Escolar Documentos
Profissional Documentos
Cultura Documentos
Aula1 Slides PDF
Aula1 Slides PDF
(i) Organização;
Estatística Descritiva
(ii) Descrição;
(iii) Análises;
Estatística Indutiva ou
(iv) Interpretações. Estatística Inferencial
2
Alguns Conceitos
9 População
9 Amostra
9 Variável
5
Tipos de Variáveis
(a) Variáveis Quantitativas Discretas
Exemplos de Discretas:
y População: Ovinos da raça Santa Inês da ASCCO;
Variável: número de cordeiros ao parto (1, 2 ou 3).
y População: Bovinos Nelore da Agro-pecuária CFM Ltda.
Variável: Escores de Musculosidade (1, 2, 3, 4 ou 5).
y População: Bovinos Nelore da Agro-pecuária CFM Ltda.
Variável: Prenhez aos 14 meses de idade (0 ou 1).
6
Tipos de Variáveis
(b) Variáveis Quantitativas Contínuas
São aquelas, teoricamente, que podem assumir qualquer
valor em um certo intervalo de variação. Resultam, em
geral, de uma medição, sendo freqüentemente expressos
em alguma unidade.
Exemplos de Contínuas:
y População: Bovinos Nelore da Agro-pecuária CFM Ltda.
Variável: PN (28,0; 28,5; 30,2; 32,58)
y População: Bovinos Nelore da Agro-pecuária CFM Ltda.
Variável: Peso aos 18 meses, em kg (250,0 até 415,0 kg)
7
Características Numéricas de
uma Distribuição de Dados
10
Medidas de Posição (ou de
Tendência Central)
9 Média (Aritmética)
(a) AMOSTRA: n
Σ Xi
Conjunto de Dados => x = µˆ = m̂ =
i =1
n
k
Σ X i fi k
Tabelas de Freqüência => x = µˆ = m̂ = = Σ X i p 'i
i =1
n i =1
11
Medidas de Posição (ou de
Tendência Central)
9 Média (Aritmética)
(b) POPULAÇÃO:
n
Σ Xi
Conjunto de Dados => µ = m =
i =1
n
k
Σ X i fi k
Tabela de Freqüência => µ = m = = Σ X i p 'i
i =1
n i =1
12
Medidas de Posição (ou de
Tendência Central)
Exemplo 2: 50 determinações do tempo (em segundos)
gasto por um funcionário
684
k
Σ X i fi 2.725
x = µˆ = m̂ = i =1
= = 54,5 13
n 50
Medidas de Posição (ou de
Tendência Central)
9 Propriedades da Média
14
Medidas de Posição (ou de
Tendência Central)
9 Mediana
15
Medidas de Posição (ou de
Tendência Central)
Conjunto de Dados: Para obtenção da estimativa de
mediana de um conjunto de dados
são necessários os seguintes passos:
(n / 2) − Fa
mˆ d = Li + hmd
684
f md
( n / 2 ) − Fa
mˆ d = Li + hmd
f md
(50 / 2) − 11
mˆ d = 49,5 + .5 = 53,875
16 19
Medidas de Posição (ou de
Tendência Central)
9 Moda
(a) AMOSTRA: m̂ O
(b) POPULAÇÃO: mO
20
Medidas de Posição (ou de
Tendência Central)
9 Moda
d1
ˆ o = Li +
Tabelas de Freqüência => m h
d1 + d 2
21
Medidas de Posição (ou de
Tendência Central)
9 Moda
Exemplo 2: 50 determinações do tempo (em segundos)
gasto por um funcionário
d1
mˆ o = Li + h
684 d1 + d 2
Li = 49,5; d1 = 16 – 8 = 8; d2 = 16 – 12 = 4; h = 5. 22
Medidas de Posição (ou de
Tendência Central)
9 Moda
Li = 49,5; d1 = 16 – 8 = 8; d2 = 16 – 12 = 4; h = 5.
d1
mˆ o = Li + h
d1 + d 2
8
mˆ o = 49,5 + .5 = 52,833
8+ 4
23
Medidas de Dispersão (ou de
Variabilidade)
9 A informação fornecida pelas Medidas de Posição em geral
necessitam de ser complementas pelas Medidas de
Dispersão.
