Escolar Documentos
Profissional Documentos
Cultura Documentos
=
=
6
1 i
fi n
40
Onde n = tamanho da amostra.
b) Dados com intervalo de classe.
Classes: So intervalos de variao da varivel.
REVISANDO INTERVALOS NUMRICOS:
Intervalo aberto em a e aberto em b, ]a,b[ , {xR/a < x < b}
Aberto esquerda e aberto direita
Intervalo aberto em a e fechado em b, ]a,b], {xR/a < x b}
Aberto esquerda e fechado direita
Intervalo fechado em a e aberto em b, [a,b[, {xR/a x < b}
Fechado esquerda e aberto direita
Intervalo fechado em a e fechado em b, [a,b], {xR/a x b}
19
Fechado esquerda e fechado direita
NOTAO NA DISTRIBUIO DE FREQUNCIA:
_________ , intervalo aberto
|-------------- , intervalo semi
--------------| , intervalo semi
|-------------| , intervalo fechado.
Usando os dados da
classe.
Notas
0 |---- 2
2 |---- 4
4 |---- 6
6 |---- 8
8 |---- 10
TOTAL
Para montarmos uma tabela de frequncia, precisamos seguir alguns critrios.
Para fazermos nosso estudo utilizaremos como exemplo a seguinte pesquisa:
Um professor resolver coletar, as alturas dos alunos em uma sala de aula e
anotou os resultados em uma lista de dados brutos como segue:
Altura em cm de 40 alunos de uma classe:
Fechado esquerda e fechado direita
NA DISTRIBUIO DE FREQUNCIA:
_________ , intervalo aberto
, intervalo semi-aberto direito
| , intervalo semi-aberto esquerdo
| , intervalo fechado.
Usando os dados da tabela anterior podemos montar nossa tabela de
Fi
-
11
-
17
12
40
5
1
=
= i
fi
Para montarmos uma tabela de frequncia, precisamos seguir alguns critrios.
nosso estudo utilizaremos como exemplo a seguinte pesquisa:
Um professor resolver coletar, as alturas dos alunos em uma sala de aula e
anotou os resultados em uma lista de dados brutos como segue:
Altura em cm de 40 alunos de uma classe:
tabela anterior podemos montar nossa tabela de
Para montarmos uma tabela de frequncia, precisamos seguir alguns critrios.
nosso estudo utilizaremos como exemplo a seguinte pesquisa:
Um professor resolver coletar, as alturas dos alunos em uma sala de aula e
20
6.3 ROL
a tabela obtida aps a ordenao dos dados.
6.4 Tabela de freqncia
Ordena-se os dados, agrupando
a tabela obtida aps a ordenao dos dados.
freqncia sem intervalo de classe
se os dados, agrupando-os em sequncia crescente.
os em sequncia crescente.
21
6.5 Amplitude total ou ranger (At)
a diferena entre o maior e o menor valor da amostra.
At = Xmax Xmin
At = 178 148 = 30.
Quando dizemos que a amplitude total dos valores 30, estamos
afirmando alguma coisa do grau de concentrao. evidente que,
quanto maior a amplitude total, maior a disperso dos valores da
varivel.
6.6 Clculo do nmero de classe(k)
Para determinar o n de classes ou intervalos nos quais a amostra
dever ser dividida, utilizaremos a frmula de Sturges:
Neste caso, nosso clculo ser:
k = 1+ 3,3log40
k 6,28 . Usaremos ento 7 intervalos.
6.7 Tamanho do intervalo de classe (h)
k
At
h =
o quociente entre a amplitude total e o intervalo da classe.
K = 1 + 3,3log n
22
Calculando h temos:
77 , 4
28 , 6
30
= h , neste caso, usaremos 5 cm, pois estaremos trabalhando com
cm a altura dos alunos.
Agora montaremos a tabela com intervalos de classes conforme os critrios
estudados acima.
n fi
i
=
=
7
1
40
6.8 Clculo da frequncia relativa (fri)
o quociente entre as frequncias absolutas de cada classe e o nmero de
observaes.
n
fi
fri = , para colocar sob a forma de %, basta multiplicar por 100, 100 x
n
fi
fri =
Montando a tabela temos:
Exemplo: para i = 1, temos 075 , 0
40
3
40
1
1 = = =
f
fr
23
i Altura fi (alunos) Fri fri(%)
1 148 |- 153 3
0,075 ->
memria de
clculo:
3/40=0,075
7,5 ->memria
de clculo:
0,075 x 100 =
7,5
2 153 |- 158 7 0,175 17,5
3 158 |- 163 11 0,275 27,5
4 163 |- 168 10 0,25 25
5 168 |- 173 4 0,1 10
6 173 |- 178 4 0,1 10
7 178 |- 183 1 0,025 2,5
6.9 Frequncias acumuladas (Fi)
o acumulo das frequncias absolutas.
Podem ser representadas conforme esquema abaixo:
Absoluta ( Fi )
Crescente
Relativa ( Fri )
Frequncia acumulada (Fi) Absoluta ( Fi )
Decrescente
Relativa ( Fri )
Montando a tabela de frequncias acumuladas temos:
Frequncia acumulada crescente absoluta ( Fi )
i=1 F
1
= 3
i=2 F
2
= F
1
+ f
2
=3+5=8
i=3 F
3
= F
2
+ f
3
=8+7=15
i=4 F
4
= F
3
+ f
4
=15+13=28
i=5 F
5
= F
4
+ f
5
=28+9=37
i=6 F
6
= F
5
+ f
6
=37+2=39
24
i=7 F
7
= F
6
+ f
7
=39+1=40
Frequncia acumulada crescente relativa ( Fri )
=
fi
Fi
Fri ou na forma de porcentagem 100 x
fi
Fi
Fri
=
Montando a tabela temos:
075 , 0
40
3 1
1 = =
fi
F
Fr , multiplicando por 100 encontra a Fri % = 7,5%.
Frequncia acumulada decrescente absoluta ( Fi )
i=1 F
1
= Fn = f7=40
i=2 F
2
= F
1
- f
1
=40-3=37
i=3 F
3
= F
2
- f
2
=37-7=30
Complete o restante:
i=4 F
4
=
i=5 F
5
=
i=6 F
6
=
i=7 F
7
=
Frequncia acumulada decrescente relativa ( Fri )
=
fi
Fi
Fri ou na forma de porcentagem 100 x
fi
Fi
Fri
=
Montando a tabela temos:
1
40
40 1
1 = =
fi
F
Fr , multiplicando por 100 encontra a Fri % = 100%.
25
875 , 0
40
35 2
2 = =
fi
F
Fr , multiplicando por 100 encontra a % 5 , 87 2 = Fr .
Agora, complete o restante da tabela como segue:
i Altura
fi
(alunos) Fri fri(%) Fi Fri Fri % Fi Fri Fri%
1 148 |- 153 3
2 153 |- 158 7
3 158 |- 163 11
4 163 |- 168 10
5 168 |- 173 4
6 173 |- 178 4
7 178 |- 183 1
O significado de Fri %, significa que por exemplo Fr
4
% est correspondendo a
77,5 % da amostra.
