CURSO DE ADMINISTRAO

Estatstica Aplicada
Representao grfica, medidas de disperso e posio
Professor: Msc. Luiz Flvio Vianna Silveira

GUAU 2011

REPRESENTAO GRFICA Forma simples de se organizar os dados de uma tabela ou quadro, que seja de fcil compreenso e resume os resultados de uma pesquisa qualquer. Utilizando-se de um exemplo j dado em sala de aula temos: TABELA 1: Peso ao nascer, em kg, de 50 bezerros guzer. 26,8 25,9 24,1 29,6 28,5 24,3 23,0 26,9 31,3 27,2 23,7 25,6 24,5 22,1 28,6 31,0 26,5 26,2 26,1 25,8 22,2 26,0 29,0 29,2 26,5 25,2 22,8 21,6 25,3 28,1 29,5 31,8 27,2 26,0 24,9 24,2 21,0 26,8 27,2 30,5 33,0 28,3 26,9 28,1 28,7 27,2 27,8 25,1 26,2 24,5

TABELA 2 Peso ao nascer, em kg, de 50 bezerros guzer. 21,0 21,6 22,1 22,2 22,8 23,0 23,7 24,1 24,2 24,3 24,5 24,5 24,9 25,0 25,2 25,3 25,6 25,8 25,9 26,0 26,0 26,1 26,2 26,2 26,5 26,5 26,8 26,8 26,9 26,9 27,2 27,2 27,2 27,2 27,8 28,1 28,1 28,5 28,6 28,7 29,2 29,3 29,5 29,6 29,8 30,5 31,0 31,3 31,8 33,0

Assim, tem-se: CLASSES 20,0 22,0 22,0 24,0 24,0 26,0 26,0 28,0 28,0 30,0 30,0 32,0 32,0 34,0

TIPOS DE REPRESENTAO a) HISTOGRAMA ---- Grfico com colunas retangulares. Exemplo: Para a distribuio de freqncia dos pesos ao nascer, em kg, dos 50 bezerros guzer, tem-se:

Frequncia Absoluta

20 15 10 5 0 5 2 12

16 10 4 1 Classes

20 - 22 22 - 24 24 - 26 26 - 28 28 - 30 30 - 32 32 - 34

A base de cada retngulo igual amplitude de cada classe. A altura , consequentemente a freqncia absoluta. Logo, as reas so proporcionais s freqncias. b) POLGONO DE FREQUNCIA --- Pega-se o ponto medido de cada classe. Para se fechar o polgono necessrio criar um ponto intermedirio antes da primeira e depois da ltima classe (como se existissem mais duas classes).

Exemplo: Para os pesos dos 50 bezerros, tem-se:

18 16 14 12 10 8 6 4 2 0

Frequncia Absoluta

1 8 a 20

20 a 22

22 a 24

24 a 26

26 a 28

28 a 30

30 a 32

32 a 34

34 a 36

Classes

Nos histogramas muito comum a utilizao da Frequncia Percentual. Nos casos dos bezerros, tem-se: Classes 20 22 24 26 28 30 32 22 24 26 28 30 32 34 Frequncia Percentual 4 10 24 32 20 8 2

Construindo o histograma:
Frequncia Percentual 35% 30% 25% 20% 15% 10% 5% 0% 10% 4% 32% 24% 20 a 22 20% 8% 2% Classes 22 a 24 24 a 26 26 a 28 28 a 30 30 a32 32 a34

Ainda com a Frequncia Percentual, muito comum a apresentao de grficos de formato circular, denominados de pizza, que do uma idia melhor das partes. Exemplo: Utilizando-se dos mesmos valores distribudos nas classes: 20 a 22; 22 a 24; 24 a 26; 26 a 28; 28 a 30; 30 a 32 e 32 a 34, lembrando sempre que o segundo nmero de cada classe est excludo dela, vem:

Frequncias 2% 8% 20% 24% 4% 10%

20 a 22 22 a 24 24 a 26 26 a 28 28 a 30 30 a 32 32 a 34

32%

Outros exemplos de tabelas com dados que podero dar origem a grficos: TABELA 03: Movimento dos produtos hortifrutigranjeiros comercializados na CEASA/ES, no perodo de janeiro a junho de 1999 Regio Norte do Esprito Santo.