(b) POPULAÇÃO: σ 2
= σ 2
( X ) = σ 2
X
k
N
Σ ( X i − X )2 fi
Tabela de Freqüência => σ 2 = σ 2 ( X ) = σ X2 = i =1
N
OBS:
(i) A variância calculada para dados agrupados deverá ser
superestimada em relação à variância exata dos “N”
dados originais.
27
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
34
S 2 ( X ) = S X2 = = 8,5
4
Σ( X i − X ) 2 = Σ( X i2 − 2 X i X + X 2 )
= ΣX i2 − 2 XΣX i + NX 2
ΣX i ⎛ ΣX i ⎞
2
= ΣX − 2i
2
ΣX i + N ⎜ ⎟
N ⎝ N ⎠
( Σ X ) 2
( Σ X ) 2
= ΣX i2 − 2 i
+ i
N N
( Σ X ) 2
Σ( X i − X ) 2 = ΣX i2 − i
N 30
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
S 2 ( X ) = S X2 = i =1 = N
N −1 N −1
Da mesma forma, para dados agrupados em Tabela de
freqüência, teremos:
2
⎛ k
⎞
⎜ Σ X i i⎟
f
k k
⎝ i =1 ⎠
Σ ( X i − X ) 2 f i iΣ=1 X i f i −
2
S 2 ( X ) = S X2 = i =1 = N
N −1 N −1 31
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
Exemplo: 50 determinações do tempo (em segundos)
gasto por um funcionário
684
2
⎛k ⎞
Σ
⎜ i =1 i i ⎟
X f
Σ X i2 f i − ⎝
k
⎠ 150.775 −
(2.725 )2
= N 50
S 2 ( X ) = S X2 = = 46,17
i 1
32
N −1 49
Medidas de Dispersão (ou de
Variabilidade)
9 Propriedades da Variância
(a) AMOSTRA: S = S X = S ( X ) = σˆ = σˆ ( X ) = σˆ X
(b) POPULAÇÃO: σ = σ (X ) = σ X
=> Em se tratando de Amostra: S ( X ) = S X = + S X2
34
Medidas de Dispersão (ou de
Variabilidade)
9 Desvio Padrão
OBS: (i) O desvio padrão se expressa na mesma unidade da
variável, sendo por isso, de maior interesse que a variância
nas aplicações práticas;
= N 50
S 2 ( X ) = S X2 = = 46,17
i 1
N −1 49
S ( X ) = S X = 46,17 = 6,79 35
Medidas de Dispersão (ou de
Variabilidade)
9 Coeficiente de Variação
(b) POPULAÇÃO: CV ( X ) = CV X
^ ^ SX
CV ( X ) = CV X =
X 36
Medidas de Dispersão (ou de
Variabilidade)
9 Coeficiente de Variação
^ ^ SX
CV ( X ) = CV X =
X
^ ^ S X 6,79
CV ( X ) = CV X = = = 0,125 = 12,46%
X 54,5
37
Medidas de Dispersão (ou de
Variabilidade)
9 Coeficiente de Variação
n
Σ ( X i − X )t
mt = i =1
n
Também sabemos que, nos casos da média e da variância,
as expressões podem ser reescritas levando-se em
consideração Tabelas de freqüências dos diferentes valores
existentes.
41
Momentos de uma Distribuição de
Freqüências
9 Alguns conceitos
45
Medidas de Assimetria
O momento centrado de terceira ordem pode ser usado
como medida de assimetria.
Entretanto é mais conveniente a utilização de uma medida
adimensional, definida como Coeficiente de Assimetria, dado
por: m
a3 = 3
(S X )3
X − mˆ 0
A=
SX
O Índice de Assimetria de Pearson também pode ser
facilmente classificado:
k
Σ X i fi 2.725
x = µˆ = m̂ = i =1
= = 54,5
n 50
d1
mˆ o = Li + h
d1 + d 2
8 684
mˆ o = 49,5 + 5 = 52,833
8+ 4
2
⎛k ⎞
⎜ Σ X i f i ⎟
k
Σ X i fi −
2 ⎝ i =1 ⎠
i =1 N
S X2 = = 46,17
N −1
51
Medidas de Achatamento ou
Curtose
A caracterização do achatamento de uma distribuição só tem
sentido, em termos práticos, se a distribuição for
aproximadamente Simétrica.
m4 m4
a4 = 2 2 = 4
(S X ) SX
52
Medidas de Achatamento ou
Curtose
Trata-se de coeficiente adimensional, permitindo a sua
classificação:
53
Medidas de Achatamento ou
Curtose
Exemplo: 50 determinações do tempo (em segundos) gasto por
um funcionário
Assim, basta criamos
duas novas colunas
com: X i3 f i e X i4 f i .
