Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística
9 É a ciência que se preocupa com:
(i) Organização;
Estatística Descritiva
(ii) Descrição;
(iii) Análises;
Estatística Indutiva ou
(iv) Interpretações. Estatística Inferencial
Introdução à Estatística 1
Alguns Conceitos
9 População
9 Amostra
Alguns Conceitos
9 OBJETIVO DA ESTATÍSTICA: “tirar conclusões
sobre populações com base nos resultados
observados em amostras extraídas dessas
populações”.
9 Variável
Introdução à Estatística 2
Tipos de Variáveis
As variáveis de interesse podem ser classificadas em:
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
Introdução à Estatística 3
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)
Características Numéricas de
uma Distribuição de Dados
Introdução à Estatística 4
Introdução
9 As vezes é necessário resumir certas características das
distribuições de dados (ou mesmo de freqüências dados)
por meio de certas quantidades.
9 Tais quantidades são usualmente denominadas de
MEDIDAS, por quantificarem alguns aspectos de nosso
interesse.
10
Introdução à Estatística 5
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
(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
Introdução à Estatística 6
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
14
Introdução à Estatística 7
Medidas de Posição (ou de
Tendência Central)
9 Mediana
15
Introdução à Estatística 8
Medidas de Posição (ou de
Tendência Central)
9 Mediana
(n/ 2) − Fa
Tabelas de Freqüência => ˆ d = Li +
m hmd
fmd
(n / 2) − Fa
mˆ d = Li + hmd
684
f md
Introdução à Estatística 9
Medidas de Posição (ou de
Tendência Central)
9 Mediana
( n / 2 ) − Fa
mˆ d = Li + hmd
f md
(50 / 2) − 11
mˆ d = 49,5 + .5 = 53,875
16 19
(a) AMOSTRA: m̂ O
(b) POPULAÇÃO: mO
20
Introdução à Estatística 10
Medidas de Posição (ou de
Tendência Central)
9 Moda
d1
Tabelas de Freqüência => mˆ o = Li + h
d1 + d 2
21
d1
mˆ o = Li + h
684 d1 + d 2
Li = 49,5; d1 = 16 – 8 = 8; d2 = 16 – 12 = 4; h = 5. 22
Introdução à Estatística 11
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
Introdução à Estatística 12
Medidas de Dispersão (ou de
Variabilidade)
9 Amplitude
(b) POPULAÇÃO: σ 2 = σ 2 ( X ) = σ X2
=> Em se tratando de Amostra: n
Σ ( X i − X )2
Conjunto de Dados => S 2 ( X ) = S X2 = i =1
N −1
k
Σ ( X i − X )2 fi
Tabela de Freqüência => S ( X ) = S = i =1
2 2
26
N −1
X
Introdução à Estatística 13
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
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
Introdução à Estatística 14
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
Exemplo: Cálculo da variância de um conjunto pequeno de
dados: {15, 12, 10, 17, 16}
n
Σ ( X i − X )2
S (X ) = S =
2 2 i =1
N −1
X
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 ⎞
2
= ΣX − 2
i
2
ΣX i + N ⎜ i ⎟
N ⎝ 2N ⎠
( ΣX ) 2
( Σ X i)
= ΣX i2 − 2 i
+
N N
( ΣX i ) 2
Σ( X i − X ) 2 = ΣX i2 −
N 30
Introdução à Estatística 15
Medidas de Dispersão (ou de
Variabilidade)
9 Variância
S ( X ) = S X = i =1
2 2
= N
N −1 N −1
Da mesma forma, para dados agrupados em Tabela de
freqüência, teremos:
2
⎛k ⎞
⎜ iΣ=1 X i f i ⎟
k k
⎝ ⎠
Σ ( X i − X ) 2 f i iΣ=1 X i f i −
2
S (X ) = SX =
2 2 i =1
= N
N −1 N −1 31
684
2
⎛k ⎞
⎜ iΣ=1 X i f i ⎟
Σ X i2 f i − ⎝
k
⎠ 150.775 −
(2.725)2
i =1 N 50
S 2 ( X ) = S X2 = = 46,17 32
N −1 49
Introdução à Estatística 16
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
Introdução à Estatística 17
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;
(b) POPULAÇÃO: CV ( X ) = CV X
^ = SX
^ ( X ) = CV
CV X
X 36
Introdução à Estatística 18
Medidas de Dispersão (ou de
Variabilidade)
9 Coeficiente de Variação
^ = SX
^ ( X ) = CV
CV X
X
^ ^ S 6,79
CV ( X ) = CV X = X = = 0,125 = 12,46%
X 54,5
37
Introdução à Estatística 19
Momentos de uma
Distribuição de Dados
Introdução à Estatística 20
Momentos de uma Distribuição de
Freqüências
9 Alguns conceitos
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
Introdução à Estatística 21
Momentos de uma Distribuição de
Freqüências
9 Alguns conceitos
Introdução à Estatística 22
Medidas de Assimetria
Essas medidas procuram caracterizar como e quanto a
distribuição dos Dados(ou freqüências) se afasta da condição
de simetria.