MUNICPIOS

N DE PRODUTORES

QUANTIDADE COMERCIALIZADA NO PERODO (KG) % MDIA (KG/MS) 0,11 0,05 1,01 0,05 0,90 2,38 1,70 75,00 6,19 2,37 2,53 0,19 0,21 1,26 0,39 1,19 0,46 4,01 100,00 2.150 900 20.018 1.000 17.992 47.345 33.877 1.491.248 122.840 47.130 50.392 3.750 4.205 24.999 7.667 23.579 9.227 79.803 1.988.122 0,11 0,05 1,01 0,05 0,90 2,38 1,70 75,00 6,19 2,37 2,53 0,19 0,21 1,26 0,39 1,19 0,46 4,01 100,00 %

guia Branca Alto Rio Novo Baixo Guandu B. So Francisco Boa Esperana Colatina Jaguar Linhares Mantenpolis Marilndia Montanha Nova Vencia Pancas Pedro Canrio Pinheiros Rio Bananal S. Gabriel da Palha So Mateus TOTAL

02 01 16 01 06 25 12 38 03 19 03 02 07 08 01 11 05 13 173

12.900 5.400 120.110 6.000 107.950 284.070 203.260 8.947.487 737.040 282.780 302.350 22.500 25.230 149.995 46.000 141.471 55.360 478.820 11.928.723

So Mateus S. Gabriel da Palha Rio Bananal Pinheiros Pedro Canrio Pancas Nova Vencia Montanha Marilndia Mantenpolis Linhares 0 10 20 30 40 Jaguar Colatina Boa Esperana Nmero de Produtores

guia Branca

Produo no perodo (kg)

10.000.000 8.000.000 6.000.000 4.000.000 2.000.000 0

Alto Rio Novo Baixo Guandu B. So Francisco Boa Esperana Colatina Jaguar Linhares Mantenpolis Marilndia Montanha Nova Vencia Pancas Pedro Canrio Pinheiros Rio Bananal S. Gabriel da Palha

1.600.000 Produo mdia (kg/ms) 1.400.000 1.200.000 1.000.000 800.000 600.000 400.000 200.000 0

guia Branca Alto Rio Novo Baixo Guandu B. So Francisco Boa Esperana Colatina Jaguar Linhares Mantenpolis Marilndia Montanha Nova Vencia Pancas Pedro Canrio

1.600.000 Produo mdia (kg/ms) 1.400.000 1.200.000 1.000.000 800.000 600.000 400.000 200.000 0

g ui a Al Bra to nc R B a io a N ov B. ixo S Gu o an o F Bo ra du nc a Es isc pe o ra n Co a la tin Ja a gu Li a r M nh an ar te es n M poli ar s il n di M a No ont a va nh Ve a n ci Pe Pa a dr nc as o C an Pi rio n S. Ri hei r o G ab Ba os rie na l d na a l S Pa l h o M a at eu s

MEDIDAS DE POSIO So medidas de tendncia central, ou seja, representativas do valor central ao redor do qual se agrupa a maioria dos dados. a) MDIA ARITMTICA ou simplesmente Mdia de uma populao

ou de uma amostra a soma de todos os elementos da populao ou da amostra dividido pelo nmero de elementos. Para a populao X1, X2 ... XN Letra maiscula para populao (grande massa de dados) Logo, tem-se: m=

