8. Introdução Ao descrevemos um conjunto de dados por meo de tabelas e gráfcos temos muto mas nformações sobre o comportamento de uma varável do que a própra sére orgnal de dados.

Leia 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

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

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

Medidas de Tendência Central. Prof.: Ademilson Teixeira

Medidas de Tendência Central. Prof.: Ademilson Teixeira Meddas de Tendênca Central Prof.: Ademlson Texera ademlson.texera@fsc.edu.br 1 Servem para descrever característcas báscas de um estudo com dados quanttatvos e comparar resultados. Meddas de Tendênca Central

Leia mais

7 - Distribuição de Freqüências

7 - Distribuição de Freqüências 7 - Dstrbução de Freqüêncas 7.1 Introdução Em mutas áreas há uma grande quantdade de nformações numércas que precsam ser dvulgadas de forma resumda. O método mas comum de resumr estes dados numércos consste

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 3 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 1 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues

CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO 2 DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogério Rodrigues CONCEITOS INICIAIS DE ESTATÍSTICA MÓDULO DISTRIBUIÇÃO DE FREQÜÊNCIA - ELEMENTOS Prof. Rogéro Rodrgues I) TABELA PRIMITIVA E DISTRIBUIÇÃO DE FREQÜÊNCIA : No processo de amostragem, a forma de regstro mas

Leia mais

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 014 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia 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

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 2 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia mais

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4

FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 FICHA de AVALIAÇÃO de MATEMÁTICA A 10.º Ano Versão 4 Nome Nº Turma: Data: / / Professor 10.º Ano Classfcação Apresente o seu racocíno de forma clara, ndcando todos os cálculos que tver de efetuar e todas

Leia 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

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

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

CORRELAÇÃO E REGRESSÃO

CORRELAÇÃO E REGRESSÃO CORRELAÇÃO E REGRESSÃO Constata-se, freqüentemente, a estênca de uma relação entre duas (ou mas) varáves. Se tal relação é de natureza quanttatva, a correlação é o nstrumento adequado para descobrr e medr

Leia 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

4 Critérios para Avaliação dos Cenários

4 Critérios para Avaliação dos Cenários Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada

Leia mais

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos.

Medidas de Dispersão e Assimetria Desvio Médio Variância Desvio Padrão Medidas de Assimetria Coeficiente de Assimetria Exemplos. Meddas de Dspersão e Assmetra Desvo Médo Varânca Desvo Padrão Meddas de Assmetra Coefcente de Assmetra Exemplos lde 1 de 16 Meddas de Dspersão - Méda ervem para verfcação e representatvdade das meddas

Leia 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

Algarismos Significativos Propagação de Erros ou Desvios

Algarismos Significativos Propagação de Erros ou Desvios Algarsmos Sgnfcatvos Propagação de Erros ou Desvos L1 = 1,35 cm; L = 1,3 cm; L3 = 1,30 cm L4 = 1,4 cm; L5 = 1,7 cm. Qual destas meddas está correta? Qual apresenta algarsmos com sgnfcado? O nstrumento

Leia mais

MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL 3.1- Introdução. ESTATÍSTICA MEDIDAS DE TENDÊNCIA CENTRAL Como na representação tabular e gráfca dos dados a Estatístca Descrtva consste num conjunto de métodos que ensnam a reduzr uma quantdade de dados

Leia 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

FAAP APRESENTAÇÃO (1)

FAAP APRESENTAÇÃO (1) ARESENTAÇÃO A Estatístca é uma cênca que organza, resume e smplfca nformações, além de analsá-las e nterpretá-las. odemos dvdr a Estatístca em três grandes campos:. Estatístca Descrtva- organza, resume,

Leia mais

4.1. Medidas de Posição da amostra: média, mediana e moda

4.1. Medidas de Posição da amostra: média, mediana e moda 4. Meddas descrtva para dados quanttatvos 4.1. Meddas de Posção da amostra: méda, medana e moda Consdere uma amostra com n observações: x 1, x,..., x n. a) Méda: (ou méda artmétca) é representada por x

Leia mais

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha)

X = 1, se ocorre : VB ou BV (vermelha e branca ou branca e vermelha) Estatístca p/ Admnstração II - Profª Ana Cláuda Melo Undade : Probabldade Aula: 3 Varável Aleatóra. Varáves Aleatóras Ao descrever um espaço amostral de um expermento, não especfcamos que um resultado

