ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

Documentos relacionados
MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

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

Organização; Resumo; Apresentação.

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Estatística - exestatmeddisper.doc 25/02/09

ESTATÍSTICA APLICADA À ZOOTECNIA

Distribuições de Probabilidades

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

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

Estatística: uma definição

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

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

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

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

? Isso é, d i= ( x i. . Percebeu que

Cap. 5. Testes de Hipóteses

Relatório 2ª Atividade Formativa UC ECS

MEDIDAS DE DISPERSÃO:

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

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

Total Bom Ruim Masculino

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

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

50 Logo, Número de erros de impressão

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

9 Medidas Descritivas

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

Estatística Básica - Continuação

Construção e Análise de Gráficos

Análise Exploratória de Dados

INTRODUÇÃO A ESTATÍSTICA

DISTRIBUIÇÃO HIPERGEOMÉTRICA

Oitava Lista de Exercícios

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

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

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

Estatística. 2 - Estatística Descritiva

Estatística: uma definição

Introdução à Estatística

Estatística: uma definição

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

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

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

Descritiva. Francisco Cysneiros DE - UFPE

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

7 - Distribuição de Freqüências

Estatística: uma definição

Revisão de Estatística X = X n

Teoria Elementar da Probabilidade. a) Cada experiência poderá ser repetida indefinidamente sob condições essencialmente inalteradas.

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

Estatística: uma definição

Curso de Biomedicina

5 Critérios para Análise dos Resultados

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

Tratamento de informação

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

É o quociente da divisão da soma dos valores das variáveis pelos números deles:

Prof. Janete Pereira Amador 1

Regressão Simples. Parte III: Coeficiente de determinação, regressão na origem e método de máxima verossimilhança

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

8 Programação linear 78

Resumos Numéricos de Distribuições

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

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

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

Matemática Ficha de Trabalho

CAPITULO 1 CONCEITOS BÁSICOS

ESTATÍSTICA BÁSICA - Profº Marcos Nascimento

Estatística: uma definição

Econometria: 3 - Regressão Múltipla

Carga horária: 60 horas Créditos: 04

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

Apostila de Introdução Aos Métodos Numéricos

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

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

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

Inferência Estatística e Aplicações I. Edson Zangiacomi Martinez Departamento de Medicina Social FMRP/USP

Atividades Práticas Supervisionadas (APS)

PLANO PROBABILIDADES Professora Rosana Relva DOS. Números Inteiros e Racionais COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS NÚMEROS COMPLEXOS

Unidade I Os Análise de Dados Estatísticos

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

Difusão entre Dois Compartimentos

A ciência de coletar, organizar, apresentar, analisar e interpretar dados numéricos com o objetivo de tomar melhores decisões.

CADERNO 1 (É permitido o uso de calculadora gráfica.)

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Sumário. Mecânica. Sistemas de partículas

VI - Integração Numérica

Critérios de correção e orientações de resposta exame

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

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

Regressão. Pedro Paulo Balestrassi

Macroeconometria Aula 3 Revisão de estatística e teste de hipótese

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

Escola Secundária de Jácome Ratton

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

Transcrição:

ESTATÍSTICA MÓDULO OS RAMOS DA ESTATÍSTICA

Ídce. Os Ramos da Estatístca...3.. Dados Estatístcos...3.. Formas Icas de Tratameto dos Dados....3. Notação por Ídces...5.. Notação Sgma ()...5 Estatístca Módulo : Os Ramos da Estatístca

