Você está na página 1de 66

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

1

Escola Politécni ca -Estatística Básica - Profª. Mônica Barradas 1 ESTATÍSTICA BÁSICA (Profª Mônica Barradas)

ESTATÍSTICA

BÁSICA

(Profª Mônica Barradas)

Escola Politécni ca -Estatística Básica - Profª. Mônica Barradas 1 ESTATÍSTICA BÁSICA (Profª Mônica Barradas)
Escola Politécni ca -Estatística Básica - Profª. Mônica Barradas 1 ESTATÍSTICA BÁSICA (Profª Mônica Barradas)

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

2

ÍNDICE

1. Introdução Geral à Compreensão Estatística

3

2. Distribuição de Freqüência

10

3. Medidas de Centralidade ou de Tendência Central

14

4. Medidas de Assimetria e Curtose

23

5. Principais Tipos de Representação Gráfica

25

6. Medidas de Dispersão ou de Variabilidade

28

7. Correlação e Regressão

32

8. Introdução à Amostragem

47

9. Probabilidade

53

10. Variáveis Aleatórias Discretas

56

11. Distribuições de Variáveis Aleatórias Discretas

60

12. Distribuições de Variáveis Aleatórias Contínuas

62

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

3

CAPÍTULO 1 – INTRODUÇÃO A ESTATISTICA

1. Objeto da Estatística

Estatística é uma ciência exata que visa fornecer subsídios ao analista para coletar, organizar, resumir, analisar e apresentar dados. Trata de parâmetros extraídos da população, tais como média ou desvio padrão.

A estatística fornece-nos as técnicas para extrair informação de dados, os quais são muitas vezes incompletos, na medida em que nos dão informação útil sobre o problema em estudo, sendo assim, é objetivo da Estatística extrair informação dos dados para obter uma melhor compreensão das situações que representam.

Quando se aborda uma problemática envolvendo métodos estatísticos, estes devem ser utilizados mesmo antes de se recolher à amostra, isto é, deve-se planejar a experiência que nos vai permitir recolher os dados, de modo que, posteriormente, se possa extrair o máximo de informação relevante para o problema em estudo, ou seja, para a população de onde os dados provêm.

Quando de posse dos dados, procura-se agrupa-los e reduzi-los, sob forma de amostra, deixando de lado a aleatoriedade presente.

Seguidamente o objetivo do estudo estatístico pode ser o de estimar uma quantidade ou testar uma hipótese, utilizando-se técnicas estatísticas convenientes, as quais realçam toda a potencialidade da Estatística, na medida em que vão permitir tirar conclusões acerca de uma população, baseando-se numa pequena amostra, dando-nos ainda uma medida do erro cometido.

2. Ferramentas Estatísticas

2.1 - O que é Estatística?

Segundo JURAN:

1. É a ciência da tomada de decisão perante incertezas;

2. Coleta, análise e interpretação de dados;

3. É um “kit” de ferramentas que ajuda a resolver problemas;

4. Base para a maior parte das decisões tomadas quanto ao controle da qualidade, assim

como em quase todas as outras áreas da atividade humana moderna.

Vista dessa forma, a Estatística não deve ser confundida como uma disciplina isolada, e sim, compreendida como uma ferramenta ou um conjunto de ferramentas, disponível para a solução de problemas em diversas áreas do conhecimento.

Segundo FEIGENBAUM: “Precisão significativamente aumentada em produção de itens e produtos tem sido acompanhada pela necessidade de métodos aperfeiçoados para medição, especificação e registro dela. A estatística, denominada ciência das medições, representa uma das técnicas mais valiosas utilizadas nas quatro tarefas, e isso tem ficado cada vez mais evidente”.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

4

2.2 Onde se aplica a Estatística na Engenharia?

As aplicações concentram-se fundamentalmente em dois campos de ação: o Controle Estatístico do Processo e o Controle Estatístico da Qualidade.

Definições segundo JURAN:

1. Processo: é qualquer combinação específica de máquinas, ferramentas, métodos, materiais

e/ou pessoas empregadas para atingir qualidades específicas num produto ou serviço. Estas qualidades são chamadas de “características de qualidade”, que podem ser uma dimensão, propriedade do material, aparência, etc.

2. Controle: é um ciclo de feedback (realimentação) através da qual medimos o desempenho

real, comparando-o com o padrão, e agimos sobre a diferença.

3. Controle Estatístico do Processo (CEP): aplicação de técnicas estatísticas para medir e

analisar a variação nos processos.

