NOTA BREVE SOBRE O CONCEITO DE MÉDIA 1

Documentos relacionados
Revisão de Estatística X = X n

ESTATÍSTICA MÓDULO 3 MEDIDAS DE TENDÊNCIA CENTRAL

Estatística Descritiva. Medidas estatísticas: Localização, Dispersão

127$%5(9(62%5(2&21&(,72'(0e',$

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

CÁLCULO DE RAÍZES DE EQUAÇÕES NÃO LINEARES

MEDIDAS DE TENDÊNCIA CENTRAL I

Estatística - exestatmeddisper.doc 25/02/09

HIDROLOGIA E RECURSOS HÍDRICOS. Análise estatística aplicada à hidrologia

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

Hidrologia, Ambiente e Recursos Hídricos 2009 / Rodrigo Proença de Oliveira

Cap. 5. Testes de Hipóteses

MÓDULO 8 REVISÃO REVISÃO MÓDULO 1

Estatística Descritiva

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

Estatística Descritiva

ESTATÍSTICA APLICADA À ZOOTECNIA

Métodos tipo quadratura de Gauss

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

ESTATÍSTICA MÓDULO 2 OS RAMOS DA ESTATÍSTICA

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

Organização; Resumo; Apresentação.

Estatística: uma definição

CAP. V AJUSTE DE CURVAS PELO MÉTODO DOS MÍNIMOS QUADRADOS

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

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

DISTRIBUIÇÃO HIPERGEOMÉTRICA

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

Teoria das Comunicações

(R B ) 0 =(R B ) 10 +(R B ) 20 +(R B ) 30 (R D ) 0 =(R D ) 30 +(R D ) 40. p (R D ) 30 (R B ) 30 E, I

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

MEDIDAS DE DISPERSÃO:

1 (0,8 ln0,8+0,2 ln0,2) 0,512 0,512 0, , , , , , , , , ,

Distribuições de Probabilidades

Estatística: uma definição

Estatística: uma definição

RACIOCÍNIO LÓGICO / ESTATÍSTICA LISTA 2 RESUMO TEÓRICO

4- Método de Diferenças Finitas Aplicado às Equações Diferenciais Parciais.

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

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

Relatório 2ª Atividade Formativa UC ECS

POLINÔMIOS DE JACOBI E QUADRATURA NUMÉRICA INTRODUÇÃO

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

? Isso é, d i= ( x i. . Percebeu que

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

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

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

Análise da Informação Económica e Empresarial

MÉTODO DOS MÍNIMOS QUADRADOS

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

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

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

7 Análise de covariância (ANCOVA)

Prof. Alvaro Vannucci

AULA Produto interno em espaços vectoriais reais ou complexos Produto Interno. Norma. Distância.

Sumário. Mecânica. Sistemas de partículas

Introdução à Estatística

Introdução à Estatística. Júlio Cesar de C. Balieiro 1

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

Estatística: uma definição

Capítulo V - Interpolação Polinomial

Construção e Análise de Gráficos

Noções Básicas de Medidas e Algarismos Significativos

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.

Estatística: uma definição

ANÁLISE DE REGRESSÃO E CORRELAÇÃO

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

Prof. Janete Pereira Amador 1

Probabilidades e Estatística LEE, LEIC-A, LEIC-T, LEMat, LERC, MEBiol, MEBiom, MEEC, MEFT, MEMec, MEQ

Estatística Básica - Continuação

Instituto Politécnico de Bragança Escola Superior de Tecnologia e de Gestão

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

MAE0229 Introdução à Probabilidade e Estatística II

Avaliação da qualidade do ajuste

9 Medidas Descritivas

Probabilidades e Estatística

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

Departamento de Informática. Modelagem Analítica do Desempenho de Sistemas de Computação. Modelagem Analítica. Disciplina:

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

VI - Integração Numérica

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

Estatística: uma definição

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

Oitava Lista de Exercícios

Universidade Federal do Rio Grande FURG. Instituto de Matemática, Estatística e Física IMEF Edital 15 CAPES INTERPOLAÇÃO

