Você está na página 1de 128

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

CAPÍTULO 2

ANÁLISE DESCRITIVA E EXPLORATÓRIA DE DADOS

PROF. JOSEMIR R. DE ALMEIDA

( josemirufscar@gmail.com )

1
1
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS ANÁLISE ESTATÍSTICA: RESUMO 2
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
ANÁLISE ESTATÍSTICA: RESUMO
2

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Amostragem

Associada à coleta de dados, a tecnologia da amostragem desenvolveu um conjunto de técnicas para obtenção de amostras convenientemente obtidas da população de interesse.

Exemplos:

• Pesquisas de mercado

• Pesquisas de opinião pública

• Ensaios clínicos

3
3

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Estatística Descritiva

A disponibilidade de uma grande quantidade de dados e de métodos computacionais muito eficientes revigorou esta área da Estatística.

Etapa inicial da análise utilizada para descrever, organizar e resumir os dados coletados.

4
4

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Probabilidade

A teoria das probabilidades auxilia na modelagem de

fenômenos aleatórios, ou seja, aqueles em que está presente a incerteza.

É uma ferramenta fundamental para a inferência estatística.

Inferência Estatística

Inferência Estatística

Inferência Estatística

Conjunto de técnicas que permite, a partir de dados amostrais, tirar conclusões (inferir) sobre a população de interesse, tentando controlar e minimizar os erros.

5
5
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS PRIMEIRO PASSO: Qual o objetivo do estudo?
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
PRIMEIRO PASSO:
Qual o objetivo do estudo?
Uma caracterização dos alunos de uma
determinada turma de IPAEE.
6
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS SEGUNDO PASSO: Quais as informações
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
SEGUNDO PASSO:
Quais as informações disponíveis?
CONJUNTO DE DADOS:
Um conjunto de dados estatísticos consiste de uma ou
mais medidas, escores ou valores observados (coletados) de
certo número de indivíduos, animais, objetos, ensaios,
experimentos, etc.
7
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS SEGUNDO PASSO: Quais as informações
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
SEGUNDO PASSO:
Quais as informações disponíveis?
ASPECTO BÁSICO DA INFORMAÇÃO:
A análise estatística de um conjunto de dados só faz sentido
quando existir “variabilidade” nos valores observados, ou seja, os
valores devem apresentar diferenças nas diferentes unidades de
observação utilizadas.
A não existência de variabilidade entre as observações torna
desnecessária a utilização de qualquer método estatístico.
8
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS Quais as informações disponíveis? SEGUNDO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
Quais as informações disponíveis?
SEGUNDO PASSO:
id
curso
sexo
idade
altura
peso
fuma
horasTV
aparTV
escolPai
1
EQ
F
17
1,60
60,5
N
16
2
Fnd
2
EQ
F
18
1,69
55,0
N
7
1
Med
3
QU
M
18
1,85
72,8
N
15
2
Med
4
QU
M
25
1,85
80,9
N
20
2
Med
5
EQ
F
19
1,58
55,0
N
5
1
Sup
6
EM
M
19
1,76
60,0
N
2
2
Sup
7
EM
F
20
1,60
58,0
N
7
1
Med
8
EQ
F
18
1,64
47,0
S
10
1
Fnd
9
EQ
F
18
1,62
57,8
N
12
3
Sup
10
EM
F
17
1,64
58,0
N
10
2
Med
11
QU
F
18
1,72
70,0
S
8
2
Sup
12
EQ
F
18
1,66
54,0
N
0
3
Med
13
EQ
F
21
1,70
58,0
N
30
2
Sup
14
EM
M
19
1,78
68,5
S
2
1
Med
15
EM
F
18
1,65
63,5
N
10
1
Fnd
46
QU
F
19
1,70
50,0
N
8
1
Med
47
EM
F
19
1,55
54,5
N
3
2
Med
48
EM
F
18
1,60
50,0
N
5
1
Med
49
QU
M
17
1,80
71,0
N
14
1
Fnd
50
EM
M
18
1,83
86,0
N
20
1
Med
9
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS Quais as informações disponíveis? V1:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
Quais as informações disponíveis?
V1: Identificação do aluno
Variável:
V2: Curso do aluno;
V3: Sexo;
V4: Idade;
V5: Altura;
Qualquer característica
associada a uma
população.
V6: Peso;
V7: Fuma ou não;
V8: Horas gastas por semana assistindo TV;
V9: Quantidade de aparelhos de TV;
V10: Nível de escolaridade do pai.
10
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS TIPOS DE VARIÁVEIS: V1: Identificação do aluno
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
TIPOS DE VARIÁVEIS:
V1: Identificação do aluno
V2: Curso do aluno;
VARIÁVEIS QUALITATIVAS:
V3: Sexo;
V4: Idade;
V5: Altura;
V6: Peso;
V7: Fuma ou não;
Denominamos variáveis
qualitativas ( ou categóricas)
aquelas medidas
(características) observadas na
amostra que apenas
identificam a unidade de
V8: Horas gastas por semana assistindo TV;
observação.
V9: Quantidade de aparelhos de TV;
V10: Nível de escolaridade do pai.
Uma variável categórica
identifica um atributo, classe
ou qualidade da unidade em
observação.
11
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS TIPOS DE VARIÁVEIS: V1: Identificação do aluno
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
TIPOS DE VARIÁVEIS:
V1: Identificação do aluno
V2: Curso do aluno;
VARIÁVEIS QUALITATIVAS:
V3: Sexo;
QUALITATIVAS NOMINAIS:
V4: Idade;
V5: Altura;
V6: Peso;
V7: Fuma ou não;
Apenas identificam um
atributo à unidade
experimental sem qualquer
outra propriedade.
V8: Horas gastas por semana assistindo TV;
QUALITATIVAS ORDINAIS:
V9: Quantidade de aparelhos de TV;
V10: Nível de escolaridade do pai.
Identificam um atributo que
estabelece uma estrutura de
ordem nas unidades de
observação.
12
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS TIPOS DE VARIÁVEIS: V1: Identificação do aluno
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
TIPOS DE VARIÁVEIS:
V1: Identificação do aluno
V2: Curso do aluno;
V3: Sexo;
VARIÁVEIS QUANTITATIVAS
QUANTITATIVAS DISCRETAS:
V4: Idade;
V5: Altura;
Podem assumir um conjunto
finito ou enumerável de
V6: Peso;
valores (geralmente decorre
de processos de contagem).
V7: Fuma ou não;
V8: Horas gastas por semana assistindo TV;
QUANTITATIVAS CONTÍNUAS:
V9: Quantidade de aparelhos de TV;
V10: Nível de escolaridade do pai.
Podem assumir infinitos
valores num intervalo de
números reais (conjunto não
enumerável).
13
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS 14
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
14
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS OBSERVAÇÕES: 1. Para cada tipo de variável
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
OBSERVAÇÕES:
1. Para cada tipo de variável existem técnicas apropriadas para
organizar e resumir a informação, embora em muitos casos se
verifique que as técnicas usadas em um caso podem ser
adaptadas para outros.
2. Uma variável quantitativa pode ser categorizada, porém a
recíproca não é possível. É importante, porém, considerar a
PERDA DE INFORMAÇÃO que ocorre nesses casos, apesar do
ganho em clareza.
IDADE
FAIXA ETÁRIA
15

