Estatística: uma definição

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

Estatística: uma definição

Estatística: uma definição

Estatística: uma definição

Organização; Resumo; Apresentação.

Estatística: uma definição

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

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

Estatística: uma definição

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

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

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

ESTATÍSTICA APLICADA À ZOOTECNIA

Estatística - exestatmeddisper.doc 25/02/09

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

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

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

Estatística. 2 - Estatística Descritiva

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

Relatório 2ª Atividade Formativa UC ECS

9 Medidas Descritivas

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

50 Logo, Número de erros de impressão

Grandes Conjuntos de Dados

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

MEDIDAS DE TENDÊNCIA CENTRAL I

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

Análise da Informação Económica e Empresarial

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

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

Estatística Descritiva

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

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

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

Descritiva. Francisco Cysneiros DE - UFPE

MEDIDAS DE DISPERSÃO:

Cap. 5. Testes de Hipóteses

Distribuições de Probabilidades

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

Prof. Lorí Viali, Dr.

? Isso é, d i= ( x i. . Percebeu que

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

Prof. Lorí Viali, Dr.

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

Introdução à Estatística

Atividades Práticas Supervisionadas (APS)

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

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

Prof. Lorí Viali, Dr. PUCRS Prof. Titular da FAMAT - Departamento de Estatística. Curso: Engenharia de Produção

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

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

Construção e Análise de Gráficos

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

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

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

Estatística Básica - Continuação

Revisão de Estatística X = X n

Qwertyuiopasdfghjklzxcvbnmqwerty uiopasdfghjklzxcvbnmqwertyuiopasd fghjklzxcvbnmqwertyuiopasdfghjklzx cvbnmqwertyuiopasdfghjklzxcvbnmq

Estatística Descritiva

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

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

ESTATÍSTICA BÁSICA - Profº Marcos Nascimento

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

Medidas Numéricas Descritivas:

CAPITULO 1 CONCEITOS BÁSICOS

5 Critérios para Análise dos Resultados

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

INTRODUÇÃO A ESTATÍSTICA

Curso de Biomedicina

ESTATÍSTICA 2º. SEMESTRE DE 2016

ESTATÍSTICA TÓPICO 6 MEDIDAS DE POSIÇÃO MEDIDAS DE DISPERSÃO

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

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

Ivan G. Peyré Tartaruga. 1 Metodologia espacial

Análise Exploratória de Dados

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

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

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

Unidade II ESTATÍSTICA

Tópicos Extras 2ª parte. Análise de Correlação e Regressão

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

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

Resumos Numéricos de Distribuições

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

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

CAPÍTULO 2 DESCRIÇÃO DE DADOS ESTATÍSTICA DESCRITIVA

TRABALHO DE COMPENSAÇÃO DE FALTAS - DP

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

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

INTRODUÇÃO ÀS PROBABILIDADES E ESTATÍSTICA

Econometria: 3 - Regressão Múltipla

7 Análise de covariância (ANCOVA)

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

Total Bom Ruim Masculino

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

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

Carga horária: 60 horas Créditos: 04

Unidade I Os Análise de Dados Estatísticos

Previsão de demanda quantitativa Regressão linear Regressão múltiplas Exemplos Exercícios

Transcrição:

Prof. Lorí Val, Dr. val@ufrgs.br http://www.ufrgs.br/~val/ Estatístca: uma defção Coleção de úmeros estatístcas O úmero de carros veddos o país aumetou em 30%. A taa de desemprego atge, este mês, 7,5%. As ações da Telebrás subram R$,5, hoje. Resultados do Caraval o trâsto: 45 mortos, 430 ferdos. A cêca de coletar, orgazar, apresetar, aalsar e terpretar dados umércos com o objetvo de tomar melhores decsões. Estatístca (dvsão) População Descrtva Idutva Os procedmetos usados para orgazar, resumr e apresetar dados umércos. A coleção de métodos e téccas utlzados para estudar uma população baseado em amostras probablístcas desta população. Uma coleção de todos os possíves elemetos, objetos ou meddas de teresse.

