Você está na página 1de 36

Introduo Estatstica

Jlio Cesar de C. Balieiro

Estatstica
9 a cincia que se preocupa com:
(i) Organizao;

Estatstica Descritiva

(ii) Descrio;
(iii) Anlises;
(iv) Interpretaes.

Estatstica Indutiva ou
Estatstica Inferencial

Introduo Estatstica

Alguns Conceitos
9 Populao
o conjunto de elementos com pelo menos uma
caracterstica em comum.
Esta caracterstica comum deve delimitar claramente
quais os elementos que pertencem populao e
quais os elementos que no pertencem.
9 Amostra
um subconjunto de uma populao, onde todos os
seus elementos sero examinados para efeito da
realizao do estudo estatstico desejado.
3

Alguns Conceitos
9 OBJETIVO DA ESTATSTICA: tirar concluses
sobre populaes com base nos resultados
observados em amostras extradas dessas
populaes.
9 Varivel
a caracterstica dos elementos da amostra que nos
interessa averiguar estatisticamente.
Ex.: varivel Idade - se houver n elementos
fisicamente considerados no estudo, esses elementos
fornecero n valores da varivel idade, os quais sero
tratados convenientemente pela Estatstica Descritiva
4
e/ou pela Estatstica Inferencial.

Introduo Estatstica

Tipos de Variveis
As variveis de interesse podem ser classificadas em:
(i) Qualitativas => quando resultar de uma classificao
por tipos ou atributos.
(ii) Quantitativas => quando seus valores forem
expressos em nmeros. Podem ser
subdivididas:
(a) Discretas;
(b) Contnuas.

Tipos de Variveis
(a) Variveis Quantitativas Discretas
Assumem apenas valores pertencentes a um conjunto
enumervel. So obtidos mediante alguma forma de
contagem.
Exemplos de Discretas:
y Populao: Ovinos da raa Santa Ins da ASCCO;
Varivel: nmero de cordeiros ao parto (1, 2 ou 3).
y Populao: Bovinos Nelore da Agro-pecuria CFM Ltda.
Varivel: Escores de Musculosidade (1, 2, 3, 4 ou 5).
y Populao: Bovinos Nelore da Agro-pecuria CFM Ltda.
Varivel: Prenhez aos 14 meses de idade (0 ou 1).
6

Introduo Estatstica

Tipos de Variveis
(b) Variveis Quantitativas Contnuas
So aquelas, teoricamente, que podem assumir qualquer
valor em um certo intervalo de variao. Resultam, em
geral, de uma medio, sendo freqentemente expressos
em alguma unidade.
Exemplos de Contnuas:
y Populao: Bovinos Nelore da Agro-pecuria CFM Ltda.
Varivel: PN (28,0; 28,5; 30,2; 32,58)
y Populao: Bovinos Nelore da Agro-pecuria CFM Ltda.
Varivel: Peso aos 18 meses, em kg (250,0 at 415,0 kg)

Caractersticas Numricas de
uma Distribuio de Dados

Jlio Cesar de C. Balieiro

Introduo Estatstica

Introduo
9 As vezes necessrio resumir certas caractersticas das
distribuies de dados (ou mesmo de freqncias dados)
por meio de certas quantidades.
9 Tais quantidades so usualmente denominadas de
MEDIDAS, por quantificarem alguns aspectos de nosso
interesse.
9 Nosso objetivo apresentar algumas das chamadas
MEDIDAS DE POSIO, bem como, algumas MEDIDAS
DE DISPERSO, consideradas mais importantes no campo
da aplicabilidade prtica do nosso dia a dia.
9 Tais medidas servem para:
(a) Localizar uma distribuio;
(b) Caracterizar sua variabilidade.

Medidas de Posio (ou de


Tendncia Central)
9 Servem para localizar a distribuio dos dados
brutos (ou das freqncias) sobre o eixo de
variao da varivel em questo.
9 Veremos os trs tipos principais de medidas de
posio:
(a) Mdia Aritmtica;
(b) Mediana;
(c) Moda.

