Você está na página 1de 43

Universidade de Brasília

Departamento de Engenharia Mecânica


Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Métodos Experimentais em
Ciências Mecânicas

Professor
Jorge Luiz A. Ferreira
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Pertencem ao grupo de Medidas de Tendência Central
ferramentas estatísticas que • Médias
permitem caracterizar um • Aritmética
conjunto de dados sob ponto de • Harmônica
vista da tendência central ou da • Geométrica
dispersão dos dados estudados • Quadrática
Medidas de Dispersão • Ponderada
• Amplitude, Faixa, ou Range • Aparada (Trimmed)
• Variância • Mediana
• Desvio Padrão • Moda
• Coeficiente de Variação • Quartis
• Distância Interquartílica Medidas de Assimetria e Curtose
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central

Como o próprio nome já diz, medidas de tendência central são aquelas


cujo valor tende a localizar-se no centro de uma série de dados.

Freqüentemente, quando se analisa os valores de uma variável em uma


amostra, constata-se que os dados não se distribuem uniformemente,
havendo concentração em alguns pontos, notadamente próximos ao
centro da distribuição.

Qual a posição que melhor representa o centro destes dados ?


Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central e de Dispersão

Valor Esperado – Expectância - Momento


Se x(t) ou xk = Resultados de uma medição

[
E (x − a )
n
] 1 T
= ∫ ( x(t ) − a ) dt
T 0
n

1 K
= ∑ k = 0 ( xk − a )
n

K
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Média Aritmética
A Média Aritmética é o Valor Que
Define o “ponto de equilíbrio” dos
Dados de uma Distribuição.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Média Aritmética

Cálculo exato: (da população) Estimativa: (da amostra)

1 T 1 T
µ = Lim ∫ x(t )dt m = ∫ x(t )dt
T →∞ T 0 T 0
1 N 1 N
= Lim ∑k =1 xk = ∑k =1 xk
N →∞ N N
= ∑k =1 xk ⋅ f k
K
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Média Geométrica
Média geométrica é a média dos
elementos amostrais em relação à
multiplicação. Sua estimativa é realizada
por meio da seguinte expressão:

N
mg = N
∏ x
k =1 k

Exercício: Aplicar a função log na expressão acima e análisar resultado


Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Mediana

A mediana é um número que caracteriza 5 7+5


1 8 6=
as observações de uma determinada 11 7 2
3 4
variável de tal forma que a sua posição, 9
em um grupo de dados ordenados, 11
11 9
separe a metade inferior da amostra,
9 8
população ou distribuição de
8 7
probabilidade, da metade superior.
7
5
Esta medida também é conhecida como 5 4
média posicional ! 3 3
1 1
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Mediana
Estimadores da Mediana
5 7+5
Dados não Agrupados N +1 1 8 6=
Pos = 11 7 2
2 3 4
9
Dados Agrupados
N 11
− Fant
11
Md = lsi + c ⋅ 2 9
9
f Md 8
8 7
Onde: Pos = 4
7
lsi - Limite Inferior da Classe Mediana 5
c – Intervalo de Classe 5 Pos = 4,5
4
N - Tamanho da Amostra 3 3
fMd - freqüência absoluta da classe mediana
Fant - freqüência acumulada anterior à classe mediana 1 1
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Média Aparada
Uma média aparada, trimmed, não é mais do que uma
“mistura” entre os conceitos de média e mediana por forma a
combinar as qualidades de ambas. Podendo ser entendida
também como uma média que é calculada excluindo uma certa
proporção de observações em cada extremo da amostra.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Moda

A moda é o valor que detém o maior número 5


1 8
de observações, ou seja, o valor ou valores 11 7
3 4
mais freqüentes. A moda não é 9
necessariamente única, ao contrário da média
ou da mediana. Não Possui Moda

É especialmente útil quando os valores ou 4


1 8
observações não são numéricos, uma vez que a 7
11
média e a mediana podem não ser bem 3
9 4
definidas.
Possui Moda Igual a 4
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Moda
Estimadores da Moda