7.0 ESTATSTICA GRFICA
Os grficos so os meios usuais pelos quais comunicamos as idias
contidas nas tabelas. Sua finalidade facilitar a compreenso do
comportamento do fenmeno, facilitando comparaes que, dificilmente nos
ocrreriam, vista, simplesmente, de nmeros. Fazer grficos transformar os
valores das tabelas em figuras, pontos, linhas, barras, reas, etc.
O grfico deve ser composto de simplicidade, clareza e veracidade , ou
seja deve expressar a verdade e possibilitar um claro entendimento ao pblico
interessado.
Iremos aprender a desenhar a mo-livre os principais grficos. claro,
que com a tecnologia a nosso favor, temos vrios softwares que possam nos
auxiliar na construo dos mesmos.
Os principais grficos so: Lineares, Colunas ou barras, setores, entre
outros.
Ns iremos aprender a fazer os seguintes grficos:
26
7.1 Grfico Linear sem dados agrupados
Veja a seguinte tabela: Nmero de alunos matriculados no curso de
Enfermagem de Graja no perodo de 1997.1 a 2000.2.
Ano/Simestre Matriculas
1997.1 218
1997.2 228
1998.1 190
1998.2 159
1999.1 164
1999.2 138
2000.1 178
2000.2 186
Como construir o grfico linear:
1 Passo: Intervalo de dados (I
T
) = a diferena entre o maior e o menor valor
da frequncia.
I
T
= 228 138 = 90.
2 Passo: Determinar a escala grfica: No mnimo 5 cm e no mximo 15 cm.
I
T
= 228 138 = 90 (valor real)
I
A
= 230 130 = 100 Valor aparente. Arredonda os valores reais.
Escala: Valor aparente dividido pela escala grfica = 100: 5 = 20 alunos
matriculados por cm, neste caso o intervalo ficou muito grande, ento vamos
dividir por 10, logo teremos: 100:10 = 10 alunos por cm.
27
3 Passo: Montando o grfico temos:
218
228
190
159
164
138
178
186
130
140
150
160
170
180
190
200
210
220
230
240
1997.1 1997.2 1998.1 1998.2 1999.1 1999.2 2000.1 2000.2
M
a
t
r
i
c
u
l
a
s
Alunos matriculados no periodo de 1997.1 a
2000.2 - UEMA - Curso de Enfermagem
Matriculas
28
7.2 Grfico de Colunas
Veja a tabela dos n de alunos matriculados na UEMA, no campus de
So Luis MA no periodo de 1997.1 a 2000.2.
Ano/Simestre Matriculas
1997.1 3466
1997.2 3477
1998.1 3520
1998.2 3255
1999.1 3669
1999.2 3296
2000.1 3569
2000.2 3498
A metodologia para a construo do grfico de colunas a mesma que
utilizamos para o grfico linear.
1 Passo:Determinao do intervalo
I
T
= 3669 3255 = 414
I
A
= 3700 0 = 3700 o valor mximo que a coluna ir atingir.
2 passo: Determinando a escala grfica: I
A
: 10 = 3700:10=370 variao da
escala grfica.
3 Passo: Construo do grfico.
3466 3477
3520
3255
3669
3296
3569
3498
370
740
1110
1480
1850
2220
2590
2960
3330
3700
1997.1 1997.2 1998.1 1998.2 1999.1 1999.2 2000.1 2000.2
Alunos matriculados no Campus So Luis-MA -
UEMA - Perodo 1997.1 a 2000.2
Matriculas
29
7.3 Grfico de Setores
Os grficos em setores ou setogramas so usados para representar
valores absolutos ou porcentagens complementares. conhecido tambem
como cartograma em setores.Para constru-lo parte-se do fato de que o
nmero total de graus de um arco de circunferncia 360. Obtemos cada
setor por meio de uma regra de trs simples e direta, lembrando que o total da
srie corresponde a 360.
Conforme a tabela abaixo construiremos o grfico de setores.
Dotao orcamentria da UEMA
Recursos Liberados 1997 a 2000
Anos R$ 1.000,00 Grau
1997 27403,4
1998 29596,7
1999 25335,7
2000 28417,7
Total 110753,5
Metodologia para construo do grfico:
1 Passo: Determinar os graus correspondente de cada ano.
1997:
Regra de trs simples:
110753,5 360
27403,4 x
= = 89
50 , 110753
40 , 27403 360x
x
Faa o restante dos anos e obter a tabela:
30
Anos R$ 1.000,00 Grau
1997 27403,4 89
1998 29596,7
1999 25335,7
2000 28417,7
Total 110753,5
Agora s montar o grfico de setores conforme abaixo:
7.4 Grfico para distruibuio de frequncias
Usaremos as mesmas metodologias utilizada para construo dos
grficos sem dados agrupados.
7.4.1 Para valores ponderados
Vamos fazer o grfico linear da tabela abaixo:
27,403.40
25%
29,596.70
27%
25,335.70
23%
28,417.70
25%
Dotao orcamentria da UEMA -
Recursos Liberados -1997 a 2000
1997
1998
1999
2000
31
Notas dos alunos de estatistica da UEMA
1 nota 2009.2
Notas fi (Alunos) Fi Fi
0 1 1 50
1 2 3 49
2 4 7 47
3 4 11 43
4 3 14 39
5 5 19 36
6 5 24 31
7 6 30 26
8 8 38 20
9 8 46 12
10 4 50 4
TOTAL 50
Para construir o grfico seguiremos os passos:
1 Passo:Determinao do intervalo
I
T
= 8 1 = 7
I
A
= 8 0 = 8 o valor mximo que o eixo y ter.
2 passo: Determinando a escala grfica: I
A
: 8 = 8:8=1cm variao da
escala grfica, que significa 1 cm para cada aluno.
3 Passo: Construo do grfico.
0
1
2
3
4
5
6
7
8
1 2 3 4 5 6 7 8 9 10 11
N
D
E
A
L
U
N
O
S
NOTAS
32
7.4.2 Anlise do grfico da Frequncia acumulada crescente e
decrescente
Montaremos o grfico baseado na tabela anterior.
O ponto de equilibrio est mostrando o momento em que as notas esto
equilibradas.
7.4.3 Histograma e polgono de frequncia com colunas justapostas.
Distribuio agrupada das notas
De 50 alunos do colgio X 1 Bimestre
Altura
fi
(alunos) Fi Fi
0 |- 2 3 3 50
2 |- 4 8 11 47
4 |- 6 8 19 39
6 |- 8 11 30 31
8 |-|10 20 50 20
Fi; 50
Fi; 4
0
5
10
15
20
25
30
35
40
45
50
1 2 3 4 5 6 7 8 9 10 11
F
r
e
q
u
n
c
i
a
s
a
c
u
m
u
l
a
d
a
s
Notas dos alunos de estatistica da UEMA
1 nota 2009.2
33
Total 50
A metodologia para fazer o histograma a mesma para os demais grficos.