Mdia que poderia ser representada pela legra grega = mi

Para a amostra massa de dados) Logo, tem-se: x =

x1, x2 ... xn Letra minscula (para pequena

Tamanho da amostra

Exemplo: Na FACEC existem 11.000 alunos (populao). Sendo considerada a altura como uma das variveis (X1 , X2 ... X11.000), pode-se tirar a mdia das alturas de todos os alunos, fazendo: m = ou seja: m =

J, na Faculdade de Alegre tem 90 alunos (amostra), logo a varivel altura (x) pode ter a mdia representada por:

x =

ou seja:

x =

Para os dados da Tabela 2 (Peso ao nascer, em kg, dos 50 bezerros da raa guzer), termos: x =

x =

kg

PROPRIEDADES DA MDIA 1) A soma dos desvios (SD) de um conjunto de dados em relao sua mdia nula. Desvio em relao mdia = cada observao a mdia, ou seja:ei = xi - x Assim: SD = ei = (xi x ) = 0

10

Exemplo: Seja a amostra 2, 5, 8, 9 x =

x = 6 Desvios em relao mdia: e1 = 2 6 = -4 e2 = 5 6 = -1 e3 = 8 6 = 2 e4 = 9 6 = 3 soma 0

SD = (- 4) + (-1) + 2 + 3 = 0

Se pegarmos os desvios em relao a outro qualquer nmero (diferente da mdia), como 2, por exemplo, teremos: e1 = 2 2 = 0 e2 = 5 2 = 3 e3 = 8 2 = 6 e4 = 9 2 = 7 Ou, se pegarmos um nmero superior mdia, vem: e1 = 2 8 = -6 e2 = 5 8 = -3 e3 = 8 8 = 0 e4 = 9 8 = 1 2) A mdia o valor que torna mnima a soma dos quadrados dos desvios (SQD). Seja a amostra 2, 5, 8, 9 com x=6
11

SD = 16

SD = - 8

Os desvios em relao mdia sero: (Xi x ) = - 4, -1, 2, 3 SQD = ei2 = (Xi x )

Logo: SQD = (- 4)2 + (- 1)2 + (2)2 + (3)2 SQD = 16 + 1 + 4 + 9 SQD = 30 Se pegarmos os desvios em relao a outro nmero qualquer (diferente da mdia) a SQD ser sempre maior que quando os desvios so em relao mdia. Exemplo: Para o nmero 2 (no lugar do 6): Desvios: 2 2 = 0 52 = 3 82 = 6 92 = 7 SQD = (0) + (3) + (6) + (7) SQD = 94
2 2 2 2

SQD = 0 + 9 + 36 + 49

b) MDIA ARITMTICA PONDERADA Quando as observaes x1 , x2 ... xn a mdia ser dada por: x = ocorrem com as freqncias f1 , f2 ... fn

x =
12

Exemplo: Seja a amostra 3, 3, 3, 7, 7, 8, 8, 9 x = =

Outro exemplo: Critrios para avaliao de uma determinada disciplina: Avaliao Provas Testes Relatrios Mdia final Peso 5 3 2 10 x= = Mdia obtida 7,5 8,5 9,0

Mdia de Dados Agrupados em classes: x = Onde: xi = ponto mdio das classes fi = frequncia da classe

13

Exemplo: Distribuio de frequncia dos pesos, em kg, dos 50 bezerros. Classes (xi) 20 22 24 26 28 30 32 l l l l l l l 22 24 26 28 30 32 34 50 Freqncias (fi) 02 05 12 16 10 04 01

TOTAL

x =

kg

Observao: A mdia aritmtica dos dados no agrupados foi igual a 26,6 kg A diferena entre os dois valores se deve ao erro de agrupamento. Ou seja: 26,7 26,6 = 0,1 kg c) MEDIANA (Md) Num conjunto de dados dispostos em rol (organizados) a mediana o valor que vem precedido e seguido pela mesma quantidade de dados. Posio da Mediana: (para dados no agrupados)

14

Exemplo: Sejam as amostras: A = 3, 3, 5, 6, 7, 8, 9 B = 1, 2, 3, 4, 6, 6, 7, 9 n=8 Na amostra A: Posio = = 4 Md = 6 n=7

Na amostra B: Posio =

= 4,5

Md =

Observao: No caso de nmero par de dados, a mediana pode ser um nmero que no esteja na amostra. Neste caso, a Md ser a mdia dos dois dados centrais. J, para nmero mpar de dados, a mediana sempre ser o nmero central.