4. Controle Estatístico da Qualidade (CEQ): aplicação de técnicas estatísticas para medir e

aprimorar a qualidade dos processos. CEQ inclui CEP, ferramentas de diagnóstico, planos de amostragem e outras técnicas estatísticas. Segundo FEIGENBAUM, provavelmente, mais importante do que os próprios métodos estatísticos têm sido o impacto causado sobre o pensamento industrial pela filosofia que representam. O “ponto de vista estatístico” resume-se essencialmente nisto: a variabilidade na qualidade do produto deve ser constantemente estudada:

1.Dentro de lotes de produto; 2.Em equipamentos de processo; 3.Entre lotes diferentes de um mesmo produto; 4.Em características críticas e em padrões; 5. Em produção piloto, no caso de novos produtos.

Esse ponto de vista, que enfatiza o estudo da variação, exerce efeito significativo sobre certas atividades no controle da qualidade. Ainda segundo FEIGENBAUM, cinco ferramentas estatísticas tornaram-se amplamente utilizadas nas tarefas de controle da qualidade:

1. Distribuição de freqüências;

2. Gráficos de controle;

3. Aceitação por amostragem;

4. Métodos especiais;

5. Confiabilidade.

Na abordagem do papel dos métodos estatísticos no gerenciamento de processos de

independentemente

dos tipos de produtos ou de métodos de produção usados, as causas de produtos defeituosos são universais. Variação, esta é a causa.”, “Variações nos materiais, na condição dos equipamentos, no método de trabalho e na inspeção são as causas dos defeitos.” Ainda

segundo KUME, “(

processo produtivo e redução de seus defeitos”.

os métodos estatísticos são ferramentas eficazes para a melhoria do

produção, KUME também faz referência à variabilidade. Diz que, “(

)

)

O primeiro passo na busca da verdadeira causa de um defeito é a cuidadosa observação do fenômeno do defeito. Após tal observação cuidadosa, a verdadeira causa torna-se evidente.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

5

As ferramentas estatísticas, diz KUME, conferem objetividade e exatidão à observação. As máximas da forma estatística de pensar são:

1. Dar maior importância aos fatos do que os conceitos abstratos;

2. Não expressar fatos em termos de intuição ou idéias. Usar evidências obtidas a partir de

resultados específicos da observação;

3. Os resultados da observação, sujeitos como são a erros e variações, são partes de um todo

obscuro. A principal meta da observação é descobrir esse todo obscuro;

4. Aceitar o padrão regular que aparece em grande parte dos resultados observados como

uma informação confiável. 5. O conhecimento dominado ato o presente momento não é nada mais que um embasamento para hipóteses futuras. Uma vez que isso tenha sido compreendido, a forma de pensar mencionada pode ser aproveitada para aprofundar a compreensão do processo produtivo e dos meios para melhorá-lo.

2.3 Definições Básicas da Estatística

1) FENÔMENO ESTATÍSTICO: é qualquer evento que se pretenda analisar, cujo estudo seja possível da aplicação do método estatístico. São divididos em três grupos:

Fenômenos de massa ou coletivo: são aqueles que não podem ser definidos por uma simples observação. A estatística dedica-se ao estudo desses fenômenos.

Fenômenos individuais: são aqueles que irão compor os fenômenos de massa. Fenômenos de multidão: quando as características observadas para a massa não se verificam para o particular.

2) DADO ESTATÍSTICO: é um dado numérico e é considerado a matéria-prima sobre a qual iremos aplicar os métodos estatísticos. 3) POPULAÇÃO: é o conjunto total de elementos portadores de, pelo menos, uma característica comum. 4) AMOSTRA: é uma parcela representativa da população que é examinada com o propósito de tirarmos conclusões sobre a essa população. 5) PARÂMETROS: São valores singulares que existem na população e que servem para caracterizá-la.Para definirmos um parâmetro devemos examinar toda a população. 6) ESTIMATIVA: é um valor aproximado do parâmetro e é calculado com o uso da amostra. 7) ATRIBUTO: quando os dados estatísticos apresentam um caráter qualitativo, o levantamento e os estudos necessários ao tratamento desses dados são designados genericamente de estatística de atributo. 8) VARIÁVEL: É, convencionalmente, o conjunto de resultados possíveis de um fenômeno.