Montando o grfico:
Podemos observar que o ponto mdio de cada retangulo, forma o polgono de
frequncia.
34
7.4.4 Polgono de frequncia acumuladas ou ogivas de Galton.
A ogiva de Galton tem por finalidade a representao grfica das tabelas
de frequncias acumuladas.
Para construir a ogiva, em cada limite inferior desenhamos o valor da
frequncia acumulada e ligamos estes pontos com uma srie de segmentos em
linha reta.
35
8.0 MEDIDAS DE TENDNCIA CENTRAL
A estatstica tem por objetivo sumarizar dados para que tenhamos uma
viso global do comportamento dos fatos. O pesquisador se defronta com uma
quantidade de dados grandes, e apesar dos mesmos poderem estar
representados em grficos e tabelas, preciso resumir essa informao.
Assim, usam as medidas de tendncia central ou de posio, pois eas do o
valor do ponto em torno do qual os dados se distribuem.
8.1 Mdia Aritmtica (
___
X )
A mdia indica o ponto de equilbrio da distribuio dos dados
observados.
8.1.1 Mdia aritmtica simples
A mdia aritmtica simples de um conjunto de dados numricos igual
ao quociente entre a soma dos valores do conjunto e o nmero total dos
valores.
Exemplo:
a) X: 2 ; 3 ; 4,5 ; 7 ; 10 sendo X: notas.
___
X = 3 , 5
5
10 7 5 , 4 3 2
=
+ + + +
.
Genericamente podemos escrever:
n
Xi
X
n
i
=
=
1
___
, onde Xi = cada elemento da amostra ; n = n de elementos da
amostra.
36
37
8.1.2 Mdia aritmtica para dados na tabela de freqncia
Exemplo:
Xi Fi Xi.fi
2 2 4
3 3 9
4,5 2 9
7 1 7
10 3 30
Total
=11 fi
= 59 ) . ( fi Xi
Para o clculo da mdia utilizaremos a frmula:
=
=
=
fi n
fi Xi
X
n
i 1
___
) . (
, aplicando temos:
___
X = 59/11 = 5,36.
8.1.3 Mdia aritmtica com intervalo de classes
Notas (Classes
fi
(alunos) Xm fi.Xm
0 |- 2 7 1 7
2 |- 4 10 3 30
4 |- 6 13 5 65
6 |- 8 7 7 49
8 |-|10 3 9 27
Total
= 40 fi
=178 ) . ( Xm fi
Para o clculo utilizaremos a mdia da classe (Xm),
2
ls Li
Xm
+
=
.
Precisamos tambm dos valores de (fi.Xm) e em seguida aplicamos a frmula:
=
fi
fi Xm
X
.
___
, logo temos que
___
X =178/40 = 4,45.
38
Atividade:
Calcule a mdia de evaso das escolas do Estado do Maranho da cidade So
Luis, conforme a tabela de classe abaixo:
Indices
N de
escolas
0,0 a 0, 2 15
0,2 a 0,4 18
0,6 a 0,6 25
0,6 a 0,8 22
0,8 a 1,0 13
39
8.2 Mdia Geomtrica ( g X
___
)
A mdia geometrica de n valores definida, genericamente, como a raiz
n-sima do produto de todos eles.
8.2.1 Mdia Geomtrica Simples ( g X
___
)
Dados n valores X
1
, X
2
,...,X
n
, a mdia geomtrica desses valores ser:
n
n
i
Xi
C
1
___
Xg
=
= =
n
Xn X X X ... 3 . 2 . 1 , onde
(pi), o produtrio.
Exemplo:
Calcular a mdia geomtrica das seguintes notas:
8 9 5 6 3 5 7 8 8 4.
n = 10, logo,
10
___
4 . 8 . 8 . 7 . 5 . 3 . 6 . 5 . 9 . 8 = g X = 5,97.
Observao:
Para o clculo na calculadora cientfica.
1) Aperta 10 + SHIFT + X
Y
no exemplo. 10 ) 4 . 8 . 8 . 7 . 5 . 3 . 6 . 5 . 9 . 8 (
x
Em termos de logartmos temos que:
.
REVISANDO LOGARITMO:
Definio de logaritmo
sendo b>0 ,a>0 e a1
a= base do logaritmo
b= logaritmando ou antilogaritmo
x= logaritmo
1 5 pois 0 1 log 3)
16 4 pois 2 16 log 2)
32 2 pois 5 32 log 1)
: Exemplos
0
5
2
4
5
2
= =
= =
= =
b x b a
a
x
log = =
: obtemos log igualdade Na b x
a
=
antilogaritmo:Inverso do
logaritmo
b a b x anti
x
a
= => = log
Ex: 8 2 3 log
3
2
= = anti
40
41
Usando o mesmo exemplo para a frmula dos logaritmos temos:
1 passo: calcula os logaritmos de todas as notas:
log8= 0,903
log9= 0,954
log5= 0,698
log6= 0,778
log3= 0,477
log5= 0,698
log7= 0,845
log8= 0,903
log8= 0,903
log4= 0,602
log
7,761
Calculo do antilog na calculadora cientifica:
1- Na base 10: HIFT + Log (Ativa a tela superior) + o resultado
n
Xi
n
i
=1
log
,
2- Para qualquer base: Digite a base + XY + expoente.
8.2.2 Mdia Geomtrica Ponderada
A mdia geomtrica ponderada de um conjunto de nmeros dispostos
em uma tabela de freqncia calculada por intermdio da seguinte
expresso:
]
log ... 2 log 2 1 log 1
log[ Xg
___
n
Xn fn X f X f
anti
+ + +
=
,ou
]
log
log[ Xg
1
___
n
Xi fi
anti
n
i
=
=
]
log
log[ Xg
1
___
n
Xi
anti
n
i
=
=
97 , 5 ]
10
761 , 7
log[ Xg
___
= = anti
42
Exemplo: Calcule a mdia geomtrica das notas a seguir:
Xi(Notas) Alunos(fi) logXi fi.logXi
1 3 0 0
2 5 0,30103 1,50515
3 7
4 6
5 8
6 10
7 12
8 11
9 7
10 5 1 5
= 74 fi
= 58536 , 53 ) log . ( Xi fi
Aplicando a frmula para ]
log
log[ Xg
1
___
n
Xi fi
anti
n
i
=
=
29 , 5 Xg ] 7244126486 , 0 log[ Xg ]
74
58536 , 53
log[ Xg
___ ___ ___
= => = => = anti anti
Propriedade: A mdia geomtrica menor ou igual a mdia aritmtica.
A desigualdade g < ..sempre se verifica, quando os valores da srie
forem positivos e nem todos iguais. Se entre eles houver um ou mais zeros, a
mdia geomtrica ser nula.