Qual a mediana dos dados dos 50 bezerros guzer? Posio = = = 25,5

Md =

= 26,5 kg

Mediana dos dados agrupados em classe: Posio = (para compensar o erro do agrupamento, tira-se o 1 utilizado

para se localizar a posio da mediana dos dados no agrupados).

15

a) Sem intervalo de classe: Exemplo: N de acidentes 0 1 2 3 4 TOTAL N de funcionrios 2 8 16 10 4 40 Fc 2 10 26 36 40

necessrio que se determine a Frequncia acumulada para baixo. Posio = = 20

Localizar a posio (neste caso, 20) na Frequncia Acumulada para baixo. No existindo o valor correspondente posio encontrada, se pega o valor imediatamente posterior. Neste caso, o 26. Logo, a Md = 2 acidentes por funcionrio. Outro exemplo: N de faltas 0 1 2 3 4 5 TOTAL N de alunos 2 4 12 20 5 3 46 Fc 2 6 18 38 43 46

16

Posio =

= 23 Como no existe na Fc , pega-se o 38; logo, a Md = 3 faltas por aluno.

b) Com intervalo de classe: Exemplo: Peso, ao nascer, dos bezerros da raa guzer. Peso (kg) Menores que 20,0 Menores que 22,0 Menores que 24,0 Menores que 26,0 Menores que 28,0 Menores que 30,0 Menores que 32,0 Menores que 34,0 Posio = = 25 Fc 0 2 7 19 35 45 49 50

Classe mediana = 26,0 l 28,0 (Li) (Ls)

Frmula:

Md = Li +

Onde: Li = Limite inferior da classe mediana n1 = Diferena entre a posio da mediana e a Fc anterior. n2 = Frequncia absoluta da classe mediana, ou a diferena entre as duas Freqncias Acumuladas que esto em torno da posio (imediatamente anterior e posterior) c = amplitude da classe mediana
17

Logo, Md = 26,0 + d) MODA (Mo)

x 2

26,75 kg

o valor mais freqente de um conjunto de dados. Sejam as amostras: A = { 2, 3, 4, 4, 4, 5, 6} B = { 3, 4, 5, 5, 6, 7, 7, 8} C = { 2, 3, 4, 5, 6, 7} .................. Mo = 4 (unimodal) .................. Mo = 5 e 7 (bimodal) .................. Mo = no existe (amodal)

Observao: Com 3 valores, ser trimodal e com mais de 3 valores, multimodal Moda em dados agrupados (sem intervalo de classe). Exemplos: N de faltas 1 2 3 4 5 TOTAL N de acidentes 0 1 2 3 4 TOTAL N de funcionrios (F.A.) 2 15 3 2 8 30 N de pessoas (F.A.) 19 4 2 19 3 47
Mo = 0 e 3 acidentes (Bimodal) Mo = 2 faltas (Unimodal)

18

Moda em dados agrupados (com intervalo de classe). A moda se localiza na classe de maior frequncia. Frmula: Mo = Li + c

Onde: Li = Limite inferior da classe modal 1 = Diferena entre a frequncia absoluta da classe modal e a frequncia Imediatamente anterior. 2 = Diferena entre a frequncia absoluta da classe modal e a frequncia imediatamente posterior. c = amplitude da classe modal. Exemplo: Peso, ao nascer, dos bezerros da raa guzer. Peso (kg) 20,0 22,0 24,0 26,0 28,0 30,0 32,0 TOTAL Logo, Mo = 26 + l l l l l l l 22,0 24,0 26,0 28,0 30,0 32,0 34,0 F.A. 2 5 12 16 10 4 1 50 x 2 = 26,8 kg Classe modal = 26,0 - 28,0
(c=2)

