Explorac3a7c3a3o e Transformac3a7c3a3o de Dados

Explorao e Transformao
de dados
EXPLORAO E TRANSFORMAO DE DADOS
A DISTRIBUIO NORMAL
Normal
99%
95%
68%
Z-score -3,29 -2,58 -1,96 1,96 2,58 3,29

Normal
A distribuio normal corresponde a um modelo terico ou ideal obtido a

partir de uma equao matemtica, e no de uma pesquisa e coleta de
dados.
Pode ser usada para descrever distribuies de escores, interpretar o

desvio-padro e fazer afirmaes probabilsticas.
fundamental para a tomada de deciso estatstica, mais

especificamente, para generalizao de resultados de amostras para
populaes.
Normal
Caractersticas da Distribuio Normal
1) A varivel aleatria poder assumir qualquer valor real.
2) A apresentao grfica da distribuio normal corresponde a uma

curva em forma de sino, denominada tambm de Curva de Gauss ou
Curva de Moivre.
3) simtrica em torno da mdia: obtm-se a mesma ordenada (Y) e o

mesmo valor de probabilidade para dois valores de x.
Normal
Caractersticas da Distribuio Normal (continuao)
Curva Normal ou Gaussiana.

Normal
4) A curva normal admite uma nica ordenada mxima (pico), situada

na mdia, e assim as medidas de tendncia central (mdia, moda e
mediana) so iguais.
5) Quanto mais os valores se afastam da mdia (pico) tendem a se

tornar mais raros.
Normal
6) A distribuio normal, em sua representao grfica, apresenta

sempre dois pontos de inflexo (modificao da tendncia em relao ao
eixo das abscissas) e assinttica em relao ao eixo da varivel x (no
toca o eixo x varia de - a + ).
Normal
Curva Normal: assinttica e com dois pontos de inflexo.
Ponto de Ponto de
inflexo inflexo
Assntota (- ) Assntota (+ )
Normal
7) A rea total sob a curva corresponde proporo 1 ou

porcentagem 100%.
rea total sob a curva
100%
Normal
8) A probabilidade de ocorrer valor maior ou menor que a mdia

equivalente, sendo igual a 0,50 ou 50%.
50% 50%
Normal
Importncia da Distribuio Normal
1) As medidas originrias de diversos processos aleatrios seguem

essa distribuio ( um ideal terico para a pesquisa cientfica).
2) A distribuio amostral de estatsticas, ao se aproximar da

normalidade, serve de base para a inferncia estatstica, visto que se
busca generalizar para a populao os dados obtidos na amostra.
Normal
Curva Normal Padronizada (escore-padro)
Para reduzir a infinidade de curvas normais possveis a partir de tal

modelo (visto que se trabalham com mdias e desvios-padro) utiliza-se
um recurso para tornar comparveis as diversas curvas normais.
ESCORE-PADRO OU DESVIO REDUZIDO (z)

Normal
O escore-padro indica, em unidades de desvio-padro, o sentido e a

intensidade com que determinado resultado bruto se afasta da mdia da
distribuio qual pertence.
z escore- padro
X -X X determinado resultado bruto

z X mdia da distribuio
s
s desvio - padro da distribuio
Normal
Exemplo: um conjunto de notas de QI tem distribuio normal, com

mdia 100 e desvio-padro 15. Qual o escore padro de um indivduo
que tenha obtido no teste de inteligncia empregado X = 120, e como
este dado deve ser interpretado.
X -X 120 - 100
z z 1,33
s 15
Uma pessoa com 120 de QI est + 1,33 desvio-padro acima da mdia.
Normal rea sob a Curva Normal

Normal
rea sob a Curva Normal - relaes entre os valores de z.
Para z 1,96 0,95 ou 95% da rea total.
rea fora do limite 0,05 ou 5% da rea total.
Para z 2,58 0,99 ou 99% da rea total.
rea fora do limite 0,01 ou 1% da rea total.

Normal
Para z 1,96 => 0,95 ou 95% da rea total.

Normal
Para z 2,58 => 0,99 ou 99% da rea total.

Normal
rea fora do limite = 0,05 ou 5% da rea total.

Normal
rea fora do limite = 0,01 ou 1% da rea total.

Normal
Tabelas da Curva Normal
Permitem resolver dois tipos de problemas:
1) Qual a proporo ou rea correspondente a determinado(s) valor(es)

da distribuio?
2) Qual (is) o(s) valor(es) da distribuio correspondente(s) a

determinada(s) rea(s) ou proporo(es)?
Normal
Exemplo: um teste de inteligncia foi aplicado em um grupo de 50

estudantes de uma srie. Os resultados obtidos apresentaram uma
distribuio aproximadamente normal, com mdia 50 e desvio-padro 6.
a) Qual a proporo de alunos com notas superiores a 60?
b) Qual o nmero de alunos com notas compreendidas entre 35 e 45?

