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

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

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

MEDIDAS DE DISPERSÃO:

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

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

MEDIDAS DE TENDÊNCIA CENTRAL I

ESTATÍSTICA APLICADA À ZOOTECNIA

Organização; Resumo; Apresentação.

Estatística - exestatmeddisper.doc 25/02/09

Revisão de Estatística X = X n

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

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

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

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

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

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

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

9 Medidas Descritivas

CAPITULO 1 CONCEITOS BÁSICOS

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

Estatística: uma definição

Relatório 2ª Atividade Formativa UC ECS

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

Estatística: uma definição

? Isso é, d i= ( x i. . Percebeu que

Estatística. 2 - Estatística Descritiva

Uma coleção de todos os possíveis elementos, objetos ou medidas de interesse.

Estatística: uma definição

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

Estatística: uma definição

50 Logo, Número de erros de impressão

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

Construção e Análise de Gráficos

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

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

Prof. Janete Pereira Amador 1

sticas Estatística (divisão) População stica: uma definição Estatística:

Distribuições de Probabilidades

2. MODELO DETALHADO: Relações de Recorrência. Exemplo: Algoritmo Recursivo para Cálculo do Fatorial Substituição Repetida

A análise de variância de uma classificação (One-Way ANOVA) verifica se as médias de k amostras independentes (tratamentos) diferem entre si.

NOTAS DE AULA DA DISCIPLINA CE076. ], T 2 = conhecido como T 2 de Hotelling

Escola Secundária de Jácome Ratton

INTRODUÇÃO A ESTATÍSTICA

Introdução à Estatística

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

Regressao Simples. Parte II: Anova, Estimação Intervalar e Predição

Oitava Lista de Exercícios

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

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

Cap. 5. Testes de Hipóteses

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

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

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

ESTATÍSTICA Exame Final 1ª Época 3 de Junho de 2002 às 14 horas Duração : 3 horas

Probabilidade II Aula 10

Estatística Básica - Continuação

Matemática Ficha de Trabalho

Apostila de Introdução Aos Métodos Numéricos

Análise Descritiva com Dados Agrupados

Medidas de Tendência Central. Prof.: Ademilson Teixeira

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

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

CURSO SOBRE MEDIDAS DESCRITIVA Adriano Mendonça Souza Departamento de Estatística - UFSM -

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

d s F = m dt Trabalho Trabalho

Escola Secundária com 3º ciclo D. Dinis 10º Ano de Matemática A Estatística

Variável discreta: X = número de divórcios por indivíduo

Capítulo III Medidas Estatísticas

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

Resumos Numéricos de Distribuições

Bioestatística 5ª Período Biologia

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

ESTATÍSTICA BÁSICA - Profº Marcos Nascimento

Sumário. Mecânica. Sistemas de partículas

Atividades Práticas Supervisionadas (APS)

1) Escrever um programa que faça o calculo de transformação de horas em minuto onde às horas devem ser apenas número inteiros.

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

Matemática. Resolução das atividades complementares. M18 Noções de Estatística

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

Estatística Descritiva

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

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

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

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

Unidade II ESTATÍSTICA

CEDEPLAR - UFMG Nivelamento em Estatística 2013 Prof a Sueli Moro. Variáveis aleatórias

Avaliação de Empresas Profa. Patricia Maria Bortolon

16/03/2014. IV. Juros: taxa efetiva, equivalente e proporcional. IV.1 Taxa efetiva. IV.2 Taxas proporcionais. Definição:

Centro de massa, momento linear de sistemas de partículas e colisões

Projeto e Análise de Algoritmos Recorrências. Prof. Humberto Brandão

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

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

Curso de Biomedicina

13 ESTIMAÇÃO DE PARÂMETROS E DISTRIBUIÇÃO AMOSTRAL

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

PUCRS FAMAT DEPTº DE ESTATÍSTICA ESTATÍSTICA DESCRITIVA SÉRGIO KATO

ESTATÍSTICA DESCRITIVA NOCÕES FUNDAMENTAIS

2. MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO

Números Complexos. 2. (IME) Seja z um número complexo de módulo unitário que satisfaz a condição z 2n 1, onde n é um número inteiro positivo.