19

Outro exemplo: Salrios (R$) 400,00 600,00 800,00 1000,00 TOTAL l l l l 600,00 800,00 1000,00 1200,00 N de funcionrios 3 8 20 9 40 Classe modal = 800 - 1.000
(c = 200)

Mo =

800 +

x 200

= 904,35 reais

Exerccio: Numa empresa onde a maioria dos empregados tem baixos salrios, qual medida seria usada para representar o nvel salarial? Folha de pagamento (salrios mnimos): 1; 22 Mdia: x= = salrios mnimos 1; 1; 2; 2,5; 3,5; 4; 5; 8;

Mediana: Md =

salrios mnimos

Moda: Mo =

salrio mnimo

- O lder trabalhista usar a Moda, para justificar que os salrios so baixos. - O empresrio usar a Mdia, para justificar que paga bem. - A medida mais realista a Mediana (50% dos funcionrios ganham menos que 3 salrios mnimos e 50% ganham mais que 3 salrios mnimos).

20

EXERCCIOS: 1) Determine a mdia, mediana e moda dos dados da Tabela 1: TABELA 1: Altura, em cm, de 50 plantas de determinada variedade de feijo Classes 20 25 27 29 33 38 40 l l l l l l l 25 27 29 33 38 40 45 N de plantas 03 08 10 09 11 06 03

2) Determine a mdia, mediana e moda dos dados da Tabela 2: TABELA 2: Peso, em kg, dos alunos de uma determinada sala de aula. Peso 37 43 49 55 61 67 73 l l l l l l l 43 49 55 61 67 73 79 N de alunos 04 10 12 13 08 04 04

21

TABELA 3: Quantidade de energia consumida, em kw/h, por diversas famlias de uma determinada rua da cidade de Guau, no ano de 2006. 30 36 36 38 40 40 41 42 42 43 43 43 44 44 45 45 46 46 47 48 49 50 51 52 53 53 54 54 54 54 54 55 56 56 57 57 58 58 59 60 60 61 62 63 64

3) Dos dados no agrupados do exerccio anterior, determine: a) a mdia b) a mediana c) a moda 4) Nos dados abaixo, expressos em cm, determinar: a) a mdia b) a moda c) a mediana Altura 150 156 160 168 170 l l l l l 156 160 168 170 180 N de alunos 10 12 16 14 08

5) Numa escola, foram determinados os pesos, em kg, dos alunos, sendo encontrados os seguintes resultados: Alunos do sexo masculino: 48 64 50 64 50 65 52 66 54 66 56 68 56 68 56 70 60 72 62 72

22

Alunos do sexo feminino: 38 44 38 45 40 45 40 45 40 46 42 46 42 47 42 47 42 48 44 48

a) Agrupar os pesos dos alunos do sexo masculino em 7 classes: b) Agrupar os pesos dos alunos do sexo feminino em 6 classes: 6) Considerando os dados no agrupados do exerccio anterior, determinar: a) a mdia dos pesos dos alunos do sexo feminino: b) a moda dos pesos dos alunos do sexo masculino:

23

MEDIDAS DE DISPERSO Amostras de trs pessoas referentes determinada sala de aula de uma escola qualquer mostram a altura em cm, a saber: Amostra A: Amostra B: Amostra C: 185 182 176 185 184 180 185 189 199 x = 185 cm x = 185 cm x = 185 cm