Estatística. 2 - Estatística Descritiva

Probabilidade II Aula 10

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

Matemática C Semiextensivo V. 2

MAE 5776 ANÁLISE MULTIVARIADA. Júlia M Pavan Soler

3. TESTES DE QUALIDADE DE AJUSTAMENTO

Capítulo 5: Ajuste de curvas pelo método dos mínimos quadrados

50 Logo, Número de erros de impressão

Escola Secundária de Jácome Ratton

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

Estatística: Aplicação ao Sensoriamento Remoto SER ANO Estimação Pontual

José Álvaro Tadeu Ferreira. Cálculo Numérico. Notas de aulas

Testes de Hipótese Multivariados para Matrizes de Covariâncias em Processos Autocorrelacionados com Aplicações em Controle de Qualidade

Econometria: 3 - Regressão Múltipla

MEDIDAS DE DISPERSÃO 9. MEDIDAS DE DISPERSÃO

Transcrição:

NOTA BREVE SOBRE O CONCEITO DE MÉDIA O coceto de méda surge de modo abudate a dscla de Métodos Estatístcos, resete em mutos cursos de lcecatura de sttuções de eso sueror. Surge, de gual modo, em domíos ode a oção de acaso está ausete, mas ode o coceto de méda cotua a ser essecal o tratameto de dados lgados a determadas gradezas. A tedêca ara a utlzação de modelos quattatvos em úmero cada vez maor de domíos do saber, determou a ecessdade de colher quatdades semre mas vastas de formação umérca, acomahadas do corresodete tratameto. Nos feómeos estudados que assumem carácter aleatóro, rocede-se ao corresodete estudo através de amostragem adequada, que ossa servr de base a ferêcas útes. É este âmbto que surge, de modo ermaete, o recurso ao coceto de méda, mormete o estudo das dstrbuções de frequêcas. Neste domío, cotudo, o coceto de mas vasta alcação é o de méda artmétca, seja o caso de amostras de dados ão classfcados, seja o de classfcados. Acotece, orém, que estem mutos outros cocetos de méda, todos eglobados uma eressão geral das médas. E mesmo esta é ada uma artcularzação dum coceto mas geral de méda, que se referrá adate, e que é a méda-φ. O CONCEITO DE MÉDIA SEGUNDO CAUCHY Admta-se que se retede estudar determada oulação, em toro de certo atrbuto quattatvo. O rocesso segudo, or razões dversas, costtu-se a obteção de uma amostra reresetatva da oulação, que se escreve aqu como: Artgo ublcado em MILLENIUM, 34, Abrl, 2008, Isttuto Sueror Poltécco de Vseu.

(,,..., ) 2 R, (=,...,), N. Sejam: { :,..., } { :,..., } = m = = ma = m M resectvamete, o mímo e o mámo do cojuto dos elemetos da amostra. Tem-se, etão, a segute DEFINIÇÃO. Dada a amostra, (,..., ), R, (=,...,), N, dá-se o ome de méda da amostra segudo Cauchy a qualquer valor, m c R, que se comreeda etre o mímo e o mámo do cojuto dos valores da amostra, ou seja: m mc M. Como se tora evdete, se os valores da amostra forem todos guas a uma costate real, K R, a méda da amostra segudo Cauchy vale também K: Veja-se, sobre este coceto, o segute m c = K. EXEMPLO. Cosdere-se a amostra de dmesão, = 35, oruda de certa oulação, que se mostra a matrz que se segue. 7 4 5 2 5 2 3 3 6 6 4 6 9 5 2 3 8 3 7 3 8 4 9 8 3 4 2 4 7 8 2 4 Neste caso, o mímo e o mámo da amostra valem, resectvamete:

m = = 9. M Assm, ode fazer-se: m c = 5 como sedo o valor da méda da amostra segudo Cauchy, uma vez que se tem, os termos da defção: m = 5 9 =. M Mas também oderá tomar-se ara méda da amostra segudo Cauchy, or eemlo: uma vez que se tem: m c = 7 m = 7 9 =. M Covém rearar o carácter etremamete smles desta defção, mas que ão corresode à eucação de uma dea baal ao temo de Cauchy. Ada hoje, se questoado um aluo que descoheça uma qualquer defção de méda das mas corretes, é quase certo que lhe ão ocorrerá a resosta smles e evdete que se cotém a defção agora aresetada. E ote-se, ada, que esta defção smles e evdete, afal, dea à argúca de quem a utlzar um amlo camo ara a sua materalzação. MÉDIA ARITMÉTICA A méda artmétca de uma amostra é a medda de localzação mas utlzada, e tato o caso do estudo das dstrbuções de frequêcas, como os casos de dados ão classfcados. Atete-se, os, a sua DEFINIÇÃO. Dada uma amostra aleatóra, (,..., ), R, (=,...,), N, a méda artmétca da amostra é defda or:

m a = = = o caso de dados ão classfcados, e or: ma = = = 44244 3 ( ) ode N, ( =,..., ), é a frequêca absoluta da classe, com N o úmero de classes e: o caso de dados classfcados. ode: À eressão () ode dar-se a forma: = = m = = f a = f = é a frequêca relatva da classe, ( =,..., ). Veja-se, mas uma vez, o caso da amostra do eemlo ateror, mas agora tratado à luz do coceto de méda artmétca, com os dados classfcados, ou sem o estarem.

