Estat tstica Bsica

A Estatstica (ou cincia a Estatstic ca) um conjunto c de tcnicas s e mtodo os de pesq quisa que entre e outr ros tpicos s envolve o planejam mento do experimen nto a ser r realizado, a coleta qualificada q a dos dado os, a inferncia, o p processame ento, a anlise e a dissemina d o das info ormaes. Na e estatstica trabalham mos com d dados, os quais q pode em ser obt tidos por meio de u uma amost tra da popu ulao em m estudo. A seguir, definimos d e esses conc ceitos bsic cos:

Popu ulao: co onjunto de e elemento os que tem pelo menos uma a caracter stica em comum. Esta E carac cterstica deve delimitar corretamente e quais s o os elem mentos da populao o.

Amo ostra: subc conjunto

de

elem mentos

de d

uma

popula o,

que

so

repr resentativo os para es studar a c caracterstica de int teresse da a popula o. A sele o dos elementos que iro c compor a amostra pode p ser f feita de vrias v maneiras e ir depende er do con hecimento o que se tem da po opulao e da quan ntidade de e recursos disponveis d s.

Vam mos aprese entar os elementos e bsicos da d anlise de dados s. Veremo os as Estatsticas Descritivas utilizadas s para or rganizar, resumir r e descreve er os aspe ectos impo ortantes do comport tamento dos d dados. . A descri o dos dados d tamb bm pode e identific car anoma alias, at mesmo resultante es do reg gistro incorreto de valores v e valores ext remos (aqueles que no segue em a tend ncia gera al do resta ante do co onjunto de e dados). As ferram mentas des scritivas s o os muit tos tipos de d graficos e tabelas s, bem com mo as medidas de sn ntese: med didas de p posio e medidas m de e disperso o.

Sempre que resumimos um conjunto de dados, perdemos informao sobre o mesmo, pois condensamos as observaes originais. Entretanto, esta perda de informao pequena se comparada ao ganho que se tem com a clareza da interpretao proporcionada.
1 - Noes bsicas de estatstica

A Estatstica durante sculos foi usado inconsientemente pelos povos como um carter meramente descritivo e de registro de ocorrncias. As primeiras atividades foram por volta de 2000 a.C. e foram usados no recenseamento das populaes agrcolas chinesas. No incio do sculo XIX, os grandes matemticos entraram em cena, como exemplo, o francs Simon Laplace e o alemo Carl Friedrich Gauss (1777 1855), este ltimo surge com a idia de ``distribuio normal de frequncia". A teoria da distribuio normal foi usada pelo astrnomo e matemtico belga Adolphe Qutelet (1796 1874), no estudo estatstico de diversas caractersticas das populaes humanas: altura, peso, natalidade, mortalidade, renda mensal etc. Ronald Aylmer Fisher (1890 1962), geneticista britnico, concentrou seus estudos na gentica das populaes, campo em que obteve importantes resultados, sendo considerado um dos grandes criadores do neodarwinismo. Na Estatstica trabalhou com ajustes de curvas de freqncias, com coeficientes de correlao, os chamados coeficientes de Fisher, na anlise de varincia (ANOVA) e nas tcnicas de estimao dos parmetros. Influenciado pelos trabalhos deKarl Pearson, outro importante geneticista britnico. Fisher utilizou os resultados que obteve na Estatstica como ferramentas para aplicao nos seus estudos de gentica, sendo hoje considerado um dos maiores nomes na Teoria de Estatstica e na Estatstica aplicada Biologia.
1.1 - Introduo

Em geral, manipulamos um conjunto de dados com o objetivo de extrairmos informao sobre o comportamento de um processo ou produto. A Estatstica utiliza a variabilidade presente nos dados para obter tal informao. A variabilidade est presente em todo lugar. Por exemplo, a posio de um carro estacionado em uma garagem no a mesma ao longo dos dias. Neste caso, a posio do carro apresenta uma variao. Nossa estratgia consiste em avaliar as variaes e obter informaes atravs dela. A aplicao de tcnicas estatsticas envolve vrias etapas:

Coleta de dados; Exposio dos dados;

Mode elos Estat sticos.