Leia mais

AEP FISCAL ESTATÍSTICA

AEP FISCAL ESTATÍSTICA AEP FISCAL ESTATÍSTICA Módulo 11: Varáves Aleatóras (webercampos@gmal.com) VARIÁVEIS ALEATÓRIAS 1. Conceto de Varáves Aleatóras Exemplo: O expermento consste no lançamento de duas moedas: X: nº de caras

Leia mais

2 Incerteza de medição

2 Incerteza de medição 2 Incerteza de medção Toda medção envolve ensaos, ajustes, condconamentos e a observação de ndcações em um nstrumento. Este conhecmento é utlzado para obter o valor de uma grandeza (mensurando) a partr

Leia mais

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues

Conceitos Iniciais de Estatística Módulo 3 : MEDIDAS DE POSIÇÃO Prof. Rogério Rodrigues Concetos Incas de Estatístca Módulo 3 : MEDIDAS DE POSIÇÃO Pro. Rogéro Rodrgues MEDIDAS DE POSIÇÃO ) Introdução : Depos da coleta de dados, as varáves pesqusadas estão em estado bruto, sendo necessáro

Leia 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

CURSO de ESTATÍSTICA Gabarito

CURSO de ESTATÍSTICA Gabarito UNIVERSIDADE FEDERAL FLUMINENSE TRANSFERÊNCIA o semestre letvo de 010 e 1 o semestre letvo de 011 CURSO de ESTATÍSTICA Gabarto INSTRUÇÕES AO CANDIDATO Verfque se este caderno contém: PROVA DE REDAÇÃO com

Leia 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

2ª Atividade Formativa UC ECS

2ª Atividade Formativa UC ECS I. Explque quando é que a méda conduz a melhores resultados que a medana. Dê um exemplo para a melhor utlzação de cada uma das meddas de localzação (Exame 01/09/2009). II. Suponha que um professor fez

Leia 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 entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA

EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA EXERCÍCIOS DE REVISÃO DE ESTATÍSTICA CONTEÚDOS: DISTRIBUIÇÃO DE FREQUÊNCIA MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO ======================================================================= 1) Em cada caso

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Prof. Lorí Val, Dr. UFRG Insttuto de Matemátca

Leia mais

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Materal elaborado por Mara Tereznha Marott, Rodrgo Coral e Carla Regna Kuss Ferrera Atualzado por Mlton Procópo de Borba. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Para melhor caracterzar um conjunto

Leia mais

Estatística stica Descritiva

Estatística stica Descritiva AULA1-AULA5 AULA5 Estatístca stca Descrtva Prof. Vctor Hugo Lachos Davla oo que é a estatístca? Para mutos, a estatístca não passa de conjuntos de tabelas de dados numércos. Os estatístcos são pessoas

Leia mais

ESTATÍSTICA DESCRITIVA. FONTE: CRESPO, ANTÔNIO ARNOT. ESTATÍSTICA BÁSICA FACIL. 15ª ED. SARAIVA.SÃO PAULO Com adaptações.

ESTATÍSTICA DESCRITIVA. FONTE: CRESPO, ANTÔNIO ARNOT. ESTATÍSTICA BÁSICA FACIL. 15ª ED. SARAIVA.SÃO PAULO Com adaptações. SUMÁRIO: ESTATÍSTICA DESCRITIVA UNIDADE I ESTATÍSTICA E FASES DO MÉTODO ESTATÍSTICO UNIDADE II VARIÁVEIS UNIDADE III TABELAS E SÉRIES ESTATÍSTICAS UNIDADE IV GRÁFICOS ESTATÍSTICOS UNIDADE V TABELA PRIMITIVA

Leia mais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais

Universidade da Beira Interior Departamento de Matemática. Ficha de exercícios nº2: Distribuições Bidimensionais Ano lectvo: 2006/2007 Unversdade da Bera Interor Departamento de Matemátca ESTATÍSTICA Fcha de exercícos nº2: Dstrbuções Bdmensonas Curso: Cêncas do Desporto 1. Consdere a segunte tabela de contngênca:

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 Janete Perera Amador 1 8 Meddas Descrtvas Vmos anterormente que um conjunto de dados pode ser resumdo através de uma dstrbução de freqüêncas, e que esta pode ser representada através de uma

Leia mais

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos

Curso de extensão, MMQ IFUSP, fevereiro/2014. Alguns exercício básicos Curso de extensão, MMQ IFUSP, feverero/4 Alguns exercíco báscos I Exercícos (MMQ) Uma grandeza cujo valor verdadero x é desconhecdo, fo medda três vezes, com procedmentos expermentas dêntcos e, portanto,