A igualdade g = ..s ocorrer quando todos os valores da srie forem
iguais.
8.2.3 Mdia Geomtrica para dados agrupados
Utilizaremos a tabela abaixo para o calculo de g X
___
.
Indices
N de
escolas Xm logXm fi.logXm
0,0 |- 0, 2 15 0,1 -1 -15
0,2 |- 0,4 18
0,6 |- 0,6 25
0,6 |- 0,8 22
0,8 |- 1,0 13
43
Total 93
= 9403 , 35 ) log . ( Xm fi
Onde,
Xm Mdia da classe.
A frmula fica assim descrita:
]
log
log[ Xg
1
___
n
Xm fi
anti
n
i
=
=
41 , 0 Xg ]
93
9403 , 35
log[ Xg
___ ___
= =>
= anti
8.3 Mdia Harmnica ( h X
___
)
o inverso da mdia aritmtica dos inversos.
8.3.1- Mdia Harmnica Simples Para dados brutos
Dado um conjunto de n valores X1, X2,...,Xn, a mdia harmnica do
conjunto ser:
=
=
n
i
x
n
h X
1
___
1
,seja X1 e X2 dois valores quaisquer a
2
1
1
1
2
___
X X
h X
+
=
Ex: Calcular a mdia harmnica das notas 8-9-5-6-3-5-7-8-8-4.
62 , 5
4
1
8
1
8
1
7
1
5
1
3
1
6
1
5
1
9
1
8
1
10
___
=
+ + + + + + + + +
= h X .
8.3.2- Mdia Harmnica para dados agrupados em classe
Usaremos a frmula
=
=
n
i
Xm
fi
n
h X
1
___
,onde Xm a mdia da classe
Exemplo: Calcular a mdia Harmnica da tabela:
Notas fi Xm fi/Xm
1 |- 3 2 2 1
3 |- 5 4 4 1
5 |- 7 8 6 1,3
Usando a frmula temos:
96 , 4
03 , 4
20
1
___
= = =
=
n
i
Xm
fi
n
h X
,
A mdia harmnica menor ou
igual mdia geomtrica. Logo:
44
7 |- 9 4 8 0,5
9 |- 11 2 10 0,2
= = fi 20
-
= 03 , 4
Xm
fi
8.4 Moda (
Mo
)
uma medida de tendncia central, tambm denominada de norma,
valor dominante ou valor tpico. A moda de um conjunto de dados o valor que
se repete mais, isto , daquele com maior freqncia. Em estatstica, a mesma
significao que lhe damos vulgarmente.Afinal, o que est na moda aquilo
que mais se v.
8.4.1 Moda para valores simples
Basta observar o que ocorre mais vezes, ou seja, o valor de maior
freqncia.
Ex1: quando a amostra for unimodal, ou seja, possui uma nica moda.
8-9-5-5-6-3-5-6-7-4-2.
Mo=5, pois o elemento que mais se repete na amostra.
Ex2: Quando for bimodal 8-9-9-5-5-6-3-7-2-1.
Mo
1
=9 e Mo
2
=5
8.4.2 Moda para valores agrupados
Para dados agrupados utilizaremos a frmula de CZUBER.
h L Mo ).
2 1
1
( inf
+
+ = , onde
Linf=Limite inferior da classe modal
1 =Diferena entre a freqncia absoluta da classe modal e a imediatamente
anterior.
2 =Diferena entre a freqncia absoluta da classe modal e a imediatamente
posterior.
45
h=intervalo da classe
Exemplo: Dada a distribuio dos pesos dos alunos da escola X, calcular a
moda.
Pesos Alunos
35 |- 40 10
40 |- 45
08
45 |- 50 13
50 |- 55
15
55 |- 60 18
60 |- 65
16
65 |- 70 14
70 |- 75 11
75 |- 80 09
80 |- 85 05
85 |- 90 06
TOTAL 125
Atividade:
Encontre a moda dos pesos dos alunos da turma.(Construa a tabela de
freqncia com dados agrupados em classe.
Seguiremos os passos para encontrarmos a Mo.
1 Passo: Localizar a classe modal: 55|- 60, fi=18,
Linf=55.
2 Passo: Calcular 1 e 2 e h.
1 =18-15=3
2 =18-16=2
h=Ls-Li=60-55=5
3 Passo: Aplicar a frmula de CZUBER.
h L Mo ).
2 1
1
( inf
+
+ =
. 58
5 ).
2 3
3
( 55
=
+
+ =
Mo
Mo
Assim, podemos concluir que o peso de maior
freqncia da classe 58.
46
9.0 MEDIDAS DE SEPARATRIZES
Uma distribuio por freqncia quando colocada sob forma ogival
apresenta os dados em uma sucesso ordinal (1, 2, 3,etc.). Esta sucesso
ordinal comporta uma srie de anlises relevantes ao estudo estatstico dos
dados. Aqui, nos interessa as medidas de separatrizes que so:
Mediano, Quartil, Decil, Percentil.
9.1 - Mediana (Me)
o elemento que est exatamente no centro das informaes
ordenadas. |__________Me__________|
0% 50% 100%
9.1.1 - Mediana para dados no-agrupados
Para se obter o elemento mediana de uma srie deveremos seguir os
seguintes passos:
a) Se n for mpar a mediana o termo de ordem
2
1 +
=
n
P . Onde P o
elemento mediano.
b) Se n for par a mdia aritmtica dos termos de ordem :
Calcula:
2
1
n
P = e 1
2
2
+ =
n
P e
2
2 1 P P
Me
+
=
47
Exemplos:
a) Determine o valor da mediana da srie que composta dos seguintes
elementos: 56, 58 , 62, 65 e 90.
Soluo:
n = 5 (mpar), ordenada srie da elemento 3
2
1 5
2
1
0
=
+
=
+
=
n
P . Ento Me = 62.
b) Pesquisa realizada a respeito de erros por folha, cometidos por digitadores,
revelou as seguintes quantidades: 12, 12, 13, 13, 15, 16, 18,20. Determinar a
quantidade mediana de falhas.
Soluo:
n = 8(par), ento elemento 5 1
2
8
e elemento 4
2
8
0
2
0
1
= + = = = P P
Logo a mediana ser:
14
2
28
2
15 13
= =
+
= Me
9.1.2 - Mediana para dados agrupados sem intervalo de classes
Dado a tabela abaixo, vamos determinar a mediana.
xi(Notas) Fi Fi Posio
2 4 4 1 a 4
3 10 14 5 a 14
4 15 29 15 a 29
5 20 49 30 a 49
10 18 67 50 a 67
13 12 79 68 a 79
16 6 85 80 a 85
17 4 89 86 a 89
Total 89
Seguiremos os passos:
1 passo: Determinar a Fi.
2 passo: Determinar P.
n=89, impar, logo 45
2
1 89
0
=
+
= P
3 passo: O elemento xi que est na 45 posio a Mediana, ou seja Me=5.
