Você está na página 1de 55
Distribuição de Freqüência
Distribuição de Freqüência
Representação do conjunto de dados Distribuições de freqüência Freqüência relativa Freqüência acumulada

Representação do conjunto de dados

Distribuições de freqüência Freqüência relativa Freqüência acumulada
Distribuições de
freqüência
Freqüência relativa
Freqüência
acumulada

Representação

Gráfica

Histogramas

Organização dos dados Os métodos utilizados para organizar dados compreendem o arranjo desses dados em

Organização dos dados

Os métodos utilizados para organizar dados compreendem o arranjo desses dados em s ubconjuntos que apresentem características similares. organizar dados compreendem o arranjo desses dados em subconjuntos que apresentem características similares.

em s ubconjuntos que apresentem características similares. mesma idade (ou “ faixa etária ”), mesma finalidade,

mesma idade (ou “faixa etária”), mesma finalidade, mesma escola, mesmo bairro, etc

Os dados agrupados podem ser resumidos em tabelas ou gráficos e, a partir desses, podemos obter dados agrupados podem ser resumidos em tabelas ou gráficos e, a partir desses, podemos obter as estatísticas descritivas já definidas: média, mediana, desvio, etc.

Dados organizados em grupos ou categorias/classes são usualmente designados “distribuição de freqüência”. usualmente designados “distribuição de freqüência”.

Distribuição de frequência Uma distribuição de freqüência é um método de se agrupar dados em

Distribuição de frequência

Uma distribuição de freqüência é um método de se agrupar dados em classes de modo a distribuição de freqüência é um método de se agrupar dados em classes de modo a fornecer a quantidade (e/ou a percentagem) de dados em cada classe

Com isso, podemos resumir e visualizar um conjunto de dados sem precisar levar em conta os valores individuais. resumir e visualizar um conjunto de dados sem precisar levar em conta os valores individuais.

Uma distribuição de freqüência ( absoluta ou relativa ) pode ser apresentada em tabelas ou gráficos distribuição de freqüência (absoluta ou relativa) pode ser apresentada em tabelas ou gráficos

Distribuição de frequência Uma distribuição de freqüência agrupa os dados por classes de ocorrência, resumindo

Distribuição de frequência

Uma distribuição de freqüência agrupa os

dados por classes de ocorrência, resumindo

a análise de conjunto de dados grandes.

Construindo uma distribuição de freqüência Adotemos o conjunto de dados que represente a população Ordene

Construindo uma distribuição de freqüência

Adotemos o conjunto de dados que represente a população de dados que represente a população

Ordene em ordem crescente ou decrescente crescente ou decrescente

Eventos

Altura

Aluno 1

1,60

Aluno 2

1,69

Aluno 3

1,72

Aluno 4

1,73

Aluno 5

1,73

Aluno 6

1,74

Aluno 7

1,75

Aluno 8

1,75

Aluno 9

1,75

Aluno 10

1,75

Aluno 11

1,75

Aluno 12

1,76

Aluno 13

1,78

Aluno 14

1,80

Aluno 15

1,82

Aluno 16

1,82

Aluno 17

1,84

Aluno 18

1,88

Construindo uma distribuição de freqüência Determine a Quantidade de classes (k) Regra de Sturges (Regra
Construindo uma distribuição de freqüência Determine a Quantidade de classes (k) Regra de Sturges (Regra

Construindo uma distribuição de freqüência

Determine a Quantidade de classes (k)

Regra de Sturges (Regra do Logaritmo)de freqüência Determine a Quantidade de classes (k) • k = 1 + 3,3log(n) Regra da

k = 1 + 3,3log(n)

Regra da Potência de 2Regra de Sturges (Regra do Logaritmo) • k = 1 + 3,3log(n) • k = menor

k = menor valor interiro tal que 2 k n

Regra da Raiz Quadradade 2 • k = menor valor interiro tal que 2 k ≥ n • k

k = n
k = n

Bom senso !!!tal que 2 k ≥ n Regra da Raiz Quadrada • k = n • Decida

Decida a quantidade de classes que GARANTA observar como os valores se distribuem.

Construindo uma distribuição de freqüência Regra de Sturges (Logaritmo) Regra da Potência de 2 Quantidade

Construindo uma distribuição de freqüência

Regra de Sturges (Logaritmo)

Regra da Potência de 2

Quantidade de

Quantidade de

Quantidade de

Quantidade de

dados (n)

Classes (k)

dados (n)

Classes (k)

 

1

1

1

e 2

1

2

2

3

e 4

2

3

a 5

3

5

a 8

3

6

a 11

4

9 a 16

4

12

a 23

5

17

a 32

5

24

a 46

6

33

a 64

6

47

a 93

7

65 a 128

7

94 a 187

8

129

a 256

8

188

a 376

9

257

a 512

9

377

a 756

10

513 a 1024

10

 

Bom Senso

Quantidade de

Quantidade M ÍNIM A de Classes (k)

Quantidade M ÁXIM A de Classes (k)

dados (n)

até 50

5

10

51 a 100

8

16

101

a 200

10

20

201

a 300

12

24

301

a 500

15

30

mais de 500

20

40

Construindo uma distribuição de freqüência Calcule a amplitude das classes (h) Calcule a amplitude do

Construindo uma distribuição de freqüência

Calcule a amplitude das classes (h) (h)

Calcule a amplitude do conjunto de dadosde freqüência Calcule a amplitude das classes (h) • L = x máx – x mín

L = x máx – x mín

Calcule a amplitude (largura) da classeamplitude do conjunto de dados • L = x máx – x mín • h =

h = L / k

Arredonde convenientemente

Calcule os Limites das Classesda classe • h = L / k • Arredonde convenientemente 1 a classe: x m