Normal
Exemplo: Qual a proporo de alunos com notas superiores a 60?
1) Transforma-se a nota 60 em desvio-reduzido:
X -X 60 - 50
z z 1,67
s 6
Normal
Localizao da rea da curva normal 1,67 acima da mdia
rea da curva normal acima do desvio reduzido z = 1,67

Normal
2) Encontra-se o dado na Tabela referente rea entre a origem e um

valor determinado de z:
rea total compreendida entre a origem e z = 1,67: 0,45254

Normal

Tabela (rea entre a origem e um valor determinado de z)
Normal

Tabela (rea entre a origem e um valor determinado de z)
rea total compreendida entre a origem e z = 1,67: 0,45254

Normal
3) Subtrai-se a rea total entre a origem e + para determinar a rea

desejada:
0,500000 0,45254 = 0,04746 4,75%
Porcentagem de alunos com notas superiores a 60

Normal
Exemplo: Qual o nmero de alunos com notas compreendidas

entre 35 e 45?
1) Calculam-se os desvios reduzidos:
35 - 50
X 35 z1 2,50
6
45 - 50
X 45 z2 0,83
6
Normal

entre 35 e 45?
Localizao da rea da curva normal entre 2,50 e 0,83
Normal

entre 35 e 45?
2) Encontram-se na Tabela os dados referentes rea entre a origem

e os valores determinados de z:
rea total compreendida entre a origem e z1 = - 2,50: 0,49379
rea total compreendida entre a origem e z2 = - 0,83: 0,29673

Normal

entre 35 e 45?
3) Subtraem-se as reas encontradas:
0,49379 0,29673 = 0,19706 19,71%
Porcentagem de alunos com notas entre 35 e 45

Normal

entre 35 e 45?
4) Multiplica-se a porcentagem total encontrada pelo tamanho da

amostra:
19,71% x 50 = 9,86
Por se tratar de uma varivel discreta, deve-se arredondar para

10, ou seja, 10 alunos possuem notas entre 35 e 45.
Normal
Aplicaes
Teoria da Amostragem: segundo o Teorema Central do Limite, quando n

30, o uso da distribuio normal garantido para a estimativa de
mdias e propores populacionais.
Testes de Hipteses: testar hipteses sobre mdias ou diferenas entre

mdias de dois ou mais grupos.
Distribuio Normal Testes paramtricos
Explorao de Dados
Pressupostos de um teste paramtrico:
1) Distribuio normal (ou aproximadamente

normal) dos dados.
Pressupostos de um teste paramtrico:
2) Independncia entre as unidades de anlise.

Ex.: O comportamento de um participante no
pode influenciar o comportamentos de outro
participante.
3) Dados quantitativos (intervalares ou de razo).
4) Homogeneidade das varincias

(homoscedasticidade): as varincias devem ser as
mesmas para as diferentes populaes
consideradas.
Como testar a hiptese de normalidade

de uma distribuio?
1) Estudar a assimetria e a curtose da distribuio

Como testar a hiptese de normalidade de uma distribuio?

Passos 1) Estudar a assimetria e a curtose da distribuio
Assimetria e Curtose = 0 (zero) Distribuio perfeitamente normal
50% 50%

Coeficiente de assimetria: grau de deformao de uma distribuio
Escalas de Assimetria:
| AS | < 0,15 => assimetria pequena
0,15 < | AS | < 1 => assimetria moderada
| AS | > 1 => assimetria elevada
Assimetria positiva: Assimetria negativa:

valores esquerda valores direita

Coeficiente de curtose: grau de achatamento de uma distribuio
Curtose positiva: Curtose negativa:
distribuio leptocrtica distribuio platicrtica
K = 0,049 K = -0,968
EP = 0,535 EP = 0,717

de uma distribuio?
2) Procurar valores atpicos (outliers)


Passos 2) Procurar valores atpicos (outliers)
Um valor atpico (outlier) um escore que se dispersa

bastante dos demais escores de uma distribuio, podendo
enviesar significativamente a mdia amostral.
Como identificar um caso outlier?
1) Estudar graficamente a distribuio de frequncias: BOXPLOT
2) Transformar os escores brutos em escores-z.