QUANDO n PAR:
Esta a 45 posiao
48
xi(Notas) Fi Fi Posio
12 5 5 1 a 5
15 10 15 6 a 15
18 13 28 16 a 28
20 15 43 29 a 43
25 7 50 44 a 50
30 6 56 51 a 56
Total 56
n=56 (par)
Calcularemos:
2
1
n
P = e 1
2
2
+ =
n
P para encontrar
2
2 1 P P
Me
+
=
28
2
56
1
= = P = 18 20 29 1
2
56
2
= = + = P
Calculando
2
2 1 P P
Me
+
= => 19
2
20 18
=
+
= Me
Logo Me=19.
9.1.3 - Mediana para dados agrupados com intervalo de classes
Para encontrar a mediana utilizaremos a seguinte frmula:
h
fmd
Fant
n
L Me ).
2
( inf
+ = , onde:
Linf=limite inferior da classe mediana.
P=n/2=elemento mediano.
Fant=freqncia acumulada anterior a classe da mediana
fmd=freqncia da classe mediana.
Exemplo:
Um determinado professor aplicou um teste de conhecimentos gerais e
determinou que aqueles que tirassem nota superior ou igual ao valor da
mediana teriam conceito A, e abaixo conceito B.
Abaixo a tabela de classe:
49
Notas (xi) fi (alunos) Fi posio
0,0 |- 2,5 12 12 0 a 12
2,5 |- 5,0 15 27 13 a 27
5,0 |- 7,5 22 49 28 a 49
7,5 |- 10 19 68 50 a 68
Total 68
Para determinar a mediana seguiremos os passos:
1 Passo: Determinar Fi
2 Passo: Determinar as posies
3 Passo: Determinar a classe mediana (P)
P=n/2 = 68/2=34
4 Passo: Linf=5 ; h=(Ls-Li) = 7,5-5=2,5
5 Passo: localizar Fant: neste caso fant=27
6 Passo: localizar fmd=22
7 Passo: Utilizar a frmula h
fmd
Fant
n
L Me ).
2
( inf
+ =
80 , 5
5 , 2 ).
22
27 34
( 5
=
+ =
Me
Me
Atividade:
Encontrar a altura mediana da turma utilizando tabela agrupada em classe.
50
9.2 Quartil (Q)
Divide a amostra em quatro partes iguais
!-------------------!-------------------!
Me
!---------!---------!---------!---------!
Q1 Q2 Q3
Para determinar o elemento quartil, utilizaremos a frmula:
4
.n i
EQi = , onde i=1,2,3. E para determinar cada elemento num dado intervalo
de classe usaremos:
h
fqi
Fant
n i
L Qi ).
4
.
( inf
+ = , onde:
Linf=limite inferior da classe quartilica i.
4
.n i
=elemento quartilico
Fant=freqncia acumulada anterior a classe da quartilica
fqi=freqncia absoluta da classe quartilica.
h=intervalo de classe.
9.3 Decil (D)
Divide a amostra em dez partes iguais.
!-------------------!-------------------!
Me
!---------!---------!---------!---------!
Q1 Q2 Q3
!---!---!---!---!---!---!---!---!---!---!
51
D1 D2 D3 D4 D5 D6 D7 D8 D9
Para determinar o elemento decil, utilizaremos a frmula:
10
.n i
EQi = , onde i=1,2,3,4,5,6,7,8,9. E para determinar cada elemento num dado
intervalo de classe usaremos:
h
fdi
Fant
n i
L Di ).
10
.
( inf
+ = , onde:
Linf=limite inferior da classe decilica.
10
.n i
=elemento decilico
Fant=freqncia acumulada anterior a classe decilica
fdi=freqncia absoluta da classe decilica.
h=intervalo de classe.
9.4 Percentil (P)
Divide a amostra em cem partes iguais.
!-------------------!-------------------!
Me
!---------!---------!---------!---------!
Q1 Q2 Q3
!---!---!---!---!---!---!---!---!---!---!
D1 D2 D3 D4 D5 D6 D7 D8 D9
!---!---!---!---!---!---!---!---!---!---!
C10 C20 C30 C40 C50 C60 C70 C80 C90
Para determinar o elemento percentil, utilizaremos a frmula:
, onde i=1,2,3,....,99. E para determinar cada elemento num dado intervalo de
classe usaremos:
52
h
fpi
Fant
n i
L Pi ).
100
.
( inf
+ = , onde:
Linf=limite inferior da classe percentilica.
100
.n i
=elemento percentil
Fant=freqncia acumulada anterior a classe percentilica
fdi=freqncia absoluta da classe percentilica.
h=intervalo de classe.
Exemplo:
1) Um professor resolveu realizar um simulado em sua escola, como um
preparativo para o vestibular e adotou como avaliao as medidas de
separatrizes. Ento:
Conceito excelente: Acima de Q
3
.
Conceito Bom: entre D
4
e D
5
.
Conceito Regular: entre Q
1
e P
40 (incluindo
P40)
Conceito Insuficiente: abaixo de P
20
Aps a aplicao da prova verificou-se a seguinte distribuio de freqncias:
Pontos Alunos Fi
10|-20 22 22
20|-30 25 47
30|-40 29 76
40|-50 32 108
50|-60 38 146
60|-70 42 188
70|-80 34 222
80|-90 23 245
90|-100 17 262
100|-110 16 278
Total 278 -
Aplicando a frmula para cada elemento temos:
03 , 76 10 ].
34
188 5 , 208
[ 70 3 =
+ = Q
84 , 50 10 ].
38
108 20 , 111
[ 50 4 =
+ = D
Vamos calcular cada elemento separatriz
5 , 69
4
278 . 1
4
.
1
2 , 111
100
278 . 40
100
.
40
6 , 55
100
278 . 20
100
.
20
139
10
278 . 5
10
.
5
2 , 111
10
278 . 4
10
.
4
5 , 208
4
278 . 3
4
.
3
= = =
= = =
= = =
= = =
= = =
= = =
n i
EQ
n i
EP
n i
EP
n i
ED
n i
ED
n i
EQ
84 , 50 4 40 = = D P
76 , 37 10 ].
29
47 5 , 69
[ 30 1 =
+ = Q
Podemos fazer a seguinte anlise:
Conceito excelente: Acima de Q
3
. Ser >76,03
Conceito Bom: entre D
4
e D
5
. 50,84<x<58,15
Conceito Regular: entre Q
1
e P
40 .
37,76<x50,84
Conceito Insuficiente: abaixo de P
20.
<32,96
53
15 , 58 10 ].
38
108 139
[ 50 5 =
+ = D
96 , 32 10 ].
29
47 6 , 55
[ 30 20 =
+ = P
Atividade
A tabela abaixo representa os salrios pagos a 100 professores da Escola
Aprendiz.