Ceso Amostra Um levatameto efetuado sobre toda uma população é deomado de levatameto cestáro ou smplesmete ceso. Uma porção ou parte de uma população de teresse. Amostragem O processo de escolha de uma amostra da população é deomado de amostragem. PROBABILIDADE (Matemátca) ESTATÍSTICA (Matemátca Aplcada) Uvarada Multvarada P R O B A POPULAÇÃO (Ceso) Estatístca Descrtva B IL Erro Iferêca Probabldade Amostragem I D A D E AMOSTRA (Amostragem) Estatístca Idutva

Estatístca Probabldade Arredodameto Faces Probabldades Faces Frequêcas /6 5 /6 8 3 /6 3 3 4 /6 4 5 5 /6 5 6 /6 6 7 Total Total 0 Todo arredodameto é um erro. O erro deve ser evtado ou etão mmzado. Eemplos: Regra básca: Arredodar sempre para o mas prómo.,456,46,454,45,475,48,485,48 V A R I QUALITATIVAS NOMINAL ORDINAL Varável Qualtatva NOMINAL Seo Relgão Estado cvl Curso Á V E I S QUANTITATIVAS DISCRETA CONTÍNUA ORDINAL Coceto Grau de Istrução Mês Da da semaa 3

Varável Quattatva DISCRETA CONTÍNUA Número de faltas Número de rmãos Número de acertos Altura Área Peso Volume Estatístca Descrtva Cojuto de dados: Orgazação; Amostra Resumo; ou Apresetação. População Um cojuto de dados é resumdo de acordo com as segutes característcas: Amostra ou População Tedêca ou posção cetral Dspersão ou varabldade Assmetra (dstorção) Achatameto ou curtose Tedêca ou Posção Cetral A méda Artmétca (mea) (a) As médas S m p l e s Artmétca Geométrca Harmôca Quadrátca Itera + +... + 4

A méda Geométrca A méda Harmôca m g..... m h + +... + + +... + A méda Quadrátca A méda Itera (trmmed mea) m q + +... É a mesma méda artmétca só que aplcada sobre o cojuto ode uma parte dos dados (etremos) é descartada. Eemplo Médas Cojutos m g m h 4 6 5 4,9 4,8 9 5 3,8 Relação etre as médas Dado um cojuto de dados qualquer, as médas artmétca, geométrca e harmôca matém a segute relação: m g m h 5

Tedêca ou Posção Cetral A méda Artmétca Poderada (a) As médas P o d er a d as Artmétca Geométrca Harmôca m ap. w +. w w + w. w w +... + +... + w k k. w k Quadrátca A méda Geométrca Poderada A méda Harmôca Poderada w m w. w. gp w w... w k k m h P w w + w w + w w + w +... + k w k k A méda Quadrátca Poderada m qp w +w+...+w w +w +...+w k k k w w Eemplo: Produtos p 0 p 0 q Care 4,80 5,5 5 kg Caa 5,0 4,94 l Ceva 0,80 0,9 lt Pão,50,0 u Total -- -- -- 6

Produtos p 0 p 0 α p(0,t) 4,80 5,5 0,58,5 5,0 4,94 0, 0,95 3 0,80 0,9 0,3,5 4,50,0 0,07,40 Total -- --,00 -- Méda artmétca poderada dos relatvos (aumetos) será:,5.0,58 + 0,95.0, +,5.0,3 +,40.0,07 m ap 0,57 + 0, + 0,3 + 0,07,43 4,3% Por este crtéro o aumeto fo de 4,3%. Méda geométrca poderada dos relatvos (aumetos) será: m gp,5 0,58 0,95 0,,5 0,3,40 0, 07,5 0,58 0,95 0,,5 0,3,40 0,07,390 3,90 % Por este crtéro o aumeto fo de 3,90%. Méda harmôca poderada dos relatvos (aumetos) será: m h P 0,58 0, 0,3 + + +,5 0,95,5,348 3, 48 % 0,07, 40 Por este crtéro o aumeto fo de 3,48%. Tedêca ou Posção Cetral (b) A medaa (meda) É o valor que separa o cojuto em dos subcojutos do mesmo tamaho. m e [ (/) + (/)+ ]/ se é par m e (+)/ se é ímpar Separatrzes A déa de repartr o cojuto de dados pode ser levada adate. Se ele for repartdo em 4 partes tem-se os QUARTIS, se em 0 os DECIS e se em 00 os PERCENTIS. 7