1 a classe: x mín até

x mín + h

2 a classe: x mín + h até

x mín + 2 . h

k

a classe:

x mín + (k-1) . h

até

x mín + k . h

Construindo uma distribuição de freqüência Limite das classes Utilize a notação: • [x,y) – intervalo

Construindo uma distribuição de freqüência

Limite das classesConstruindo uma distribuição de freqüência Utilize a notação: • [x,y) – intervalo de entre x (fechado)

Utilize a notação:uma distribuição de freqüência Limite das classes • [x,y) – intervalo de entre x (fechado) até

[x,y) – intervalo de entre x (fechado) até y (aberto)

Freqüentemente temos que “arredondar” a amplitude das classes e, conseqüentemente, arredondar também os limites das classes. r” a amplitude das classes e, conseqüentemente, arredondar também os limites das classes.

Como sugestão, podemos tentar, se possível, um ajuste simétrico nos limites das classes das ponta s (i.e., primeira e última) nas quais, usualmente , nos limites das classes das pontas (i.e., primeira e última) nas quais, usualmente, a quantidade de dados é menor.

Ponto médio das classesnas quais, usualmente , a quantidade de dados é menor. x k = L inferior +

x k = L inferior + ( L superior – L inferior ) / 2 x k = L inferior + ( L superior L inferior ) / 2

Construindo uma distribuição de freqüência Determinação da freqüência das classes Consiste em agrupar os dados

Construindo uma distribuição de freqüência

Determinação da freqüência das classesConstruindo uma distribuição de freqüência Consiste em agrupar os dados em cada classe e contar os

Consiste em agrupar os dados em cada classe e contar os totais cada classe e contar os totais

Traçar o gráficoem agrupar os dados em cada classe e contar os totais Dividir o eixo horizontal em

Dividir o eixo horizontal em tantas partes quanto for o número de as partes quanto for o número de

classes. Sugestão: deixe espaço entre o eixo vertical e a primeira classe.

Identifique a maior freqüência da classe na tabela e marque esse número (ou outro um pouco maior) na extremidade do asse na tabela e marque esse número (ou outro um pouco maior) na extremidade do eixo vertical; divida esse eixo em algumas partes e marque os valores correspondentes

Desenhe um retângulo, para cada classe, com largura igual à largura da classe e com altura igual à freqüência da classe ra igual à freqüência da classe

Exemplo Do nosso exemplo: Ordenamos os dados Por Sturges, temos: • n=18 ; k=5 (número

Exemplo

Do nosso exemplo:

Ordenamos os dadosExemplo Do nosso exemplo: Por Sturges, temos: • n=18 ; k=5 (número de classes) Amplitude de

Por Sturges, temos:Exemplo Do nosso exemplo: Ordenamos os dados • n=18 ; k=5 (número de classes) Amplitude de

n=18 ; k=5 (número de classes)

Amplitude de classesPor Sturges, temos: • n=18 ; k=5 (número de classes) • Amplitude do conjunto de dados:

Amplitude do conjunto de dados: 1,88-

1,60=0,28m

Amplitude de classes:

0,28/5=0,056

Arredondado h = 0,06m

Altura 1,60 1,69 1,72 1,73 1,73 1,74 1,75 1,75 1,75 1,75 1,75 1,76 1,78 1,80
Altura
1,60
1,69
1,72
1,73
1,73
1,74
1,75
1,75
1,75
1,75
1,75
1,76
1,78
1,80
1,82
1,82
1,84
1,88
Altura 1,60 1,69 1,72 1,73 1,73 1,74 1,75 1,75 1,75 1,75 1,75 1,76 1,78 1,80
Altura
1,60
1,69
1,72
1,73
1,73
1,74
1,75
1,75
1,75
1,75
1,75
1,76
1,78
1,80
1,82
1,82
1,84
1,88

Construindo uma tabela de freqüência

Calcule os Limites de Classe Classe

Arredonde os Limites de Classe nos extremos Classe nos extremos

1,9-1,88=0,02Distribua o excesso:

Distribua o excesso:1,9-1,88=0,02

1,60-0,01; 1,88+0,01

Ajuste todas as classesDistribua o excesso: • 1,60-0,01; 1,88+0,01 Aqui “sobra” 0,02m! Amplitude 0,06 Limites

Aqui “sobra”

0,02m!

1,88+0,01 Ajuste todas as classes Aqui “sobra” 0,02m! Amplitude 0,06 Limites inferiores Limite superior

Amplitude

0,06

Limites

inferiores

Limite

superior

1,60

1,66

1,66

1,72

1,72

1,78

1,78

1,84

1,84

1,90

Construindo uma tabela de freqüência Amplitude 0,06   Dados Classe Frequência Frequência

Construindo uma tabela de freqüência

Amplitude

0,06

 

Dados

Classe

Frequência

Frequência

     

Acumulada

1,60

1,59-1,65

1

 

1

1,69

1,65-1,71

1

 

2

1,72

1,71-1,77

10

 

12

1,73

1,77-1,83

4

 

16

1,73

1,83-1,89

2

 

18

1,74

Total

18

 

1,75

     

1,75

     

1,75

     

1,75

     

1,75

     

1,76

     

1,78

     

1,80

     

1,82

     

1,82

     

1,84

     

1,88

     

Freqüências absolutas1,84       1,88       Distribua os eventos ou ocorrência por suas respectivas

  1,88       Freqüências absolutas Distribua os eventos ou ocorrência por suas respectivas