Passos 2) Procurar valores atpicos (outliers)
BOXPLOT: Apresenta diversas informaes sobre o
conjunto dos dados.

de uma distribuio?
3) Ajustar a distribuio

Passos 3) Ajustar a distribuio
1) A princpio, deve-se verificar possveis erros de digitao.
Se no houver erros de digitao:

Possibilidades
a) Remover o caso outlier, entendendo que ele no pertence

populao investigada.
b) Substituir o valor (ex.: substituir pelo prximo escore mais alto

adicionado de um; inverter o valor do escore-z; substituir pela mdia
mais dois desvios-padro).
c) Transformar os dados.

de uma distribuio?
4) Realizar testes de normalidade


Passos 4) Realizar testes de normalidade
So duas as tcnicas mais comumente empregadas para o teste da
hiptese de normalidade. Ambas testam a hiptese de que os dados
da amostra esto normalmente distribudos, baseando-se no valor
absoluto da diferena mxima entre a distribuio cumulativa
observada e a distribuio cumulativa esperada, assumindo o
pressuposto da normalidade.
observada esperada

Testes para a hiptese de normalidade:
a)Kolmogorov-Smirnov (K-S): 50 casos
b)Shapiro-Wilk < 50 casos
H0 = A caracterstica em estudo da populao segue a

distribuio normal (ou no h diferenas significativas entre
a frequncia observada e a esperada)
H1 = A caracterstica em estudo da populao no segue a

distribuio normal (ou h diferenas significativas entre a
frequncia observada e a esperada)

Tais estatsticas baseiam-se na maior diferena absoluta
entre a frequncia acumulada observada e a estimada pela
distribuio normal.
Se p > 0,05 = corrobora H0 (distribuio normal)
Se p 0,05 = corrobora H1 (distribuio no normal)


LIMITAO DE TAIS TESTES
Com amostras grandes muito fcil obter valores

significativos a partir de pequenos desvios de normalidade.
Assim, um resultado significativo no necessariamente nos

informa se o desvio da normalidade suficiente para prejudicar
os procedimentos estatsticos que sero aplicados futuramente
aos dados.

de uma distribuio?
5) Realizar o teste de homoscedasticidade


Passos 5) Realizar o teste de homoscedasticidade
Caso tenham sido coletados grupos de dados, a varincia da

varivel critrio deve ser a mesma em cada um desses grupos.
Ex.: As varincias entre homens e mulheres deve ser a mesma

para a mdia geral de desejo de permanncia na organizao.
O teste mais comumente empregado para o teste da

homoscedasticidade o teste de Levene, o qual testa a
hiptese nula de que a varincia entre os grupos a mesma
(diferena entre as varincias igual a zero).

Teste de Levene
Se p > 0,05 = corrobora H0 (varincias so homogneas)
Se p 0,05 = corrobora H1 (varincias no so homogneas)
LIMITAO DO TESTE DE LEVENE

Assim como o teste K-S, quando o tamanho da amostra
grande, pequenas diferenas entre os grupos podem produzir
um teste de Levene significativo.
SOLUO

Teste de Levene
Calcular a razo das varincias: dividir o valor da maior

varincia entre os grupos do valor da menor varincia.
Ex.:
r = 0,536/0,486
r = 1,10
Se r < 2, h
homogeneidade
das varincias
Testando a hiptese de normalidade de

uma distribuio no SPSS
Testando a hiptese de normalidade no SPSS
SPSS:
Menu ANALYZE
Comando Explore
Analyze > Descriptive Statistics > Explore

Caso se deseje testar a normalidade de uma nica

varivel, independentemente da sua distribuio entre
grupos:

Clicar em Statistics:

Selecionar outliers e Continue:

Clicar em Plots:

Selecionar Histogram e Normality Plots with tests:

Clicar em OK:

Output

Output
Apresenta os cinco
outliers superiores e os
cinco inferiores

Output
p < 0,05 (significativo) => distribuio no-normal


Output
Normal Q-Q Plot

Qualquer desvio dos pontos em relao linha reta diagonal
representa um desvio da normalidade.
Quando a linha fica de forma

consistente abaixo da diagonal
ou acima, mostra-se que a
curtose diferente de uma
distribuio normal.
Quando os pontos apresentarem

uma forma de S, mostra-se
assimetria.
Detrended Normal Q-Q Plot
Espera-se uma
distribuio em torno
de 0,00 e um equilbrio
na disperso dos
escores acima e
abaixo de 0,00.
Box Plot
Transformando Dados no SPSS

Transformando Dados
Transformando Dados
Transform > Compute
Numeric Expression Adiciona-se a constante 1 para

assegurar que todos os valores so
LG10(varivel + 1) ou
maiores do que zero.
SQRT(varivel)
1/(varivel + 1) => recproca
importante comparar a distribuio

original com a distribuio transformada,
a fim de verificar se houve um ajuste
significativo para os dados.
Comparao entre dados originais e transformados
Ass = 0,051 Transformao

aumentou a Ass e a K. Ass = -0,627
K = 0,872 K = 1,753
Teste da Homoscedasticidade entre grupos

Teste da Homoscedasticidade
Inserir varivel que possui os grupos para teste da homogeneidade
das varincias da varivel critrio
Untransformed: o teste de Transformed: o teste de

Levene ser realizado com Levene ser realizado com
os dados brutos os dados transformados
p > 0,05 (no-significativo) => varincias homogneas

entre homens e mulheres
Comunicao do Teste de Levene:
F (df1, df2) = valor
F (1, 1860) = 1,823, p > 0,05.