Eemplo Cosdere o segute cojuto: - 0 4 5 3 Como 7 (ímpar), etão (+)/ 4 Ordeado o cojuto, tem-se: - 0 4 3 5 Etão: m e 4 Se o cojuto for: - 0 4 5 3 - Tem-se: 8 (par) Etão m e [ / + /+) ]/ ( 4 + 5 )/ Ordeado o cojuto, tem-se: - - 0 3 4 5 m e ( 4 + 5 )/ ( + )/,50 (c) A moda (mode) Eemplo É o(s) valor(es) do cojuto que mas se repete(m). Cosdere o cojuto 0 3 5 Etão: m o Pos, o dos é o que mas se repete (três vezes). Cosdere o cojuto: 0 3 5 Etão: m o e m o O cojuto é bmodal. Cosdere o cojuto: 0 3 4 5 7 Este cojuto é amodal, pos todos os valores apresetam a mesma frequêca. 8

Dspersão ou Varabldade (a) A ampltude (h) (b) O Desvo Médo (dma) (c) A Varâca (s ) (d) O Desvo Padrão (s) (e) A Varâca Relatva (g ) (f) O Coefcete de Varação (s) A Ampltude (rage) h má - mí Cosdere o cojuto: - - 0 3 5 h 5 (-) 7 O dma (average devato) Cosdere o cojuto: Calculado os desvos: - - 0 3 5 A méda é: + 0 + 3+ 5 5 5 5 Tem-se: d - -3 d - - d 3 0 - d 4 3 d 5 5 4 A varâca (varace) Como pode ser vsto a soma é gual a zero. Tomado o módulo vem: dma 3 + + + + + + 4 5,40 5 Se ao vés de tomar o módulo, elevarmos ao quadrado, tem-se: s ( ) ( 3) + ( ) + ( ) + + 4 5 9 + 4 + + 4 + 6 34 6, 80 5 5 9

O Desvo Padrão (stadard devato) A varâca de um cojuto de dados será: ( ) + ( ) +... + ( ) s ( ) s É a raz quadrada da varâca. ( ) s Se etrarmos a raz quadrada teremos do resultado ateror teremos o desvo padrão: A Varâca Relatva g s / s ( ) 6,80,6 O Coefcete de Varação g s / O coefcete de varação do eemplo ateror, será: s,6077 g 60,77% 0

Grade Cojutos de Dados Orgazação; Resumo; Apresetação. Amostra ou População Defetos em uma lha de produção Lascado Meor Deseho Maor Torto Lascado Deseho Esmalte Torto Esmalte Lascado Lascado Torto Deseho Maor Meor Meor Maor Deseho Torto...... Dstrbução de freqüêcas Defeto Freqüêca % Deseho 7 4,0 Esmalte 95 9,00 Lascado 97 9,40 Maor 70 4,00 Meor 83 6,60 Torto 57,40 Trcado 7 5,40 TOTAL 500 00

F R E Q Ü Ê N C I A S Absoluta SIMPLES Relatva Absoluta ACUMULADAS Relatva Apresetação Decmal Percetual Decmal Percetual Frequêcas: represetação Valores f F fr fr Fr 0 60 60 0,30 30 30 50 0 0,5 5 55 40 50 0,0 0 75 3 30 80 0,5 5 90 4 0 90 0,05 5 95 5 6 96 0,03 3 98 6 4 00 0,0 00 Total 00,00 00 Defetos em uma lha de produção % 5% 4% 0% 7% 4% 9% Deseho Esmalte Lascado Maor Meor Torto Trcado

Número de rmãos dos aluos da turma G Estatístca Aplcada - PUCRS - 0/0 0 6 3 3 0 4 5 0 4 3 5 5 6 4 0 4 3 0 3 0 0 Dstrbução de frequêcas por poto ou valores da varável: Número de rmãos dos aluos da turma G da dscpla: Estatístca Aplcada - PUCRS - 0/0. N 0 de rmãos N 0 de aluos 0 7 8 3 5 4 4 5 3 6 50 Dagrama de coluas smples da varável: Número de rmãos dos aluos da turma G Dscpla: Estatístca Aplcada, PUCRS - 0/0 3