Distribua os eventos ou ocorrência por suas respectivas classes

Freqüências acumuladasos eventos ou ocorrência por suas respectivas classes Some as ocorrências de dados cumulativamente às classes

por suas respectivas classes Freqüências acumuladas Some as ocorrências de dados cumulativamente às classes

Some as ocorrências de dados cumulativamente às classes

Observação importante:Some as ocorrências de dados cumulativamente às classes É muito útil representar as frequências em termos

dados cumulativamente às classes Observação importante: É muito útil representar as frequências em termos

É muito útil representar as frequências em termos percentuais ao total de amostras

Representação Gráfica Histograma Na abscissas, distribua as classes Na ordenada da esquerda, as freqüências
Representação Gráfica Histograma Na abscissas, distribua as classes Na ordenada da esquerda, as freqüências

Representação Gráfica

Histograma

Na abscissas, distribua as classesRepresentação Gráfica Histograma Na ordenada da esquerda, as freqüências absolutas Construa um gráfico de barras

Na ordenada da esquerda, as freqüências absolutas esquerda, as freqüências absolutas

Construa um gráfico de barras para as freqüências freqüências

Construa um gráfico de linha para a freqüência acumulada (utilize a escala da direita) linha para a freqüência acumulada (utilize a escala da direita)

Amplitude 0,06 Frequência Classe Frequência Acumulada 1,59-1,65 1 1 1,65-1,71 1 2 1,71-1,77 10 12
Amplitude
0,06
Frequência
Classe
Frequência
Acumulada
1,59-1,65
1
1
1,65-1,71
1
2
1,71-1,77
10
12
1,77-1,83
4
16
1,83-1,89
2
18
Total
18
12
20
10
15
8
6
10
4
5
2
0
0
1,59-
1,65-
1,71-
1,77-
1,83-
1,65
1,71
1,77
1,83
1,89
Distribuição de Freqüência: Histogramas e Polígonos de Freqüência Uma distribuição de freqüência representada

Distribuição de Freqüência:

Histogramas e Polígonos de Freqüência

Uma distribuição de freqüência representada por um gráfico de barras é denominada histograma barras é denominada histograma

Outro gráfico de interesse é o chamado polígono de freqüência polígono de freqüência

O polígono de freqüência é obtido unindo-se os pontos médios da parte superior de cada retângulo polígono de freqüência é obtido unindo-se os pontos médios da parte superior de cada retângulo do histograma com segmentos de reta

É importante notar que tanto o histograma quanto o polígono de freqüência indicam a freqüência absoluta de cada classe o histograma quanto o polígono de freqüência indicam a freqüência absoluta de cada classe

Distribuição de Freqüência: Histogramas e Polígonos de Freqüência Digamos que temos histogramas para as alturas

Distribuição de Freqüência:

Histogramas e Polígonos de Freqüência

Digamos que temos histogramas para as alturas dos estudantes de duas turmas diferentes, traçados de acordo com as regras descritas até agora estudantes de duas turmas diferentes, traçados de acordo com as regras descritas até agora

Poderíamos sobrepor os desenhos para fazer uma análise comparativa das turmas? análise comparativa das turmas?

Que cuidados devemos tomar?com as regras descritas até agora Poderíamos sobrepor os desenhos para fazer uma análise comparativa das

Distribuição de Freqüência: Histogramas e Polígonos de Freqüência O “ problema ” com esta regra

Distribuição de Freqüência:

Histogramas e Polígonos de Freqüência

O“ problema ”

problema

com

esta

regra

de

construção

é

que

o

histograma

construído

é

específico

para

o

conjunto

em

análise

Para fazermos análises comparativas de conjuntos de dados diferentes, as classes devem ser as mesmas! diferentes, as classes devem ser as mesmas!

Devemos, então, utilizar algum conhecimento prévio da área em estudo para definir o intervalo aceitável de variação dos dados e, a partir daí, em estudo para definir o intervalo aceitável de variação dos dados e, a partir daí, definir as classes

Essasvariação dos dados e, a partir daí, definir as classes “ classes genéricas ” servirão quaisquer

classes

genéricas

servirão

quaisquer

comparativas

conjunto

de

dados

e

para

o

estudo de análises

permitirão

Distribuição de Freqüência: Histogramas e Polígonos de Freqüência Em um histograma, as classes devem SEMPRE

Distribuição de Freqüência:

Histogramas e Polígonos de Freqüência

Em um histograma, as classes devem SEMPRE ter a mesma largura? largura?

Não necessariamente!um histograma, as classes devem SEMPRE ter a mesma largura? Existem casos em que é mais

Existem casos em que é mais adequado agrupar os dados em classes com larguras desiguais. classes com larguras desiguais.

O exemplo típico é a classificação de pessoas por faixas etárias ( infantil, juvenil, adulto, sênior, etc ). Essas faixas ão de pessoas por faixas etárias (infantil, juvenil, adulto, sênior, etc). Essas faixas não têm a mesma largura.

Distribuição de Freqüência: Histogramas com Classes de Larguras Desiguais A representação gráfica dos dados em

Distribuição de Freqüência:

Histogramas com Classes de Larguras Desiguais

A representação gráfica dos dados em um histograma com classes de larguras desiguais requer a transformação dos valores de freqüência absoluta em densidade de classes de larguras desiguais requer a transformação dos valores de freqüência absoluta em densidade de freqüência.