10

Introduo Estatstica

Medidas de Posio (ou de


Tendncia Central)
9 Mdia (Aritmtica)
=> A notao internacional recomenda smbolos
especficos para a Mdia:
(a) AMOSTRA:

=
Conjunto de Dados => x = = m

Xi

i =1

n
k

=
Tabelas de Freqncia => x = = m

X i fi

i =1

= X i p 'i
i =1

11

Medidas de Posio (ou de


Tendncia Central)
9 Mdia (Aritmtica)
(b) POPULAO:
n

Conjunto de Dados => = m =

Xi

i =1

n
k

Tabela de Freqncia => = m =

X i fi

i =1

= X i p 'i
i =1

12

Introduo Estatstica

Medidas de Posio (ou de


Tendncia Central)
Exemplo 2: 50 determinaes do tempo (em segundos)
gasto por um funcionrio

684

=
x = = m

X i fi

i =1

2.725
= 54,5
50

13

Medidas de Posio (ou de


Tendncia Central)
9 Propriedades da Mdia
(a) Multiplicando todos os valores de uma varivel
por uma constante, a mdia do conjunto fica
multiplicada por essa constante.
(b) Somando-se ou subtraindo-se uma constante a
todos os valores da varivel, a mdia do conjunto
fica acrescida ou subtrada dessa constante.

14

Introduo Estatstica

Medidas de Posio (ou de


Tendncia Central)
9 Mediana
=> A mediana uma quantidade que, como a mdia,
tambm caracteriza o centro de uma distribuio
pertencente a um conjunto de dados.
(a) AMOSTRA:

d
m

(b) POPULAO:

md

15

Medidas de Posio (ou de


Tendncia Central)
Conjunto de Dados:

Para obteno da estimativa de


mediana de um conjunto de dados
so necessrios os seguintes passos:

1 Passo: Ordenar de forma crescente os n valores da


varivel em questo;
2 Passo: (i) Sendo n mpar, a mediana ser igual ao valor
de ordem (n + 1) ;

2
(ii) Sendo n par, a mediana ser o valor mdio
entre os valores de ordem n e n + 1 .

Introduo Estatstica

16

Medidas de Posio (ou de


Tendncia Central)
9 Mediana
Tabelas de Freqncia =>

d = Li +
m

(n/ 2) Fa
hmd
fmd

Li = limite inferior da classe que contm a mediana;


n = nmeros de elementos do conjunto da dados;
Fa = soma das freqncias das classes anteriores que
contm a mediana;
fmd = freqncia da classe que contm a mediana;
hmd= amplitude da classe que contm a mediana.
17

Medidas de Posio (ou de


Tendncia Central)
9 Mediana
Exemplo 2: 50 determinaes do tempo (em segundos)
gasto por um funcionrio

m d = Li +
684

(n / 2) Fa
hmd
f md

Li = 49,5; n = 50; Fa = 11; fmd = 16; hmd = 5.

Introduo Estatstica

18

Medidas de Posio (ou de


Tendncia Central)
9 Mediana
Exemplo 2: 50 determinaes do tempo (em segundos)
gasto por um funcionrio
Li = 49,5; n = 50; Fa = 11; fmd = 16; hmd = 5.

m d = Li +
m d = 49,5 +

( n / 2 ) Fa
hmd
f md

(50 / 2) 11
.5 = 53,875
16

19

Medidas de Posio (ou de


Tendncia Central)
9 Moda
=> A moda (ou modas) de um conjunto de valores
definida como o valor (ou valores) de mxima
freqncia.
=> uma quantidade que, como a mdia, tambm
caracteriza o centro de uma distribuio, indicando a
regio das mximas freqncias.
(a) AMOSTRA:

O
m

(b) POPULAO:

mO
20

Introduo Estatstica

10

Medidas de Posio (ou de


Tendncia Central)
9 Moda
Tabelas de Freqncia =>

m o = Li +

d1
h
d1 + d 2

Li = limite inferior da classe modal;


d1 = diferena entre a classe modal e a da classe
imediatamente anterior;
d2 = diferena entre a classe modal e a da classe
imediatamente seguinte;
h = amplitude das classes.
21

Medidas de Posio (ou de


Tendncia Central)
9 Moda
Exemplo 2: 50 determinaes do tempo (em segundos)
gasto por um funcionrio

m o = Li +
684

d1
h
d1 + d 2

Li = 49,5; d1 = 16 8 = 8; d2 = 16 12 = 4; h = 5.

Introduo Estatstica

22

11

Medidas de Posio (ou de


Tendncia Central)
9 Moda
Exemplo 2: 50 determinaes do tempo (em segundos)
gasto por um funcionrio
Li = 49,5; d1 = 16 8 = 8; d2 = 16 12 = 4; h = 5.

m o = Li +
m o = 49,5 +

d1
h
d1 + d 2

8
.5 = 52,833
8+ 4
23

Medidas de Disperso (ou de


Variabilidade)
9 A informao fornecida pelas Medidas de Posio em geral
necessitam de ser complementas pelas Medidas de
Disperso.
9 As Medidas de Disperso servem para indicar o quanto
os dados se apresentam dispersos em torno da regio
central.
9 Portanto caracterizam o grau de variao existente em um
conjunto de valores.
9 As Medidas de Disperso que mais nos interessam so:
(a) Amplitude;
(b) Varincia;
(c) Desvio Padro;
(d) Coeficiente de Variao.

Introduo Estatstica

24

12

Medidas de Disperso (ou de


Variabilidade)
9 Amplitude
=> A amplitude, j mencionada, definida como a diferena
entre o maior e o menor valores do conjunto de dados.
(a) AMOSTRA: R = X MAX X MIN
(b) POPULAO: R = X MAX X MIN
=> Vantagem e Desvantagem.
=> Salvo aplicaes de Controle de Qualidade, a
amplitude no muito utilizada como Medida de
Disperso.

25

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
=> A varincia definida como a mdia dos quadrados
das diferenas entre os valores em relao a sua
prpria mdia.
2
2
2
2
2
2
(a) AMOSTRA: S = S X = S ( X ) = = ( X ) = X

(b) POPULAO:

2 = 2 ( X ) = X2

=> Em se tratando de Amostra:

Conjunto de Dados => S 2 ( X ) = S X2 =

( X i X )2

i =1

N 1
k

Tabela de Freqncia => S ( X ) = S =


2

Introduo Estatstica

2
X

( X i X )2 fi

i =1

N 1

26

13

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
=> Em se tratando de Populao:

Conjunto de Dados => 2 = 2 ( X ) = X2 =

( X i X )2

i =1

N
( X i X )2 fi
k

Tabela de Freqncia => 2 = 2 ( X ) = X2 =

i =1

OBS:
(i) A varincia calculada para dados agrupados dever ser
superestimada em relao varincia exata dos N
dados originais.
27

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
Exemplo: Executar o clculo da varincia de um
conjunto pequeno de dados, formado pelos valores
seguinte: {15, 12, 10, 17, 16}
n

=
fcil ver que: x = = m

Xi

i =1

= 14

Logo: S 2 ( X ) = S X2 =

( X i X )2

i =1

N 1

Poderemos montar a seguinte Tabela Auxiliar nos


clculos:

Introduo Estatstica

28

14

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
Exemplo: Clculo da varincia de um conjunto pequeno de
dados: {15, 12, 10, 17, 16}
n

S (X ) = S =
2

2
X

( X i X )2

i =1

S 2 ( X ) = S X2 =

N 1

34
= 8,5
4

Nota-se que as expresses apresentadas no so as mais


apropriadas para o clculo da varincia, pois a mdia
quase sempre um valor fracionrio, o que viria a dificultar o
2
29
clculo dos desvios ( X i X ) .