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

TERCEIRO PASSO:
TERCEIRO PASSO:
O que fazer com as observações que coletamos?
O que fazer com as observações que coletamos?
Resumo dos Dados Estatística Descritiva
Resumo dos Dados
Estatística Descritiva
16
16

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

APRESENTAÇÃO DOS DADOS REPRESENTAÇÃO GRÁFICA
APRESENTAÇÃO DOS DADOS
REPRESENTAÇÃO GRÁFICA
17
17

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUANTITATIVAS:

HISTOGRAMA

Gráfico com barras adjacentes, bases iguais às amplitudes das classes e alturas iguais às densidades.

Passos para a construção

1 – Definição das classes

2 - Cálculo das densidades

3 – Representação gráfica

Obs.: há perda de informação

18
18

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

1 – Definição das classes

Exemplo: Horas gastas por semana assistindo TV

Número de observações: 50

Número de classes: k=8 [critério do pesquisador ou pode ser utilizado a fórmula -> k=1+3.3 x log10(n)]

Valor mínimo da variável: 0

Valor máximo da variável: 30

Amplitude de cada classe = (30-0)/8 = 3,75 4

x log10(n)] Valor mínimo da variável: 0 Valor máximo da variável: 30 Amplitude de cada classe
19
19

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

2 – Cálculo das densidades

Densidade = (frequência relativa/100)/amplitude da classe (base) Ou

h = fr(%)/base

Classe

Frequência

Amplitude Densidade

Absoluta Relativa da classe

0

|--| 4

7

14,0

4

0,035

4

--| 8

13

26,0

4

0,065

8

--| 12

15

30,0

4

0,075

12

--| 16

7

14,0

4

0,035

16

--| 20

4

8,0

4

0,020

20

--| 24

0

0,0

4

0,000

24

--| 28

3

6,0

4

0,015

28

--| 32

1

2,0

4

0,005

20
20

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

3 – Representação gráfica

0,080 Horas gastas por semana na TV 0,070 0,060 0,050 0,040 0,030 0,020 0,010 0,000
0,080
Horas gastas por semana na TV
0,070
0,060
0,050
0,040
0,030
0,020
0,010
0,000
2
6
10
14
18
22
26
30
Densidade
21
21

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

HISTOGRAMA

Obs.: Se as classes tiverem amplitude constante, as alturas das barras podem ser calculadas como sendo iguais às frequências.

Propriedade: Se utilizarmos densidades, a soma das áreas dos retângulos é igual a 1.

Obs. 1. A amplitude das classes pode variar. 2. Na construção de um histograma, quanto maior for o número de observações, melhor.

22
22

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS REPRESENTAÇÃO GRÁFICA 23
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS REPRESENTAÇÃO GRÁFICA 23
23
23

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

Pode ser interessante, usar o histograma para comparar grupos

Histogram of altura 1,5 1,6 1,7 1,8 F M 10 8 6 4 2 0
Histogram of altura
1,5
1,6
1,7
1,8
F
M
10
8
6
4
2
0
1,5
1,6
1,7
1,8
altura
Panel variable: sexo
Frequency
24
24

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

Pode ser interessante, usar o histograma para comparar grupos

Histogram of peso 50 60 70 80 90 F M 10 8 6 4 2
Histogram of peso
50
60
70
80
90
F
M
10
8
6
4
2
0
50
60
70
80
90
peso
Panel variable: sexo
Frequency
25
25

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUALITATIVAS:

Gráfico de setores

Um círculo é dividido em tantos setores quantas forem as categorias da variável.

A área de cada setor é proporcional à frequência da categoria.