Isso é fundamental pois devemos manter a área dos retângulos proporcionais à freqüência da classe retângulos proporcionais à freqüência da classe

A densidade de freqüência é dada por: densidade de freqüência é dada por:

densidade de freqüência

freqüência da classe

=

largura da classe

Distribuição de Freqüência: Histogramas com Classes de Larguras Desiguais Isso significa que a altura das

Distribuição de Freqüência:

Histogramas com Classes de Larguras Desiguais

Isso significaFreqüência: Histogramas com Classes de Larguras Desiguais que a altura das barras ( i.e., os eixo

que

a

altura

das

barras (i.e., os

eixo vertical) NÃO

representam a freqüência da classe, mas sim a densidade de freqüência.

valores

na

escala

do

Para calcularmos a freqüência da classe devemos multiplicar a densidade (indicada no eixo vertical) pela largura respectiva pela largura respectiva

Outros Gráficos

Outros Gráficos Amplitude 0,05   Classe Frequência Frequência Relativa (%) 1,59-1,65 1

Amplitude

0,05

 

Classe

Frequência

Frequência

Relativa (%)

1,59-1,65

1

6%

1,65-1,71

1

6%

1,71-1,77

10

56%

1,77-1,83

4

22%

1,83-1,89

2

11%

Gráfico

de Pizza

Total 18 Frequência Relativa (%) 11% 6% 6% 1,59-1,65 1,65-1,71 22% 1,71-1,77 1,77-1,83 55% 1,83-1,89
Total
18
Frequência Relativa (%)
11%
6% 6%
1,59-1,65
1,65-1,71
22%
1,71-1,77
1,77-1,83
55%
1,83-1,89

Outros Gráficos

Classe

Frequência

Frequência

Frequência

Frequência

Relativa(%)

Acumulada

Acumulada(%)

1,71-1,77

10

56%

10

56%

1,77-1,83

4

22%

14

78%

1,83-1,89

2

11%

16

89%

1,65-1,71

1

6%

17

94%

1,59-1,65

1

6%

18

100%

Total 18 120% 100% 89% 94% 80% 100% 56% 78% 60% 40% 20% 0% 1,71-1,77
Total
18
120%
100%
89%
94%
80%
100%
56%
78%
60%
40%
20%
0%
1,71-1,77
1,77-1,83
1,83-1,89
1,65-1,71
100% 89% 94% 80% 100% 56% 78% 60% 40% 20% 0% 1,71-1,77 1,77-1,83 1,83-1,89 1,65-1,71 Gráfico

Gráfico de Pareto

Outros Gráficos

Outros Gráficos Classe de Altura (m) Freqüência Freq. Acumulada 1.55 [--- 1.63 2   2  

Classe de Altura (m)

Freqüência

Freq. Acumulada

1.55

[--- 1.63

2

 

2

 

1.63

[--- 1.71

12

 

14

 

1.71

[--- 1.79

22

 

36

 

1.79

[--- 1.87

13

 

49

 

1.87

[--- 1.96

2

 

51

 
OGIVA DE GALTON 60 50 40 Series2 30 Series1 Series3 20 10 0 1.55 [---
OGIVA DE GALTON
60
50
40
Series2
30
Series1
Series3
20
10
0
1.55 [---
1.63 [---
1.71 [---
1.79 [---
1.87 [---
1.63
1.71 1.79
1.87 1.96
Classes de alturas (m)
Distribuição Acumulada 60 50 40 Seqüência1 30 Seqüência2 20 Seqüência3 10 Seqüência4 0 1.55 [---
Distribuição Acumulada
60
50
40
Seqüência1
30
Seqüência2
20
Seqüência3
10
Seqüência4
0
1.55 [---
1.63 [---
1.71 [---
1.79 [---
1.87 [---
1.63
1.71
1.79
1.87
1.96
Classes de alturas (m)
Freqüência
Freq:uência acumulada
Média Ponderada: Média de uma tabela de freqüência Quando os dados estão resumidos em uma
Média Ponderada: Média de uma tabela de freqüência Quando os dados estão resumidos em uma

Média Ponderada: Média de uma tabela de freqüência

Quando os dados estão resumidos em uma tabela de freqüências, podemos calcular aproximadamente a média aritmética ponderando sobre:

Pontos médios de cada intervalo – supõe-se que todos os elementos das classes ocorrem no ponto médio das respectivas classes; todos os elementos das classes ocorrem no ponto médio das respectivas classes;

Exemplo: temos 7 ocorrências na faixa entre 1,75 e 1,79. Consideramos que as sete ocorrências equivalem a (1,79+1,75)/2=1,77 ponto médio da classe. 1,79. Consideramos que as sete ocorrências equivalem a (1,79+1,75)/2=1,77 ponto médio da classe.

Média Ponderada: Média de uma tabela de freqüência x = ∑ ( ∑ f f

Média Ponderada: Média de uma tabela de freqüência

x = ∑ ( ∑ f

x =

(

f

f x

.

)

x = ponto médio da classe = ponto médio da classe

f = freqüênciaMédia de uma tabela de freqüência x = ∑ ( ∑ f f x . )

Σf = n f = n

Média Ponderada

Média Ponderada A média ponderada é considerada “ponderada” quando os valores dos conjuntos tiverem pesos /

A média ponderada é considerada “ponderada” quando os valores dos conjuntos tiverem pesos / freqüências diferentes os valores dos conjuntos tiverem pesos / freqüências diferentes

Numa distribuição utilizando os valores discretos, calcula-se: calcula-se:

Erros por

No de

páginas

paginas

0

25

1

20

2

3

3

1

4

1

x =

x . f

f

=

x . f

n

x =

( 0 25) (1 20 ) ( 2 3) (3 1) ( 4

+

+

+

+

1) =

33

 

( 25

+

20

+ 3 + 1 +

1)

 

50

= 0, 66

Média Ponderada Quando tivermos uma distribuição com dados agrupados por classes de valores, calculamos considerando

Média Ponderada

Média Ponderada Quando tivermos uma distribuição com dados agrupados por classes de valores, calculamos considerando

Quando tivermos uma distribuição com dados agrupados por classes de valores, calculamos considerando o valor de cada classe como o ponto médio respectivo da classe.