Leia mais

3. Estatística descritiva bidimensional

3. Estatística descritiva bidimensional 3. Estatístca descrtva bdmensonal (Tabelas, Gráfcos e números) Análse bvarada (ou bdmensonal): avala o comportamento de uma varável em função da outra, por exemplo: Quantas TV Phlps são venddas na regão

Leia mais

Estatística I Licenciatura MAEG 2006/07

Estatística I Licenciatura MAEG 2006/07 Estatístca I Lcencatura MAEG 006/07 AMOSTRAGEM. DISTRIBUIÇÕES POR AMOSTRAGEM.. Em determnada unversdade verfca-se que 30% dos alunos têm carro. Seleccona-se uma amostra casual smples de 0 alunos. a) Qual

Leia mais

Gráficos de Controle para Processos Autocorrelacionados

Gráficos de Controle para Processos Autocorrelacionados Gráfcos de Controle para Processos Autocorrelaconados Gráfco de controle de Shewhart: observações ndependentes e normalmente dstrbuídas. Shewhart ao crar os gráfcos de controle não exgu que os dados fossem

Leia mais

Introdução e Organização de Dados Estatísticos

Introdução e Organização de Dados Estatísticos II INTRODUÇÃO E ORGANIZAÇÃO DE DADOS ESTATÍSTICOS 2.1 Defnção de Estatístca Uma coleção de métodos para planejar expermentos, obter dados e organzá-los, resum-los, analsá-los, nterpretá-los e deles extrar

Leia mais

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC)

UNIDADE IV DELINEAMENTO INTEIRAMENTE CASUALIZADO (DIC) UNDADE V DELNEAMENTO NTERAMENTE CASUALZADO (DC) CUABÁ, MT 015/ PROF.: RÔMULO MÔRA romulomora.webnode.com 1. NTRODUÇÃO Este delneamento apresenta como característca prncpal a necessdade de homogenedade

Leia mais

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo

3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo 3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas

Leia mais

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8

37 [C] Verdadeira. Veja justificativa do item [B]. Moda = 8 Resposta da questão 1: [C] Calculando:,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 8, 8,5 + 10 + 8 + 9,4 + 8 +,4 + x + 7,4 = 5, x = 9,9 Moda = 8 8+ 8 Medana = = 8,5 + 10 + 8 + 9,4 + 8 +,4 + 7,4 Méda das outras

Leia mais

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias.

Lista de Exercícios. 2 Considere o número de aparelhos com defeito na empresa Garra durante 50 dias. Classque as varáves: Faculdade Ptágoras / Dvnópols-MG Curso: Pscologa Dscplna: Estatístca Aplcada à Pscologa Lsta de Eercícos a) número de peças produzdas por hora; b) dâmetro eterno da peça; c) número

Leia mais

Estatística II Antonio Roque Aula 18. Regressão Linear

Estatística II Antonio Roque Aula 18. Regressão Linear Estatístca II Antono Roque Aula 18 Regressão Lnear Quando se consderam duas varáves aleatóras ao mesmo tempo, X e Y, as técncas estatístcas aplcadas são as de regressão e correlação. As duas técncas estão

Leia mais

3 A técnica de computação intensiva Bootstrap

3 A técnica de computação intensiva Bootstrap A técnca de computação ntensva ootstrap O termo ootstrap tem orgem na expressão de língua nglesa lft oneself by pullng hs/her bootstrap, ou seja, alguém levantar-se puxando seu própro cadarço de bota.

Leia mais

Testes não-paramétricos

Testes não-paramétricos Testes não-paramétrcos Prof. Lorí Val, Dr. http://www.mat.ufrgs.br/val/ val@mat.ufrgs.br Um teste não paramétrco testa outras stuações que não parâmetros populaconas. Estas stuações podem ser relaconamentos,

Leia mais

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES

NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES NOÇÕES SOBRE CORRELAÇÃO E REGRESSÃO LINEAR SIMPLES 1 O nosso objetvo é estudar a relação entre duas varáves quanttatvas. Eemplos:. Idade e altura das cranças.. v. Tempo de prátca de esportes e rtmo cardíaco