Salrios Professores
0|- 2 40
2|- 4 30
4|- 6 10
6|- 8 15
8|- 10 5
Total 100
Determinar:
A) Salrio Mdio
B) O salrio que mais ocorre na amostra
C) O salrio que divide a amostra em duas partes iguais
D) O valor em que 80% dos salrios lhe so inferiores
E) O valor em que 20% dos salrios lhe so inferiores
54
__
X
10.0 MEDIDAS DE DISPERSO OU VARIABILIDADE
Um conjunto de valores pode ser convenientemente sintetizado, por
meio de procedimentos matemticos, em poucos valores representativos
mdia aritmtica, mediana e moda. Tais valores podem servir de comparao
para dar a posio de qualquer elemento do conjunto.
Assim, no o bastante dar uma das medidas de posio para
caracterizar perfeitamente um conjunto de valores, pois, mesmo sabendo, por
exemplo, que a temperatura mdia de duas cidades a mesma, ainda assim
somos levados a pensar a respeito do clima dessas cidades. Em uma delas
poder a temperatura variar entre limites de muito calor e de muito frio. A outra
poder ter uma variao pequena de temperatura e possuir, portanto, no que
se refere temperatura, um clima mais favorvel.
Portanto, para qualificar os valores de uma dada varivel, ressaltando a
maior ou menor disperso ou variabilidade entre esses valores e a sua medida
de posio, a Estatstica recorre s medidas de disperso ou variabilidade,
para saber como os valores esto dispersos em torno da mdia.
________|_______ Xi
10.1 Amplitude total
A amplitude total de um conjunto de nmeros a diferena entre o
maior valor da amostra, como j vimos no inicio.
At = Xmax Xmin
10.1.1- Amplitude para dados agrupados sem intervalo de classe.
Xi fi
2 4
3,5 7
5 8
7 4
8 3
10.1.2- Amplitude para dados agrupados com intervalo de classe.
At=8-2=6
55
2
1 3 Q Q
Q
=
Se os dados vierem dispostos em uma tabela de frequncias, com os
valres agrupados em classes, h duas formas de se definir a amplitude total:
1) At=ponto mdio da ltima classe menos ponto mdio da primeira
classe.
Exemplo:
Notas (xi) fi (alunos)
0,0 |- 2,5 12
2,5 |- 5,0 15
5,0 |- 7,5 22
7,5 |- 10 19
Total 68
Ponto mdio ltima classe = Ls Li = (10+7,5)/2 = 8,75
Ponto mdio 1 classe = Ls Li = (0+2,5)/2 = 1,25
At=8,75-1,25 => At=7,5
2) At=limite superior da ltima classe menos o limite inferior da primeira
classe.
At=10-0=> At=10.
Observao: Embora a amplitude total seja a mais simples das medidas de
disperso, h uma forte restrio ao seu uso em virtude de sua grande
instabilidade, uma vez que ela leva em conta apenas os valores extremos da
srie de dados.
10.2 Desvio quartilico ou amplitude semi-interquartilica.
uma medida que mostra a diferena entre o terceiro e o primeiro
quartis, que aproveita 50% dos dados e que pouco influenciada pelos valores
extremos. Ele utilizado quando se descrevem resultados, empregando como
medida de tendncia central a mediana.
Onde,
Q
3
=terceiro quartil; Q
1
=primeiro quartil.
Exemplo: Pontos obtidos em lingua portuguesa no concurso do vestibular 2002.
Pontos N de alunos Fi
10 |- 20 5 3
20 |- 30 12 10
30 |- 40 20 21
56
40 |- 50 14 31
50 |- 60 10 35
60 |- 70 4 39
Total 65 -
- Calculo do EQ
1
:
25 , 16
4
65
4
.
1 = = =
n i
EQ
38 , 29 10 ].
12
5 25 , 16
[ 20 1 =
+ = Q
- Calculo do EQ3:
75 , 48
4
65 . 3
4
.
3 = = =
n i
EQ
39 , 48 10 ].
14
37 75 , 48
[ 40 3 =
+ = Q
- Clculo de Q:
505 , 9
2
38 , 29 39 , 48
=
= Q
A amplitude semi-interquatlica menos grosseira do que a amplitude total
porque usa dois valores menos extremos.
10.3 Desvio mdio (Dm)
O desvio mdio ou mdia dos desvios igual mdia aritmtica de seus
valores absolutos tomados em relao a uma das seguintes medidas: mdia ou
mediana.
10.3.1- Desvio mdio para dados brutos
Para dados brutos utilizaremos a frmula:
n
X xi
Dm
n
i
=
1
__
| |
, onde di= | |
__
X xi =desvio em relao a mdia aritmtica.
Ou ainda
n
Me xi
Dm
n
i
=
1
| |
, onde di= | | Me xi =desvio em relao a mediana.
57
Ex: Dadas as notas de Lngua Portuguesa da turma A e B, verifique qual a
mais homognea.
Turma A: 2-3-5-5-6-6-8-9
Turma B: 3-3-5-7-8-8-8-9
1 Passo: calcular a mdia da turma A e B.
5 , 5
8
9 8 6 6 5 5 3 2
___
=
+ + + + + + +
= A X
375 , 6
8
9 8 8 8 7 5 3 3
___
=
+ + + + + + +
= A X
Agora calcularemos o Dm de A e B.
Turma A: 2-3-5-5-6-6-8-9
|2 - 5,5|=3,5
|3 - 5,5|=2,5
|5 - 5,5|=0,5
|5 - 5,5|=0,5
|6 - 5,5|=0,5
|6 - 5,5|=0,5
|8 - 5,5|=2,5
|9 - 5,5|=3,5
n
i
X xi
1
__
| | =14
Turma B: 3-3-5-7-8-8-8-9
|3 - 5,5|=2,5
|3 - 5,5|=2,5
|5 - 5,5|=0,5
|7 - 5,5|=1,5
|8 - 5,5|=2,5
n
X xi
Dm
n
i
=
1
__
| |
= 75 , 1
8
14
=
n
X xi
Dm
n
i
=
1
__
| |
= 25 , 2
8
18
=
Podemos concluir que a turma A mais
homognea, pois possui o desvio mdio
menor.l
58
|8 - 5,5|=2,5
|8 - 5,5|=2,5
|9 - 5,5|=3,5
n
i
X xi
1
__
| | =18
10.3.2- Desvio mdio para dados agrupados em classes
Para dados agrupados em classes usaremos a frmula:
n
X Xm
Dm
n
i
=
1
__
| |
, onde Xm o ponto mdio do intervalo das classes.
Exemplo:Calcular o desvio mdio dos valores representativos da taxa de
evaso escolar de 80 escolas.