1.2 - Coleta de e dados

A qu ualidade da d soluo o est dire etamente relacionad da com a qualidade e dos dado os obtidos s. Podemo os evitar q que alguns problem mas ocorra am observ vando fatos s como:

No se deve coletar da ados sem que antes s se tenha a definido o claramen nte o prob blema ou situao s a ser enfre entada, bem como os o objetivo os com rel lao aos m mesmos;

Os s sistemas de e medio o (instrume ento, oper radores, mtodo, m m meio) que sero s utiliz zados deve em ser ava aliados e te er capacidade de me edio sufi iciente; Os c clculos e leituras devem s er feitos com muita aten o para evitar e disto ores; Deve em ser utlizados mtodos adeq quados pa ara coleta de dados d de acordo com o pro oblema estudado. Uma a amostra uma par rcela de u uma popula ao que pode p conte er informa aes sobr re esta pop pulao. Outra O defin nio impo ortante (pa ara a esco olha da tc cnica estatstica e das interpre etaes do os resultad dos) a cla assificao o dos dados s.

Plan nejando a coleta de d dados s

Para a estudarm mos adequ uadamente e uma pop pulao at travs de uma amo ostra, deve emos plane ejar a cole eta de dad dos. Com este e objeti ivo, formu ulamos algu umas perg guntas:

Com m que frequ uncia oco orrem os pr roblemas? Quai is so as ca ausas pote enciais do p problema? ?

Um bom plan nejamento o para cole eta de da ados deve considera ar as seguintes perg guntas:

Qual l a pergunt ta a ser re espondida? Com mo comunic car a respo osta obtida a? Qual l ferramen nta de anl lise preten ndemos usa ar e como utilizar os s resultado os? Qual l tipo de dado nece essrio par ra utilizar as ferrame entas dese ejadas e responder a pe ergunta? Com mo coletar esses e dado os com o m mnimo de esforo e erro? e Onde e acessar estes e dado os? Quem m pode no os fornecer r os dados? ? Qual l o perodo o em que os o dados se ero coleta ados? Tend do as respo ostas para estas perg guntas, de evemos:

Cons struir uma metodologia para no os certificar de que todas as in nformae es esto definidas; Cole etar os dad dos de form ma consiste ente e hon nesta; Cert tificar-se de d que exis ste tempo suficiente e para a coleta de da ados;

Definir quais informaes adicionais sero necessrias para estudos futuros, referncias ou reconhecimento.
1.3 - Exposio dos dados

Antes da exposio dos dados coletados necessrio que se faa um trabalho de reviso e correo nos dados coletados na tentativa de eliminar possveis enganos na elaborao do relatrio. Inicialmente, os dados podem ser classificados como "qualitativos" ou "quantitativos". Atravs desta classificao, vamos definir algumas tcnicas para resumir o conjunto de dados.

Dados qualitativos
Os dados qualitativos representam uma caracterstica da qualidade (ou atributo) associado ao item pesquisado. Por exemplo, podemos classificar um produto em: bom, razovel ou ruim. Os dados qualitativos podem ser divididos em dois tipos:

Dado qualitativo nominal - Para o qual no existe nenhuma ordenao nas possveis realizaes; Dado qualitativo ordinal - Para o qual existe uma ordem em seus resultados. Exemplo 1.3.1: Uma indstria de calculadoras eletrnicas, preocupada com vrios defeitos que um de seus produtos vem apresentando, fez um levantamento e constatou os seguintes problemas:

A: Defeito na cobertura plstica; B: Defeito no teclado; C: Defeito na fonte de energia; D: Soldas soltas; E: Defeito na placa da unidade de processamento; F: Defeito no visor; G: Outros. Este um tpico exemplo de dados qualitativos nominais. Nesta situao, para cada item inspecionado, existe uma varivel T que representa o tipo de defeito encontrado. Portanto, essa varivel T pode assumir os valores: T = A, T = B, ... ,T = G. Logo, por exemplo, para uma calculadora com defeito na cobertura plstica, temos que T = A. A seguir, temos uma Tabela com os valores observados.

