Cap 3 - Anаlise exploratoria de dados PDF

Estatística para Cursos de
Engenharia e Informática
Pedro Alberto Barbetta / Marcelo Menezes Reis / Antonio Cezar Bornia
São Paulo: Atlas, 2004
Cap. 3 – Análise exploratória de

dados
APOIO:
Fundação de Apoio à Pesquisa Científica e Tecnológica do Estado de Santa Catarina
(FAPESC)
Departamento de Informática e Estatística – UFSC (INE/CTC/UFSC)
BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004
Dados e variáveis
Dados e variáveis
Dados e variáveis
quantitativa dados quantitativos
variável
qualitativa ou dados qualitativos
categórica ou categorizados
Distribuição de freqüências
• A distribuição de freqüências consiste na

organização dos dados de acordo com as
ocorrências dos diferentes resultados observados.
• Pode ser apresentada em tabela ou gráfico.
Dados
Provedor usado por cada usuário
indivíduo provedor indivíduo provedor indivíduo provedor indivíduo provedor
1 C 11 C 21 B 31 A
2 A 12 A 22 A 32 A
3 B 13 B 23 A 33 B
4 B 14 D 24 B 34 C
5 C 15 A 25 A 35 B
6 B 16 B 26 A 36 D
7 D 17 B 27 B 37 B
8 B 18 C 28 D 38 B
9 B 19 D 29 D 39 B
10 A 20 B 30 C 40 C
Distribuição de freqüências para variáveis qualitativas
Tabela. Distribuição de freqüências do

provedor usado pelo visitante do site.
Provedor Freqüência Percentagem
A 10 25,0
B 17 42,5
C 7 17,5
D 6 15,0
Total 40 100,0
50%
40%
30%
20%
10%
0%
A B C D
provedor
Gráfico de colunas para a apresentação da distribuição

de freqüências do provedor usado pelo visitante do site.
15%
25%
A
18% B
C
D
42%
Gráfico de setores para a apresentação da distribuição

de freqüências do provedor usado pelo visitante do site.
Distribuição de freqüências para variáveis quantitativas
discretas
% de itens
16
14
12
10
8
6
4
2
0
0 1 2 3 4 5 6 7
Número de defeitos
Variáveis contínuas
Construção da distribuição de freqüências
5,2 6,4 5,7 8,3 7,0 5,4 4,8 9,1

5,5 6,2 4,9 5,7 6,3 5,1 8,4 6,2 8,9
7,3 5,4 4,8 5,6 6,8 5,0 6,7 8,2 7,1
4,9 5,0 8,2 9,9 5,4 5,6 5,7 6,2 4,9
5,1 6,0 4,7 14,1 5,3 4,9 5,0 5,7 6,3
6,0 6,8 7,3 6,9 6,5 5,9
amplitude dos dados
4,7 14,1
4 5 6 7 8 9 10 11 12 13 14 15
11 classes de amplitude unitária
Tabela de freqüências: variável contínua
Classes de Ponto Número de Percentagem de Percentagem

tempo médio observações observações acumulada
nj 100fj 100Fj
4 |— 5 4,5 7 14 14
5 |— 6 5,5 18 36 50
6 |— 7 6,5 13 26 76
7 |— 8 7,5 4 8 84
8 |— 9 8,5 5 10 94
9 |— 10 9,5 2 4 98
10 |— 11 10,5 0 0 98
11,5 0 0 98
11 |— 12
12,5 0 0 98
12 |— 13 13,5 0 0 98
13 |— 14 14,5 1 2 100
14 |— 15
Total - 50 100 -
Histograma
20
18
16
número de observações
14
12
10
0
3 4 5 6 7 8 9 10 11 12 13 14 15
tempo (em segundos) para carga de um aplicativo
Formas de uma distribuição de freqüências
• Distribuições diferentes em termos da posição

central
• Distribuições diferentes quanto à dispersão
• Distribuições diferentes quanto à assimetria
• Distribuições diferentes quanto à curtose
Medidas descritivas
• A média aritmética: uma medida de posição central.
x 1 x 2.. . x n 1 n
x = = ∑ xi
n n i=1
Exemplo
Tempo (minutos)
Temperatura (0C) 20 25 30
60 29,7 28,7 30,2 31,0 30,6 32,8 32,9 32,7 34,8
31,3 31,2 31,7 31,9 31,2 31,2 34,9 33,8 34,9
70 36,6 35,7 35,3 35,7 40,4 41,7 34,8 36,8 37,4