26
26

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUALITATIVAS:

AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS REPRESENTAÇÃO GRÁFICA VARIÁVEIS QUALITATIVAS :
27
27

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUALITATIVAS:

Gráfico de barras

Sobre um eixo, são representados retângulos, um para cada categoria da variável.

A altura do retângulo é proporcional à frequência da categoria

28
28

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUALITATIVAS:

Gráfico de barras

A NÁLISE E STATÍSTICA DE E XPERIMENTOS REPRESENTAÇÃO GRÁFICA VARIÁVEIS QUALITATIVAS :  Gráfico de barras
29
29

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 30
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL
OU
MEDIDAS DE POSIÇÃO
31

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS

MEDIDAS DE TENDÊNCIA CENTRAL OU MEDIDAS DE POSIÇÃO Medidas que buscam ser representativas de todo o conjunto de

dados observados. As principais medidas de tendência central

são:

MODA

MEDIANA

MÉDIA

Além disso, temos também: Mínimo, Máximo, Percentis.

32
32
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
MODA:
Definição: Valor (Categoria, Classe, intervalo,
maior frequência.
)
que ocorre com
Vantagem: Pode ser obtida para qualquer tipo de variável,
porém é mais apropriada para dados qualitativos nominais.
33
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
MODA (Mo):
Exemplo1: Fuma ou não
Número de fumantes na turma: 6
Número de não fumantes na turma: 44
Moda da variável Fuma ou não: Não
Exemplo2:
Dados: 4, 5, 4, 6, 5, 8, 4
max = 8 ;
min = 4 ; Mo = 4
34
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
MEDIANA (Md):
Definição: Valor que ocupa a posição central num conjunto de
dados ordenados, ou seja, valor para o qual 50% dos valores
observados são inferiores e 50% dos valores observados são
superiores a ele.
Condição: Para obtenção da mediana, a variável em estudo deve
ser pelo menos qualitativa ordinal.
Obs.: A tabela obtida após a ordenação (crescente ou decrescente) dos
dados é chamada rol. O rol facilita descobrir na tabela qual o menor valor,
maior valor, amplitude, etc.
35
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
CÁLCULO DA MEDIANA:
Dados devem ser ordenados.
ÍMPAR
Número de
Observações
Mediana é o valor que está no
centro da série, ou seja o valor
que ocupa a posição (n+1)/2
PAR
36
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS CÁLCULO DA MEDIANA: Exemplo1: Dados: 2, 6,
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
CÁLCULO DA MEDIANA:
Exemplo1:
Dados: 2, 6, 3, 7, 8
Dados ordenados: 2
3
6
7
8 ;
n = 5 (ímpar)
posição: (5+1)/2 = 3. Logo Md=6
Exemplo2:
Dados: 4, 8, 2, 1, 9, 6
Dados ordenados: 1 2 4 6 8 9 ; n = 6 (par)
Posição: (6+1)/2 = 3,5. Logo, Md=(4+6)/2=5
37
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDAS DE TENDÊNCIA CENTRAL OU DE POSIÇÃO
MÉDIAMÉDIA ARITMÉTICAARITMÉTICA
DEFINIÇÃO: Quociente da divisão por n da soma
dos valores observados.
INTERPRETAÇÃO: Ponto de Equilíbrio ou “Centro de
Massa” da distribuição dos dados.
CONDIÇÃO:
Dados Quantitativos.
38
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICAARITMÉTICA DEFINIÇÃO:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICAARITMÉTICA
DEFINIÇÃO: Quociente da divisão por n da soma dos valores
observados.
Sejam
, x n os valores de uma variável observada na
x 1, x 2, x 3 ,
amostra. Então, a média aritmética é dada por:
39
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA: PROPRIEDADESPROPRIEDADES
1. Se x 1 = x 2 = x 3 =
= x n = a, então:
A média de uma constante é a própria constante.
40
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA: PROPRIEDADESPROPRIEDADES
2. Se a todo valor observado for adicionada uma constante “a”,
então:
Se adicionamos uma mesma constante a toda
observação, a média também fica adicionada deste
valor.
41
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA: PROPRIEDADESPROPRIEDADES
3. Se todo valor observado for multiplicado por uma constante
“a”, então:
Se multiplicamos toda observação por uma mesma
constante, a média também fica multiplicada deste
valor.
42
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA: PROPRIEDADESPROPRIEDADES
4. A soma dos desvios em torno da média é zero:
Consequência imediata do fato da média ser o
ponto de equilíbrio da distribuição.
43
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MÉDIAMÉDIA ARITMÉTICA:ARITMÉTICA: OBSERVAÇÕESOBSERVAÇÕES
1. Outros tipos de médias são conhecidos, tais como: média
ponderada, média harmônica, média geométrica, média
aparada. Cada uma destas médias tem sua utilidade em
aplicações específicas e podem ser encontradas na grande
maioria de textos de Estatística Básica.
44
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
Situações em que é possível obter cada medida:
MODA
Mediana
Média
• Qualquer tipo
de Variável
• Variável no
mínimo em
• Variáveis
Quantitativas
escala ordinal
45
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
Uma forma de comparação:
DEFINIÇÃO:
Uma variável é dita ter comportamento (ou distribuição)
assimétrica quando os seus valores estão mais concentrados em
um dos seus extremos (valores altos ou baixos).
As possíveis situações de assimetria e simetria são derivadas do
comportamento dos valores da média, mediana e moda.
46
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
A média e mediana são as mesmas apenas se a distribuição é simétrica.
A mediana é uma medida de centro que é resistente à inclinação e aos outliers. A
média não é.
47