EXEMPLO. Cosderado a amostra tal como fo aterormete aresetada, ou seja, sem os seus elemetos estarem classfcados, a méda artmétca da amostra vale: ode = 35 é a resectva dmesão. m = a = + 7 + 4 + + 2 + 4 35 Procededo agora à classfcação dos elemetos da amostra, o ressuosto de que a oulação corresodete é costtuída or elemetos do cojuto: {, 2, 3, 4, 5, 6, 7, 8, 9} é-se coduzdo ao quadro que se mostra de seguda: 4, 54 2 3 4 5 6 7 8 9 3 5 6 6 3 3 3 4 2 elo qual se obtém o valor da méda artmétca da amostra: m = a = 3 + 5 2 + + 2 9 3 + 5 + + 2 4, 54 como se vu atrás. Faclmete se demostra que a méda artmétca de uma amostra, (,..., ), é um caso artcular do coceto de méda segudo Cauchy, dado ser: {,..., } {,..., } m m ma. a No caso de serem os elemetos da amostra todos guas a uma costate, K R, vrá, como é evdete: m = a = K.

No domío da Mecâca, ode dealmete se cosderam cojutos de otos: { },... abcssas relatvamete a certo eo oretado, com massas de valor utáro, a méda da amostra, (,..., ), corresode ao cetro de gravdade do cojuto desses otos. Note-se, em face do que se mostrou o eemlo ateror, que a méda de uma amostra, oruda de certa oulação, ode ão ser um valor da mesma. Trata-se, tão-só, de uma medda de localzação da amostra. PROPRIEDADES DA MÉDIA ARITMÉTICA A méda artmétca de uma amostra areseta um cojuto vasto de roredades, todas elas, sem dúvda, de grade utldade o cálculo do seu valor. Seja, etão, a amostra, (,..., ), R, (=,...,), N, K R, e seja: = m (,..., ) a méda artmétca da amostra. Tem-se, etão, a segute roredade mortate: a ( ) ( ) m + K,..., + K = m,..., + K. a a Esta roredade ermte, em certas crcustâcas, facltar o cálculo da méda da amostra, muto em esecal, se os valores da mesma forem grades e muto rómos. É o que assa com a amostra que se segue: cuja méda vem dada or: 0 07 04 05 02 05 02 03 03 06 06 04 0 06 09 05 0 02 03 08 03 07 03 08 04 09 08 03 04 02 04 07 08 02 04

( ) ( ) = m + 00, 7 + 00,..., 4 + 00 = m, 7,..., 4 + 00 4, 54 + 00 = 04, 54. a Uma seguda roredade é a que se traduz or: a (,..., ) = (,..., ) m K K Km a a com K R. Uma outra roredade, ada, é a defda or: ( +,..., + ) = (,..., ) + (,..., ) m y y m m y y a a a que é etesível ao caso de amostras da mesma dmesão: ( ) m a j,..., j = ma j,..., j. j= j= j= Uma ova roredade, a quarta, relacoa a méda de uma amostra de dmesão, N, com as das subamostras, de dmesões,,..., k, k N, = + + k, tedose: ( ) m,..., = a + + k = = k k ode,( =,..., k), é a méda da subamostra. Assm, se se decomuser a amostra do eemlo cal as três subamostras: 7 4 5 2 5 2 3 3 6 6 4 6

9 5 2 3 8 3 7 3 8 4 9 8 3 4 2 4 7 8 2 4 resectvamete, com as dmesões, 4, 4 e 7, e com médas, 3,93, 5,2 e 4,43, a méda da amostra cal vale: m = a = 4 3, 93 + 4 5, 2+ 7 4, 43 4, 54. 4 + 4 + 7 Uma ova roredade é a que se traduz elo facto de ser ula a méda dos desvos dos elemetos da amostra relatvamete à méda desta, ou seja: com {,...,}. ( ma ) = Falmete, a seta roredade da méda artmétca, que se traduz o facto do seu valor oder ser obtdo através da adção de uma costate arbtrára, K R, à méda dos desvos dos valores da amostra relatvamete à referda costate: = 0 m a = K + ( K) = Retomado o eemlo cal, e tomado, este caso, a costate, K = 4, ode escrever-se a ova matrz costtuída elos desvos dos elemetos da amostra relatvamete àquela costate cosderada, como se mostra de seguda.