. OS RAMOS DA ESTATÍSTICA Quado os úmeros são utlzados para descrever fatos temos a estatístca descrtva. Esta parte da estatístca procura orgazar, resumr e smplfcar formações compleas, a fm de torá-las de mas fácl etedmeto, eposção e dscussão. São eemplos de meddas da estatístca descrtva a taa de desemprego, os ídces de flação, a qulometragem méda por ltro de combustível, etre outros. Se, por outro lado, ão há a possbldade da descrção de fatos pela estêca de crcustâcas ou epermetos que evolvam o acaso, faz-se ecessára a utlzação da probabldade, outro ramo da estatístca útl para este tpo de stuação. Os jogos de azar, a maor parte dos jogos esportvos, a mega-sea, as decsões de marketg evolvem, em alguma medda, o acaso, e portato, a probabldade. Um outro ramo mportate da estatístca é a ferêca, que se propõe a aalsar e a terpretar dados que são obtdos através de uma amostra. A ferêca ou amostragem tem como déa básca etrar determadas formações de uma parcela pequea de uma população determada, e a partr dsto fazer ferêca sobre toda a população. Ou seja, a amostra deverá ecessaramete represetar toda a população. É precso ter em mete que as três áreas da estatístca ão são separadas ou dsttas, mas tedem a se etrelaçar. A descrção e o resumo dos dados tede a ser a prmera fase da aálse destes dados, já a teora e os fudametos da amostragem se baseam a teora da probabldade... DADOS ESTATÍSTICOS Quado se trabalha com a observação, a mesuração, a aálse e a terpretação de úmeros, esses úmeros os coduzrão à ídces flacoáros, ídces de desemprego, probabldade de determado caddato gahar as eleções, etc. Estes úmeros, portato, serão desgados dados estatístcos. Esses dados precsarão ser orgazados e sumarzados para sua correta terpretação. Ora, caso os dados ada ão foram umercamete orgazados e processados, eles podem se apresetar a ós com quase ehum setdo. Estes seram os chamados dados brutos. É o processameto e orgazação dos dados que os trasforma em formação, efatzado seus aspectos mas mportates. A formação, portato, é resultado de um tratameto dos dados. Para orgazar e processar os dados estatístcos podemos utlzar resumos vsuas e umércos, através de gráfcos, mapas, tabelas e modelos umércos. A mesuração ou a observação de tes como ídces de preços, reda mesal per capta de um Estado, etc, dão orgem aos dados estatístcos. Como estes tes orgam valores que tedem a apresetar um Estatístca Módulo : Os Ramos da Estatístca 3

certo grau de varabldade quado são meddos sucessvas vezes são chamados de varáves. É mportate detfcar quatro tpo de varáves:. Varáves Cotíuas: é a varável que pode assumr qualquer valor um tervalo cotíuo (dado cotíuo). Eemplos: altura, peso, velocdade, etc.. Varáves Dscretas: em geral orgam-se da cotagem de tes e só podem assumr valores teros. Eemplos: úmero de aluos em sala de aula, úmero de professores que trabalham a escola, etc. 3. Varáves Nomas: são aquelas que estem com o objetvo de defr categoras, e as observações, mesurações e aálses são fetas levado-se em cota estas mesmas categoras. Eemplos de categoras seram a separação por seo, dade, ível de escolardade, etc.. Varáves por Posto: quado este o desejo de dspor os elemetos observados segudo uma ordem de preferêca ou desempeho, atrbu-se valores relatvos atrbuídos para dcar esta ordem. Eemplo: prmero, segudo, tercero. As varáves dscretas e cotíuas são dtas varáves quattatvas porque evolvem dados emetemete umércos. Já as varáves omas e por posto precsam ser trasformadas em valores umércos para serem objeto da aálse estatístca, e são dtas varáves qualtatvas... FORMAS INICIAIS DE TRATAMENTO DOS DADOS Em geral, quado os propomos a buscar costrur formações a partr de dados, os deparamos calmete com um cojuto de dados brutos que pouco os dzem. É precso orgazá-los mmamete para que eles comecem a fazer algum setdo, vablzado sua aálse. Estatístca Módulo : Os Ramos da Estatístca