Dados não Agrupados Mo = xi = ponto médio da classe de maior freqüência


Dados Agrupados
Moda de King f pos
Mok = lsi + c ⋅
(f ant + f post )
Onde:
lsi = limite inferior da classe modal onde se localiza a moda
c - intervalo de classe
fmo- freqüência da classe modal
fant- freqüência anterior à classe modal
fpost - freqüência posterior à classe modal
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Tendência Central – Moda
Estimadores da Moda

Dados não Agrupados Mo = xi = ponto médio da classe de maior freqüência


Dados Agrupados
Moda de Czuber f mo − f ant
Moc = lsi + c ⋅
2 ⋅ f mo ( f ant + f post )
Onde:
lsi = limite inferior da classe modal onde se localiza a moda
c - intervalo de classe
fmo- freqüência da classe modal
fant- freqüência anterior à classe modal
fpost - freqüência posterior à classe modal
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Idade dos Pessoal da Turma


Medidas Resumo
25 20
Média, Mediana, Moda – Aplicação 20 24
20
22 30
25 24
A média permite explicar muito bem 21
50
o comportamento de resultados 28 20
24
experimentais,
Média = 25,2
A mediana também permite explicar Mediana = 24
Moda = 20
muito bem o comportamento de
resultados experimentais de
fenômenos com eventos extremos,
A moda é apropriada para representar o comportamento de
dados ao nível nominal
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Idade dos Pessoal da Turma


Medidas Resumo
25 20
Média, Mediana, Moda – Aplicação 20 24
20
22 30
25 24
A média permite explicar muito bem 21
50
o comportamento de resultados 28 20
24
experimentais,
Média = 23,3
A mediana também permite explicar Mediana = 24
Moda = 20
muito bem o comportamento de
resultados experimentais de
fenômenos com eventos extremos,
A moda é apropriada para representar o comportamento de
dados ao nível nominal
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo Numeração dos calçados do Pessoal da Turma

36 37
Média, Mediana, Moda – Aplicação 38 36
39
35 36
37 40
A média permite explicar muito bem o 39
39
comportamento de resultados 44 39
40
experimentais,
Média = 38,2 ???
A mediana também permite explicar Mediana = 35,5
Moda = 39
muito bem o comportamento de
resultados experimentais de fenômenos
com eventos extremos,
A moda é apropriada para representar o comportamento de
dados ao nível nominal
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas Separatrizes – Quartis

Um quartil é qualquer um dos três


valores que divide o conjunto ordenado
de dados em quatro partes iguais, e
assim cada parte representa 1/4 da
amostra ou população.

1o quartil = quartil inferior = 2o quartil = mediana = é o 3o quartil = quartil superior = valor


é o valor aos 25% da amostra valor até ao qual se encontra a partir do qual se encontram 25%
ordenada 50% da amostra ordenada dos valores mais elevados
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas Separatrizes – Quartis

15
Um quartil é qualquer um dos três 7 40
valores que divide o conjunto ordenado 36
41 39
de dados em quatro partes iguais, e
assim cada parte representa 1/4 da
amostra ou população. 41
36 + 39 Q3/4 = 40 40
Mediana = Q2/4 = 37,5 37,5 =
2 39
36
Q1/4 = 7 15
7
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas Separatrizes – Decil e Percentil

O Decil é responsável por dividir o conjunto em dez partes iguais.

Já o Percentil (ou centil), é a Medida que dividirá o conjunto em cem


partes iguais

Mediana !-------------------!-------------------!
Md

Medidas Quartil !---------!---------!---------!---------!