Alturas de

Ponto

Frequência

xi.fi

Pessoas

Médio (Xi)

(fi)

1,59-1,65

1,62

1

1,62

1,65-1,71

1,68

1

1,68

1,71-1,77

1,74

10

17,4

1,77-1,83

1,80

4

7,2

1,83-1,89

1,86

2

3,72

Total

 

18

31,62

x =

x

=

x . f

f

31,62

18

=

x . f

n

= 1,76

Cálculo da Moda para dados Agrupados Caso 1: dados agrupados por valores discretos moda é

Cálculo da Moda para dados Agrupados

Caso 1: dados agrupados por valores discretos moda é o valor com maior freqüência. discretos moda é o valor com maior freqüência.

Caso 2: dados agrupados por classesdiscretos moda é o valor com maior freqüência. Moda Bruta Método de King Método de Czuber

Moda Brutao valor com maior freqüência. Caso 2: dados agrupados por classes Método de King Método de

Método de Kingé o valor com maior freqüência. Caso 2: dados agrupados por classes Moda Bruta Método de

Método de Czubermoda é o valor com maior freqüência. Caso 2: dados agrupados por classes Moda Bruta Método

Método de Pearsonmoda é o valor com maior freqüência. Caso 2: dados agrupados por classes Moda Bruta Método

Cálculo da Moda para dados Agrupados: Moda Bruta Moda Bruta Tome a classe que apresenta
Cálculo da Moda para dados Agrupados: Moda Bruta Moda Bruta Tome a classe que apresenta

Cálculo da Moda para dados Agrupados: Moda Bruta

Moda Bruta

Tome a classe que apresenta a maior freqüência classe modal freqüência classe modal

A moda será o ponto médio da classe modal:Bruta Moda Bruta Tome a classe que apresenta a maior freqüência classe modal (lim i n

(lim inf + lim sup )/2

Cálculo da Moda para dados Agrupados: King Método de King: Onde M = o lim

Cálculo da Moda para dados Agrupados: King

Método de King:Cálculo da Moda para dados Agrupados: King Onde M = o lim inf + f post

OndeCálculo da Moda para dados Agrupados: King Método de King: M = o lim inf +

M =

o

lim

inf

+

f post

f

ant

+

f

post

h

Lim i n f : limite inferior da classe modal inf : limite inferior da classe modal

f a n t : freqüência da classe anterior à modal ant : freqüência da classe anterior à modal

f p o s t : freqüência da classe posterior à modal post : freqüência da classe posterior à modal

h: amplitude da classe modalf a n t : freqüência da classe anterior à modal f p o s t

Cálculo da Moda para dados Agrupados: Czuber Método de Czuber (mais preciso): Onde M =

Cálculo da Moda para dados Agrupados: Czuber

Método de Czuber (mais preciso):Cálculo da Moda para dados Agrupados: Czuber Onde M = o lim inf + f f

Ondedados Agrupados: Czuber Método de Czuber (mais preciso): M = o lim inf + f f

M =

o

lim

inf

+

f

f

Mo

(

f

ant

) h

f

Mo

+

f

post

ant

Lim i n f : limite inferior da classe modal inf : limite inferior da classe modal

f M o : freqüência da classe modal Mo : freqüência da classe modal

f a n t : freqüência da classe anterior à modal ant : freqüência da classe anterior à modal

f p o s t : freqüência da classe posterior à modal post : freqüência da classe posterior à modal

h: amplitude da classe modalf a n t : freqüência da classe anterior à modal f p o s t

Cálculo da Moda para dados Agrupados: Pearson Método de Pearson: Onde M o M d

Cálculo da Moda para dados Agrupados: Pearson

Método de Pearson:Cálculo da Moda para dados Agrupados: Pearson Onde M o M d : Mediana X :

Ondeda Moda para dados Agrupados: Pearson Método de Pearson: M o M d : Mediana X

M

o

M d : Mediana

M d : Mediana

X : Média

X

: Média

= 3

M

d

2

da Moda para dados Agrupados: Pearson Método de Pearson: Onde M o M d : Mediana

X

Cálculo da Mediana para dados Agrupados Dados agrupados por classes Mediana é o valor localizado

Cálculo da Mediana para dados Agrupados

Cálculo da Mediana para dados Agrupados Dados agrupados por classes Mediana é o valor localizado a

Dados agrupados por classes

Mediana é o valor localizado a L x =n/2 x =n/2

Após cálculo de L x , determina-se o valor da mediana por: x , determina-se o valor da mediana por:

~

X

=

Lim

inf

+

f

i

h

.( L

x

F

ant

)

Onde:inf + f i h .( L x − F ant ) • L x Localização

L x Localização (posição) da Mediana

Fant freqüência acumulada até a classe anterior à classe da mediana

f i freqüência absoluta da classe da mediana

h amplitude de classe

Lim inf Limite inferior da classe da mediana

Cálculo dos Percentis para dados Agrupados por Classes O percentil é o valor localizado a

Cálculo dos Percentis para dados Agrupados por Classes

O percentil é o valor localizado a L P x =(K/100)*n Px =(K/100)*n

Onde K é o percentil desejado (ex.: P 45 K=45)

Após cálculo de L P x , determina-se o valor do percentil por: Px , determina-se o valor do percentil por:

Onde:de L P x , determina-se o valor do percentil por: P x = Lim inf

P

x

=

Lim

inf

+

f

i

h

.( L

P x

F

ant

)

L Px Localização (posição) do Percentil

Fant freqüência acumulada até a classe anterior à classe do percentil

f i freqüência absoluta da classe do percentil

h amplitude de classe

Lim inf Limite inferior da classe do percentil

Medidas de Posição Dados Agrupados: Mediana / Separatrizes (alternativo) Para definirmos um procedimento alternativo de

Medidas de Posição Dados Agrupados:

Mediana / Separatrizes (alternativo)

Dados Agrupados: Mediana / Separatrizes (alternativo) Para definirmos um procedimento alternativo de cálculo da

Para definirmos um procedimento alternativo de cálculo da mediana e quaisquer outras separatrizes, utilizaremos o exemplo abaixo:

um procedimento alternativo de cálculo da mediana e quaisquer outras separatrizes , utilizaremos o exemplo abaixo:
Medidas de Posição Dados Agrupados: Mediana / Separatrizes (alternativo) Encontra-se a classe onde está a
Medidas de Posição Dados Agrupados: Mediana / Separatrizes (alternativo) Encontra-se a classe onde está a

Medidas de Posição Dados Agrupados:

Mediana / Separatrizes (alternativo)

Encontra-se a classe onde está a mediana. Faz-se, então, a proporcionalidade entre a área e a base do retângulo hachurado e o que define a classe onde está a mediana

12,00 8,00

33%

=

M 8,00

d

22%

M d = 10,67

hachurado e o que define a classe onde está a mediana 12,00 8,00 − 33% =

16,00

Medidas de Posição Dados Agrupados: Mediana / Separatrizes (alternativo) Encontra-se a classe onde está Q3.

Medidas de Posição Dados Agrupados:

Mediana / Separatrizes (alternativo)

Dados Agrupados: Mediana / Separatrizes (alternativo) Encontra-se a classe onde está Q3. Faz-se, então, a

Encontra-se a classe onde está Q3. Faz-se, então, a proporcionalidade entre a área e a base do retângulo hachurado e o que define a classe de Q3

16,00 12,00

22%

=

Q 12,00

3

14%

do retângulo hachurado e o que define a classe de Q3 16,00 12,00 − 22% =

Q 3 = 15,82

do retângulo hachurado e o que define a classe de Q3 16,00 12,00 − 22% =
do retângulo hachurado e o que define a classe de Q3 16,00 12,00 − 22% =

16,00

Método Alternativo A regra de três gera precisamente o mesmo resultado na aplicação da “equação”

Método Alternativo

Método Alternativo A regra de três gera precisamente o mesmo resultado na aplicação da “equação” para

A regra de três gera precisamente o mesmo resultado na aplicação da “equação” para cálculo dos percentis para dados agrupados. Senão vejamos:

L

L

inf

P

x

L

L

L

 

P

L

inf

x

(

f

px

) n
)
n

f

acm

L

+

(

hf

sup

inf

sup

inf

 

p

i

L

sup

L

=

∴=

i

n

f

pp

p x

acm

P

x

L

inf

inf

P

x

f

i

=

L

inf

=

ff

px

acm

L

inf

)(

(

+− L

sup

)

)

f

f

f

px

acm

inf

px

acm

 

f

i

f

i

=

Método Alternativo

Método Alternativo Onde: L s u p = limite superior classe do percentil L i n

Onde:

Método Alternativo Onde: L s u p = limite superior classe do percentil L i n

L s u p = limite superior classe do percentil sup = limite superior classe do percentil

L i n f = limite inferior classe do percentil inf = limite inferior classe do percentil

P x = valor do percentil procurado x = valor do percentil procurado

p i = percentual representativo da classe do percentil i = percentual representativo da classe do percentil

p p x = percentil procurado px = percentil procurado

p a c m = percentual acumulado até a classe anterior à classe do percentil acm = percentual acumulado até a classe anterior à classe do percentil

f i = frequência da classe do percentil i = frequência da classe do percentil

n = tamanho da amostrado percentil f i = frequência da classe do percentil f p x = posição do

f p x = posição do percentil procurado px = posição do percentil procurado

f a c m = frequência acumulada até a classe anterior à classe do percentil acm = frequência acumulada até a classe anterior à classe do percentil

s = Medidas de Dispersão (Dados Agrupados) O desvio-padrão, nesse caso, faz uma ponderação da

s =

s = Medidas de Dispersão (Dados Agrupados) O desvio-padrão, nesse caso, faz uma ponderação da distância

Medidas de Dispersão (Dados Agrupados)

O desvio-padrão, nesse caso, faz uma ponderação da distância dos pontos médios de cada classe para a média, e a respectiva freqüência de valores:

k ~ 2 ∑ ( ) f x − x j j j = 1
k
~
2
(
)
f x
− x
j
j
j = 1
n − 1
k ~ 2 ∑ ( ) f x − x j j j = 1 n

(amostra)

σ

=

k

j = 1

(

f x

j

j

~

)

2

μ

 

N

j j = 1 n − 1 (amostra) σ = k ∑ j = 1 (

(população )

Desvio padrão de dados agrupados s = 2 2 n [ ∑ ( f x

Desvio padrão de dados agrupados

s =

2 2 n [ ∑ ( f x . )] − [ ∑ ( f
2
2
n
[
(
f x
.
)]
[
(
f x
. )]
n ( n − 1)

Desvio padrão para uma tabela de freqüências

x = ponto médio da classe

x

= ponto médio da classe

f = frequência da classe

f = frequência da classe

n = tamanho da amostra (ou Σ f = soma das frequências)

n

= tamanho da amostra (ou Σf = soma das frequências)