Transcrição:

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 das séres de dados etre s pelo cofroto desses úmeros. As prcpas meddas de posção (chamadas também de Meddas de Tedêca Cetral) são a MÉDIA, a MEDIANA e a MODA. Mas temos também os Decs, Quarts e Percets. A Méda, também chamada de Esperaça, Esperaça Matemátca, Valor Esperado ou, ada, Expectâca de uma Varável Aleatóra, pode ser: MÉDIA Artmétca Geométrca Harmôca Smples Poderada I) Méda Artmétca Smples: Quado se tratar de dados solados, a méda será a soma de todos os valores ( ) observados dvdda pelo úmero de observações, ou seja: Ode: soma dos valores observados úmero de observações Exemplo: Determar a Méda Artmétca Smples do segute cojuto de valores: 7, 9, 0, 4, 5 e 7 7 + 9 + 0 + 4 + 5 + 7 6 6 72 2 Quado se tratar de dados agrupados, a méda será a soma do produto dos valores observados pela freqüêca absoluta com que estes ocorrem, dvdda pela soma das freqüêcas absolutas da dstrbução, ou seja: F F Ode: soma dos produtos de cada valor observado pela F sua respectva freqüêca absoluta F soma das freqüêcas absolutas Exemplo: Dada a dstrbução a segur: 9 0 4 5 F 5 F 9 + 0 + 70 +5 e 24 F 0 2,4 0 OBS.: Se os dados estverem agrupados em tervalos de classe, deve-se cosderar como o poto médo do tervalo de classe. MEDIDAS DE POSIÇÃO Pedro Bello Pága

II) Méda Artmétca Poderada: Quado as observações tverem pesos dferetes, esses pesos terão fluêca sobre a méda. Assemelha-se ao cálculo da méda artmétca smples para dados agrupados, bastado que troquemos as freqüêcas pelos pesos. Etão: Mp P P Ode: P soma dos produtos de cada valor observado pelo seu respectvo peso P soma dos pesos Exemplo: Numa prova para Audtor Fscal, temos que a prova P. (Cohecmetos Geras) tem peso, as provas P.2 (Cohecmetos Específcos) e P. (Cohecmetos Especalzados por área) têm peso 2. Supodo que um caddato teha acertado: 55% da prova P. 75% da prova P.2 80% da prova P. Pela Méda Artmétca smples, teríamos (55 + 75 + 80)/ 70% de acertos em méda. Usado a Méda Artmétca Poderada, teremos: ( 55 ) + ( 75 2) + ( 80 2) + 2 + 2 65 7% 5 No exemplo acma, vmos que a M.A.P. fo maor do que a M.A.S., porque houve um maor percetual de acertos as matéras de maor peso. Caso cotráro, a M.A.P. sera meor do que a M.A.S. Podemos coclur, etão, que a M.A.P. é dretamete fluecada pelos pesos. III) Méda Geométrca (Mg): A Méda Geométrca de um cojuto de valores observados, 2,,... é a raz de ordem do produto desses valores, ou seja: Mg 2... Ode: Valor observado de ordem úmero de observações No exemplo ateror, a Mg sera: 55 75 80 0. 000 69,0 A Méda Geométrca é bem meos usada que a Méda Artmétca, pos para um úmero grade de observações apreseta a desvatagem de ter um processo de cálculo muto logo e trabalhoso. IV) Méda Harmôca (Mh): A Méda Harmôca de um cojuto de valores observados, 2,,... será o resultado da dvsão da quatdade de elemetos do cojuto pelo somatóro dos versos dos valores observados, ou seja: Mh Ode: soma dos versos dos valores observados úmero de observações MEDIDAS DE POSIÇÃO Pedro Bello Pága 2