35,1 30,2 37,2 36,9 34,5 40,0 38,9 38,7 42,5
80 40,2 33,6 33,4 37,0 34,4 29,8 36,0 31,3 36,6

35,2 38,1 33,0 33,9 43,2 35,5 32,5 39,2 35,9
Exemplo
Médias aritméticas do rendimento, para diferentes níveis de

temperatura e tempo de reação, num processo químico.
Tempera- Tempo (minutos)
tura (0C) 20 25 30
60 30,5 31,4 34,0
70 35,0 38,2 38,2
80 35,6 35,6 35,3
Exemplo
Rendimento médio em função
do tempo e temperatura
39
38
37
Rendimento (%)
36
35
34
33
32
31
30
60 graus
29 70 graus
20 25 30
80 graus
Tempo (minutos)
Exemplo: notas dos alunos de três turmas
Turma Notas dos alunos Média da turma

A 4 5 5 6 6 7 7 8 6,00
B 1 2 4 6 6 9 10 10 6,00
C 0 6 7 7 7 7,5 7,5 6,00
Exemplo: notas dos alunos de três turmas
Turma A
Turma B
Turma C
0 2 4 6 8 10 12
notas
Como medir a dispersão?
Exemplo: Turma A (4 5 5 6 6 7 7 8)
4 5 6 7 8
distância (desvio) em relação à média
Descrição notação resultados numéricos
Valores (notas dos alunos) 4 5 5 6 6 7 7 8
xi
Média x 6
Desvios em relação à média x i − x -2 -1 -1 0 0 1 1 2

Desvios quadráticos 2 4 1 1 0 0 1 1 4
 x i − x 
n
21 2
Variância (da amostra): s = ∑
n−1 i=1
 x i − x 
4 1 1 0 0 1 1 4
s2 = = 1,71
8− 1
Descrição notação resultados numéricos
Valores (notas dos alunos) 4 5 5 6 6 7 7 8
xi
Média x 6
Desvios em relação à média x i − x -2 -1 -1 0 0 1 1 2

Desvios quadráticos 2 4 1 1 0 0 1 1 4
 x i − x 

n
1 2
Desvio padrão (da amostra): s= ∑
n−1 i=1
 x i−x 

s=

4 1 1 0 0 1 1 4
8− 1
=  1,71 =1,31
Medidas descritivas das notas finais dos
alunos de três turmas.
Turma Número de Média Desvio

alunos padrão
A 8 6,00 1,31
B 8 6,00 3,51
C 7 6,00 2,69
Interprete.
Ex: Rendimento de um processo químico
Rendimento médio em função

do tempo e temperatura Desvio padrão do rendimento em
39 função do tempo e temperatura
38 5,0
37 4,5
Desvio padrão do rendimento

36 4,0
Rendimento (%)
35 3,5
34 3,0
33 2,5
32 2,0
31 1,5
30 1,0
60 graus
29 70 graus 0,5
20 25 30 60 graus
80 graus 0,0
Tempo (minutos) 70 graus
20 25 30
80 graus
Tempo
Interprete.
Outra forma de calcular o desvio padrão
  
n
1
s=
n−1
∑ x 2i − n x2
i=1
Valores xi : 4 5 5 6 6 7 7 8
Valores ao quadrado xi2 : 16 25 25 36 36 49 49 64
n n
∑ x i =48
i=1
x =6 ∑ x 2i =300
i=1