Variável Qualitativa: Quando seus valores são expressos por atributos Variável Quantitativa: Quando os dados são de caráter nitidamente quantitativo, e o conjunto dos resultados possui uma estrutura numérica, trata-se, portanto da estatística de variável e se dividem em:

Variável Discreta ou Descontínua: Seus valores são expressos geralmente através de números inteiros não negativos. Resulta normalmente de contagens. Ex: Nº de alunos presentes às aulas de introdução à estatística econômica no 1º semestre de 1997: mar = 18, abr = 30 , mai = 35 , jun = 36.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

6

Variável Contínua: Resulta normalmente de uma mensuração, e a escala numérica de seus possíveis valores corresponde ao conjunto R dos números Reais, ou seja, podem assumir, teoricamente, qualquer valor entre dois limites. Ex.: Quando você vai medir a temperatura de seu corpo com um termômetro de mercúrio o que ocorre é o seguinte: O filete de mercúrio, ao dilatar-se, passará por todas as temperaturas intermediárias até chegar na temperatura atual do seu corpo.

2.4 Planejamento para Coleta e Análise de Dados

As ferramentas devem ser utilizadas de maneira eficiente para alcançar o sucesso. Para tanto, o processo deve incluir:

1. planejamento cuidadoso da coleta de dados;

2. análise de dados para tirar conclusões estatísticas e

3. transição para a resposta ao problema técnico original.

Segundo JURAN, alguns passos-chave são:

1. Coletar informações anteriores suficientes para traduzir o problema de engenharia em

problema específico que possa ser avaliado por métodos estatísticos;

2. Planejar a coleta de dados:

a. Determinar o tipo de dados necessários – quantitativos (mais custo, mais útil) e

qualitativos;

b. Determinar se quaisquer dados prévios estão disponíveis e são aplicáveis ao presente

problema;

c. Se o problema exigir uma avaliação de várias decisões alternativas, obter informações sobre as conseqüências econômicas de uma decisão errada.

d. Se o problema exigir a estimação de um parâmetro, definir a precisão necessária para a

estimativa;

e. Determinar se o erro de medição é grande o suficiente para influenciar o tamanho calculado da amostra ou o método da análise de dados;

f. Definir as suposições necessárias para calcular o tamanho da amostra exigido;

g. Calcular o tamanho da amostra necessário considerando a precisão desejada do resultado,

erro amostral, variabilidade dos dados, erros de medição e outros fatores;

h. Definir quaisquer requisitos para preservar a ordem das medições quando o tempo for um

parâmetro chave;

i.Determinar quaisquer requisitos para coletar dados em grupos definidos – diferentes condições a serem avaliadas;

j. Definir o método de análise de dados e quaisquer hipóteses necessárias;

k.Definir

necessários.

3. Coletar dados:

a. Usar métodos para assegurar que a amostra é selecionada de forma aleatória;

b. Registrar os dados e também as condições presentes no momento de cada observação;

c. Examinar os dados amostrais para assegurar que o processo mostra estabilidade suficiente para se fazer previsões válidas para o futuro.

4. Analisar os dados:

a. Selecionar os dados;

b. Avaliar as hipóteses previamente estabelecidas. Se necessário, tomar atitudes corretivas

(novas observações);

c. Aplicar técnicas estatísticas para avaliar o problema original;

os requisitos para quaisquer programas de computador que venham a ser

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

7

e. Realizar “análises de sensibilidade” variando estimativas amostrais importantes e outros fatores na análise e observando o efeito sobre as conclusões finais.

5. Rever as conclusões da análise de dados para determinar se o problema técnico original

foi avaliado ou se foi modificado para se enquadrar nos métodos estatísticos.

6. Apresentar os resultados:

a. Estabelecer as conclusões de forma significativa, enfatizando os resultados nos termos do

problema original, e não na forma dos índices estatísticos usados na análise; b. Apresentar graficamente os resultados quando apropriado. Usar métodos estatísticos simples no corpo do relatório e colocar as análises complexas em um apêndice.

7. Determinar se as conclusões do problema específico são aplicáveis a outros problemas ou se os dados e cálculos poderiam ser úteis para outros problemas.

3. ESTATÍSTICA DESCRITIVA

Viu-se anteriormente um roteiro para coleta e análise de dados. As séries de dados,

basicamente, são provenientes de duas fontes: os “dados históricos” e os “dados de experimentos planejados”.

Os dados históricos são séries de dados existentes e, em geral, analisar estatisticamente esses dados é mais econômico (tempo e despesas) se comparado com dados obtidos a partir de experimentos planejados. Mesmo com uma análise estatística complexa, em geral, pouco sucesso se obtém com tais dados. No controle de um processo, algumas razões para esse insucesso ocorrer são:

1.As variáveis do processo podem estar altamente correlacionadas entre si, tornando impossível distinguir a origem de um determinado efeito. 2.As variáveis do processo podem ter sido manipuladas para controlar o resultado do

processo.