Leia mais

Estatística e Probabilidade

Estatística e Probabilidade Estatístca e Probabldade Professor conteudsta: Rcardo Vda Sumáro Estatístca e Probabldade Undade I 1 CONCEITOS BÁSICOS...1 1.1 Concetos fundamentas... 1. Processos estatístcos de abordagem... 1.3 Dados

Leia mais

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro

RAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero

Leia mais

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES

Capítulo 2. APROXIMAÇÕES NUMÉRICAS 1D EM MALHAS UNIFORMES Capítulo. Aproxmações numércas 1D em malhas unformes 9 Capítulo. AROXIMAÇÕS NUMÉRICAS 1D M MALHAS UNIFORMS O prncípo fundamental do método das dferenças fntas (MDF é aproxmar através de expressões algébrcas

Leia mais

2. VARIÁVEIS ALEATÓRIAS

2. VARIÁVEIS ALEATÓRIAS VARIÁVEIS ALEATÓRIAS 0 Varável aleatóra Ω é o espaço amostral de um epermento aleatóro Uma varável aleatóra é uma função que atrbu um número real a cada resultado em Ω Eemplo Retra- ao acaso um tem produzdo

Leia mais

Teoria Elementar da Probabilidade

Teoria Elementar da Probabilidade 10 Teora Elementar da Probabldade MODELOS MATEMÁTICOS DETERMINÍSTICOS PROBABILÍSTICOS PROCESSO (FENÓMENO) ALEATÓRIO - Quando o acaso nterfere na ocorrênca de um ou mas dos resultados nos quas tal processo

Leia mais

Experiência V (aulas 08 e 09) Curvas características

Experiência V (aulas 08 e 09) Curvas características Experênca (aulas 08 e 09) Curvas característcas 1. Objetvos 2. Introdução 3. Procedmento expermental 4. Análse de dados 5. Referêncas 1. Objetvos Como no expermento anteror, remos estudar a adequação de

Leia mais

Cap. IV Análise estatística de incertezas aleatórias

Cap. IV Análise estatística de incertezas aleatórias TLF 010/11 Cap. IV Análse estatístca de ncertezas aleatóras Capítulo IV Análse estatístca de ncertezas aleatóras 4.1. Méda 43 4.. Desvo padrão 44 4.3. Sgnfcado do desvo padrão 46 4.4. Desvo padrão da méda

Leia mais

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores)

UNIVERSIDADE NOVA DE LISBOA Faculdade de Economia Análise de Dados e Probabilidade 2º Semestre 2008/2009 Exame Final 1ª Época. Grupo I (4 Valores) UNIVERSIDADE NOVA DE LISBOA Faculdade de Economa Análse de Dados e Probabldade º Semestre 008/009 Exame Fnal ª Época Clara Costa Duarte Data: 8/05/009 Graça Slva Duração: h0 Grupo I (4 Valores) A gelatara

Leia 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

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 1. ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 011 Estatístca Descrtva e Análse Exploratóra Etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de uma grande quantdade de dados e de

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. val@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ 1 É o grau de assocação entre duas ou mas varáves. Pode ser: correlaconal ou expermental. Numa relação expermental os valores de uma das

Leia mais

Representação e Descrição de Regiões

Representação e Descrição de Regiões Depos de uma magem ter sdo segmentada em regões é necessáro representar e descrever cada regão para posteror processamento A escolha da representação de uma regão envolve a escolha dos elementos que são

Leia mais

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis

Introdução. Uma lâmpada nova é ligada e observa-se o tempo gasto até queimar. Resultados possíveis Introdução A teora das probabldades é um ramo da matemátca que lda modelos de fenômenos aleatóros. Intmamente relaconado com a teora de probabldade está a Estatístca, que se preocupa com a cração de prncípos,

Leia mais

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma

Figura 8.1: Distribuição uniforme de pontos em uma malha uni-dimensional. A notação empregada neste capítulo para avaliação da derivada de uma Capítulo 8 Dferencação Numérca Quase todos os métodos numércos utlzados atualmente para obtenção de soluções de equações erencas ordnáras e parcas utlzam algum tpo de aproxmação para as dervadas contínuas

Leia mais

Aula Características dos sistemas de medição

Aula Características dos sistemas de medição Aula - Característcas dos sstemas de medção O comportamento funconal de um sstema de medção é descrto pelas suas característcas (parâmetros) operaconas e metrológcas. Aqu é defnda e analsada uma sére destes

Leia mais

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um).