684
55
Medidas de Achatamento ou
Curtose
Outra medida de achatamento mais simples pode ser obtido
pelo Grau de Curtose, dado pelo coeficiente:
Q3 − Q1
K=
2( P90 − P10 )
em que,
Q3 = é o 3º Quartil;
Q1 = é o 1º Quartil;
56
Medidas de Achatamento ou
Curtose
Quartis => dividem um conjunto de dados em quatro partes
iguais.
Q1 Q2 Q3
em que,
(i) Calcula-se: N;
4
(ii) Identifica-se a classe de Q1 pela Fi (freq. acumulada);
(n / 4) − Fa
Q1 = LQ1 + h
f Q1
58
Medidas de Achatamento ou
Curtose
9 Fórmulas para cálculo de Q1 e Q3 para o caso de variáveis
quantitativas contínuas (continuação)
(i) Calcula-se: 3N
4
(ii) Identifica-se a classe de Q3 pela Fi (freq. acumulada);
(3n / 4) − Fa
Q3 = LQ3 + h
f Q3
59
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar os Quartis (Q1 e Q3)
e a mediana.
Classes fi Fi
7 – 17 6 6
17 – 27 15 21 Classe Q1
27 – 37 20 41 Classe m̂d
37 – 47 10 51 Classe Q3
47 – 57 5 56
(n / 4) − Fa (n / 2) − Fa (3n / 4) − Fa
Q1 = LQ1 + h mˆ d = Li + hmd Q3 = LQ3 + h
f Q1 f md fQ3
60
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar os Quartis (Q1 e Q3)
e a mediana.
Classes fi Fi n = 56;
7 – 17 6 6
n 56
17 – 27 15 21 Q1 = = = 14 o elemento
4 4
27 - 37 20 41
3n 3.56
37 - 47 10 51 Q3 = = = 42o elemento
4 4
47 - 57 5 56
⎛ n ⎞ ⎛ n ⎞ ⎛ 56 ⎞ ⎛ 56 ⎞
⎜ ⎟ + ⎜ + 1⎟ ⎜ ⎟ + ⎜ + 1⎟
2 ⎠ ⎝2⎠ ⎝2 ⎠
mˆ d = ⎝ ⎠ ⎝
2
= = 28 o e 29 o elementos
2 2
61
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar os Quartis (Q1 e Q3)
e a mediana.
fi Fi ( n / 4) − Fa
Classes Q1 = LQ1 + h
f Q1
7 – 17 6 6
17 – 27 15 21 (n / 2) − Fa
mˆ d = Li + hmd
27 - 37 20 41 f md
37 - 47 10 51 (3n / 4) − Fa
Q3 = LQ3 + h
47 - 57 5 56 f Q3
h = 10 ; f Q = 15 h = 10 ; f mˆ d = 20 h = 10
; f Q 3 = 10
1 62
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar os Quartis (Q1 e Q3)
e a mediana.
⎛ 56 ⎞
⎜ − 6⎟
(n / 4) − Fa
h = 17 + ⎝ ⎠ .10 = 22,33
2
Q1 = LQ1 +
f Q1 15
⎛ 56 ⎞
⎜ − 21⎟
(n / 2) − Fa
= 27 + ⎝ ⎠ .10 = 30,50
2
mˆ d = Li + hmd
f md 15
⎛ 3.56 ⎞
⎜ − 41⎟
(3n / 4) − Fa
h = 37 + ⎝ ⎠ .10 = 38,00
4
Q3 = LQ3 +
fQ3 10
63
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar os Quartis (Q1 e Q3)
e a mediana.
Q1 Q2 Q3
25% 25% 25% 25%
64
Medidas de Achatamento ou
Curtose
Decis => são os valores que dividem um conjunto de dados em
10 partes iguais.
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
D1 D2 D3 D4 D5 D6 D7 D8 D9
em que,
Q3 − Q1 38,00 − 22,33
K= = = 0,2606
2( P90 − P10 ) 2(46,40 − 16,33)
70
Medidas de Achatamento ou
Curtose
Assim o Grau de Curtose, de ser classificado da seguinte
forma:
Q3 − Q1
K=
2( P90 − P10 )
71