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO

E XPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO 48
E XPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO 48
E XPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO 48
48
48
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
Média e mediana de uma
distribuição simétrica
x  3.4
Doença X:
M 3.4
Média e mediana são iguais.
Distribuição assimétrica à direita
x  3.4
Mieloma Múltiplo:
M 2.5
A média é puxada em
direção à assimetria.
49
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
O impacto da presença de valores atípicos (outliers):
DEFINIÇÃO: Entende-se por valores atípicos (ou outliers)
valores que se afastam do padrão geral da distribuição
observada dos dados.
50
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
COMPARANDOCOMPARANDO MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
A média é puxada para a
direita pelos outliers. Ela
passa de 3.4 para 4.2.
Por outro lado, a mediana é
alterada suavemente para a
direita pelos outliers,
passando de 3.4 para 3.6.
51
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS Conclusão: A MEDIANA é uma medida mais
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
Conclusão:
A MEDIANA é uma medida mais ROBUSTA do que a MÉDIA.
DEFINIÇÃO:
Uma medida é dita ser ROBUSTA se o seu valor não é
impactado pela presença de valores atípicos no conjunto
de dados observados.
QUESTÃO: Como identificar valores atípicos?
52
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO
Se as medidas de tendência central para uma
determinada variável forem iguais em dois
diferentes grupos, será que podemos dizer que os
dois grupos são semelhantes em relação à
variável em estudo?
53

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDASMEDIDAS DEDE TENDÊNCIATENDÊNCIA CENTRALCENTRAL OUOU DEDE POSIÇÃOPOSIÇÃO

Exemplo das duas turmas: Um professor ministra aula de uma mesma disciplina para duas turmas diferentes. Baseado nas aulas já dadas, o professor acredita que as turmas são bem semelhantes quanto a capacidade e quanto a dedicação ao curso.

Na primeira prova, o professor elaborou uma avaliação diferente para cada turma. Após a correção, ele decidiu realizar uma análise descritiva das notas.

nível

semelhantes?

Será

que

as

questões

das

duas

provas

tinham

54
54
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS Exemplo das duas turmas Turma A Média:
INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE
EXPERIMENTOS
Exemplo das duas turmas
Turma A
Média: 6,04
Mediana: 6,00
Turma B
Média: 6,04
Mediana: 6,00
55

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE DISPERSÃO
MEDIDAS
DE
DISPERSÃO
56
56

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE DISPERSÃO
MEDIDAS DE DISPERSÃO

Na análise de uma variável de interesse em qualquer estudo, não é suficiente para descrever de modo satisfatório, observar apenas uma medida de tendência central. Podemos facilmente encontrar variáveis que apresentam o mesmo valor para uma medida de locação (ex.: média), porém com dados apresentando comportamentos completamente diferentes. Esses diferentes comportamentos são consequência de dados com diferentes graus de dispersão.

57
57

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE DISPERSÃO
MEDIDAS DE DISPERSÃO
E STATÍSTICA DE E XPERIMENTOS MEDIDAS DE DISPERSÃO O BJETIVOS : 1. Verificar o quanto os

OBJETIVOS:

1. Verificar o quanto os valores observados estão “dispersos”, ou ainda o quanto “variam” os dados.

2. Encontrar um valor que resuma a variabilidade de um conjunto de dados.

58
58

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

ALGUMAS MEDIDAS
ALGUMAS MEDIDAS

AMPLITUDE:

Definição: Diferença entre o maior e o menor valor observado nos dados. Notação:

Seja x (n) = maior valor observado para a variável na amostra; Seja x (1) = menor valor observado para a variável na amostra;

Amplitude = A = x (n) – x (1) A=máx - min

59
59

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

ALGUMAS MEDIDAS
ALGUMAS MEDIDAS

AMPLITUDE:

OBSERVAÇÕES:

1.

Medida sujeita à influência da presença de valores extremos.

2. O aumento do número de observações na amostra (denotaremos por “n”) frequentemente não produz qualquer mudança no valor da amplitude.

60
60

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

ALGUMAS MEDIDAS
ALGUMAS MEDIDAS

VARIÂNCIA E DESVIO PADRÃO:

Definição: A VARIÂNCIA é uma medida de variabilidade dos dados em torno da média, ou seja, ela quantifica a variabilidade ou o espalhamento (dispersão) ao redor do valor

médio (média).

61
61

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO

VARIÂNCIA E DESVIO PADRÃO:

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO VARIÂNCIA E
62
62

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO

É natural procurar uma medida de dispersão que dependa dos desvios de cada observação em relação à média (x i – ), e é razoável considerar a soma de todos estes desvios. Quanto maior forem os desvios, maior será a variabilidade presente nos dados.

os desvios, maior será a variabilidade presente nos dados. Problema: A soma dos desvios em torno

Problema:

A soma dos desvios em torno da média é zero:

os desvios, maior será a variabilidade presente nos dados. Problema: A soma dos desvios em torno
63
63

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO

ALTERNATIVA:

Soma dos quadrados dos desvios em relação à média.

n

1 (x x)

i

i

2

IMPORTANTE:

Considerar o nº de observações, pois quanto maior o nº de observações maior será o valor deste somatório. Portanto,

o nº de observações, pois quanto maior o nº de observações maior será o valor deste
64
64

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
Fórmula Alternativa:
Fórmula Alternativa:
AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Fórmula
65
65

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Por que

VARIÂNCIA – DESVIO PADRÃO Por que (n-1)?