Medidas de Disperso (ou de


Variabilidade)
9 Varincia

( X i X )2

Note que o numerador pode ser trabalhado: S 2 ( X ) = S X2 = i =1

n 1

( X i X ) 2 = ( X i2 2 X i X + X 2 )
= X i2 2 XX i + NX 2
X i
X
= X 2
X i + N i
N
2N
2
X
X
(

)
(

i
i)
= X i2 2
+
N
N
2
( X i )
( X i X ) 2 = X i2
N

2
i

Introduo Estatstica

30

15

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
Assim, para um conjunto com N dados:
n

i=1 X i
n
n
2

( X i X ) 2 i=1 X i
2
2
N
=
S ( X ) = S X = i =1
N 1
N 1

Da mesma forma, para dados agrupados em Tabela de


freqncia, teremos:
k

i=1 X i f i
k
k
2

( X i X ) 2 f i i=1 X i f i
2
2
N
i =1
=
S (X ) = SX =
N 1
N 1

31

Medidas de Disperso (ou de


Variabilidade)
9 Varincia
Exemplo: 50 determinaes do tempo (em segundos)
gasto por um funcionrio

684

i=1 X i f i
k
(2.725)2

X i2 f i
150.775
i =1
50
N
=
= 46,17
S 2 ( X ) = S X2
49
N 1

Introduo Estatstica

32

16

Medidas de Disperso (ou de


Variabilidade)
9 Propriedades da Varincia
(a) Multiplicando-se todos os valores de uma varivel por
uma constante, a varincia do conjunto fica multiplicada
pelo quadrado dessa constante.
(b) Somando-se ou subtraindo-se uma constante a todos os
valores de uma varivel, a varincia no se altera.
OBS: (i) A varincia uma medida de disperso importante na
teoria estatstica;
(ii) Do ponto de vista prtico, ela tem o inconveniente de se
expressar em unidade quadrtica em relao a varivel em
questo.
33

Medidas de Disperso (ou de


Variabilidade)
9 Desvio Padro
=> Definimos desvio padro como a raiz quadrada positiva
da varincia.
=> O clculo do desvio padro feito por meio da varincia.
(a) AMOSTRA: S = S X = S ( X ) = = ( X ) = X
(b) POPULAO:

= (X ) = X

=> Em se tratando de Amostra: S ( X ) = S X = + S X2


34

Introduo Estatstica

17

Medidas de Disperso (ou de


Variabilidade)
9 Desvio Padro
OBS: (i) O desvio padro se expressa na mesma unidade da
varivel, sendo por isso, de maior interesse que a varincia
nas aplicaes prticas;
(ii) mais realstico para efeito de comparao de disperses.
Exemplo: 50 determinaes do tempo (em segundos) gasto
por um funcionrio
2
k

X
f

i
i
k
i =1
(2.725)2

X i2 f i
150.775
i =1
50
N
=
= 46,17
S 2 ( X ) = S X2
49
N 1

S ( X ) = S X = 46,17 = 6,79

35

Medidas de Disperso (ou de


Variabilidade)
9 Coeficiente de Variao
=> O coeficiente de variao definido como o quociente
entre o desvio padro e a mdia, sendo
frequentemente expresso em porcentagem.
^ ( X ) = CV
^
(a) AMOSTRA: CV
X
(b) POPULAO: CV ( X ) = CV X
=> Em se tratando de Amostra:
^ ( X ) = CV
^ = SX
CV
X
X

Introduo Estatstica

36

18

Medidas de Disperso (ou de


Variabilidade)
9 Coeficiente de Variao
Exemplo: 50 determinaes do tempo (em segundos)
gasto por um funcionrio
^ ( X ) = CV
^ = SX
CV
X
X