5 0 5 0 5 0 0 3 4 5 6 A méda Artmétca Neste caso, a méda a dada por: f + f. +... + f k. k f + f +... + f k f. Eemplo: f f 0 7 0 8 6 3 5 5 4 4 6 5 3 5 6 50 95 A méda será, etão: 95 f.,90 50 rmãos 4

A Medaa Como 50 é par, tem-se: me / + ( / ( 50 / ) 5 + 6 ) + 50 / + + rmão + Eemplo: f F 0 7 7 8 8 36 3 5 4 4 4 45 5 3 48 6 50 50 Total de dados 50 (par) Metade dos dados / 5 A Moda Eemplo f m o valor(es) que mas se repete(m) 0 7 8 3 5 4 4 5 3 6 50 Pos A moda ele se repete é gual mas a vezes (um) A Ampltude h má - mí h 6-0 6 rmãos. 5

O Desvo Médo Neste caso, o dma será dado por: f +... f + + f k dma f + f +... + f k f. k Eemplo: f f - 0 7 7. 0,90 3,30.,90 8,90 8 8.,90 0,80 3 5 5. 3,90 5,50 4 4 4. 4,90 8,40 5 3 3. 5,90 9,30 6. 6,90 8,0 50 64,40 A Varâca O dma será, etão: Neste caso, a varâca será: dma f. 64,40,9 rmãos 50 f( ) + f ( ) +... + f k (k ) s f ( ) f Eemplo: f f 0 7 0.7 0. 8.8 3 3 5 3.5 45 4 4 4.4 64 5 3 5.3 75 6 6. 7 50 99 A varâca será, etão: f 99 s,90 50,3700 rmãos 6

O Desvo Padrão O Coefcete de Varação O desvo padrão será dado por: s f,3700,5395,54 rmãos Dvddo o desvo padrão pela méda pelo, tem-se o coefcete de varação:,539480 g,90 8,03% Idade (em meses) dos aluos da turma G da dscpla: Probabldade e Estatístca - PUCRS - 0/0 76 45 345 40 70 30 368 334 68 88 336 99 36 39 355 330 87 344 300 44 303 48 5 65 46 40 30 308 99 3 34 89 30 64 5 98 35 55 74 64 63 30 303 369 47 66 75 8 30 34 7

Dstrbução por classes ou tervalos da varável dade dos aluos da turma G da dscpla: Probabldade e Estatístca da PURCRS - 0/0. Idades Número de aluos 30 --- 50 50 --- 70 9 70 --- 90 8 90 --- 30 7 30 --- 330 6 330 --- 350 5 350 --- 370 3 Total 50 Hstograma de frequêcas da varável Idade dos aluos da turma G de Probabldade e Estatístca da PUCRS - 0/0. f / h 0,7 0,6 0,5 0,4 0,3 0, 0, 0 3 0 --- 50 50 --- 70 70 --- 9 0 9 0 --- 3 0 3 0 --- 3 3 0 3 3 0 --- 3 50 3 50 --- 3 70 8

Ates de apresetar as meddas,. é, represetates do cojuto, é ecessáro estabelecer uma otação para algus elemetos da dstrbução. O Poto Médo da Classe poto médo da classe; f frequêca smples da classe; l lmte feror da classe; ls lmte superor da classe; h ampltude da classe. f 30 --- 50 40 50 --- 70 9 60 70 --- 90 8 80 90 --- 30 7 300 30 --- 330 6 30 330 --- 350 5 340 350 --- 370 3 360 50 A Méda da Dstrbução f f. 40 880 60 9 340 80 8 40 300 7 00 30 6 90 340 5 700 360 3 080 50 460 9