Assimetria

Assimetria Comparando a média, a moda e a mediana, podemos concluir pela assimetria da distribuição: Assimetria:

Comparando a média, a moda e a mediana, podemos concluir pela assimetria da distribuição:Assimetria Assimetria: não simetria – distribuição tende mais para um lado Dados negativamente assimétricos

Assimetria: não simetria – distribuição tende mais para um ladomediana, podemos concluir pela assimetria da distribuição: Dados negativamente assimétricos (assimetria para a

Dados negativamente assimétricos (assimetria para a esquerda) esquerda)

Média e mediana à esquerda da modanegativamente assimétricos (assimetria para a esquerda) Em geral, média à esquerda da mediana Dados positivamente

Em geral, média à esquerda da medianapara a esquerda) Média e mediana à esquerda da moda Dados positivamente assimétricos (assimetria para a

Dados positivamente assimétricos (assimetria para a direita) direita)

Média e mediana à direita da modaesquerda da mediana Dados positivamente assimétricos (assimetria para a direita) Em geral, média à direita da

Em geral, média à direita da medianaà esquerda da mediana Dados positivamente assimétricos (assimetria para a direita) Média e mediana à direita

Assimetria

Assimetria m é d i a mediana m o d a Média = moda = mediana
Assimetria m é d i a mediana m o d a Média = moda = mediana

média mediana moda

Assimetria m é d i a mediana m o d a Média = moda = mediana
Assimetria m é d i a mediana m o d a Média = moda = mediana
Assimetria m é d i a mediana m o d a Média = moda = mediana
Assimetria m é d i a mediana m o d a Média = moda = mediana
Assimetria m é d i a mediana m o d a Média = moda = mediana

Média = moda = mediana

Assimétrica à esquerda Simétrica ~ ~ x < x < Mo x = x =
Assimétrica à esquerda
Simétrica
~
~
x < x < Mo
x = x = Mo
moda
média
~
x > x > Mo
mediana
Assimétrica à direita
Interpretando Histogramas Histograma é uma ferramenta estatística que permite resumir informações de um conjunto de

Interpretando Histogramas

Histograma é uma ferramenta estatística que permite resumir informações de um conjunto de dados, visualizando a forma da distribuição desses dados, a resumir informações de um conjunto de dados, visualizando a forma da distribuição desses dados, a localização do valor central e a dispersão dos dados em torno do valor central

Ou seja, em análises de processos produtivos, freqüentemente obtemos informações úteis sobre a população/amostra de dados coletados pela análise da forma do histograma rmações úteis sobre a população/amostra de dados coletados pela análise da forma do histograma

Simétrico ou em Forma de Sino O valor médio está localizado no centro do histograma

Simétrico ou em Forma de Sino

Simétrico ou em Forma de Sino O valor médio está localizado no centro do histograma A

O valor médio está localizado no centro do histograma histograma

A freqüência é mais alta no meio e diminui gradualmente na direção dos extremos gradualmente na direção dos extremos

Ocorre quando não existem restrições aos valores que a variável de controle pode assumir valores que a variável de controle pode assumir

Processo geralmente sob controle, somente causas comuns estão presentes geralmente sob controle, somente causas comuns estão presentes

Processo usualmente está estável usualmente está estável

Assimétrico

Assimétrico O valor médio está locali zado fora do centro do histograma A freqüência diminui
Assimétrico O valor médio está locali zado fora do centro do histograma A freqüência diminui
O valor médio está locali zado fora do centro

O

valor médio está localizado fora do centro

do histograma

A freqüência diminui gradativamente em um

A

freqüência diminui gradativamente em um

dos lados e de modo um tanto abrupto do

outro lado

Ocorre quando não é possível que a variável de controle assuma valores mais altos (ou

Ocorre quando não é possível que a variável de controle assuma valores mais altos (ou mais baixos)

Processo em que o limite inferior (superior) é

Processo em que o limite inferior (superior) é

controlado (apenas um limite de especificação)

Por exemplo, teoric amente é impossível valores inferiores à 0% para a variável impureza

Por exemplo, teoricamente é impossível valores inferiores à 0% para a variável impureza

Despinhadeiro

Despinhadeiro O valor médio está localizado fora do centro do histograma A freqüência diminui abruptamente de
Despinhadeiro O valor médio está localizado fora do centro do histograma A freqüência diminui abruptamente de

O valor médio está localizado fora do centro do histograma centro do histograma

A freqüência diminui abruptamente de um dos lados e suavemente em direção ao outro dos lados e suavemente em direção ao outro

Processo não atende às especificações e uma inspeção 100% é realizada para eliminar produtos defeituosos não atende às especificações e uma inspeção 100% é realizada para eliminar produtos defeituosos

Ilhas Isoladas ou Pico Isolado Parte do gráfico é relativamente simétrica com o acréscimo de

Ilhas Isoladas ou Pico Isolado

Ilhas Isoladas ou Pico Isolado Parte do gráfico é relativamente simétrica com o acréscimo de algumas

Parte do gráfico é relativamente simétrica com o acréscimo de algumas classes mais afastadas de menores freqüências relativamente simétrica com o acréscimo de algumas classes mais afastadas de menores freqüências

Ocorre quando dados de outra distribuição, diferente da distribuição da maior parte das medidas, são incluídos distribuição, diferente da distribuição da maior parte das medidas, são incluídos

Processo com anormalidades, ou erro de medição e/ou registro de dados, ou inclusão de dados de com anormalidades, ou erro de medição e/ou registro de dados, ou inclusão de dados de um processo diferente