S
6,79
^
^
CV ( X ) = CV X = X =
= 0,125 = 12,46%
X 54,5

37

Medidas de Disperso (ou de


Variabilidade)
9 Coeficiente de Variao
OBS: (i) A vantagem caracterizar a disperso dos dados em
termos relativos ao seu valor mdio;
(ii) Pequena disperso absoluta pode ser, na verdade
considervel, quando comparada com a ordem de
grandeza dos valores da varivel. Quando consideramos o
CV, enganos de interpretaes desse tipo no ocorrem;
(iii) Alm disso, por ser adimensional, o CV fornece uma
maneira de se compararem as disperses de variveis
cujas medidas so irredutveis.
38

Introduo Estatstica

19

Momentos de uma
Distribuio de Dados

Jlio Cesar de C. Balieiro

39

Momentos de uma Distribuio


9 Alguns conceitos
Definimos o momento de ordem t de um conjunto de
dados como:
n

Mt =

X it

i =1

Definimos o momento de ordem t centrado em relao a


uma constante a como:
n

M ta =

Introduo Estatstica

( X i a)t

i =1

40

20

Momentos de uma Distribuio de


Freqncias
9 Alguns conceitos
J vimos que temos interesse no caso de momento centrado
em relao a mdia, o qual designaremos simplesmente por
momento centrado, dado por:
n

mt =

( X i X )t

i =1

Tambm sabemos que, nos casos da mdia e da varincia,


as expresses podem ser reescritas levando-se em
considerao Tabelas de freqncias dos diferentes valores
existentes.
41

Momentos de uma Distribuio de


Freqncias
9 Alguns conceitos
Assim, para dados agrupados em Tabela de Freqncia,
teremos:
k

X it f i

i =1

=> Para momento de ordem t

n
k

( X i a)t fi

Mta = i=1

mt =

Introduo Estatstica

( X i X )t f i

i =1

=> Para momento de ordem


t centrado em relao a
uma constante a
=> Para momento de ordem t
centrado em relao a uma
constante mdia

42

21

Momentos de uma Distribuio de


Freqncias
9 Alguns conceitos
Nos interessa particularmente saber calcular os momentos
centrados de terceira e quarta ordem.
n

mt =
n

m3 =

( X i X )3

i =1

m4 =

i =1

i =1

X i3

X i2

3X

i =1

( X i X )4

( X i X )t

i =1

X i4

i =1

+ 2X 3

4X

X i3

i =1

+ 6X 2

X i2

i =1

3X 4
43

Momentos de uma Distribuio de


Freqncias
9 Alguns conceitos
Havendo Tabelas de Freqncias com k classes a
considerar, as expresses equivalentes so:
k

mt =
k

m3 =

X i3 f i

i =1

m4 =

Introduo Estatstica

i =1

i =1

X i2 f i

3X

X i4 f i

( X i X )t f i

i =1

+ 2X 3

4X

X i3 f i

i =1

+ 6X 2

X i2 f i

i =1

3X 4

44

22

Medidas de Assimetria
Essas medidas procuram caracterizar como e quanto a
distribuio dos Dados(ou freqncias) se afasta da condio
de simetria.
Distribuies alongadas a direita so ditas Positivamente
Assimtricas.
Distribuies
alongadas
a
Negativamente Assimtricas.

esquerda

so

ditas

45

Medidas de Assimetria
O momento centrado de terceira ordem pode ser usado
como medida de assimetria.
Entretanto mais conveniente a utilizao de uma medida
adimensional, definida como Coeficiente de Assimetria, dado
por:
m

a3 =

(S X )3
Assim basta criamos uma
3
nova coluna com X i f i .

684

E utilizarmos momento
centrado de 3 ordem:
k

X i3 f i

m3 = i =1

Introduo Estatstica

3X

X i2 f i

i =1

+ 2 X 346

23

Medidas de Assimetria
Desta forma, poderemos classificar o Coeficiente de
Assimetria (a3) da seguinte forma:
(i) Se a3 = 0 a distribuio Simtrica;
(ii) Se a3 > 0 a distribuio Assimtrica direita
(Assimetria Positiva);
(iii) Se a3 < 0 a distribuio Assimtrica Esquerda
(Assimetria Negativa).