Eemplo: A Medaa A méda será: f. 460 85,0 50 meses Neste caso, utlzam-se as frequêcas acumuladas para detfcar a classe medaa,. é, a que cotém o(s) valor(es) cetral(s). Eemplo: f F 30 --- 50 50 --- 70 9 70 --- 90 8 9 90 --- 30 7 36 30 --- 330 6 4 330 --- 350 5 47 350 --- 370 3 50 50 Total de dados 50 (par) Metade dos dados / 5 Portato, a classe medaa é a tercera. Assm 3. A medaa será obtda através da segute epressão: A Moda 50 F 70 0 me l + h + f 8 50 4 70 + 0 70 + 0 80 meses 8 8 Neste caso é precso calmete apotar a classe modal,. é, a de maor freqüêca. Neste eemplo é a prmera com f. Assm. 0

Eemplo f 30 --- 50 50 --- 70 9 3 70 --- 90 8 4 90 --- 30 7 5 30 --- 330 6 6 330 --- 350 5 7 350 --- 370 3 50 Classe modal, pos f. Portato a moda poderá ser obtda através de uma das segutes epressões: Crtéro de Kg: Crtéro de Czuber: f + mo l + h f + f + 9 30 + 0. 50 meses 9 9 30 + 0. 0 9 + m o f f l + h.f (f + f + ) 0 30 + 0.. (0 9) + 30 + 0. 4 9 30 + 6 46 meses A Ampltude h má - mí h 370-30 40 meses

O Desvo Médo Absoluto Neste caso, o dma será dado por: f +... f + + f k dma f + f +... + f k f. k Eemplo f f. - 40. 40 85,0 54,40 60 9 9. 60 85,0 6,80 80 8 8. 80 85,0 4,60 300 7 7. 300 85,0 03,60 30 6 6. 30 85,0 08,80 340 5 5. 340 85,0 74,00 360 3 3. 360 85,0 4,40 50 6,60 O dma será, etão: dma f. 3,43 meses 6,60 50 A Varâca Neste caso, a varâca será: f( ) + f ( ) +... + f k (k ) s f ( ) f Eemplo f f. 40.40 6900 60 9 9.46 608400 80 8 8.80 6700 300 7 7.300 630000 30 6 6.30 64400 340 5 5.340 578000 360 3 3.360 388800 50 4 38 000 A varâca será, etão: f s 438000 85,0 50 40,96 meses

O Desvo Padrão O desvo padrão será dado por: s f 40,96 37,6956 37,70 meses O Coefcete de Varação Dvddo o desvo padrão pela méda, tem-se o coefcete de varação: 37,69563 g 3,% 85,0 Prmero Coefcete ( de Pearso) a (Méda - Moda) / Desvo Padrão Segudo Coefcete ( de Pearso) Skewess a 3.(Méda - Medaa) / Desvo Padrão Coefcete Quartílco CQA [(Q 3 - Q ) - (Q - Q )]/(Q 3 - Q ) Coefcete do Mometo a 3 m 3 /s 3, ode m 3 Σ(X - ) 3 / Coefcete 0 Cojuto Smétrco Provão 000 Curso: Odoto 3

Coefcete < 0 Cojuto: Negatvamete Assmétrco Coefcete > 0 Cojuto: Postvamete Assmétrco Provão 000 Curso: Joralsmo Provão 000 Curso: Eg. Elétrca Coefcete de Curtose (mometos) a 4 m 4 /s 4, ode m 4 Σ(X - ) 4 / (Kurtoss) Provão 000 Curso: Odoto Coefcete 3 ou 0 Cojuto: Mesocúrtco Coefcete > 3 ou (> 0) Cojuto: Leptocúrtco Provão 000 Curso: Matemátca 4

Coefcete < 3 ou (< 0) Cojuto: Platcúrtco Provão 999 Curso: Eg. Cvl Se y a +b Etão: y a + b s s y y a s a s Aálse Eploratóra de Dados As téccas de aálse eploratóra de dados cosstem em gráfcos, smples de desehar, que podem ser utlzados para resumr rapdamete um cojuto de dados. Uma destas téccas é uma forma de apresetação de dados cohecda como Caule e Folha. Apresetação Caule e Folha Para lustrar esta forma de apresetação vamos supor que o cojuto a segur é o resultado de um teste do tpo Pscotécco de 00 questões aplcados a 40 caddatos a um emprego em uma grade orgazação dustral. 5