No exemplo ateror, a Mh sera: 55 + + 75 80 240 + 76 + 65.200.200 68,6 58 Pelo mesmo motvo da Méda Geométrca, a Méda Harmôca também é pouco usada. OBS.: Relação etre as Médas Artmétca, Geométrca e Harmôca A Méda Geométrca de um cojuto de úmeros postvos, 2,,... é maor ou gual à Méda Harmôca e meor ou gual à Méda Artmétca, ou seja: Mh Mg Com efeto, o exemplo dado (otas de um caddato a Audtor Fscal), temos que: 68,6 (Mh) 69,0 (Mg) 70,0 ( ) PROPRIEDADES DA MÉDIA: ) A méda de uma costate é a própra costate. K ΣK K 2) Multplcado uma Varável Aleatóra por uma costate, sua méda fcará multplcada por essa costate. Σ ΣK K médas. ) A méda da soma ou dfereça de 2 Varáves Aleatóras é a soma ou dfereça das ± Y ± Y 4) Somado ou subtrado uma costate a uma V.A., a sua méda fcará somada ou subtraída da mesma costate. ± K ± K 5) A méda do produto de 2 Varáves Aleatóras depedetes é o produto das médas. Y Y MEDIDAS DE POSIÇÃO Pedro Bello Pága

CÁLCULO SIMPLIFICADO DA MÉDIA: Tal procedmeto é partcularmete útl de ser aplcado quado os valores observados forem grades e a ampltude etre tas valores for costate, pos o cálculo smplfcado reduz a magtude das operações, facltado o cálculo. Exemplo: Caso tvéssemos a segute dstrbução: 7 9 2 2 25 F 8 2 5 7 5 O cálculo da méda pelo processo ormal sera: F F 7 8 6 9 2 228 2 5 5 2 7 6 25 5 25 Σ 47 965 965 47 20,5 Obteremos este mesmo resultado, pelo cálculo smplfcado da méda, crado uma varável Z e arbtrado um valor zero (de preferêca o valor ou a classe do meo ou próxma do meo). Os valores de Z localzados a tabela acma desse zero serão -, -2,...,- e os valores localzados abaxo serão, 2,...,. A segur, multplcaremos os valores Z pelas respectvas ΣZ F freqüêcas a fm de obter a méda Z. ΣF Assm, o exemplo dado, teremos: F Z Z F 7 8-2 -6 9 2 - -2 2 5 0 0 2 7 7 25 5 2 0 Σ 47 - Z 47 0,2404 Para voltarmos à varável e ecotrarmos, usaremos a fórmula: h Z + o Ode: h ampltude etre os valores ou a ampltude dos tervalos de classe Z méda da varável Z o valor da varável ou o poto médo do tervalo de classe ode arbtramos Z 0 No exemplo dado, h 2 e o 2. Etão, teremos: 2 (-0,2404) + 2-0,46808 + 2 20,5 (mesmo valor ecotrado pelo cálculo ateror) MEDIDAS DE POSIÇÃO Pedro Bello Pága 4

V) Moda: É o valor que mas aparece ou o de maor freqüêca smples (absoluta ou relatva) uma dstrbução de freqüêca. A Moda pode ão exstr; exstdo, pode ão ser úca. Uma dstrbução pode ser: Amodal (ão há Moda todas os valores observados aparecem o mesmo úmero de vezes), Umodal (uma só Moda), Bmodal (quado tem duas Modas) ou Multmodal (tem váras Modas). Exemplo: Notas dos aluos de uma turma: Nota ( ) F 0 0 2 2 4 5 4 6 8 7 2 8 9 0 0 Σ 25 MODA Nesse caso a dstrbução é Umodal e sua Moda é 6 Quado os dados estverem agrupados em tervalos de classe, usaremos a fórmula de Czuber para cálculo da Moda: Mo + + 2 h Ode: lmte feror da classe modal dfereça etre a freqüêca da classe modal e a medatamete ateror 2 dfereça etre a freqüêca da classe modal e a medatamete posteror h ampltude da classe OBS.: Classe modal é a classe que cotém a maor freqüêca. Exemplo: Nota ( ) F 0 2 2 2 4 2 4 6 7 6 8 0 8 0 4 Σ 25 Usado a fórmula de Czuber para cálculo da Moda: 2 Mo 6 + 2 Mo 6 + Mo 6,67 + 6 MEDIDAS DE POSIÇÃO Pedro Bello Pága 5