Escolar Documentos
Profissional Documentos
Cultura Documentos
Q1 = (2+3)/2 = 2,5
Q3 = (9+9)/2 = 9
Quartis - Exemplo
( )
Q1 = = 3,5
( )
Q2 = = 6,5
( )
Q3 = = 10
Quartis - Exemplo
Se considerarmos a situação da taxa de efetivação da cobrança de um
determinado tributo, que estava atrasado em uma prefeitura, após uma
campanha realizada para que ele fosse saldado, teremos, de forma
semelhante à Figura 13, a Figura 14:
Decis
A definição dos decis obedece ao mesmo princípio dos quartis.
Indicamos os decis : D1, D2, ... , D9. Deste modo precisamos de 9
decis para dividirmos uma série em 10 partes iguais.
.
Assimetria
10 Coeficiente de Pearson
̅
AS =
20 Coeficiente de Pearson
AS =
C= Coeficiente de Curtose
( )
Xi 2 3 4 5 6 7 8
fi 2 4 6 10 6 4 2
Assimetria/Curtose - Exercícios
Distribuição simétrica
Assimetria/Curtose - Exercícios
'
P(E) =
(
Onde:
'
P( E ) =
&
Exemplos de Probabilidade
Imagine que em um determinado setor de uma prefeitura temos os
seguintes funcionários: Carlos, Jackeline, Giulyana, Girlene,
Cláudio e Larissa. Então, você pode verificar que temos seis
funcionários. Vamos pensar agora: qual a probabilidade de se
escolher um funcionário ao acaso e ele ser do gênero masculino?
P(E)=
Exemplos de Probabilidade
P( A ∪ K) = * (+) + *(K) − * (+ ∩ K)
A B
Axiomas da Probabilidade
Considerando os eventos A, B e C, temos as seguintes situações:
NO.NN
P (MB) = = 0,843
.NO
N.
P(P) = = 0,473
.NO
Probabilidade Condicional
E, para obtermos a probabilidade de contribuintes que não pagaram em
dia, teremos a probabilidade de todo o espaço amostral (101.850), que é
igual a 1 menos a probabilidade de contribuintes que pagaram em dia
(P). Nesse caso, estamos usando o conceito de eventos complementares.
Este cálculo é mostrado para você a seguir:
Veja que, nesse caso, ocorreu uma redução no espaço amostral, já que
tínhamos a informação anterior de que o contribuinte selecionado
pagava em dia. Dessa forma, do espaço amostral total que tínhamos
(101.850), ele foi reduzido para 48.249 e, destes, interessavam-nos os
que eram da classe social média-baixa. Sendo assim:
( t ∩ )
P(MB/P) =
( )
Probabilidade Condicional
Portanto, você pode generalizar para dois eventos A e B quaisquer
de um experimento aleatório. Dessa forma, podemos dizer que a
probabilidade condicional de A dado B (nota-se por P(A/B)) é
definida como:
(u ∩t)
P(A/B) =
(t)
P (A ∩ K) = *(+/K). *(K)
Regra do Produto e Eventos Independentes
P ( A ∩ K) = *(+) *(K)
Regra do Produto e Eventos Independentes
Se dois eventos A e B são independentes, então P{A / B) = P{A} ou P{B / A)
= P(B), já que um evento não interfere no outro, ou seja, eles são
independentes.
(u ∩t)
P(A/B)= → * + ∩ K =P(A/B).P(B) → * + ∩ K = P(A).P(B)
(t)
Regra do Produto e Eventos Independentes
Considere os dados a seguir, representativos da distribuição da renda
anual de funcionários públicos de dois setores (A e B), apresentados na
Tabela abaixo.