3 3 0 2 2 2 2 0 3 2 5 3 2 4 3 4 0 5 4 0 2 0 3 4 2 0 A méda artmétca dos valores desta amostra, cotda a matrz, vale: 3 + 3 + 0 + + 2 + 0 35 elo que a méda da amostra do eemlo cal vale: como já se hava mostrado. MÉDIA GEOMÉTRICA m a 4 + 0, 54 = 4, 54 A méda geométrca é um outro coceto de méda, mas muto ouco utlzado o mauseo de dstrbuções de frequêcas, ao cotráro do que se dá com a méda artmétca. Areseta, em todo o caso, algum teresse, or eemlo, a estmação de úmeros ídces, bem como em algus outros domíos da Estatístca, sedo que se defe aeas ara amostras costtuídas or elemetos reas ostvos. Veja-se, etão, a sua DEFINIÇÃO. Dada uma amostra aleatóra, (,..., ), R +, (=,...,), N, a méda geométrca da amostra é defda or: o caso de dados ão classfcados, e or: mg = = 4244 3 ( 2) 0, 54

m g = = ode N, ( =,..., ), é a frequêca absoluta da classe, com N o úmero de classes e: o caso de dados classfcados. = = Voltado, mas uma vez, ao caso do eemlo aresetado calmete, a méda geométrca da amostra aresetada, com os seus elemetos ão classfcados, vale: 35 m g = 7 4 2 4 3, 84. Do mesmo modo, se os elemetos da amostra se aresetarem classfcados como aterormete se mostrou, a méda geométrca rocurada calcula-se or: 35 3 5 6 2 m g = 2 3 9 3, 84 cujo valor cocde com o achado a artr da amostra com os elemetos ão classfcados. Note-se que, or alcação da fução logarítmca à eressão (2), or eemlo, se obtém: log m g = log = = = log ou seja, o logartmo da méda geométrca de uma amostra é, afal, a méda artmétca dos logartmos dos elemetos da mesma, a que se dá, or vezes, a desgação de méda logarítmca.

O coceto de méda geométrca, ara lá das alcações referdas atrás, é usado o estudo de feómeos cujas varações são roorcoas a determado valor cal. MÉDIA HARMÓNICA Um tercero to de méda, também sem grade teresse o estudo das dstrbuções de frequêcas, mas que é de grade utldade em stuações em que ão tem lógca adcoar valores da amostra, é o de méda harmóca, que se troduz com a segute DEFINIÇÃO. Dada uma amostra aleatóra, (,..., ), R\{0}, (=,...,), N, a méda harmóca da amostra é defda or: o caso de dados ão classfcados, e or: mh = = 424 3 ( 3) m h = = ode N, ( =,..., ), é a frequêca absoluta da classe, com N o úmero de classes e: o caso de dados classfcados. = = Dado que (3), or eemlo, se ode escrever a forma:

m h = = = = tal mostra que a méda harmóca de uma amostra é o verso da méda artmétca dos versos dos elemetos da mesma. O resete coceto de méda ode alcar-se, de modo fácl, à amostra calmete dada, suodo que a mesma traduz a atureza de certo roblema tíco da alcação do coceto de méda harmóca, obtedo-se o valor: m h 2, 3. A alcação dos cocetos de méda artmétca, geométrca e harmóca à amostra cosderada logo ao íco do resete teto, costtuída or úmeros reas ostvos, coduzu a valores que satsfazem a codção: m a > m g > m h. Ora, esta codção é uversal ara uma amostra qualquer, (,..., ), R +, (=,...,), N, desde que os elemetos da amostra ão sejam todos guas etre s. FÓRMULA GERAL DAS MÉDIAS As três médas que se referram ates - artmétca, geométrca e harmóca - são casos artculares do coceto de méda de ordem, que se troduz com a segute DEFINIÇÃO. Dada uma amostra aleatóra, (,..., ), R +, (=,...,), N, dáse o ome de méda de ordem, R, ao valor da eressão: m( ) = m =. = 42 4 3 ( 4)