Taxa de Evaso
N
Escolas Xm Xm.fi |Xm-
___
X | |Xm-
___
X |.fi
5 |- 25 4 15 60 64,5 258
25 |- 45 6 35 210 44,5 267
45 |- 65 14 55 770 24,5 343
65 |- 85 26 75 1950 4,5 117
85 |- 105 14 95 1330 15,5 217
105 |- 125 8 115 920 35,5 284
125 |- 145 6 135 810 55,5 333
145 |- 165 2 155 310 75,5 151
Total 80 - 6360 - 1970
A mdia:
5 , 79 80 / 6360
| .
___ ___
= = => =
X
fi
fi Xm
X
Dm=1970/80=24,625.
Isso siginifica que em mdia os valores esto afastados da mdia 24,625.
10.4 Desvio Padro
59
a medida de disperso geralmente mais empregada, pois leva em
considerao a totalidade dos valores da varivel em estudo. um indicador
de variabilidade bastante estvel. O desvio padro baseia-se nos desvios em
torno da mdia aritmtica.
Indica a disperso dos dados; quanto mais dispersos, maior o desvio padro
O Desvio padro pode ser da populacional ou amostral (S).
a)Para o populacional sem dados agrupados usaremos a frmula:
n
X Xi
=
__
) (
2
Exemplo:
Exemplo: Calcular o desvio padro da populao representada por - 4 , -3 , -2 ,
3 , 5
Xi
___
X Xi-
___
X (Xi-
___
X )
2
-4 -0,2 -3,8 14,44
-3 -0,2 -2,8 7,84
-2 -0,2 -1,8 3,24
3 -0,2 3,2 10,24
5 -0,2 5,2 27,04
Total - - 62,8
Aplicando a frmula temos:
n
X Xi
=
__
) (
2
= > 54 , 3
5
8 , 62
= => =
Quando se tratar de dados agrupados com intervalos de classe uzaremos a
frmula:
(
(
=
fi
fi X Xi .
__
) (
2
b)Para o desvio padro amostral (S) usaremos a frmula:
60
(
(
(
(
(
\
|
=
=
=
n
i
n
i
n
Xi
Xi
n
S
1
2
1 2
1
1
, para dados brutos.Ex:
Exemplo:
Aplicando a frmula temos:
958 , 12
7
) 159 (
4619
1 7
1
2
= =>
(
= S S
c) Desvio padro amostral para dados agrupados.
Quando os valores vierem dispostos em uma tabela de frequncias,o clculo
do desvio-padro ser realizado usando a frmula:
(
(
(
(
(
\
|
=
=
=
n
i
n
i
n
fi Xm
fi Xm
n
S
1
2
1 2
.
.
1
1
, onde
Xm= o ponto mdio dos intervalos de classes
fi=frequncia absoluta
n=nmero de elementos da amostra.
Exemplo: Dadas as notas abaixo, verificar o desvio-padro.
Notas alunos Xm Xm.fi Xm
2
.fi
0|- 2 12 1 12 12
2|- 4 16 3 48 144
4|- 6 20 5 100 500
6|- 8 18 7 126 882
8|- 10 12 9 108 972
Total 78 394 2510
Xi Xi2
10 100
12 144
13 169
20 400
25 625
34 1156
45 2025
=159
= 4619
61
Aplicando a frmula
78
) 394 (
2510
1 78
1
2
= S
10.4 Varincia
A varincia nada mais
A varincia pode ser populacional que o desvio
quadrado. (
2
)
A varincia pode ser populacional que o desvio
(S
2
).
11.0 - COEFICIENTE DE
Uma pergunta que pode surgir : O desvio padro calculado grande ou
pequeno?
Esta questo relevante por exemplo, na avaliao da preciso de
mtodos.
Um desvio padro pode ser considerado grande ou pequeno
dependendo da ordem de grandeza da varivel.
Uma maneira de se expressar a variabilidade dos dados tirando a
influncia da ordem de grandeza da varivel atravs do coeficiente de
variao, definido por:
O CV :
60 , 2
2
= =>
(
(
S
A varincia nada mais do que o quadrado do desvio padro.
A varincia pode ser populacional que o desvio-padro populacional ao
A varincia pode ser populacional que o desvio-padro amostral quadrado
COEFICIENTE DE VARIAO
Uma pergunta que pode surgir : O desvio padro calculado grande ou
Esta questo relevante por exemplo, na avaliao da preciso de
Um desvio padro pode ser considerado grande ou pequeno
dependendo da ordem de grandeza da varivel.
Uma maneira de se expressar a variabilidade dos dados tirando a
influncia da ordem de grandeza da varivel atravs do coeficiente de
do que o quadrado do desvio padro.
padro populacional ao
padro amostral quadrado
Uma pergunta que pode surgir : O desvio padro calculado grande ou
Esta questo relevante por exemplo, na avaliao da preciso de
Um desvio padro pode ser considerado grande ou pequeno
Uma maneira de se expressar a variabilidade dos dados tirando a
influncia da ordem de grandeza da varivel atravs do coeficiente de
62
interpretado como a variabilidade dos dados em relao mdia.
Quanto menor o CV mais homogneo o conjunto de dados.
adimensional, isto , um nmero puro, que ser positivo se a mdia for
positiva; ser zero quando no houver variabilidade entre os dados, ou
seja, .
usualmente expresso em porcentagem, indicando o percentual que o
desvio padro menor
Um CV considerado baixo (indicando um conjunto de dados
razoavelmente homogneo) quando for menor ou igual a 25%. Entretanto, esse
padro varia de acordo com a aplicao.
Por exemplo, em medidas vitais (batimento cardaco, temperatura corporal
etc) espera-se um CV muito menor do que 25% para que os dados sejam
considerados homogneos.
Pode ser difcil classificar um coeficiente de variao como baixo, mdio,
alto ou muito alto, mas este pode ser bastante til na comparao de duas
variveis ou dois grupos que a princpio no so comparveis.
Exemplos:
1. Em um grupo de pacientes foram tomadas as pulsaes (batidas por
minuto) e dosadas as taxas de cido rico (mg/100ml). As mdias e os
desvios padro foram:
Os coeficientes de variao so:
estvel do que o cido rico.
2. Em experimentos para a determinao de clorofila em plantas, levantou
se a questo de que se o mtodo utilizado poderia fornecer resultados
mais consistentes. Trs mtodos foram col
abacaxi foram analisadas com cada um dos mtodos. Os resultados
foram os seguintes:
interpretado como a variabilidade dos dados em relao mdia.
Quanto menor o CV mais homogneo o conjunto de dados.
adimensional, isto , um nmero puro, que ser positivo se a mdia for
positiva; ser zero quando no houver variabilidade entre os dados, ou
usualmente expresso em porcentagem, indicando o percentual que o
desvio padro menor
do que a mdia
Um CV considerado baixo (indicando um conjunto de dados
razoavelmente homogneo) quando for menor ou igual a 25%. Entretanto, esse
padro varia de acordo com a aplicao.
Por exemplo, em medidas vitais (batimento cardaco, temperatura corporal
se um CV muito menor do que 25% para que os dados sejam
considerados homogneos.