Fonte: Ferreira, D. F. Estatstica Bsica. Ed. UFLA, 2005.


664 p.

47

Medidas de Assimetria
Outra medida de assimetria mais simples pode ser obtido pelo
ndice de Assimetria de Pearson:

A=

X m 0
SX

O ndice de Assimetria de Pearson tambm pode ser


facilmente classificado:

| A |< 0 ,15 => Distribuio praticamente Simtrica;


0 ,15 < | A |< 1, 0 => Distribuio moderadamente Assimtrica;
| A | > 1, 0

Introduo Estatstica

=> Distribuio fortemente Assimtrica.

48

24

Medidas de Assimetria
Exemplo: 50 determinaes do tempo (em segundos) gasto por
um funcionrio
k

X i fi 2.725
= i =1
x = = m
=
= 54,5
50
n

m o = Li +

d1
h
d1 + d 2

m o = 49,5 +

8
5 = 52,833
8+ 4

684

i=1 X i f i
k
2

X i fi
i =1
2
N
SX =
= 46,17
N 1

S X = 46,17 = 6,79

A=

X m 0 54,5 52,833
=
= 0,246
6,79
SX

49

Medidas de Assimetria
Exemplo: 50 determinaes do tempo (em segundos) gasto por
um funcionrio
A=

X m 0 54,5 52,833
=
= 0,246
SX
6,79

Pelo ndice de Assimetria de Pearson essa distribuio seria


classificada como Moderadamente Assimtrica, pois
0 ,15 < | A |< 1, 0 .
De fato isso ocorre, pois
quando
utilizados
uma
Tcnica
de
Descrio
Grfica
para
Variveis
Quantitativas
Contnuas,
detectamos a Assimetria
Moderada.

Introduo Estatstica

50

25

Medidas de Achatamento ou
Curtose
Essas medidas procuram caracterizar a forma da distribuio
quanto ao seu achatamento.
O termo mdio de comparao dado pela Distribuio
Normal, que um modelo terico de distribuio a ser
estudado no captulo relacionado Probabilidades.
Quanto ao achatamento, podemos ter as seguintes situaes:
Platicrticas, Mesocrticas e Leptocrticas.

51

Medidas de Achatamento ou
Curtose
A caracterizao do achatamento de uma distribuio s tem
sentido, em termos prticos, se a distribuio for
aproximadamente Simtrica.
Entre as possveis medidas de achatamento, destacamos o
Coeficiente de Curtose.
O Coeficiente de Curtose obtido pelo quociente do momento
centrado de 4 ordem pelo quadrado da varincia, ou seja:

a4 =

m4
m4
=
( S X2 ) 2 S X4
52

Introduo Estatstica

26

Medidas de Achatamento ou
Curtose
Trata-se de coeficiente adimensional, permitindo a sua
classificao:

a 4 < 3,0

=> Distribuio Platicrtica;

a 4 = 3,0

=> Distribuio Mesocrtica;

a 4 > 3,0

=> Distribuio Leptocrtica.

53

Medidas de Achatamento ou
Curtose
Exemplo: 50 determinaes do tempo (em segundos) gasto por
um funcionrio
Assim, basta criamos
duas novas colunas
com: X i3 f i e X i4 f i .
684

E utilizarmos momento centrado de 4 ordem:


n

m4 =

Introduo Estatstica

X i4 f i

i =1

4X

X i3 f i

i =1

+ 6X 2

X i2 f i

i =1

3X 4

54

27

Medidas de Achatamento ou
Curtose
Exemplo: 50 determinaes do tempo (em segundos) gasto por
um funcionrio

a4 =

m4
m
= 44 2 , 21 => Distribuio ligeiramente
2 2
Platicrtica.
(S X )
SX

55

Medidas de Achatamento ou
Curtose
Outra medida de achatamento mais simples pode ser obtido
pelo Grau de Curtose, dado pelo coeficiente:

K=

Q3 Q1
2( P90 P10 )

em que,

Q3
Q1
P90

= o 1 Quartil;

P90

= o 10 Percentil.