Distribuições alongadas a direita são ditas Positivamente
Assimétricas.
Distribuições alongadas a esquerda são ditas
Negativamente Assimétricas.
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
Introdução à Estatística 23
Medidas de Assimetria
Desta forma, poderemos classificar o Coeficiente de
Assimetria (a3) da seguinte forma:
Medidas de Assimetria
Outra medida de assimetria mais simples pode ser obtido pelo
Índice de Assimetria de Pearson:
X − mˆ 0
A=
SX
O Índice de Assimetria de Pearson também pode ser
facilmente classificado:
Introdução à Estatística 24
Medidas de Assimetria
Exemplo: 50 determinações do tempo (em segundos) gasto por
um funcionário
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 ⎞
⎜ iΣ=1 X i f i ⎟
Σ X i fi − ⎝ ⎠
k
2
i =1 N
SX =
2
= 46,17
N −1
Medidas de Assimetria
Exemplo: 50 determinações do tempo (em segundos) gasto por
um funcionário
X − mˆ 0 54,5 − 52,833
A= = = 0,246
SX 6,79
Pelo Índice de Assimetria de Pearson essa distribuição seria
classificada como “Moderadamente Assimétrica”, pois
0 ,15 < | A |< 1, 0 .
De fato isso ocorre, pois
quando utilizados uma
Técnica de Descrição
Gráfica para Variáveis
Quantitativas Contínuas,
detectamos a Assimetria
Moderada. 50
Introdução à Estatística 25
Medidas de Achatamento ou
Curtose
Essas medidas procuram caracterizar a forma da distribuição
quanto ao seu achatamento.
O termo médio de comparação é dado pela Distribuição
Normal, que é um modelo teórico de distribuição a ser
estudado no capítulo relacionado à Probabilidades.
Quanto ao achatamento, podemos ter as seguintes situações:
Platicúrticas, Mesocúrticas e Leptocúrticas.
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 = =
( S X2 ) 2 S X4
52
Introdução à Estatística 26
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
Introdução à Estatística 27
Medidas de Achatamento ou
Curtose
Exemplo: 50 determinações do tempo (em segundos) gasto por
um funcionário
m4 m
a4 = 2 2
= 44 ≅ 2 , 21 => Distribuição ligeiramente
(S X ) SX Platicúrtica.
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
Introdução à Estatística 28
Medidas de Achatamento ou
Curtose
Quartis => dividem um conjunto de dados em quatro partes
iguais.
Q1 Q2 Q3
em que,
Medidas de Achatamento ou
Curtose
9 Fórmulas para cálculo de Q1 e Q3 para o caso de variáveis
quantitativas contínuas
(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
Introdução à Estatística 29
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
Introdução à Estatística 30
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⎟
mˆ d = ⎝ ⎠ ⎝
2 2 ⎠ ⎝2⎠ ⎝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.
Classes fi Fi ( n / 4) − Fa
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
Introdução à Estatística 31
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, 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
⎛ 56 ⎞
⎜ − 21⎟
(n / 2) − Fa ⎝ 2 ⎠ .10 = 30,50
mˆ d = Li + hmd = 27 +
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
Introdução à Estatística 32
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,
Medidas de Achatamento ou
Curtose
Determinação de um Decil Di:
i.N
(i) Calcula-se: em que i = 1, 2, ..., 9;
10
(ii) Identifica-se a classe de Di pela Fi (freq. acumulada);
Introdução à Estatística 33
Medidas de Achatamento ou
Curtose
Percentis => são os valores que dividem um conjunto de dados
em 100 partes iguais.
Medidas de Achatamento ou
Curtose
Determinação de um Percentil Pi:
i.N
(i) Calcula-se: em que i = 1, 2, ..., 98, 99;
100
(ii) Identifica-se a classe de Pi pela Fi (freq. acumulada);
Introdução à Estatística 34
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar o Grau de Curtose
(K).
Q3 − Q1
K=
Classes fi Fi 2( P90 − P10 )
7 – 17 6 6
Já tínhamos obtidos:
17 – 27 15 21
27 - 37 20 41 Q1 = 22,33 e Q3 = 38,00
37 - 47 10 51 (i.N / 100) − Fa
Pi = Li + h
47 - 57 5 56 f Pi
Medidas de Achatamento ou
Curtose
Exemplo: Dada a distribuição, determinar o Grau de Curtose
(K).
Classes fi Fi Q3 − Q1
K=
7 – 17 6 6 2( P90 − P10 )
17 – 27 15 21
Agora temos tudo:
27 - 37 20 41
37 - 47 10 51 Q1 = 22,33 e Q3 = 38,00
47 - 57 5 56 P10 = 16,33 e P90 = 46,40
Q3 − Q1 38,00 − 22,33
K= = = 0,2606
2( P90 − P10 ) 2(46,40 − 16,33)
70
Introdução à Estatística 35
Medidas de Achatamento ou
Curtose
Assim o Grau de Curtose, de ser classificado da seguinte
forma:
Q3 − Q1
K=
2( P90 − P10 )
71
Introdução à Estatística 36