Uma prmera forma de orgazação dos dados é o chamado Rol. Obtemos o rol quado orgazamos os dados brutos em ordem crescete ou decrescete de gradeza. A ampltude do rol é obtda pela dfereça etre o maor e o meor úmero do rol. Utlza-se o rol quado o cojuto de dados for pequeo, ou seja, for feror a 30 observações. Por outro lado, quado se trata de um cojuto grade de dados, que seja superor a 30 observações, utlzamos a dstrbução de freqüêcas. Cosste em orgazar os dados brutos em classes, a fm de detfcar o úmero de tes pertecetes a cada classe, deomado freqüêca de classe. Os dados são assm orgazados em tervalos de classes. Este assuto será melhor pormeorzado o módulo II..3. NOTAÇÃO POR ÍNDICES A otação por ídces é bastate utlzada a estatístca, sedo assm mportate que esclareçamos seu sgfcado. O símbolo (ode se lê ídce ) rá represetar qualquer um dos valores assumdos pela varável,,,...,. é deomada ídce e poderá assumr qualquer dos,, 3 úmeros etre,, 3,,...,... NOTAÇÃO SIGMA () A maora dos processos estatístcos va egr o cálculo da soma de um cojuto de úmeros. A letra maúscula grega sgma () é utlzada para represetar estas somas. Assm, se uma determada varável y tver os valores 3, 5, 7, 9 e, o y será: y = 3+5+7+9+ y = 35 Por outro lado, se o cosumo semaal de arroz de, durate um mês foram kg,kg, 3kg, 5kg, o total cosumdo por o mês tera sdo: = ++3+5 =, tera cosumdo kg de arroz durate o mês referdo. A otação sgma possu algumas propredades que precsamos desevolver, para facltar os coteúdos a serem desevolvdos posterormete esta dscpla. a) = = =, sto sgfca que devemos somar as observações de, começado com a prmera. Estatístca Módulo : Os Ramos da Estatístca 5

Por eemplo, um cojuto de dados ode = {,,,8,0,}, ode =, teremos: = = = = = + + + 8 + 0 + Por outro lado, é possível utlzar esta otação quado se pretede aalsar a soma de apeas uma parte dos dados dspoblzados, podedo-se, portato abrevar a soma de um cojuto de dados. Desta forma, podemos ter: 3. + + 3 = = 8 8. + 9 + 0 + = = b) Se cada valor da varável é multplcado ou dvddo por uma costate, temos que sso será gual ao valor da costate multplcado ou dvddo pela somatóra de. = c c. = c. Assm, = = ( = + + + Por eemplo: 3 + + 3 ) = se = {,,,8,0,} ; ode =; + = E cada valor de é multplcado pela costate c=, temos: = c c = c = = = = = () + () + () + (8) + (0) + () = ( + + + 8 + 0 + ) = () = 8 Estatístca Módulo : Os Ramos da Estatístca

c) O somatóro de uma costate c será gual ao produto da costate pelo úmero de vezes () que ela se repete. Assm, temos: = c = c Por eemplo, se uma determada observação o cojuto de dados de = {7,7,7,7,7,7}, ode =, temos que é uma costate c que se repete. Etão teremos: = c = = = c = c = 7 + 7 + 7 + 7 + 7 + 7 = (7) = d) O somatóro de uma soma ou de uma dfereça de duas varáves será gual à soma ou dfereça dos somatóros dvduas das duas varáves. Assm, teremos: = = ( + y ) = ( y ) = = = + = = y y Por eemplo: X Y (X-Y) 8 5 3 3 ( y) = 9 y = 0 = 9 3 0 5 - - - - 0 9 e) O somatóro de um cojuto de dados ao quadrado os obrga a elevar cada elemeto de ao quadrado para efetuar a soma. Assm, teremos: Estatístca Módulo : Os Ramos da Estatístca 7

= = + + 3 +... + Por eemplo, se uma dada observação o cojuto de dados de = {,,,8,0}, ode =5, teremos: 5 = = + + + 8 + 0 = + + 3 + + 00 = 0 f) O somatóro ao quadrado de um cojuto de dados será obtdo pegado-se a soma dos valores de e elevado-se ao quadrado. Assm, teremos: ( ) = ( + + 3 +... + = ) Por eemplo, se temos um mesmo cojuto = {,,,8,0}, ode =5, tal qual o eemplo do tem e, teremos um resultado dstto. Seão vejamos: ( 5 = ) = ( + + + 8 + 0) = (30) = 900 Estatístca Módulo : Os Ramos da Estatístca 8