Se, aps todas estas tcnicas, sua

distribuio for no-normal, considere
utilizar os TESTES NO-PARAMTRICOS

Explorac3a7c3a3o e Transformac3a7c3a3o de Dados

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Explorac3a7c3a3o e Transformac3a7c3a3o de Dados

Enviado por

Direitos autorais:

Formatos disponíveis

Explorao e Transformao

Z-score -3,29 -2,58 -1,96 1,96 2,58 3,29

A distribuio normal corresponde a um modelo terico ou ideal obtido a

Pode ser usada para descrever distribuies de escores, interpretar o

fundamental para a tomada de deciso estatstica, mais

Caractersticas da Distribuio Normal

1) A varivel aleatria poder assumir qualquer valor real.

2) A apresentao grfica da distribuio normal corresponde a uma

3) simtrica em torno da mdia: obtm-se a mesma ordenada (Y) e o

Caractersticas da Distribuio Normal (continuao)

Curva Normal ou Gaussiana.

Caractersticas da Distribuio Normal (continuao)

4) A curva normal admite uma nica ordenada mxima (pico), situada

5) Quanto mais os valores se afastam da mdia (pico) tendem a se

Caractersticas da Distribuio Normal (continuao)

6) A distribuio normal, em sua representao grfica, apresenta

Caractersticas da Distribuio Normal (continuao)

Curva Normal: assinttica e com dois pontos de inflexo.

Caractersticas da Distribuio Normal (continuao)

7) A rea total sob a curva corresponde proporo 1 ou

rea total sob a curva

Caractersticas da Distribuio Normal (continuao)

8) A probabilidade de ocorrer valor maior ou menor que a mdia

Importncia da Distribuio Normal

1) As medidas originrias de diversos processos aleatrios seguem

2) A distribuio amostral de estatsticas, ao se aproximar da

Curva Normal Padronizada (escore-padro)

Para reduzir a infinidade de curvas normais possveis a partir de tal

ESCORE-PADRO OU DESVIO REDUZIDO (z)

Curva Normal Padronizada (escore-padro)

O escore-padro indica, em unidades de desvio-padro, o sentido e a

X -X X determinado resultado bruto

Curva Normal Padronizada (escore-padro)

Exemplo: um conjunto de notas de QI tem distribuio normal, com

Normal rea sob a Curva Normal

rea sob a Curva Normal - relaes entre os valores de z.

Para z 1,96 0,95 ou 95% da rea total.

rea fora do limite 0,05 ou 5% da rea total.

Para z 2,58 0,99 ou 99% da rea total.

rea fora do limite 0,01 ou 1% da rea total.

rea sob a Curva Normal - relaes entre os valores de z.

Para z 1,96 => 0,95 ou 95% da rea total.

rea sob a Curva Normal - relaes entre os valores de z.

Para z 2,58 => 0,99 ou 99% da rea total.

rea sob a Curva Normal - relaes entre os valores de z.

rea fora do limite = 0,05 ou 5% da rea total.

rea sob a Curva Normal - relaes entre os valores de z.

rea fora do limite = 0,01 ou 1% da rea total.

Tabelas da Curva Normal

Permitem resolver dois tipos de problemas:

1) Qual a proporo ou rea correspondente a determinado(s) valor(es)

2) Qual (is) o(s) valor(es) da distribuio correspondente(s) a

Tabelas da Curva Normal

Exemplo: um teste de inteligncia foi aplicado em um grupo de 50

a) Qual a proporo de alunos com notas superiores a 60?

b) Qual o nmero de alunos com notas compreendidas entre 35 e 45?

Tabelas da Curva Normal

Exemplo: Qual a proporo de alunos com notas superiores a 60?

1) Transforma-se a nota 60 em desvio-reduzido:

Tabelas da Curva Normal

Exemplo: Qual a proporo de alunos com notas superiores a 60?

Localizao da rea da curva normal 1,67 acima da mdia

rea da curva normal acima do desvio reduzido z = 1,67

Tabelas da Curva Normal