Tipo de Problemas (T) A B C D E F G

Frequncia 10 20 55 80 25 3 7

Neste exemplo, todos os defeitos apresentam o mesmo nvel de severidade e portanto, no apresentamos uma ordem entre os atributos (defeitos). Neste caso, temos um exemplo de dados qualitativos nominal. Exemplo 1.3.2: Em um concurso pblico foram contabilizados os nmeros de pessoas inscritas segundo os nveis de escolaridade: fundamental completo, mdio completo, superior completo e ps-graduao completa. Segue abaixo a Tabela com os valores observados.

Nvel de escolaridade Fundamental completo Mdio completo Superior completo Ps-graduao completa

Inscritos 451 627 292 95

Neste exemplo, temos um ordem natural entre os atributos (nvel de escolaridade) e consequentemente, temos um exemplo de dados qualitativos ordinais.

Dados quantitativos
Neste caso, a caracterstica observada assume valores numricos que podem ser classificados em "discretos" ou "contnuos".

Dados quantitativos discretos

Os dados quantitativos discretos assumem valores dentro de um conjunto com os nmeros especifiados. Por exemplo, o nmero de produtos produzidos por uma mquina em um determinado perodo de tempo pode ser 0,1,2,3,4,... Neste caso, os dados observados formam um conjunto finito (ou enumervel) de nmeros. Geralmente, quando contamos defeitos, temos dados quantitativos discretos. Exemplo 1.3.3: Em um hospital, foram contabilizados o nmero de pessoas com diabetes em 20 grupos de 1000 pessoas cada. Neste caso, obtemos os seguintes dados: 10, 12, 9, 11, 10, 8, 9, 10, 7, 10, 8, 9, 9, 10, 10, 11, 9, 11, 10, 10. Um possvel resumo dos dados desenvolvido na Tabela a seguir Pessoas com diabetes 7 8 9 10 11 12 Apurao dos grupos / // ///// //////// /// / N de grupos 1 2 5 8 3 1

Portanto, a varivel "nmero de pessoas com diabetes" assume valores discretos, isto , inteiros: ...,7,8,9,... .

Dados quantitativos contnuos

Os dados quantitativos contnuos assumem valores em um intervalo contnuo de nmeros. Em geral, este tipo de dado proveniente de medies de uma

caracterstica da qualidade de uma pea ou produto. Os possveis valores incluem "todos" os nmeros do intervalo de variao da caracterstica medida. Por exemplo, ao medirmos os dimetros dos eixos de determinados motores com uma clula eletrnica, obtemos dados quantitativos contnuos. Exemplo 1.3.4: Numa fbrica de motores eltricos, o gerente de produo precisa avaliar o problema de rudo excessivo do motor. Uma das possveis causas est associada com variaes no dimetro do eixo. Assim, o gerente de produo mediu o dimetro do eixo de 200 motores e o resultado est apresentado na Tabela a seguir. Os valores esto em milsimos de milmetros.

Dimetro do eixo de 200 motores 4,8 4,9 4,3 5,1 4,9 5,7 5,1 4,9 5,0 4,8 4,8 4,9 4,2 4,8 4,9 4,9 4,3 4,9 4,9 4,8 5,2 5,1 4,2 5,1 5,1 5,0 4,7 4,8 4,6 5,2 4,9 4,2 4,2 4,6 5,1 4,8 5,2 5,3 5,2 4,8 4,7 4,8 5,1 5,2 4,9 4,8 5,2 4,9 4,8 4,9 4,8 5,0 4,7 4,9 5,2 5,1 5,1 5,2 4,8 4,8 4,7 5,5 4,4 4,8 5,3 4,9 4,7 4,7 4,6 4,5 4,7 5,0 4,9 5,2 5,6 5,1 4,4 4,4 4,8 5,5 5,4 4,9 4,9 5,3 4,5 5,1 5,0 5,4 4,7 4,7 4,6 4,7 4,6 4,5 4,7 4,9 4,9 4,6 5,0 4,2 4,8 4,8 5,2 4,7 4,8 5,4 4,9 5,5 4,5 4,9 5,0 5,1 5,2 5,1 5,5 4,4 5,2 4,5 4,5 5,2 4,9 4,8 4,8 4,9 4,5 5,4 5,2 4,8 5,1 4,9 4,7 5,2 5,1 5,1 5,2 4,6 5,1 5,0 4,2 4,2 4,7 4,6 5,2 4,7 4,8 4,6 4,5 5,4 4,6 4,4 4,9 5,2 5,2 4,7 5,5 4,8