De acordo com a mdia, as pessoas das trs amostras tm a mesma altura. As medidas de tendncia central (Medidas de Posio: mdia, mediana e moda) no informam sobre a variabilidade das amostras. Na amostra A, todas as observaes so iguais mdia (no ocorre nenhuma disperso). Na amostra B e C, existe disperso entre os dados, sendo maior a variabilidade na amostra C. Logo, VARIABILIDADE a disperso dos dados em torno de um valor central que pode ser a mdia, mediana ou moda. Nas trs amostras os desvios em relao mdia so: Amostra A: 185 185 = 0 185 185 = 0 185 185 = 0 Amostra B: 182 185 = - 3 184 185 = - 1 189 185 = 4 Amostra C: 176 185 = - 9 180 185 = - 5 199 185 = 14 No caso especfico da temperatura, observa-se melhor como a mdia no diz muita coisa. Exemplo: A mdia de temperatura de um determinado local 17 C. Isto pode ser: No inverno a temperatura : 5 C No vero a temperatura de: 39 C Como poderia ser: No inverno a temperatura : 10 C No vero a temperatura : 24 C Falta, pois, uma medida que expresse a variabilidade dos dados em torno de um valor central.

24

Outro exemplo: A mdia mensal de precipitao de um local de 100 mm. Isto poderia ser: Janeiro = 600 mm Fevereiro = 400 mm Maro = 200 mm Dezembro = Total Ou, poderia ser: =
. . .

0 mm 1.200 mm 12 = 100 mm

Janeiro = 100 mm Fevereiro = 100 mm Maro = 100 mm Dezembro = 100 mm Total = 1.200 mm 12 = 100 mm
. . .

Isto mostra que a mdia no diz muita coisa. a) Amplitude Total Diferena entre o maior e o menor dado da amostra. Para dados agrupados primeira classe. Diferena entre os pontos mdios da ltima e da

Para as trs amostras vistas anteriormente, tem-se: A = 185 185 = 0 cm B = 189 182 = 7 cm C = 199 176 = 23 cm Para expressar a variabilidade a amplitude total no muito utilizada, pois toma por base apenas dois dados da amostra (valores extremos).

25

b) Varincia e Desvio Padro Numa populao a Varincia definida pela razo entre A SOMA DOS QUADRADOS DOS DESVIOS TOMADOS EM RELAO MDIA E O NMERO TOTAL DE OBSSERVAES Populao: X1, X2, ... Xn mdia ser: Xi m SOMA DOS QUADRADOS DOS DESVIOS SQD = (xI m)
2

onde a mdia m=

Xi = N

e o Desvio em relao

Pela definio, Varincia =

2 s2 = (xi m)

SQD N

Na prtica, se trabalha mais com a Amostra (x1, x2, ..., xn), onde a mdia x = nxi e os desvios em relao mdia ser: xi - x assim, a Soma dos Quadrados dos Desvios ser: SQD = Logo, a Varincia amostral passa a ser: s2 = Para as trs amostras, tem-se: Amostra A: s2 = Amostra B: s2 =
02 + 02 + 02 31 (-3)2 + (-1)2 + (4)2 3-1 (xi x)2

0 cm2 = 13 cm2

Amostra C: s2 =

(-9)2 + (-5)2 + (14)2 3-1

= 151 cm2

Comentrio: A amostra C tem varincia maior que as demais amostras, indicando que seus dados dispersam mais em relao mdia que os das amostras A e B.

26

Observao: A unidade a Varincia a mesma dos dados originais, ao quadrado, ou seja: kg2 , t2 , m2 , cm2 etc. Qual a razo de se ter n 1 no denominador da varincia amostral? A soma dos desvios em relao mdia de uma amostra nula. Assim, o desvio de ordem n da amostra fica determinado ao se conhecer os (n 1) outros desvios. Exemplo: Na amostra B 182 cm, 184 cm , 189 cm, onde a mdia igual a 185 cm, tem-se os desvios: 182 185 = - 3 184 185 = - 1 O terceiro desvio aquele que tornar nula a soma; logo, um desvio dependente (neste caso, ser 4). Desde que se tenha, neste caso, 2 desvios, o terceiro conhecido. A amostra tem, ento, dois desvios independentes, ou seja: 2 graus de liberdade (perdeuse 1 grau de liberdade ao se estimar a mdia populacional). Na prtica se utiliza a frmula: SQD =
(xi x)2 ( xi)2 n