Q1 Q2 Q3
Separatrizes
Decil !---!---!---!---!---!---!---!---!---!---!
D1 D2 D3 D4 D5 D6 D7 D8 D9

Percentil !---!---!---!---!---!---!---!---!---!---!
C10 C20 C30 C40 C50 C60 C70 C80 C90
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão
Variação ou dispersão é o grau com que os dados numéricos tendem
a se espalhar em torno de um valor médio. Ou seja, medidas de
dispersão são indicadores do grau de variabilidade demonstrada
pelos indivíduos em torno das medidas de tendência central.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
25 20
Medidas de Dispersão - Amplitude 20 24
20
22 30
É a Diferença entre o maior valor 25 24
21
e o menor valor observado na 50
28 20
Amostra 24
Min. 20
20
20
20
Amplitude =30
21
22
Amplitude = Max. – Min. = 30 24
24
24
25
25
28
30
Max. 50
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Usando o Conceito de Expectância

[ ]

1
E (x − a ) (x(t ) − a ) dt
2 2
=
T 0

1
∑ (x
K
− xˆ )
2
= k =0 k
K
a = 0 → E[(x-a)2] é o Desvio Médio Quadrático

a = ^x → E[(x-a)2] é a Variância.

[ ]
E ( x − xˆ ) ≡ Momento central do ordem r
r
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Desvio Padrão

Cálculo exato: Estimativa:


(da população) (da amostra)
n n

∑ i x
( x − µ ) 2
∑ i
( x
i =1
− ˆ
x ) 2

i =1
σ = lim s=
n →∞ n n −1
xi i-ésima indicação
x̂ média Amostral (Base da Estimativa: "n" indicações)
n número de medições repetitivas efetuadas
µx Média Populacional
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Desvio Padrão

Desvio Padrão: É um valor que quantifica a dispersão dos eventos de uma


determinada população, ou seja, a média das diferenças entre o valor de
cada evento e a média central.
A vantagem que apresenta sobre a variância é de permitir uma
interpretação direta da variação do conjunto de dados, pois o desvio
padrão é expresso na mesma unidade que a variável
Apesar de ser a medida de dispersão mais usada, tal medida não tem uma
interpretação intuitivamente óbvia.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Desvio Padrão
Desiqualdade de Chebyshev: “Para qualquer conjunto de dados e qualquer
constante h > 1, no mínimo 1 – (1/ h2) dos dados estarão situados dentro de um
intervalo formado por h desvios padrões abaixo e acima da média.”
Espécime Dimensão Espécime Dimensão Espécime Dimensão Espécime Dimensão
1 81 11 99 1 81 11 99
2 81 12 99 2 81 12 99
3 83 13 100 h 1,5 3 83 13 100
4 86 14 101 Percentual 55,6% 4 86 14 101
5 88 15 104 5 88 15 104
Lim Inf. 83,05
6 91 16 105 6 91 16 105
Lim. Sup. 110,55
7 94 17 107 7 94 17 107
8 97 18 107 8 97 18 107
9 97 19 107 9 97 19 107
10 98 20 111 10 98 20 111

Percentual de dados no interior do intervalo: 80%


Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Coeficiente de Variação
O coeficiente de variação de Pearson, cv, é uma medida
relativa de variabilidade. É independente da unidade de
medida utilizada.
Estimador:

100 ⋅ s Karl Pearson


D1857 - †1936
cv(%) =

Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Coeficiente de Variação
Por ser uma medida relativizada, o coeficiente de
variação tem, portanto, aplicações na pesquisa para
comparar a precisão de diferentes experimentos, quando
a unidade de medição é diferente.

Dicas para tomada de decisão: Karl Pearson


D1857 - †1936

Baixa dispersão: cv ≤ 15%


Média dispersão: cv 15-30%
Alta dispersão: cv ≥ 30%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Coeficiente de Variação
Aplicação: Comparação de dispersão de resultado de experimentos
realizados com unidades de medição diferentes

Tipo de Lâmpada Horas de Uso Até Falhar


Incandecente (1) 976 898 1020 1102 1096 1139 825 981 1088 913
Fluorecente (2) 10271 9710 9939 9729 10423 10001 10853 9845 9448 9398

Lampada
Medidas Resumo
(1) (2)
Média 1004 9962
Desvio Padrão 103 449
C.V. 10.3% 4.5%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Dispersão – Distância Interquartílica

É a diferença entre o 3º e o 1º quartis, Q3 - Q1. Ou seja, no intervalo


interquartílico concentra-se metade das observações mais centrais.