= o 3 Quartil;

= o 90 Percentil;

56

Introduo Estatstica

28

Medidas de Achatamento ou
Curtose
Quartis => dividem um conjunto de dados em quatro partes
iguais.
0%

25%

50%

75%

Q1

Q2

Q3

100%

em que,

Q1
Q2

= o 1 Quartil deixa 25% dos elementos;

Q3

= o 3 Quartil deixa 75% dos elementos.

= o 2 Quartil deixa 50% dos elementos e coincide com a


Mediana;
57

Medidas de Achatamento ou
Curtose
9 Frmulas para clculo de Q1 e Q3 para o caso de variveis
quantitativas contnuas
(a) Determinao de Q1:

N;
4
(ii) Identifica-se a classe de Q1 pela Fi (freq. acumulada);
(i) Calcula-se:

(iii) Aplica-se a frmula:

Q1 = LQ1 +

(n / 4) Fa
h
f Q1
58

Introduo Estatstica

29

Medidas de Achatamento ou
Curtose
9 Frmulas para clculo de Q1 e Q3 para o caso de variveis
quantitativas contnuas (continuao)
(b) Determinao de Q3:
(i) Calcula-se: 3N
4
(ii) Identifica-se a classe de Q3 pela Fi (freq. acumulada);
(iii) Aplica-se a frmula:

Q3 = LQ3 +

(3n / 4) Fa
h
f Q3
59

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar os Quartis (Q1 e Q3)
e a mediana.
Classes

fi

Fi

7 17

17 27

15

21

Classe

Q1

27 37

20

41

Classe

m d

37 47

10

51

Classe

Q3

47 57

56

Q1 = LQ1 +

(n / 4) Fa
h
f Q1

m d = Li +

(n / 2) Fa
hmd
f md

Q3 = LQ3 +

(3n / 4) Fa
h
fQ3
60

Introduo Estatstica

30

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar os Quartis (Q1 e Q3)
e a mediana.
Classes

n = 56;

fi

Fi

7 17
17 27

6
15

6
21

Q1 =

n 56
=
= 14 o elemento
4 4

27 - 37
37 - 47
47 - 57

20
10
5

41
51
56

Q3 =

3n 3.56
=
= 42o elemento
4
4

n n 56 56
+ + 1 + + 1
2
2 2 2
= 28 o e 29 o elementos
m d =
=
2
2

61

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar os Quartis (Q1 e Q3)
e a mediana.
Classes

fi

Fi

7 17
17 27

6
15

6
21

27 - 37
37 - 47
47 - 57

20
10
5

41
51
56

Q1 = LQ1 +

( n / 4) Fa
h
f Q1

m d = Li +

(n / 2) Fa
hmd
f md

Q3 = LQ3 +

(3n / 4) Fa
h
f Q3

Para Q3 temos:
Para m d temos:
Para Q1 temos:
n
=
56
F
=
21
; a
; LQ = 37 ; n = 56 ; Fa
LQ = 17 ; n = 56 ; Fa = 6 ; Li = 27 ;
h = 10
h = 10 ; f m d = 20
h = 10 ; f Q = 15
; f Q 3 = 10
3

Introduo Estatstica

= 41;
62

31

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar os Quartis (Q1 e Q3)
e a mediana.
56

6
(n / 4) Fa
2

.10 = 22,33
Q1 = LQ1 +
h = 17 +
f Q1
15

m d = Li +

(n / 2) Fa
hmd
f md

56

21
2

.10 = 30,50
= 27 +
15

3.56

41

(3n / 4) Fa
4
.10 = 38,00
Q3 = LQ3 +
h = 37 +
fQ3
10

63

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar os Quartis (Q1 e Q3)
e a mediana.