2 SQD = xi

como isto igual a

SQD , n-1

vem:

s2 =

xi2

( xi)2 n n1

DESVIO PADRO Para o clculo do Desvio Padro, basta extrair a raiz quadrada da Varincia, ou seja: s=
xi2 n1 ( xi)2 n

27

A unidade a mesma dos dados originais (kg, cm, t etc.). A principal importncia analtica do desvio padro est no papel que ele desempenha nas distribuies simtricas de forma campanular. 170 Por exemplo, numa populao de animais, suponha-se que o peso mdio seja de 170 kg e que o desvio padro seja igual a 1,5 kg.

-3

-2

-1

l68,26%l l95,44%l l99,74%l Sendo o desvio padro a mdia dos dados. Sendo a mdia () igual a 170 e tendo-se o desvio padro () de 1,5, vem: Neste exemplo, pode-se esperar que 68,26% de todas as mdias de amostras fiquem entre 168,5 e 171,5. Portanto, no caso de cem mdias de amostras calculadas espera-se que 68,26 indiquem pesos entre 268,5 e 171,5 kg. Analogamente, 95,44% de todas as mdias das amostra devem estar entre 167 e 173 kg e que 99,72% delas devem ser encontradas entre 165,5 e 174,5 kg. Outra maneira de olhar essas mdias em termos probabilsticos, ou seja, dada a mdia de 170 kg da populao real, se somente uma amostra for tomada, as chances de o seu peso mdio estar dentro da faixa de 168,5 a 171,5 kg de 68,26%. Como existe uma probabilidade de 0,9544 (ou 95,44%) de a mdia da amostra estar dentro da faixa de 167 a 173 kg, ou ainda, existe a probabilidade de 0,9974 (99,74%) de a mdia da amostra estar entre 165,5 e 174,5 kg.

28

DESVIO PADRO EM DADOS AGRUPADOS

(fi xi)2 n n1

s=

fixi2

Onde: fi xi Exerccio:

a frequncia absoluta dos dados o termo mdio das classes

Determinar o desvio padro dos pesos dos 50 bezerros: Fazer clculos intermedirios: fi xi2 = 2(21)2 + 5(23)2 + ... + 1(33)2 = 36.034
2 2 2 ( fi xi) = [2(21) + 5(23) + ... + 1(33)] = [1.336] = 1.784.896

n = 50
1.784.896 50 49

s=

36.034

s=

36.034 35.697,92 49 6,85877551

s=

s = 2,62 kg c) Coeficiente de Variao uma medida de disperso relativa que expressa o desvio padro em termos da mdia de forma percentual.

29

Frmula:

O Coeficiente de Variao tem grande aplicao na experimentao, para avaliar a preciso dos ensaios. Quanto menos o CV mais preciso o experimento. usado tambm para comparar a variabilidade entre duas amostras. A amostra que apresenta o menor CV tem os dados menos variveis. Aplicao prtica: As alturas das pessoas de duas salas de aula so, respectivamente: Sala A x = 48,50 cm s = 4,90 cm Sala B x = 63,20 cm s = 5,30 cm

Qual das salas tem altura mais varivel? Sala A CV = = = 10,10%

Sala B

CV =

= 8,39%

Logo, a Sala A apresenta a altura mais varivel Amostras de 10 plantas de certa variedade de soja apresentam os seguintes dados: Altura x = 59,20 cm s = 6,10 cm Produo x = 10,10 kg s = 1,4 kg

Para esta variedade, qual caracterstica varia menos? CValtura = CVproduo = = = = 10,30% = 13,86%