5,1 5,0 5,4 5,8

4,6 5,0 4,2 4,9

4,9 5,0 5,1 5,2

4,3 5,1 4,9 4,8

4,9 4,9 4,3 4,9

4,7 4,8 4,6

5,2 4,8 4,7

4,8 5,0 4,8

4,4 4,8 5,3

5,6 5,1 4,4

4,9 5,1 4,9

4,9 4,8 4,4

4,9 5,1 4,7

Podemos fazer a apurao considerando intervalos de medidas, como apresentado na Tabela a seguir

Dimetro do eixo de 200 motores (com apurao) Dimetro [4,2;4,4) [4,4;4,6) [4,6;4,8) [4,8;5,0) [5,0;5,2) [5,2;5,4) [5,4;5,6) [5,6;5,8) Apurao //////////// ////////.../ /////////.../// //////////...////// //////////...///// //////////...// //////////// //// N de motores apurados 12 16 31 66 35 25 11 4

Ao estabelecermos intervalos de classes, estamos admitindo que o eixo pode assumir qualquer valor entre o limite inferior (inclusive) e o limite superior (exclusive).
1.4 - Grfico de barras

Exem mplo 1.4.1: Conside ere os dado os do Exem mplo 1.3.2. Constru ua o grfic co de barras corresp pondente.
clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Ent o, o grfic co de barras corresp pondente seria um gr rfico onde e os retng gulos corre espondent tes a cada a nvel de instruo teria a altura corre espondent te ao nmero de ins scritos com m o respec tivo grau de d escolar ridade. Pod demos resolver este problema a utilizando o o softwa re Action. O resultad do o segu uinte

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

1.5 - Diagrama a de Pareto o

Diag grama de Pareto um u grfico o de barra as que ord dena as fr requncias s das ocor rrncias, da maior pa ara a men nor, permit tindo a pri iorizao d dos proble emas. Most tra ainda a curva de percentag gens acum muladas. Su ua maior u utilidade a de perm mitir uma fcil visua alizao e identificao das ca ausas ou p problemas mais impo ortantes, possibilitando a con ncentrao o de esfor ros sobre os mesmo os. utiliz zado para dados qua alitativos.

Com mo constr ruir um diagrama d de Paret to

1. R Realize um ma reunio com a equ uipe para selecionar r o tpico a ser avali iado. Por exemplo, podemos avaliar tip pos de de efeitos, cu usto de m anuteno o por equipamento, entre outr ros. 2. Se elecione um padro de compa arao com m unidade de medida a. Geralme ente, utiliz zamos o cu usto ou fre equncia d de ocorrnc cia como medida m de compara o. 3. Es specifique o perodo o de tempo o em que os o dados se ero coleta ados. Exem mplo: Uma a semana, um ms. 4. E Elabore um ma planilh ha de dad dos, com as seguint tes coluna as: Catego orias, Quan ntidades (totais in ndividuais) ), Totais acumulados, Porcentag gens, Porc centagens acumulada a as.