1. Quando dividimos por n-1 temos que S 2 é um estimador não viciado (viesado), importante propriedade da Inferência Estatística.

Observação: Se a amostra é grande, os valores obtidos dividindo por n ou n-1 são praticamente iguais.

66
66

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO 1. A variância de uma constante é zero,

1. A variância de uma constante é zero, isto é, x i = a, para todo

i= 1, 2,

,n.

Então S 2 =0.

2. Se multiplicarmos cada valor da variável por uma constante “a”, a variância será a variância da variável original multiplicada por a 2, isto é:

Se y = a x, então:

S aS

Y

2

2

2

X

67
67

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO 3. Se somarmos ou subtrairmos de cada valor

3. Se somarmos ou subtrairmos de cada valor da variável uma constante a, a variância não se altera.

Seja y = x + a, então:

2

S S

Y

2

X

68
68

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO 4. Se dividirmos cada valor da variável por

4. Se dividirmos cada valor da variável por uma constante “a”, a variância será a variância da variável original dividida por a 2 (decorre de modo direto da prop. 2).

Seja

da variável original dividida por a 2 (decorre de modo direto da prop. 2). Seja ,

, então:

2

S

Y

1

a

2

S

2

X

69
69

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO A variância S 2 tem como unidade de

A variância S 2 tem como unidade de medida o quadrado da escala original da variável em estudo (ex.: S 2 =2,5m 2 ).

Como relacionar a medida de variabilidade com a variável na sua escala original?

70
70

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Extrair a raiz quadrada da variância S 2

Extrair a raiz quadrada da variância S 2 dando origem ao DESVIO PADRÃO que denotaremos por S:

PADRÃO Extrair a raiz quadrada da variância S 2 dando origem ao DESVIO PADRÃO que denotaremos
71
71

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO 1. S mede calculado a dispersão quando a

1. S mede calculado

a dispersão

quando

a

em torno da

média

é

média e só

deve ser

de

tomada

como

medida

locação.

2. S 0. Logo, quanto maior a dispersão em torno da média,

maior o valor do desvio padrão, ou maior o valor de S.

72
72

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO
73
73

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

VARIÂNCIA – DESVIO PADRÃO
VARIÂNCIA – DESVIO PADRÃO
E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Refazer os cálculos usando a fórmula alternativa:
E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Refazer os cálculos usando a fórmula alternativa:

Refazer os cálculos usando a fórmula alternativa:

E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Refazer os cálculos usando a fórmula alternativa:
E STATÍSTICA DE E XPERIMENTOS VARIÂNCIA – DESVIO PADRÃO Refazer os cálculos usando a fórmula alternativa:
74
74

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Turma A Média: 6,04 Mediana: 6,00

Turma A Média: 6,04 Mediana: 6,00 Desvio padrão: 1,99

Turma B Média: 6,04 Mediana: 6,00 Desvio padrão: 0,55

Turma A Média: 6,04 Mediana: 6,00 Desvio padrão: 1,99 Turma B Média: 6,04 Mediana: 6,00 Desvio
75
75

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Antes de vermos a última medida de dispersão que estudaremos, é necessário definir um conjunto de medidas de localização que podem ser bastante úteis na caracterização de um conjunto de dados.

Essas medidas são denominadas quantis.

76
76

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE LOCALIZAÇÃO
MEDIDAS DE LOCALIZAÇÃO
QUANTIS:
QUANTIS:

O quantil de ordem p é a medida que deixa px100% das observações abaixo dele na amostra ordenada.

O quantil de ordem p (0 < p < 1), em um conjunto de dados com n observações, é o valor que ocupa a posição p x (n+1) nos dados ordenados.

77
77

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE LOCALIZAÇÃO
MEDIDAS DE LOCALIZAÇÃO

CASOS PARTICULARES DE QUANTIS:

MEDIANA (percentil 50 ou segundo quartil): divide o conjunto de

dados em DUAS partes. QUARTIS: divide o conjunto de dados em QUATRO partes.

DECIS (percentil 10): divide o conjunto de dados em DEZ partes.

PERCENTIS: divide o conjunto de dados em CEM partes.

78
78

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDAS DE LOCALIZAÇÃO
MEDIDAS DE LOCALIZAÇÃO
EXEMPLOS DE OBTENÇÃO DE QUANTIS:
EXEMPLOS DE OBTENÇÃO DE QUANTIS:
Exemplo 1: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7 n=10 (ordenados)
Exemplo 1:
1,9
2,0
2,1
2,5
3,0
3,1
3,3
3,7
6,1
7,7
n=10
(ordenados)

Posição da Md: 0,50x(11)=5,5

=> Md =(3,0+3,1)/2 = 3,05 (50% dos

dados são menores ou iguais a 3,05)

Posição de Q1: 0,25x(11)=2,75

=> Q1 = (2,0+2,1)/2 =2,05 (25% dos

dados são menores ou iguais a 2,05)

Posição de Q3: 0,75x(11)=8,25

=> Q3 = (3,7+6,1)/2 = 4,9 (75% dos

dados são menores ou iguais a 4,9) Exemplo 2: 0,9 1,0 1,7 2,9 3,1 5,3 5,5 12,2

12,9 14,0 33,6 n = 11
12,9 14,0 33,6
n = 11

Md = 5,3

Q1 = 1,7

Q3 = 12,9

79
79

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS MEDIDAS DE DISPERSÃO : ALGUMAS MEDIDAS

MEDIDAS DE DISPERSÃO : ALGUMAS MEDIDAS INTERVALO INTERQUARTIL:

Definição: Valor dado pela diferença entre os valores que definem os 50% dos valores centrais observados (Q3-Q1).