Eemplo Resultado de um teste, do tpo Pscotécco de 00 questões, aplcado a 40 caddatos. 44 53 67 89 98 37 60 55 48 88 47 65 8 85 90 74 4 6 7 73 77 8 60 89 5 90 6 64 66 59 50 65 50 40 93 79 55 49 56 73 Ramo e Folhas 3 7 4 0 4 7 8 9 9 5 0 0 3 5 5 6 9 6 0 0 4 5 5 6 7 7 3 3 3 4 7 9 8 5 5 8 8 9 9 0 0 3 8 Grado a represetação 90 graus temse um dagrama semelhate a um hstograma. Esta represetação possu duas vatages sobre o hstograma: É mas fácl de costrur; Apreseta os dados reas. Eercíco Faça um represetação utlzado a dezea como udade de folha. 565 790 644 679 008 675 900 83 756 766 580 945 733 9 854 975 870 8 954 888 634 785 855 044 965 BoPlot Caa e Bgodes Outra forma de ter uma dea do cojuto de dados é utlzar a regra dos cco tes. Nem sempre a méda e o desvo padrão são as melhores alteratvas para resumr um cojuto de dados. A méda e o desvo padrão podem sofrer forte fluêca de valores etremos e além dsso ão forecem uma déa da assmetra do cojuto de dados. Como alteratva as segutes cco meddas são sugerdas (Tukey, 977): 6

Represetação () A medaa; () Os etremos (mámo e mímo); () Os quarts. Estas cco meddas são deomadas de estatístcas de ordem. A formação forecda por estes cco úmeros pode ser represetada em um dagrama deomado de Dagrama Caa e Bgode (BoPlot). O deseho forece uma déa da posção, dspersão, assmetra e dados dscrepates do cojuto (outlers). Traçar um retâgulo tedo como etremos os quarts e eglobado a medaa. Calcular a dstâca terquartl, sto é: D Q Q 3 Q Determar os lmtes dos potos dscrepates: Q,5 D Q Q 3 +,5 D Q Qualquer valor abao de Q,5 DQ ou acma de Q3 +,5 DQ será cosderado um valor dscrepate (outler). Para obter o dagrama caa e bgode (boplot) traçar duas lhas a partr do cetro do retâgulo e em lados opostos até o últmo poto do cojuto que ão seja um poto dscrepate. BoPlot Eemplo: Q -,5D Q D Q Q +,5D 3 Q Obteha o dagrama Caa e Bgode para o úmero de paradas semaas para mauteção de uma máqua. Q Q Q 3 3 5 7 5 3 6 8 5 4 5 5 6 9 8 6 8 7 4 8 7 4 6 7

Eemplo Os cco valores são: Mímo Quartl um 4 Medaa 6 Quartl três 7 Mámo Os demas são: D 7 4 3 Q -,5D -0,5 Q 3 +,5D,5 Outler BoPlot -0,5Q -,5D Q D Q 3 9 Q 4 Q 6 7 Q 3 Q +,5D 3 Q,5 Wlfredo Pareto O Dagrama de Pareto é uma homeagem ao egehero, flósofo, socólogo e ecoomsta talao Vlfredo Frederco Samaso Pareto (848-93). Pareto fo um dos poeros a aplcação de aálses matemátcas ao estudo dos feômeos sócoecoômcos. Wlfredo eucou, em 897, o que passou a ser cohecdo como Prcpo de Pareto que afrma: 80% das dfculdades tem orgem em 0% dos problemas. Este prcpo podera ser colocado como estem mutos tes trvas mas poucos vtas. Dagrama O Dagrama de Pareto é um gráfco de coluas smples, ode a varável está em ordem de mportâca frequêca de ocorrêca ou custo) dos problemas ou defetos. Normalmete o dagrama evolve a frequêca smples combada com a frequêca acumulada em um úco gráfco. É, também, comum a colocação de um sstemas de eos X Y aulares. 8