(w ∩t) ,
= = 0,4706
(t) , O
P(A ∩ B) = 2/8 =
P (A) = =
N
P (B) = =
N
Regra do Produto e Eventos Independentes
z
(u∩t) {
Ou P (A/B) = = = = → P(A/B) = P(A) → =
z
(t)
|
Por fim, para ser da classe baixa, dado que atribuiu maior importância ao fator
qualidade, o cálculo é feito por:
• O resultado é “cara”
• O resultado é 1
• X=1
Variável Aleatória
X(v.a.) P[X = x]
2 0,25
1 0,25 + 0,25 = 0,5
0 0,25
Correlação e Regressão Linear
• Em muitas situações, torna-se interessante e útil estabelecer uma
relação entre duas ou mais variáveis. A matemática estabelece
vários tipos de relações entre variáveis, por exemplo, as relações
funcionais e as correlações.
&∑ ƒ (∑ )(∑ ƒV )
r= V V V
[& ∑ V
(∑ V
) ]∗[& ∑ ƒV (∑ ƒV ) ]
Temos:
r - o coeficiente de Pearson;
n - o número de observações;
xi - variável independente;
yi - variável dependente.
Coeficiente de Correlação Linear (r)
• O valor do coeficiente de correlação r tem a variação entre +1 e –1,
ou seja, está limitado entre os valores do Intervalo [-1,+1].
• r = +1 (correlação positiva entre as variáveis);
• r = - 1 (correlação perfeita negativa entre as variáveis);
• r = 0 (não há correlação entre as variáveis ou, ainda, a correlação
não é linear, caso exista).
Peso 10,47 19,85 21,25 24,36 27,38 58,09 33,61 35,75 38,33 49,14
Total
Peso 2,43 5,12 6,88 6,22 8,84 8,76 7,54 8,47 9,55 11,43
Papel
Correlação entre o peso total do lixo descartado e o peso do papel contido nesse lixo
Exemplo
Para se verificar o grau de correlação entre as variáveis, calcula-se o
coeficiente de correlação linear pela fórmula do coeficiente de
correlação de Pearson.
& ∑ VƒV (∑ V )(∑ ƒV )
r=
[& ∑ V
(∑ V
) ]∗[& ∑ ƒV (∑ ƒV ) ]
,N N ,
r=
O, N O ∗[ , O , ]
N ,N
r= = 0,9206
N,O
r = 0,921 ou r = 92,1 %
Observamos, assim: 0,6 ≤ r ≤1. Esse resultado indica que há uma
forte correlação entre as variáveis ou, ainda, que a correlação entre
as duas variáveis é bastante significativa. Nesse caso, podemos
concluir haver coerência na afirmação de que existe correlação entre
o peso total do lixo descartado e o peso do papel contido nesse lixo.
Regressão – Reta de Regressão
A correlação linear é uma correlação entre duas variáveis, cujo
gráfico aproxima-se de uma linha. O gráfico cartesiano que
representa essa linha é denominado diagrama de dispersão. Para
poder avaliar melhor a correlação entre as variáveis, é interessante
obter a equação da reta; essa reta é chamada de reta de regressão e a
equação que a representa é a equação de regressão. O diagrama de
dispersão é construído de acordo com os dados amostrais de n
observações e a equação de regressão é dada pela expressão:
Y = aX + b → † ‡ = -ˆ + 1
X é a variável independente.
Y→ † ‡ é - 8-/2á853 45.59459:5. Na verdade, é a variável
correlacionada com a variável X e sobre a qual se obtém um valor
estimado.
Regressão – Reta de Regressão
• Sendo a e b os parâmetros de equação da reta, esses podem ser
calculados por meio das fórmulas:
& ∑ VƒV ∑ V ∗ ∑ ƒV
• a=
& ∑ V ∑ V
• b = ‰R - a ̅
Sendo:
& ∑ VƒV ∑ V ∗ ∑ ƒV ∗ , N NN ∗ O, N ,N
• a= = = = 0,213
& ∑ V ∑ V ∗ ,O NN, ,
,
‰R = = 7,52
NN,
̅= = 28,82
b = ‰
Š - a ̅ = 7,52 – 0,213*28,82 = 7,52 – 6,14 = 1,38
Temos:
Y’ = 0,213 X + 1,38
Exemplo
•Para o traçado de uma reta, basta que se conheça dois de seus pontos.
Assim, com base na equação da reta acima, pode-se estabelecer dois
pontos para X e Y’.