Bimodal ou com Dois Picos A freqüência é mais baixa no centro do histograma e

Bimodal ou com Dois Picos

Bimodal ou com Dois Picos A freqüência é mais baixa no centro do histograma e existe

A freqüência é mais baixa no centro do histograma e existe um “pico” em cada lado histograma e existe um “pico” em cada lado

Ocorre quando dados de duas distribuições, com médias muito diferentes, são misturados distribuições, com médias muito diferentes, são misturados

Os valores da variável de controle devem estar associados a duas máquinas ou dois turnos distintos, por exemplo variável de controle devem estar associados a duas máquinas ou dois turnos distintos, por exemplo

Achatado ou Platô Todas as classes possuem mais ou menos a mesma freqüência, exceto aquelas

Achatado ou Platô

Achatado ou Platô Todas as classes possuem mais ou menos a mesma freqüência, exceto aquelas das

Todas as classes possuem mais ou menos a mesma freqüência, exceto aquelas das extremidades menos a mesma freqüência, exceto aquelas das extremidades

Ocorre quando dados de duas distribuições, com médias não muito diferentes, são misturados distribuições, com médias não muito diferentes, são misturados

Os valores da variável de controle devem estar associados a níveis distintos de algum (ou alguns) dos fatores variável de controle devem estar associados a níveis distintos de algum (ou alguns) dos fatores que constituem o processo em análise

Histogramas e Limites de Especificação de Processos Atende, com folga, os limites de especificação Média

Histogramas e Limites de Especificação de Processos

Histogramas e Limites de Especificação de Processos Atende, com folga, os limites de especificação Média no

Atende, com folga, os limites de especificação especificação

Média no centro da faixa de especificaçãoProcessos Atende, com folga, os limites de especificação Variabilidade aceitável Manter a situação atual

Variabilidade aceitávelespecificação Média no centro da faixa de especificação Manter a situação atual Especificação atendida sem

Manter a situação atualcentro da faixa de especificação Variabilidade aceitável Especificação atendida sem nenhuma margem extra Média no

Variabilidade aceitável Manter a situação atual Especificação atendida sem nenhuma margem extra Média no

Especificação atendida sem nenhuma margem extra margem extra

Média no centro da faixa de especificaçãoatual Especificação atendida sem nenhuma margem extra Variabilidade um pouco elevada Adotar medidas para reduzir

Variabilidade um pouco elevadanenhuma margem extra Média no centro da faixa de especificação Adotar medidas para reduzir um pouco

Adotar medidas para reduzir um pouco a variabilidade variabilidade

Histogramas e Limites de Especificação de Processos Não atende os limites de especificação Média deslocada

Histogramas e Limites de Especificação de Processos

Histogramas e Limites de Especificação de Processos Não atende os limites de especificação Média deslocada para
Histogramas e Limites de Especificação de Processos Não atende os limites de especificação Média deslocada para
Histogramas e Limites de Especificação de Processos Não atende os limites de especificação Média deslocada para

Não atende os limites de especificação os limites de especificação

Média deslocada para a esquerdade Processos Não atende os limites de especificação Variabilidade aceitável Adotar medidas para deslocar a

Variabilidade aceitávellimites de especificação Média deslocada para a esquerda Adotar medidas para deslocar a média para o

Adotar medidas para deslocar a média para o centro (valor nominal)Média deslocada para a esquerda Variabilidade aceitável Não atende os limites de especificação Média no centro

Não atende os limites de especificação os limites de especificação

Média no centro da faixa de especificação(valor nominal) Não atende os limites de especificação Variabilidade elevada Adotar medidas para reduzir a

Variabilidade elevadaespecificação Média no centro da faixa de especificação Adotar medidas para reduzir a variabilidade Não atende

Adotar medidas para reduzir a variabilidadeno centro da faixa de especificação Variabilidade elevada Não atende os limites de especificação Média deslocada

Não atende os limites de especificação os limites de especificação

Média deslocada para a esquerdaa variabilidade Não atende os limites de especificação Variabilidade elevada Adotar medidas para deslocar a média

Variabilidade elevadalimites de especificação Média deslocada para a esquerda Adotar medidas para deslocar a média para o

Adotar medidas para deslocar a média para o centro e reduzir a variabilidade a média para o centro e reduzir a variabilidade

Coeficiente de Assimetria Coeficiente de Assimetria de Pearson (As) As = s 3.( − x

Coeficiente de Assimetria

Coeficiente de Assimetria de Pearson (As)

As =

s

3.(

x

~ x )

Permite comparar duas ou mais distribuições diferentes e avaliar qual é mais assimétrica. Quanto maior o Coeficiente de Assimetria de Pearson, mais assimétrica é curva.

e avaliar qual é mais assimétrica. Quanto maior o Coeficiente de Assimetria de Pearson, mais assimétrica

Assimétrica moderada: 0,15<|As|<1

Assimétrica forte: |As|>1

Curtose

Grau de achatamento (ou afilamento) de uma distribuição em relação com a distribuição normal.

Distribuição

Normal

Mesocúrtica

C=0,263

Leptocúrtica

C<0,263

Normal Mesocúrtica C=0,263 Leptocúrtica C<0,263 ( Q − Q ) 3 1 C = 2.( P
Normal Mesocúrtica C=0,263 Leptocúrtica C<0,263 ( Q − Q ) 3 1 C = 2.( P
( Q − Q ) 3 1 C = 2.( P − P ) 90
(
Q
− Q
)
3
1
C =
2.(
P
− P
)
90
10
σ
σ
σ
σ

σ

σ
σ
σ
σ

Platicúrtica

C>0,263