Pode ser difcil classificar um coeficiente de variao como baixo, mdio,
alto ou muito alto, mas este pode ser bastante til na comparao de duas
u dois grupos que a princpio no so comparveis.
Em um grupo de pacientes foram tomadas as pulsaes (batidas por
minuto) e dosadas as taxas de cido rico (mg/100ml). As mdias e os
desvios padro foram:
Os coeficientes de variao so:
, o que evidencia que a pulsao mais
estvel do que o cido rico.
Em experimentos para a determinao de clorofila em plantas, levantou
se a questo de que se o mtodo utilizado poderia fornecer resultados
mais consistentes. Trs mtodos foram colocados prova e 12 folhas de
abacaxi foram analisadas com cada um dos mtodos. Os resultados
foram os seguintes:
interpretado como a variabilidade dos dados em relao mdia.
Quanto menor o CV mais homogneo o conjunto de dados.
adimensional, isto , um nmero puro, que ser positivo se a mdia for
positiva; ser zero quando no houver variabilidade entre os dados, ou
usualmente expresso em porcentagem, indicando o percentual que o
ou maior
Um CV considerado baixo (indicando um conjunto de dados
razoavelmente homogneo) quando for menor ou igual a 25%. Entretanto, esse
Por exemplo, em medidas vitais (batimento cardaco, temperatura corporal,
se um CV muito menor do que 25% para que os dados sejam
Pode ser difcil classificar um coeficiente de variao como baixo, mdio,
alto ou muito alto, mas este pode ser bastante til na comparao de duas
Em um grupo de pacientes foram tomadas as pulsaes (batidas por
minuto) e dosadas as taxas de cido rico (mg/100ml). As mdias e os
e
, o que evidencia que a pulsao mais
Em experimentos para a determinao de clorofila em plantas, levantou-
se a questo de que se o mtodo utilizado poderia fornecer resultados
ocados prova e 12 folhas de
abacaxi foram analisadas com cada um dos mtodos. Os resultados
63
Note que as mdias so bastante diferentes devido s diferenas entre
os mtodos. Entretanto, os trs CV so prximos, o que indica que a
consistncia dos mtodos praticamente equivalente, sendo que o
mtodo 3 mostrou
12.0 - ESCORE PADRONIZADO
O escore padronizado, ao contrrio do CV, til para comparao dos
resultados individuais.
Por exemplo, um aluno que tenha obtido nota 7 numa prova cuja mdia
da classe foi 5 foi melhor do que numa prova em que tirou 8 mas a mdia da
classe foi 9.
Alm da comparao da nota individual com a mdia da classe, tambm
importante avaliar em cada caso se a variabilidade das notas foi grande ou
no.
Por exemplo, o desempenho deste aluno que obteve nota 7 seria
bastante bom se o desvio padro da classe fosse 2 e apenas razovel se o
desvio padro da classe fosse 4.
Sejam os dados observados
e a mdia e o desvio padro, ento
denominado escore padronizado.
Os escores padronizados so muito teis na comparao da posio
relativa da medida de um indivduo dentro do grupo ao qual pertence, o que
justifica sua grande apliacao como medida de avaliao de desempenho.
Exemplo:
Os escores padronizados so amplamente utilizados em teste de aptido fsica.
Mathews (1980) compara testes de aptido fsica e conhecimento desportivo.
Tabela 10: Resultados obtidos
desvio padro da turma em teste de aptido fsica e conhecimento desportivo
Teste
Note que as mdias so bastante diferentes devido s diferenas entre
os mtodos. Entretanto, os trs CV so prximos, o que indica que a
onsistncia dos mtodos praticamente equivalente, sendo que o
mtodo 3 mostrou-se um pouco menos consistente.
ESCORE PADRONIZADO
O escore padronizado, ao contrrio do CV, til para comparao dos
Por exemplo, um aluno que tenha obtido nota 7 numa prova cuja mdia
da classe foi 5 foi melhor do que numa prova em que tirou 8 mas a mdia da
Alm da comparao da nota individual com a mdia da classe, tambm
m cada caso se a variabilidade das notas foi grande ou
Por exemplo, o desempenho deste aluno que obteve nota 7 seria
bastante bom se o desvio padro da classe fosse 2 e apenas razovel se o
desvio padro da classe fosse 4.
os dados observados em uma amostra de tamanho
a mdia e o desvio padro, ento
denominado escore padronizado.
Os escores padronizados so muito teis na comparao da posio
relativa da medida de um indivduo dentro do grupo ao qual pertence, o que
a grande apliacao como medida de avaliao de desempenho.
Os escores padronizados so amplamente utilizados em teste de aptido fsica.
Mathews (1980) compara testes de aptido fsica e conhecimento desportivo.
Resultados obtidos por duas alunas do curso secundrio, mdia e
desvio padro da turma em teste de aptido fsica e conhecimento desportivo
x z
Note que as mdias so bastante diferentes devido s diferenas entre
os mtodos. Entretanto, os trs CV so prximos, o que indica que a
onsistncia dos mtodos praticamente equivalente, sendo que o
O escore padronizado, ao contrrio do CV, til para comparao dos
Por exemplo, um aluno que tenha obtido nota 7 numa prova cuja mdia
da classe foi 5 foi melhor do que numa prova em que tirou 8 mas a mdia da
Alm da comparao da nota individual com a mdia da classe, tambm
m cada caso se a variabilidade das notas foi grande ou
Por exemplo, o desempenho deste aluno que obteve nota 7 seria
bastante bom se o desvio padro da classe fosse 2 e apenas razovel se o
em uma amostra de tamanho e
Os escores padronizados so muito teis na comparao da posio
relativa da medida de um indivduo dentro do grupo ao qual pertence, o que
a grande apliacao como medida de avaliao de desempenho.
Os escores padronizados so amplamente utilizados em teste de aptido fsica.
Mathews (1980) compara testes de aptido fsica e conhecimento desportivo.
por duas alunas do curso secundrio, mdia e
desvio padro da turma em teste de aptido fsica e conhecimento desportivo
64
Maria Joana Maria Joana
abdominais em 2 min 30 6 42 38 2,00 1,33
salto em extenso (cm) 155 23 102 173 -2.33 0,78
suspenso braos
flexionados (seg)
50 8 38 71 -1.50 2,63
correr/andar em 12 min (m) 1829 274 2149 1554 1,17 -1,00
conhecimento desportivo 75 12 97 70 1,83 -0,42
Maria apresentou um desempenho muito acima da mdia em fora abdominal
(dois desvio padro acima da mdia); sua capacidade aerbica
(corrida/caminhada) est acima da mdia mas no notvel e ela tem um
conhecimento desportivo bastante bom comparado com o grupo.
65
Referncias:
- Raposo, Anselmo Baganha.Estatstica aplicada educao.So Luis:UEMA
Ed, 2004.
-Cunha, S.Ezequiel.Iniciao estatstica.Belo Horizonte, L;Brasilia, INL,
1976.