INTRODUÇÃO À PROBABILIDADE. A probabilidade é uma medida da incerteza dos fenômenos. Traduz-se por um número real compreendido de 0 ( zero) e 1 ( um). INTRODUÇÃO À PROILIDDE teora das probabldade nada mas é do que o bom senso transformado em cálculo probabldade é o suporte para os estudos de estatístca e expermentação. Exemplos: O problema da concdênca

Leia mais

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência.

Os modelos de regressão paramétricos vistos anteriormente exigem que se suponha uma distribuição estatística para o tempo de sobrevivência. MODELO DE REGRESSÃO DE COX Os modelos de regressão paramétrcos vstos anterormente exgem que se suponha uma dstrbução estatístca para o tempo de sobrevvênca. Contudo esta suposção, caso não sea adequada,

Leia mais

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1

APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 APOSTILA DE ESTATÍSTICA BÁSICA Parte 1 Prof. Msc. Jorge Wlson Perera da Slva SUMÁRIO Capítulo 1. Concetos Báscos 3 1.1. Introdução 3 1.2. População e Amostra 3 1.3. Processos Estatístcos de Abordagem 4

Leia mais

1. CORRELAÇÃO E REGRESSÃO LINEAR

1. CORRELAÇÃO E REGRESSÃO LINEAR 1 CORRELAÇÃO E REGREÃO LINEAR Quando deseja-se estudar se exste relação entre duas varáves quanttatvas, pode-se utlzar a ferramenta estatístca da Correlação Lnear mples de Pearson Quando essa correlação

Leia mais

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO

INSTITUTO POLITÉCNICO DE VISEU ESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO Área Centfca Curso Matemátca Engenhara Electrotécnca º Semestre º 00/0 Fcha nº 9. Um artgo da revsta Wear (99) apresenta dados relatvos à vscosdade do óleo e ao desgaste do aço maco. A relação entre estas

Leia mais

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16%

RISCO. Investimento inicial $ $ Taxa de retorno anual Pessimista 13% 7% Mais provável 15% 15% Otimista 17% 23% Faixa 4% 16% Análse de Rsco 1 RISCO Rsco possbldade de perda. Quanto maor a possbldade, maor o rsco. Exemplo: Empresa X va receber $ 1.000 de uros em 30 das com títulos do governo. A empresa Y pode receber entre $

Leia mais

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall

Programa do Curso. Sistemas Inteligentes Aplicados. Análise e Seleção de Variáveis. Análise e Seleção de Variáveis. Carlos Hall Sstemas Intelgentes Aplcados Carlos Hall Programa do Curso Lmpeza/Integração de Dados Transformação de Dados Dscretzação de Varáves Contínuas Transformação de Varáves Dscretas em Contínuas Transformação

Leia mais

RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES

RACIOCÍNIO LÓGICO QUANTITATIVO PARA AFRFB PROFESSOR: GUILHERME NEVES Aula 11 Estatístca.... Classe.... 7 Lmtes de classe... 7 Ampltude de um ntervalo de classe... 7 Ampltude total da Dstrbução... 8 Ponto médo de uma classe... 8 Tpos de frequêncas... 9 Meddas de Posção...

Leia mais

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009

Nome: Nº: Estatística para Economia e Gestão Licenciaturas em Economia e Gestão. 2.º Semestre de 2008/2009 Estatístca para Economa e Gestão Lcencaturas em Economa e Gestão.º Semestre de 008/009 Exame Fnal (.ª Época) 16 de Junho de 009; 17h30m Duração: 10 mnutos INSTRUÇÕES Escreva o nome e número de aluno em

Leia mais

Capítulo 1. Exercício 5. Capítulo 2 Exercício

Capítulo 1. Exercício 5. Capítulo 2 Exercício UNIVERSIDADE FEDERAL DE GOIÁS CIÊNCIAS ECONÔMICAS ECONOMETRIA (04-II) PRIMEIRA LISTA DE EXERCÍCIOS Exercícos do Gujarat Exercíco 5 Capítulo Capítulo Exercíco 3 4 5 7 0 5 Capítulo 3 As duas prmeras demonstrações

Leia mais

Covariância na Propagação de Erros

Covariância na Propagação de Erros Técncas Laboratoras de Físca Lc. Físca e Eng. omédca 007/08 Capítulo VII Covarânca e Correlação Covarânca na propagação de erros Coefcente de Correlação Lnear 35 Covarânca na Propagação de Erros Suponhamos