Notação:

Seja Q 1 = 1º quartil dos dados observados (25% das observações na

amostra abaixo da medida); Seja Q 3 = 3º quartil dos dados observados (75% das observações na amostra abaixo da medida); Logo, Q 3 – Q 1 contém 50% das observações e, consequentemente,

Intervalo Interquartil= IIQ = Q 3 – Q 1

80
80

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

EXEMPLOS DE OBTENÇÃO DO INTERVALO INTERQUARTIL :
EXEMPLOS DE OBTENÇÃO DO INTERVALO INTERQUARTIL :
Exemplo 1: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7 n=10
Exemplo 1:
1,9
2,0
2,1
2,5
3,0
3,1
3,3
3,7
6,1
7,7
n=10

Posição da Md: 0,50x(11)=5,5 Posição de Q1: 0,25x(11)=2,75 Posição de Q3: 0,75x(11)=8,25 IIQ = 4,9 – 2,05 = 2,85

=> Md =(3+3,1)/2 = 3,05 => Q1 = 2,05 => Q3 = 4,9

Exemplo 2: 0,9 1,0 1,7 2,9 3,1 5,3 5,5 12,2 12,9 14,0 33,6 n =
Exemplo 2: 0,9 1,0 1,7 2,9 3,1 5,3 5,5 12,2
12,9 14,0 33,6
n = 11

Md = 5,3 IIQ = 12,9 – 1,7 = 11,2

Q1 = 1,7

Q3 = 12,9

81
81

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDA DE DISPERSÃO RELATIVA
MEDIDA DE DISPERSÃO RELATIVA
STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO RELATIVA 1. Como comparar a variabilidade de variáveis observadas

1. Como comparar a variabilidade de variáveis observadas com diferentes unidades de medidas (ou diferentes grupos)?

com diferentes unidades de medidas (ou diferentes grupos)? Uso de medidas de dispersão (variabilidade) relativa:

Uso de medidas de dispersão (variabilidade) relativa:

COEFICIENTE DE VARIAÇÃO: CV

82
82

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDA DE DISPERSÃO RELATIVA
MEDIDA DE DISPERSÃO RELATIVA
STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO RELATIVA 1. O coeficiente de variação (CV) é uma
STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO RELATIVA 1. O coeficiente de variação (CV) é uma

1.

O coeficiente de variação (CV) é uma medida adimensional;

2.

Exprime a variabilidade em relação à media (mesma ideia de S ou S 2 );

3.

Elimina o efeito da magnitude dos dados;

 

4.

Quanto menor o CV mais homogêneo é o conjunto de dados.

83
83

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDA DE DISPERSÃO RELATIVA
MEDIDA DE DISPERSÃO RELATIVA
STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO RELATIVA CV: Baixo - (inferior a 10%); Médio -

CV:

Baixo - (inferior a 10%);

Médio - (de 10% a 25%); Alto - (25% a 35%); Muito Alto - (35)%.

84
84

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDA DE DISPERSÃO RELATIVA
MEDIDA DE DISPERSÃO RELATIVA
STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO RELATIVA Variável Média Desvio padrão Coef. de variação

Variável

Média

Desvio padrão

Coef. de variação

Altura

1,6720

0,0906

5,42%

Peso

60,93

12,18

19,99%

19,99/5,42=3,7

Os alunos são, aproximadamente, 270% mais dispersos quanto ao peso do que quanto a altura.

85
85

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

MEDIDA DE DISPERSÃO RELATIVA
MEDIDA DE DISPERSÃO RELATIVA
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS MEDIDA DE DISPERSÃO
86
86

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA DE MEDIDAS DE LOCAÇÃO E DE DISPERSÃO
REPRESENTAÇÃO GRÁFICA CONJUNTA
DE
MEDIDAS DE LOCAÇÃO E DE DISPERSÃO

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA (MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)
REPRESENTAÇÃO GRÁFICA CONJUNTA
(MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)

OBJETIVO:

Estabelecer uma representação gráfica conjunta de medidas de locação e dispersão através da qual seja possível

verificar o comportamento da variável em ambos os aspectos.

88
88

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA (MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)
REPRESENTAÇÃO GRÁFICA CONJUNTA
(MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)

ESQUEMA 5 NÚMEROS:

Proposta:

Identificar 5 valores dentre o conjunto de n observados que

do

possa dar

comportamento geral das observações.

condições

de

se

ter

uma

idéia

geral

89
89

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA (MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)
REPRESENTAÇÃO GRÁFICA CONJUNTA
(MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)

ESQUEMA 5 NÚMEROS:

TUKEY (1971):

Mediana Valor Máximo (X (n) ) e Valor Mínimo (X (1) ) 1º e 3º Quartis

90
90

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA (MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)
REPRESENTAÇÃO GRÁFICA CONJUNTA
(MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)

OBSERVAÇÃO:

Alguns outros autores e softwares propõem o uso de média e desvio padrão no lugar de mediana e quartis. Tukey justifica o uso de

mediana e quartis, dado que as mesmas são medidas de locação e dispersão que não são influenciadas pela presença de valores extremos no conjunto de dados.

91
91

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA CONJUNTA (MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)
REPRESENTAÇÃO GRÁFICA CONJUNTA
(MEDIDAS DE LOCAÇÃO E DE DISPERSÃO)

DESENHO ESQUEMÁTICO – BOX PLOT

PROPOSTA: Representação gráfica do esquema de 5 números, utilizando um gráfico conhecido como Box Plot.