Faclmete se ercebe que: m( ) = m m( ) = m =. h No caso, = 0, (4) coduz a uma determação. A mesma ode ser levatada or recurso à Regra de Hostal, obtedo-se, etão: ou seja: lm m( ) = m g 0 m( ) = m m( 0) = m m( ) = m. a g h De gual modo, ode mostrar-se que se tem: { } lm m( ) = m,..., { } lm m( ) = ma,..., e também que (4) é crescete com. De facto: a R, dm( ) d > 0 como ode comrovar-se faclmete, desde que a amostra seja costtuída or elemetos reas ostvos. No caso, = 2, obtém-se a desgada méda quadrátca da amostra:

m( 2) = 2 2 = = muto utlzada em estudos de covergêca de dstrbuções. Para o caso da amostra cosderada calmete vem: 2 2 2 2 2 + 7 + 4 + + 2 + 4 m( 2) = 4, 93 35 o que mostra que m( ) cresce com R, como se referu. MÉDIA-φ Pode ada geeralzar-se o coceto de méda de ordem, ates aresetado, troduzdo o ovo coceto de méda-φ, que se eõe a segute DEFINIÇÃO. Seja φ : R R, uma fução vertível o seu domío, e (,..., ) uma amostra aleatóra, N e R +, (=,...,). Dá-se o ome de méda-φ da amostra ao valor m φ, tal que: φ ( m φ ) o caso de dados ão classfcados, e or: φ ( m φ ) = φ = = φ = = ( ) ( ) 2

ode N é o úmero de classes, N a frequêca absoluta da classe, e sedo: o caso de dados classfcados. = = EXEMPLO. Se a fução φ : R R for a fução φ( ) =, R e R +, a médaφ costtu a méda de ordem, já ates estudada: ( mφ ) = mφ = = =. EXEMPLO. Seja φ : R R, φ( ) e mφ = e, R. Tem-se, etão: e e = = = mφ = l. Alcado o resete coceto de méda-φ à amostra do eemlo cal, vrá ara valor da méda-φ: m φ 6, 87. EXEMPLO. Seja, agora, a fução φ : R 0 + R, dada or: ( ) φ = + 2 Tem-se aqu:

+ m 2 φ = = + 2 elo que vrá: 2 + mφ = mφ =. + + 2 = = 2 Achado, este caso, o valor da méda-φ ara a amostra do eemlo cal, obtémse: m φ 2, 87. MÉDIA APARADA Como se referu ao troduzr a oção de méda artmétca, esta tem esecal mortâca o estudo das dstrbuções de frequêcas. Acotece, como faclmete ode comrovar-se, que se trata de um coceto ouco fleível, e fortemete fluecado elos valores etremos que ossam surgr a amostra. Com a faldade de evtar os efetos desacoselháves de ossíves valores etravagates, recorre-se ao coceto de méda aarada, que se troduz com a segute DEFINIÇÃO. Seja α [0,]. Dá-se o ome de méda aarada a 00 α% da amostra (,..., ), R, (=,...,), N, à méda artmétca dos elemetos da amostra, deos da mesma ser etrada de 00 α% dos seus meores valores, e de 00 α% dos maores. No caso em que α=0,25, a méda aarada toma o ome de mea-méda. Corresode, os, à méda artmétca da metade cetral da amostra estudada,

abadoado as 25% observações mas baas e as 25% mas elevadas. Veja-se, a este roósto, o segute EXEMPLO. Retomado a amostra do eemlo cal, faclmete se oderá estmar que valor da sua mea-méda será, sesvelmete, 4,24. Com o resete teto rocurou mostrar-se a udade que está subjacete ao coceto de méda, oerado, o fal, uma lgera cursão um domío mas modero do tratameto de amostras, ode rocura retrar-se das mesmas formação que ossa causar dstorção os valores a estmar. BIBLIOGRAFIA MELLO, F. Galvão de (993): Probabldades e Estatístca. Cocetos e Métodos Fudametas - Volume I, Escolar Edtora, Lsboa. MURTEIRA, Beto José Ferrera e BLACK, George Hubert Joseh (983): Estatístca Descrtva, McGraw-Hll de Portugal Lda.. MURTEIRA, Beto J. F., (993): Aálse Eloratóra de Dados - Estatístca Descrtva, McGraw-Hll de Portugal Lda..