Eercíco: Cosderado os dados sobre o Número de defetos uma lha de produção de azulejos, costrua o Dagrama de Pareto para a dstrbução dada. Defetos Número de Azulejos Deseho 7 Esmalte 95 Lascado 97 Maor 70 Meor 83 Torto 57 Trcado 7 Total 500 Solução: Ordeado as frequêcas dadas e calculado as frequêcas relatvas e relatvas acumuladas, tem-se: Ordeado as frequêcas, tem-se: Defetos Número de Azulejos Lascado 97 Esmalte 95 Meor 83 Deseho 7 Maor 70 Torto 57 Trcado 7 Total 500 Calculado as demas frequêcas: Dagrama de Pareto Defetos % de azulejos Freq. acumulada Lascado 9,4 9,4 0 8 80% 00 90 Esmalte 9,0 38,4 Meor 6,6 55,0 Deseho 4, 69, Maor 4,0 83, Torto,4 94,6 Trcado 5,4 00,0 Total 00 ---- 6 4 0 8 6 4 0 0% Lascado Esmalte Meor Deseho Maor Torto Trcado 80 70 60 50 40 30 0 0 0 9

Posções Relatvas A méda e o desvo padrão são as duas prcpas meddas utlzadas para descrever um cojuto de dados. Elas, também, podem ser utlzadas para comparações, sto é, para forecer a posção relatva de um valor em relação ao cojuto como um todo. O escore z Seja (,,..., ) uma amostra de observações. Sejam e s a méda e o desvo padrão da amostra. Etão o escore z é o valor que forece a posção relatva de cada da amostra, tedo como poto de referêca a méda afastameto o desvo padrão. e como medda de O escore z z - s O escore z forece o úmero de desvos padrão que cada valor está acma ou abao da méda. O escore,5, sgfca que este valor está um desvo e meo abao da méda. O escore Z é também uma varável, que é obtda pela trasformação da amostra orgal. Ela apreseta méda gual a zero e desvo padrão gual a um. Eemplo Cosdere o segute amostra: 36 39 38 4 45 44 35 48 35 40 40 40 36 4 37 38 37 39 39 44 4 4 39 43 4 4 39 4 35 40 44 36 40 37 40 36 39 47 40 43 34 45 38 4 46 4 43 37 38 38 7 6 5 4 3 0 Assmetra 0,33 Curtose - 0,37 34 35 36 37 38 39 40 4 4 43 44 45 46 47 48 30

Solução: Calcular os escores z para cada valor da amostra. Represetar os valores da amostras e os escores em dagramas para verfcar se houve alteração o formato da dstrbução dos dados. A méda e o desvo padrão da amostra são: 40 e 3,69. Etão os escores padrozados serão: 0,3066 0,997-0,997-0,63-0,63 -,63-0,3066-0,63 0,3066,538,63 -,538,456 -,538 0,0000 0,0000 0,0000 -,63 0,3066-0,997-0,63-0,997-0,3066-0,3066,63 0,63 0,63-0,3066 0,997 0,63 0,3066-0,3066 0,3066 -,538 0,0000,63 -,63 0,0000-0,997 0,0000 -,63-0,3066,460 0,0000 0,997 -,8394,538-0,63 0,63,8394 Propredades: 7 6 5 Assmetra 0,37 Curtose - 0,3 4 3 0 -,84 -,3-0,6 0,00 0,6,3,84,45 A méda do escore padrozado é zero; O desvo padrão do escore padrozado é um. A forma da dstrbução do escore padrozado é a mesma dos dados orgas. Escalas: O escore Z ão é utlzado ormalmete da forma como é calculado. É comum a utlzação de uma escala lear de trasformação. As duas mas utlzadas são: Escalas A escala T que é obtda através da segute trasformação T 0.Z + 50 A escala A que é utlzada os vestbulares é obtda por: A 00.Z + 500 3

Teorema de Chebyshev O teorema de Chebyshev permte verfcar qual é o percetual mímo de valores de um cojuto de dados que deve estar um certo úmero de desvos em toro da méda. Em qualquer cojuto de dados com desvo padrão s, pelo meos ( /z ) dos valores do cojuto devem estar etre z desvos em toro da méda, ode z é um valor tal que z >. Eemplos: Assm pelo meos: 75% dos valores estão detro de z desvos a partr da méda; 89% dos valores estão detro de z 3 desvos a cotar da méda; X - X < S 94% dos valores estão detro de z 4 desvos a cotar da méda. - /4 75%. 3