5. Colete os dados necessrios para cada categoria. Exemplo: Defeito A ocorreu X vezes ou defeito C custou Y. 6. Preencha a planilha de dados, listando as categorias em ordem decrescente com relao unidade de comparao. 7. Marque o eixo horizontal no lado esquerdo com a escala de zero at o total da coluna Quantidade da planilha de dados. Identifique o nome da varivel representada neste eixo e a unidade de medida utilizada, caso seja necessrio. 8. Marque o eixo vertical do lado direito com uma escala de zero at 100%. Identi

que este eixo como c "Porcentagem acumulada"(%). 9. Li iste as cat tegorias da esquerda a para dir reita no ei ixo horizon ntal em or rdem decr rescente de d frequncia ou cus sto. Os ite ens de me enor impo ortncia po odem ser c combinado os na cate egoria Out ros, que colocada a no extre emo direit to do eixo, com a ltima barra a. 10. Identifique e cada intervalo do o eixo hor rizontal es screvendo os nomes s das cate egorias, na mesma or rdem em q que eles ap parecem na a planilha de dados. 11. C Construa um u grfico o de barras s utilizando a escala do eixo v vertical do lado esqu uerdo. Para a construir r um grfic co de barra as, acima de cada ca ategoria, basta b dese enhar um retngulo r cuja c a altu ura represe enta a freq quncia ou u custo daq quela cate egoria. 12. Construa a curva de Paret to marcan ndo os valores da a porcenta agem acum mulada aci ima e no centro ou la ado direito o do interv valo de cad da categor ria, e ligue e os pontos s por segm mentos de r reta. Exem mplo 1.5. .1: Conside erando os s dados do d Exemplo o 1.3.1, construim mos o diagrama de Pareto, P utilizando o Action. Os s resultado os obtidos so mostr rados a seg guir.
clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Tipos de Fre equncia Porcenta agem Freq ncia P Porcentagem m Problemas Acumulada Acumalada D C E B Ou utros 8 80 5 55 2 25 2 20 1 10 80 135 160 180 190 40 27,5 12,5 10 5 40 67,5 5 80 90 95

1 10

200

100 0

O grfico de Pareto correspondent te mostra ado abaixo o.

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

Diag grama de e Pareto relativo r a custos

Na construo o do grf fico de P Pareto pod demos utilizar com mo medida a de comparao a frequnc cia de oco orrncia do o atributo ou o cust to associa ado a este atributo. A seguir, apresenta amos um exemplo de d um gr fico de Pa areto com medida de compara ao basea ada no cust to.

Exem mplo 1.5.2: Em uma a empresa a de carto o de ident tificao, c contabiliza amos os de efeitos nos s cartes com c medid da de comp parao ba aseada no custo.

P Principais defeitos Nm meros trocad dos

N de embalag gens defeituosa as 28

Custo por p unidade e defe eituosa 0,05 0

Cu usto do defeito d 1,40

Cara acteres errad dos A Amassado P Perfurado Impr resso ilegv vel Rasgado Outros Total

28 4 3 2 2 1 68

0,05 0 1,00 0,05 0 0,05 0 1,00 0,05 0

1,40 4,00 0,15 0,10 2,00 0,05

clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Orde enando os defeitos pelos p seus c custos, tem mos o segu uinte diagr rama

Pr rincipais de efeitos Amassad do Rasgado o N Nmeros troc cados Caracteres er rrados Perfurad do Im mpresso ile egvel Outros

Custo do d defeito 4,00 2,00 1,40 1,40 0,15 0,10 0,05

O grfico de Pareto correspondent te, relativo o aos custo os dado p por

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

1.6 - Histogram ma

Dist tribuio de frequ uncias

A dis stribuio de frequ ncias um m agrupam mento de dados d em classes, de tal form ma que con ntabilizamo os o nme ro de ocor rrncias em m cada cla asse. O nm mero de o ocorrncia as de uma a determin nada class se recebe o nome de frequ ncia abso oluta. O objetivo apresenta ar os dado os de uma maneira m mais concisa e que nos perm mita extra air inform ao sobr re seu co omportame ento. A se eguir, apre esentamos algumas definies s necessr rias con nstruo d da distribu uio de fr requncias s.

Freq quncia ab bsoluta (i): o nm mero de ob bservaes s correspo ondente a cada class se. A frequ uncia absoluta , ge eralmente, chamada a apenas de e frequnc cia. Freq quncia re elativa (ri): o quoc ciente entre a frequ uncia abso oluta da classe corre espondent te e , a soma da as frequ ncias (total obs servado), isto

onde n re epresenta o nmero total de observae es.