Box Plot: Representação dos dados por meio de um retângulo construído com os quartis e fornece várias informações, incluindo a existência de valores discrepantes.

92
92

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 93
93
93

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

O Box – Plot é um procedimento que permite identificar em um conjunto de dados:

Valor central

Dispersão

Simetria

Valores Discrepantes

94
94

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Ex1.:

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Ex1.: 95
95
95

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

DESENHO ESQUEMÁTICO – BOX PLOT

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS DESENHO ESQUEMÁTICO –
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS DESENHO ESQUEMÁTICO –
96
96

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 97
97
97

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

IMPORTANTE:

O Box Plot, além das aplicações apresentadas, é um procedimento extremamente importante na comparação de diferentes grupos (tratamentos) e, por exemplo, dentre os

quais, deseja-se identificar aquele com melhor desempenho.

98
98

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 99
99
99

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

REPRESENTAÇÃO GRÁFICA
REPRESENTAÇÃO GRÁFICA

VARIÁVEIS QUANTITATIVAS:

DOT PLOT

Tanto histograma quanto o boxplot conseguem caracterizar às observações de uma variável quantitativa.

Porém, quando o número de observações por grupo de

interesse é muito pequeno, nenhum deles é adequado.

Nesse caso, usualmente se constroem dot plots (diagrama de pontos) que é um gráfico simples, em que os valores de cada observação são marcados em um único eixo.

100
100

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Artigo citado no exercício 14.3 do

Artigo citado no exercício 14.3 do livro Montomery e Runger, 4ed

Variável resposta: tempo de duração da bateria Fatores: tipo de material e temperatura Número de observações por tratamento: 4 Média e desvio padrão do tempo de duração da bateria (horas)

Temperatura

Tipo de Material

1

2

3

 

Média

DP

Média

DP

Média

DP

Alta

57,5

26,9

49,5

19,3

85,5

19,3

Média

57,3

23,6

119,8

12,7

145,8

22,5

Baixa

134,8

45,4

155,8

25,6

144,0

26,0

101
101

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Dotplot do tempo de duração da bateria em horas material temperatura 1 1-Alta 2-Média 3-Baixa
Dotplot do tempo de duração da bateria em horas
material
temperatura
1
1-Alta
2-Média
3-Baixa
2
1-Alta
2-Média
3-Baixa
3
1-Alta
2-Média
3-Baixa
25
50
75
100
125
150
175
duração
102
102

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Gráfico do tempo de duração da bateria em horas 200 150 100 50 0 temperatura
Gráfico do tempo de duração da bateria em horas
200
150
100
50
0
temperatura
Alta
Baixa Média
Alta
Baixa Média
Alta
Baixa Média
material
1
2
3
duração
103
103

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS HabFumar = Não Fumante HabFumar =

HabFumar = Não Fumante

E STATÍSTICA DE E XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50

HabFumar = Não Fumante

XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30
XPERIMENTOS HabFumar = Não Fumante HabFumar = Não Fumante 30 40 50 60 70 25 30

30

40

50

60

70

25

30

35

40

 

Idade

 

IMC

 

HabFumar = Fumante

 

HabFumar = Fumante

 

30

40

50

60

70

25

30

35

40

Idade

IMC

A distribuição da idade é diferente para os dois grupos de pacientes (fumantes e não fumantes), já o IMC é similar nos dois grupos.

104
104

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

OBSERVAÇÃO FINAL
OBSERVAÇÃO FINAL

A estratégia para a exploração dos dados de uma única variável quantitativa deve ser muito clara:

1. Sempre represente seus dados graficamente: faça um gráfico, usualmente um histograma ou diagrama de pontos ou boxplot.

2. Procure estabelecer um padrão geral (posição e dispersão) e os desvios acentuados, tais como: valores atípicos.

3. Calcule um resumo numérico para descrever o centro e a dispersão.

105
105

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

PACOTES ESTATÍSTICOS
PACOTES ESTATÍSTICOS
106
106

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

PACOTES ESTATÍSTICOS
PACOTES ESTATÍSTICOS

são

geralmente chamados de pacotes estatísticos.

Eles permitem a obtenção das medidas descritivas e dos gráficos que estudamos na análise descritiva, bem como a utilização dos métodos estatísticos que ainda serão vistos.

O pacote estatístico que será utilizado no curso é denominado

Os

softwares

especializados

em

análise

estatística

R”, sendo ele o mais conhecido e completo pacote estatístico gratuito.

O R é dividido em inúmeros pacotes menores. Utilizaremos basicamente o pacote conhecido como R commander (Rcmdr).

Além disso o R possui outras interfaces como o “Tinn R” e o “R Studio”.

107
107

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

SOBRE O R E O R COMMANDER
SOBRE O R E O R COMMANDER

O R pode ser baixado gratuitamente em http://www.r- project.org/ (https://cran-r.c3sl.ufpr.br/)

Depois de instalado o R, instale o R Commander no menu do R usando o seguinte caminho: pacotes instalar pacote

(se sugerir um local pode escolher “Brasil PR”) Rcmdr.

Depois de instalado, carregue o R Commander no menu do

R: pacotes – carregar pacote – Rcmdr. (talvez seja solicitado instalar outros pacotes).

Feito isso, será aberta uma janela do R Commander. No menu de dadospermite-se a digitação de um conjunto de dados ou a importação de um conjunto de dados.