50%
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Assimetria e Curtose
As medidas de assimetria e curtose complementam as medidas de posição e
de dispersão no sentido de proporcionar uma descrição e compreensão mais
completa das distribuições de freqüências.

Ampliando o conceito de Momento Estatístico:


São medidas de caráter mais geral e dão origem às demais medidas
descritivas, como as de tendência central, dispersão, assimetria e curtose.
Conforme a potência considerada tem-se a ordem ou o grau do
momento calculado.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Assimetria e Curtose - Momentos
Momentos Simples ou Centrados na Origem, Mr

1
mr = ⋅ ∑i =1 xir
N

N
= ∑i =1 c ⋅ f i
Nclas r
i N = tamanho da amostra,
x = observação amostral,
c = centro da classe da distribuição de freqüências de x
f = freqüência relativa
Nclas = número de Classes da distribuição de freqüências de x
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Assimetria e Curtose - Momentos
Momentos ou Centrados na Média, Mr

1
M r = ⋅ ∑i =1 ( xi − xˆ )
N r
N = tamanho da amostra,
N
xi = i-ésima observação amostral,
= ∑i =1
Nclas
(ci − xˆ ) r
⋅ fi f = freqüência relativa

c = centro da classe da distribuição de freqüências de x


m2 = Variância
Nclas = número de Classes da distribuição de freqüências de x
r é um número inteiro positivo que define a ordem do momento
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Assimetria e Curtose - Momentos
Momentos Abstratos, αr

Mr
αr = r
s
s = Desvio Padrão
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medida de Assimetria – Coeficiente de Assimetria
O coeficiente de assimetria quantifica o grau de desvio, afastamento da
simetria ou grau de deformação de uma distribuição de freqüências.
Estimadores:
Coeficiente de Assimetria de Pearson Coeficiente Momento de Assimetria

xˆ − Mo M3
As = α3 = 3
s s
Se |α3| < 0,2 a curva será simétrica
Se As < 0 a curva será assimétrica negativa
Se 0,2 < |α3| < 1,0 a curva será assimétrica
Se As > 0 a curva será assimétrica positiva fraca
Se As = 0 a curva será simétrica Se |α3| > 1,0 a curva será assimetria forte.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medida de Assimetria – Coeficiente de Assimetria

Assimetria positiva Quase simetria Assimetria negativa


Coef.ass. >0 Coef.ass. ~ 0 Coef.ass. <0
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Curtose ou de Achatamento
Mostram até que ponto uma distribuição é a mais aguda ou a mais achatada
do que uma curva normal, de altura média.
Classificação:
Mesocúrtica: É considerada a curva padrão.
Leptocúrtica: É uma curva mais alta do que a
normal. Apresenta o topo relativamente
alto, significando que os valores se acham
mais agrupados em torno da moda.
Curva Platicúrtica: É uma curva mais baixa
do que a normal. Apresenta o topo achatado,
significando que várias classes apresentam
freqüências quase iguais.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Curtose ou de Achatamento
Mostram até que ponto uma distribuição é a mais aguda ou a mais achatada
do que uma curva normal, de altura média.
Estimadores:
Coeficiente de Curtose Coeficiente Momento de Curtose
Q3 − Q1 M4
K= α4 = 4
2 ⋅ (P90 − P10 ) s
- α4 < 3 ⇒ distribuição Platicúrtica;
- K > 0.263 ⇒ distribuição Platicúrtica;
- α4 = 3 ⇒ distribuição Mesocúrtica;
- K = 0.263 ⇒ distribuição Mesocúrtica;
- α4 > 3 ⇒ distribuição Leptocúrtica;
- K < 0.263 ⇒ distribuição Leptocúrtica;
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Medidas Resumo
Medidas de Assimetria e de Achatamento

Atenção
Numa amostra é quase impossível observar simetria e curtose puras. Por
isso os coeficientes de assimetria e de curtose assumem valores quase
sempre diferentes de zero, 0,263 e 3.
Para termos uma ideia se a assimetria ou curtose é relevante devemos
comparar o valor dos coeficientes com o erro associado.
Se o coeficiente não exceder 2 ou 3 vezes o erro, o seu valor não será
muito relevante, especialmente quando queremos extrapolar para a
população.
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Estatística Descritiva
Tipos de Gráficos – Gráfico de Caixa – Boxplot
Exemplo - Para ilustrar o uso do gráfico de caixa, consideremos os
dados apresentados na tabela abaixo, que representam leituras de durezas
obtidas por tipos diferentes de tratamento térmico realizados durante a
300

fabricação de uma determinada peça.