Freq quncia pe ercentual (pi): obt tida multip plicando a frequncia a relativa por 100% %. Freq quncia acumulada a a: o tota al acumulado (soma) de tod das as cla asses ante eriores at a classe atual. Pod de ser: fre equncia acumulada a a absoluta (Fi), frequncia acu umulada re elativa (Frii), ou frequ uncia acu umulada pe ercentual (Pi).

Dist tribuio de frequ uncia po ontual: da ados disc cretos

A construo de uma tabela d de distrib buio de frequnc cia pontual equivalente construo de uma tabela sim mples, onde se listam m os difere entes valores observ vados da va arivel com m suas fre equncias absolutas, a denotadas por (i) ( (o ndice i correspon nde ao nm mero de li inhas da Tabela) T com mo most trado na T Tabela aba aixo. Utiliz zamos a di istribuio o de frequ ncia pont tual quand do se trabalha com dados disc cretos. Um m grfico utilizado pa ara represe entar este e tipo de d distribuio o de frequ ncia o G Grfico de e Barras. Exem mplo 1.6 6.1: Consid dere os dados do d Exemplo 1.3.3. Constru ua a distr ribuio de e frequnc cias para e ste conjun nto de dados e o grf fico de bar rras.
clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Nmero de Frequncia a Frequncia(i) pessoas com c r relativa (rii) diabete es 7 1 0,05 8 2 0,1 9 5 0,25 10 8 0,4 11 3 0,15 12 1 0,05

Frequ uncia percentual 5 10 0 25 5 40 0 15 5 5

Fr requncia ac cumulada 5 15 40 80 95 100

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

Dist tribuio de fre equncia em intervalos de cla asses: Da ados contnuos

Para a dados qu uantitativo os contnuo os, geralm mente resu ultantes de e medie es de cara actersticas s da qualidade de peas ou u produtos s, dividim os a faixa de varia ao dos dados em m intervalo os de clas sses. O menor m valo or da clas sse deno ominado li imite infer rior (li) e o maior va alor da classe deno ominado li imite supe erior (Li). O int tervalo ou classe pod de ser rep resentado das seguin ntes manei iras: 1. (li) (Li), onde o lim mite inferi ior da cla asse inc cludo na contagem m da frequncia absoluta, mas o superi ior no;

2. (l li) (Li) , onde o limi ite superio or da classe incluido na con ntagem, mas m o infer rior no. Pode emos esco olher qualquer uma a destas opes, mas im mportante que deix xemos clar ro no texto o ou na ta abela qual delas est sendo u usada. Em mbora no seja nece essrio, os intervalos s so freq quentemen nte constru udos de modo m que todos ten nham larguras iguai is, o que facilita as s compara aes entr re as class ses. Na t tabela de distribui o de freq quncia, acrescenta a mos uma coluna com os pont tos mdios s de cada intervalo de classe, , denotada a por xi. E Esta def finida como a mdia a dos limit tes da clas sse na construo de grfico os. Algu umas indica aes na construo de distribuio de frequncias s so:

. Estes valores s so utiliz zados

Na m medida do possvel, as a classes d devero te er amplitud des iguais. . Esco olher os lim mites dos in ntervalos e entre duas s possveis observa es. O n mero de intervalos no deve u ultrapassar 20. Esco olher limite es que faci ilitem o ag grupament to. Marc car os pont tos mdios s dos interv valos. Ao c construir o histogram ma, cada re etngulo de ever ter rea propo orcional frequncia relativa (ou frequnc cia absoluta, o que d no mesm mo) corre espondent te.