2
s=
300 − 8.6
7
=
300 − 288
7
=
12
7 
= 1,31

Medidas baseadas na ordenação dos dados
25% 25%
25%
25%
qi md qs
Quartil
inferior mediana
Quartil
superior
Medidas baseadas na ordenação dos dados
Dados ordenados:
n1
posição de qi :
4
n1
25% 25%
25% posição de md :
25%
2
qi md qs 3n1
posição de q s :
4
Se fracionário  interpolação linear
Exemplo
Observações: 15, 18, 5, 7, 9, 11, 3, 5, 6, 8, 12.
Ordenando:
3 5 5 6 7 8 9 11 12 15 18
n = 11
n1
posição de q i :
4
=3 q i =5
n1 md =8
posição de md : =6
2
3 n1 q s=12
posição de q s : =9
4
Comparação entre média e mediana
• A média é mais influenciada por valores

discrepantes.
50% dos valores 50% dos valores
0 10 20 30 40 50 60 70
md = 22,5 x =24 ,7
Comparação entre média e mediana
(a) distribuição
simétrica
50% 50%
média = mediana (b) distribuição

assimétrica
50%
50%
mediana média
Diagrama em caixas
max
qs + 1,5dq
qs
dq = qs - qi
md
qi
min
Diagrama em caixas e forma da distribuição
25%
25% 25% 25%
25%
25% 25% 25%
Interprete o gráfico
28
Renda
23
familiar
(sal. mín.) 18
13
Monte Encosta
Verde do Morro
Observações ao longo do tempo
• EXEMPLO: todos os dias é retirada uma amostra de

dez sacos de leite de um laticínio, durante 23 dias.
• Quer-se acompanhar o nível e a variabilidade do

peso.
Gráfico das médias amostrais
1037
1036,2
1036
1035
1034
peso (g)
1033 1033,0
1032
1031
1030 1029,8
1029
1 5 10 15 20
amostra
Gráfico dos desvios padrão amostrais
7
6
5,68
5
4
peso (g)
3,30
3
1 0,92
0
1 5 10 15 20
amostra
Orientação geral para análise exploratória de
dados não temporais
Tabela
Distribuição de
freqüências
Variável Gráfico de
qualitativa barras, colunas
ou setores
Percentagens
Análise
univariada
Histograma
Distribuição de
freqüências
Variável
Ramo-e-folhas
quantitativa
Medidas descritivas (média,
desvio padrão, mediana, etc.)
Orientação geral para análise exploratória de
dados não temporais
Medidas descritivas da
variável quantitativa em cada
Uma variável quantitativa categoria da qualitativa
e outra qualitativa
Diagrama em caixas múltiplo
Análise Duas variáveis
biivariada qualitativas Tabela de contingência (Cap. 10)
Diagrama de dispersão (Cap. 11)

Duas variáveis
quantitativas
Coeficiente de correlação (Cap. 11)

Cap 3 - Anаlise exploratoria de dados PDF

Enviado por

Dados do documento

Título original

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

Cap 3 - Anаlise exploratoria de dados PDF

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística para Cursos de

Cap. 3 – Análise exploratória de

quantitativa dados quantitativos

• A distribuição de freqüências consiste na

• Pode ser apresentada em tabela ou gráfico.

Tabela. Distribuição de freqüências do

Gráfico de colunas para a apresentação da distribuição

Gráfico de setores para a apresentação da distribuição

5,2 6,4 5,7 8,3 7,0 5,4 4,8 9,1

amplitude dos dados

Classes de Ponto Número de Percentagem de Percentagem

• Distribuições diferentes em termos da posição

• Distribuições diferentes quanto à dispersão

• Distribuições diferentes quanto à assimetria

• Distribuições diferentes quanto à curtose

70 36,6 35,7 35,3 35,7 40,4 41,7 34,8 36,8 37,4

80 40,2 33,6 33,4 37,0 34,4 29,8 36,0 31,3 36,6

Médias aritméticas do rendimento, para diferentes níveis de

Tempera- Tempo (minutos)

Turma Notas dos alunos Média da turma

distância (desvio) em relação à média

Desvios em relação à média x i − x -2 -1 -1 0 0 1 1 2

Desvios em relação à média x i − x -2 -1 -1 0 0 1 1 2

Turma Número de Média Desvio

Rendimento médio em função

Desvio padrão do rendimento

• A média é mais influenciada por valores

50% dos valores 50% dos valores

média = mediana (b) distribuição

• EXEMPLO: todos os dias é retirada uma amostra de

• Quer-se acompanhar o nível e a variabilidade do

Diagrama de dispersão (Cap. 11)

Você também pode gostar