Resposta: A caracterstica que varia menos a Altura, por apresentar o menos CV.
30

Tabela para classificao do Coeficiente de Variao; Valores do CV (%) Classificao Maior que 0 at 10 Baixo Maior que 10 at 20 Mdio Baixo Maior que 20 at 30 Mdio Maior que 30 at 40 Mdio Alto Maior que 40 Alto

d) Erro Padro da Mdia Medida de disperso que d a preciso com que a mdia populacional est sendo estimada. Desvio padro da amostra s s(x) = n Tamanho da amostra Exemplo: Numa escola muito difcil tomar as medidas da altura de todos os alunos, em determinado espao de tempo. Logo, tira-se uma amostra de 30 alunos e determina-se a altura dos mesmos e calcula-se a mdia, encontrando-se 1,75 m. Para o desvio padro foi encontrado o valor de 0,9 m. Qual foi o erro padro da mdia? s(x) = 0,9 30 = 0,9 5,477225575 = 0,16 m

Este dado nos informa que a mdia da populao foi estimada com um erro de 0,16 m (para cima e para baixo). Ou seja, espera-se que a mdia populacional esteja no intervalo: lx = 1,75m l 1,59 m 1,91 m x s(x) Consideraes: Quanto menor for s(x) mais precisa ser a estimativa da mdia. x + s(x)

Se uma nova amostra com 30 alunos fornecesse a mesma mdia e um erro padro da mdia igual a 0,12 m (menor que 0,16 m, da primeira amostra), haveria uma maior preciso da estimativa da mdia populacional, ou seja, estaramos mais prximos da mdia real, isto porque o intervalo seria menos. lx = 1,75ml 1,63 m 1,87 m
31

 O s(x) diretamente proporcional ao desvio padro da amostra, ou seja: Quanto maior for o desvio padro menor ser o erro padro da mdia e viceversa. O s(x) inversamente proporcional ao tamanho da amostra, ou seja: Quanto menor for o tamanho da amostra, maior ser o erro padro da mdia e vice-versa.

EXERCCIOS: 1) Os dados da Tabela 1 representam o nmero de faltas por aluno de determinada sala de aula da FACEC de Guau. Determine: a) A Varincia b) O Desvio Padro c) O Coeficiente de Variao d) O Erro Padro da Mdia TABELA 1: Distribuio do nmero de faltas por aluno de uma sala de aula da Faculdade de Guau, no primeiro ms de aula, em 2011. 0 0 0 0 0 0 0 0 0 1 1 1 2 2 2 3 3 4 4 4 4 5 5 5 5 5 5 6 6 6 6 7 7 7 8 8 2) Agrupe os dados da Tabela 1 (exerccio anterior) em 5 classes e determine: a) A Varincia b) O Desvio Padro c) O Coeficiente de Variao d) O Erro Padro da Mdia 3) Nas duas amostras abaixo, determine o CV e diga qual apresenta a maior variao dos dados: A = 5, 7, 9, 11, 13, 15 B = 4, 6, 8, 12, 14, 16 4) Determine o Erro Padro da Mdia dos dados abaixo: 160, 162, 162, 164, 164 164, 168, 168, 170, 170 170, 172, 172, 173, 174 175, 176, 177, 177, 178

32

5) Em duas amostras, A (de 16 pessoas) e B (de 25 pessoas), tiradas de uma mesma populao, foram avaliados os pesos dos alunos de uma determinada escola. Considerando os valores do desvio padro das amostras A e B iguais a 4,6 kg e 5,4 kg, respectivamente, dizer qual das amostras apresenta a melhor estimativa da mdia populacional: 6) Sendo o Coeficiente de Variao utilizado para comparar a variabilidade entre amostras, dizer qual das amostras abaixo apresenta menor variao dos dados: Amostra A: x = 42,8 e s = 4,54 Amostra B: x = 38,2 e s = 3,82 Amostra C: x = 48,5 e s = 5,44

33