Hist tograma
Histo ograma uma representao o grfica (um grfico o de barra as verticais ou barras horizon ntais) da distribuio d o de frequ uncias de e um conj unto de dados d quan ntitativos contnuos s. O histo ograma po ode ser um u grfic co por valores abso olutos ou frequncia relativa a ou densidade. No o caso de e densidad de, a frequncia relativa do intervalo i, (fri), represen ntada pela a rea de e um retngulo qu ue colocado a acima do ponto mdio d da classe e i. Cons sequentem mente, a rea total do histog grama (igual a soma a das rea as de todo os os retn ngulos) ser igual a 1. Assim, ao const truir o his stograma, cada retngulo deve er ter re ea proporc cional fre equncia relativa r (o ou frequ ncia abso oluta, o qu ue indife erente) cor rrespondente. No ca aso em que e os interv valos so d de tamanh hos (amplitudes) igu ais, as alturas dos re etngulos sero igua ais s

frequncias relativas (ou iguais s frequ uncias ab bsolutas) dos interv valos corre espondent tes. Exem mplo 1.6 6.2: Consid derando o os dados do Exem mplo 1.3 .4, mont te distr ribuio de e frequnc cias e cons trua o hist tograma co orresponde ente.
clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Com mo temos dados d quantitativos contnuos s, para con nstruir a d distribui o de frequncias, vamos v sep parar os da ados em classes. c Dividimos o os dados em e 8 class ses de tam manhos igua ais. A distr ribuio de e frequnc cias ento a seguin nte

Cla asse Frequ uncia

Freq. F Re elativa 0,06 0 0,08 0 0,15 0 0,33 0 0,17 0 0,12 0 0,06 0 0,02 0

Po orcentagem m

Porc. Acumul lada 6 14 29,5 62,5 80 92,5 98 100

Dens sidades

Ponto mdio 4,3 4,5 4,7 4,9 5,1 5,3 5,5 5,7

[4,2; ;4,4) [4,4; ;4,6) [4,6; ;4,8) [4,8; ;5,0) [5,0; ;5,2) [5,2; ;5,4) [5,4; ;5,6) [5,6; ;5,8)

12 2 16 31 66 35 25 11 4

6 8 15,5 33 17,5 12,5 5,5 2

0,3 0,4 0 0,775 1 1,65 0 0,875 0 0,625 0 0,275 0 0,099

E ento, con nstrumos o histogr rama corr respondent te. Podem mos utilizar o softw ware Actio on para res solver este e problema a.

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

Exem mplo 1.6 6.3: Consid derando o os dados do Exemp plo 1.3.4 4, constru ua o histo ograma de densidade es correspo ondente
clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Para a construir r o histogr rama de d densidades, basta qu ue os ret ngulos ten nham altur ra do tam manho da densidade e de cada classe e largura d do tamanho da class se. Neste caso, c o histograma fi icaria da seguinte s fo orma:

Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio video dem monstrativo o

1.7 - Grfico de d pizza

O gr rfico de pizza, tam mbm con nhecido co omo grfico de seto ores ou grfico circu ular um diagrama circular o onde os val lores de ca ada catego oria estat stica repr resentada so proporcionais s s respectiv vas frequ ncias. Est te grfico pode vir a acompanha ado de su uas respec ctivas perc centagens. utilizad do para dados d qual litativos nominais. n Para P const truir um grfico tipo pizza neces ssrio dete erminar o ngulo do os setores s circulare es correspo ondentes contribu uio perc centual de cada valor no total.

Exem mplo 1.7.1: Uma em mpresa da a rea auto omobilstic ca acompa anha o nm mero de d defeitos encontrado os nos equ uipamentos enviados s para a c calibrao o. Na tabe ela a seguir apre esentamos os dad dos refere entes a um ms s de acom mpanhame ento dos defeitos d e encontrado os nos equ uipamento os das dive ersas rea as.

Centro de e custo Pr-usina agem T Tratamento trmico Fundi o Usinag gem Tr ratamento superficial Tota al

Nmer ro de defeit tos 9 12 10 45 13 89

clique aqui i para efetuar o download d dos dados ut tilizados ness se exemplo

Com mo temos um total de e 89 defeit tos, o seto or circular de 360 se er equival lente a 89 9. Calculan ndo as propores, e encontramos os ngu ulos corres spondentes aos nmero de def feitos de cada c centro o de custo o. Com isso o, construi mos o segu uinte grfi ico de barras.

Tal e exemplo pode ser re ealizado ut tilizando o software Action. A Para a entender r como exe ecutar essa a funo do o Software e Action, v voc pode cons sultar: manua al do usurio

video dem monstrativo o