Q1
25%

7 ,00

22 ,33

Q3

Q2
25%

30 ,50

25%

38 ,00

25%

57 ,00

64

Introduo Estatstica

32

Medidas de Achatamento ou
Curtose
Decis => so os valores que dividem um conjunto de dados em
10 partes iguais.
0%

10% 20% 30% 40%

50% 60% 70% 80% 90% 100%

D1

D5

D2

D3

D4

D6

D7

D8

D9

em que,

D1
D2

= o 1 Decil deixa 10% dos elementos;

...

= o 2 Decil deixa 20% dos elementos;


...

D9

= o 9 Decil deixa 90% dos elementos.


65

Medidas de Achatamento ou
Curtose
Determinao de um Decil Di:
(i) Calcula-se:

i.N
em que i = 1, 2, ..., 9;
10

(ii) Identifica-se a classe de Di pela Fi (freq. acumulada);


(iii) Aplica-se a frmula:

Di = Li +

em que,

(i.N / 10) Fa
h
f Di

Li = limite inferior da classe Di ;


n = tamanho da amostra;
Fa = soma das freqncias das classes anteriores a que Di
;fDi= freqncia da classe Di;
h = amplitude da classe Di.

Introduo Estatstica

66

33

Medidas de Achatamento ou
Curtose
Percentis => so os valores que dividem um conjunto de dados
em 100 partes iguais.
0%

1%

2%

3%

...

50% ...

P1

P2

P3

...

P50

...

97% 98% 99% 100%

P97

P98

P99

em que,

P1
P2

= o 1 Percentil deixa 1% dos elementos;

...

= o 2 Percentil deixa 2% dos elementos;


...

P99

= o 99 Percentil deixa 99% dos elementos.


67

Medidas de Achatamento ou
Curtose
Determinao de um Percentil Pi:

i.N
em que i = 1, 2, ..., 98, 99;
100
(ii) Identifica-se a classe de Pi pela Fi (freq. acumulada);
(i) Calcula-se:

(iii) Aplica-se a frmula:

Pi = Li +

em que,

(i.N / 100) Fa
h
f Pi

Li = limite inferior da classe Pi;


n = tamanho da amostra;
Fa = soma das freqncias das classes anteriores a que Pi;
fPi= freqncia da classe Pi;
h = amplitude da classe Di.

Introduo Estatstica

68

34

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar o Grau de Curtose
(K).
Classes
7 17
17 27
27 - 37
37 - 47
47 - 57

fi
6
15
20
10
5

Fi
6
21
41
51
56

K=

Q3 Q1
2( P90 P10 )

J tnhamos obtidos:
Q1 = 22,33 e Q3 = 38,00
Pi = Li +

(i.N / 100) Fa
h
f Pi

Para P90 temos:

Para P10 temos:


LP10 = 7 ; n = 56 ; Fa = 0;

LP90 = 37 ; n = 56 ; Fa = 41 ;

h = 10 ; f P10 = 6

h = 10 ; f P90 = 10
P90 = 46,40

P10 = 16,33

69

Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuio, determinar o Grau de Curtose
(K).
Classes
7 17
17 27
27 - 37
37 - 47
47 - 57

K=

Q3 Q1
2( P90 P10 )

fi

Fi

K=

6
15
20
10
5

6
21
41
51
56

Agora temos tudo:


Q1 = 22,33 e Q3 = 38,00
P10 = 16,33 e P90 = 46,40

Q3 Q1
38,00 22,33
=
= 0,2606
2( P90 P10 ) 2(46,40 16,33)
70

Introduo Estatstica

35

Medidas de Achatamento ou
Curtose
Assim o Grau de Curtose, de ser classificado da seguinte
forma:

K=

Q3 Q1
2( P90 P10 )

K = 0 , 263 => Distribuio de freqncia Mesocrtica;


K > 0 , 263 => Distribuio de freqncia Platicrtica;
K < 0 , 263

=> Distribuio de freqncia Leptocrtica.


71

Introduo Estatstica

36

Você também pode gostar