108
108

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

R COMMANDER
R COMMANDER

Os demais menus que utilizaremos no curso são os seguintes:

Estatísticas: para a realização de análises estatísticas diversas.

Modelos: para obter mais detalhes de algumas análises

estatísticas Gráficos: para a construção de gráficos.

A utilização do R comander é relativamente simples e um manual escrito pelo criador do pacote pode ser encontrado no endereço http://socserv.mcmaster.ca/jfox/Misc/Rcmdr/Getting- Started-with-the-Rcmdr.pdf

109
109

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

UTILIZANDO O R
UTILIZANDO O R
110
110

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

https://www.r-project.org/

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS https://www.r-project.org/ 111
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS https://www.r-project.org/ 111
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS https://www.r-project.org/ 111
111
111

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 112
112
112

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 113
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 113

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 114
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 114
114
114

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 115
115
115

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Estatísticas Descritivas

E STATÍSTICA DE E XPERIMENTOS Estatísticas Descritivas Estatísticas  Resumos  Resumos Numéricos 116

Estatísticas Resumos Resumos Numéricos

116
116

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Variável: Idade sd mean cv 0% 25% 50% 75% 100% n 49.8667 10.9976 0.22054 24
Variável: Idade
sd
mean
cv
0% 25%
50% 75%
100%
n
49.8667 10.9976 0.22054 24 45.5 49 57
69
30
Variável: IMC
sd
mean
cv
0%
25%
50%
75%
100% n
30.845 5.1336 0.16643 23.2 26.4925 30.4 34.155
41 30

• 50% das pacientes tem idade menor ou igual a 49 anos. A idade mínima é de 24 anos e a máxima é de 69 anos;

• 25% das pacientes tem IMC inferior a 26,49 kg/m 2 ;

IMC de 75% das pacientes foi igual ou menor a 34,16 kg/m 2 ;

• A média da idade das pacientes foi de 49,86 anos e desvio padrão de 11 anos.

• O IMC médio das pacientes foi de 30,85 e desvio padrão de 5,13kg/m 2 .

• As pacientes em tratamento de câncer de mama apresentaram maior variabilidade quanto à idade, comparada ao IMC.

117
117

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Rcmdr: Converter uma variável numérica em fator

AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Rcmdr : Converter uma variável
118
118

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Rcmdr: Estatísticas Resumos Resumos Numéricos

Resumo por grupo (antes tem que seguir o slide anterior)

Variável: Idade

HabFumar

mean

sd

0%

25% 50% 75% 100% data:n

Não Fumante 48.42 12.23 24 42

50

57.0

69

19

Fumante

52.36

8.41 45

47

49

53.5

68

11

Variável: IMC HabFumar

mean

sd

0%

25%

50%

75% 100% data:n

Não Fumante 30.23 5.14 23.2 26.23 30.00 34.45 41.00

19

Fumante

31.91 5.19 24.4 28.30 31.97 34.02 40.97

11

• A média da idade das pacientes não fumantes é menor que a de fumantes. Contudo, 75% das pacientes do grupo não fumante tem idades inferiores a 57 anos e no grupo de fumantes este valor é de 53 anos. A variabilidade da idade no grupo de não fumantes é maior.

• O hábito de fumar influencia pouco na distribuição do IMC das pacientes.

119
119

Distribuição de frequências

Variável: Idade

Distribuição de frequências Variável : Idade q u a n t i t a t i

quantitativa

Variável : Idade q u a n t i t a t i v a Rcmdr

Rcmdr: (1) criar nova variável

Construir intervalos de classe

 Criação da nova variável classeIdade a partir de Idade.
 Criação da nova variável
classeIdade a partir de Idade.

120

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Rcmdr: (2) obter a distribuição de frequências da nova variável

E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Rcmdr : (2) obter a distribuição de frequências
E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Rcmdr : (2) obter a distribuição de frequências
121
121

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 122
I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS 122
122
122

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Box Plot

I NTRODUÇÃO AO P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Box Plot 123
123
123

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Obs.: O gráfico será mostrado na interface do R, e não do Rcmdr

E A NÁLISE E STATÍSTICA DE E XPERIMENTOS Obs.: O gráfico será mostrado na interface do
124
124

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

Rcmdr: Gráficos

E STATÍSTICA DE E XPERIMENTOS Rcmdr : Gráficos  Boxplot  Gráficos por grupos (selecionar a

Boxplot Gráficos por grupos

(selecionar a variável hábito de fumar quando convertida de numérica em fator – slide 115)

Escolher Idade e IMC e comentar os gráficos.

125
125

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

HISTOGRAMA

No Rcmdr: Gráficos Histograma Options (número de classes=5)

1) 2) grupo “habito de
1)
2)
grupo “habito de

Fazer para IMC Usar como

fumar” (agrupada em classes).

126
126

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

P LANEJAMENTOS E A NÁLISE E STATÍSTICA DE E XPERIMENTOS N o R c m d

No Rcmdr: Gráficos Gráfico de Pizza

Rcmdr: Gráficos Gráfico de Barras

Usar a base de dados fornecida e nos exemplos acima escolher a (s) variável (is) que mais se adequa (m).

127
127

INTRODUÇÃO AO PLANEJAMENTOS E ANÁLISE ESTATÍSTICA DE EXPERIMENTOS

“O sucesso nasce do querer, da determinação e persistência em se chegar a um objetivo.

Mesmo não atingindo o alvo, quem busca e vence obstáculos, no mínimo fará coisas admiráveis”.

José de Alencar

128
128