Dureza Brinell, HB [Mpa]
(1) (2) (3) 250

Dureza Brinell, HB [MPa]


220,2 214,9 203,3
235,0 225,6 204,9
238,3 226,7 216,7
253,8 227,8 219,5
254,9 241,8 222,8 Visualização 200

259,0 244,6 224,5 dos Dados


266,7 246,2 270,0

150
1 2 3
Tratamento Térmico
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Estatística Descritiva
Tipos de Gráficos – Gráfico de Caixa – Boxplot
Exemplo – Estatísticas descritivas Descriptives

Statistic Std. Error


T3 Mean 22,3100 ,8422
95% Confidence Lower Bound 20,2493
Interval for Mean Upper Bound
24,3707
Descriptives
5% Trimmed Mean 22,1594
Statistic Std. Error Median 21,9500
T1 Mean 24,6843 ,6131 Variance 4,965
95% Confidence Lower Bound 23,1842 Std. Deviation 2,2282
Interval for Mean Upper Bound
26,1844 Minimum 20,33
Maximum 27,00
5% Trimmed Mean 24,7220
Range 6,67
Median 25,3800
Variance
Interquartile Range 1,9600
2,631
Std. Deviation 1,6220 Skewness 1,879 ,794
Minimum 22,02 Kurtosis 4,262 1,587
Maximum 26,67
Range
Descriptives
4,65
Interquartile Range 2,4000 Statistic Std. Error
Skewness -,586 ,794 T2 Mean 23,2514 ,4455
Kurtosis -,594 1,587 95% Confidence Lower Bound 22,1613
Interval for Mean Upper Bound
24,3416

5% Trimmed Mean
Median
23,2733 O que conseguimos
22,7800
Variance
Extrair do Gráfico e
1,389
Std. Deviation 1,1788
Minimum 21,49
Maximum 24,62
Range
Interquartile Range
3,13
1,9000 das Medidas Resumo ?
Skewness -,138 ,794
Kurtosis -1,435 1,587
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Estatística Descritiva
Tipos de Gráficos – Gráfico de Caixa – Boxplot
Exemplo – Nova Representação Gráfica
280 280

260

260 240

Dureza Brinell, HB [MPa]


Dureza Brinell, HB [MPa]

220

240 200

180
N= 7 7 7

A B C

220
Tratamento Térmico

200
O que conseguimos
T1 T2 T3
Extrair do Gráfico ?
Tratamento Térmico
Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Estatística Descritiva
Tipos de Gráficos – Gráfico de Caixa – Boxplot
Exemplo – Nova Representação Gráfica
+ Outliers ou Dados Discrepantes ou Dados espúrios
Condição de Assimetria

Máximo da Amostra, mas não mais do que Q1 + k·(Q3-Q1)


3o Quartil
2o Quartil - Mediana
Valor Típico de k = 1,5

1o Quartil

Mínimo da Amostra, mas não menos do que Q1 - k·(Q3-Q1)


Universidade de Brasília
Departamento de Engenharia Mecânica
Programa de Pós-graduação em Ciências Mecânicas
Introdução à Análise Estatística – Estatística Descritiva

Estatística Descritiva
Tipos de Gráficos – Gráfico de Caixa – Boxplot
Exemplo – Nova Representação Gráfica
Assimetria positiva Simetria Assimetria negativa

Boxplot (Diagrama de Caixa) ou Box-whiskers (Diagrama de Bigode) – São gráficos


que apresentam os valores centrais dos dados e alguma informação a respeito da
amplitude deles.

Você também pode gostar