Leia mais

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs

INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. Prova 11/7/2006 Profa. Ana Maria Farias Turma A hs INTRODUÇÃO À ESTATÍSTICA ECONÔMICA 2a. rova /7/2006 rofa. Ana Mara Faras Turma A 4-6 hs. Consdere os dados da tabela abaxo, onde temos preços e uantdades utlzadas de materal de escrtóro. Item Undade reço

Leia mais

Variáveis Aleatórias

Variáveis Aleatórias Unversdade Federal do Pará Insttuto de Tecnologa Estatístca Aplcada I Prof. Dr. Jorge Teóflo de Barros Lopes Campus de Belém Curso de Engenhara Mecânca /08/06 7:39 ESTATÍSTICA APLICADA I - Teora das Probabldades

Leia mais

DEFINIÇÃO - MODELO LINEAR GENERALIZADO

DEFINIÇÃO - MODELO LINEAR GENERALIZADO DEFINIÇÃO - MODELO LINEAR GENERALIZADO 1 Um modelo lnear generalzado é defndo pelos seguntes três componentes: Componente aleatóro; Componente sstemátco; Função de lgação; Componente aleatóro: Um conjunto

Leia mais

DELINEAMENTOS EXPERIMENTAIS

DELINEAMENTOS EXPERIMENTAIS SUMÁRIO 1 Delneamentos Expermentas 2 1.1 Delneamento Interamente Casualzado..................... 2 1.2 Delneamento Blocos Casualzados (DBC).................... 3 1.3 Delneamento Quadrado Latno (DQL)......................

Leia mais

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral.

Eventos coletivamente exaustivos: A união dos eventos é o espaço amostral. DEFINIÇÕES ADICIONAIS: PROBABILIDADE Espaço amostral (Ω) é o conjunto de todos os possíves resultados de um expermento. Evento é qualquer subconjunto do espaço amostral. Evento combnado: Possu duas ou

Leia mais

Prof. Lorí Viali, Dr.

Prof. Lorí Viali, Dr. Prof. Lorí Val, Dr. vall@mat.ufrgs.br http://www.mat.ufrgs.br/~val/ Em mutas stuações duas ou mas varáves estão relaconadas e surge então a necessdade de determnar a natureza deste relaconamento. A análse

Leia mais

IV - Descrição e Apresentação dos Dados. Prof. Herondino

IV - Descrição e Apresentação dos Dados. Prof. Herondino IV - Descrção e Apresentação dos Dados Prof. Herondno Dados A palavra "dados" é um termo relatvo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partr de uma etapa podem ser

Leia mais

DISTRIBUIÇÃO DE FREQUÊNCIAS

DISTRIBUIÇÃO DE FREQUÊNCIAS Núcleo das Cêncas Bológcas e da Saúde Cursos de Bomedcna, Ed. Físca, Enermagem, Farmáca, Fsoterapa, Fonoaudologa, Medcna Veternára, Muscoterapa, Odontologa, Pscologa DISTRIBUIÇÃO DE FREQUÊNCIAS 5 5. DISTRIBUIÇÃO

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

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00)

Y X Baixo Alto Total Baixo 1 (0,025) 7 (0,175) 8 (0,20) Alto 19 (0,475) 13 (0,325) 32 (0,80) Total 20 (0,50) 20 (0,50) 40 (1,00) Bussab&Morettn Estatístca Básca Capítulo 4 Problema. (b) Grau de Instrução Procedênca º grau º grau Superor Total Interor 3 (,83) 7 (,94) (,) (,33) Captal 4 (,) (,39) (,) (,3) Outra (,39) (,7) (,) 3 (,3)

Leia mais

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011

PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 2010/2011 Instruções: PROVA DE ESTATÍSTICA & PROBABILIDADES SELEÇÃO MESTRADO/UFMG 00/0 Cada uestão respondda corretamente vale (um) ponto. Cada uestão respondda ncorretamente vale - (menos um) ponto. Cada uestão

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

Análise de Regressão

Análise de Regressão Análse de Regressão método estatístco que utlza relação entre duas ou mas varáves de modo que uma varável pode ser estmada (ou predta) a partr da outra ou das outras Neter, J. et al. Appled Lnear Statstcal

Leia mais

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA

ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA ANÁLISE EXPLORATÓRIA E ESTATÍSTICA DESCRITIVA 0 Estatístca Descrtva e Análse Eploratóra Realzadas em etapas ncas. Utlzadas para descrever e resumr os dados. A dsponbldade de grande quantdade de dados e

Leia mais