3.As variáveis do processo têm abrangência pequena em relação ao intervalo de operação do

processo.

4.Outras variáveis que afetam o resultado do processo podem não ter sido mantidas constantes, e serem as reais causadoras dos efeitos observados no processo. Por essas razões, recomenda-se a análise de séries de dados históricos apenas para a indicação de variáveis importantes a serem observadas em um experimento planejado.

Os dados de experimentos planejados são coletados com o objetivo estudar e analisar um problema. São dados reunidos em diversas séries de variáveis com aparente importância em um processo, enquanto se mantém constantes (com valores registrados) todas as outras variáveis que possivelmente poderiam alterar o resultado. Aqui tratar-se-á de métodos práticos de organização de dados. Segundo SPIEGEL4: “A parte da estatística que procura somente descrever e analisar um certo grupo, sem tirar quaisquer conclusões ou inferências sobre um grupo maior, é chamada estatística descritiva ou dedutiva.Freqüentemente dois ou mais métodos de organização são utilizados para descrever com clareza dados coletados. Alguns desses métodos são: gráficos dos dados na ordem cronológica, distribuição e histogramas de freqüência, características amostrais, medidas de tendência central e medidas de dispersão.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

8

4. SÉRIES ESTATÍSTICAS

TABELA: Resume um conjunto de dados dispostos segundo linhas e colunas de maneira sistemática.

De acordo com a Resolução 886 do IBGE, nas casas ou células da tabela devemos colocar:

um traço horizontal ( - ) quando o valor é zero;

três pontos (

zero ( 0 ) quando o valor é muito pequeno para ser expresso pela unidade utilizada;

um ponto de interrogação ( ? ) quando temos dúvida quanto à exatidão de

) quando não temos os dados;

determinado valor.

Obs: O lado direito e esquerdo de uma tabela oficial deve ser aberto. "Salientamos que nestes documentos as tabelas não serão abertas devido a limitações do editor html".

É qualquer tabela que apresenta a distribuição de um conjunto de dados estatísticos em função da época, do local ou da espécie.

Séries Homógradas: são aquelas em que a variável descrita apresenta variação discreta ou descontínua. Podem ser do tipo temporal, geográfica ou específica.

a) Série Temporal: Identifica-se pelo caráter variável do fator cronológico. O local e a espécie (fenômeno) são elementos fixos. Esta série também é chamada de histórica ou evolutiva.

ABC VEÍCULOS LTDA.

Vendas no 1º bimestre de 2002

PERÍODO

UNIDADES VENDIDAS *

JAN/2002

2

0

FEV/2002

1

0

TOTAL

3

0

.

* Em mil unidades

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

9

b) Série Geográfica: Apresenta como elemento variável o fator geográfico. A época e o fato

(espécie) são elementos fixos. Também é chamada de espacial, territorial ou de localização.

ABC VEÍCULOS LTDA.

Vendas no 1º bimestre de 2002

FILIAIS

UNIDADES VENDIDAS *

São Paulo

1

3

Rio de Janeiro

1

7

TOTAL

3

0

* Em mil unidades

c) Série Específica: O caráter variável é apenas o fato ou espécie. Também é chamada de

série categórica.

ABC VEÍCULOS LTDA.

Vendas no 1º bimestre de 2002

MARCA

UNIDADES VENDIDAS *

FIAT

1

8

GM

1

2

TOTAL

3

0

* Em mil unidades

Séries Conjugadas: Também chamadas de tabelas de dupla entrada. São apropriadas à apresentação de duas ou mais séries de maneira conjugada, havendo duas ordens de classificação: uma horizontal e outra vertical. O exemplo abaixo é de uma série geográfica- temporal.

ABC VEÍCULOS LTDA.

Vendas no 1º bimestre de 2002

FILIAIS

Janeiro/2002

Fevereiro/2002

São Paulo

1 0

3

Rio de Janeiro

1 2

5

TOTAL

2 2

8

* Em mil unidades

Obs: as séries heterógradas serão estudas no capítulo 2 ( distribuição de frequências ).

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

10

CAPÍTULO 2 – DISTRIBUIÇÃO DE FREQUÊNCIAS

É uma ferramenta estatística apropriada para a apresentação de grandes massas de dados

numa forma que torna mais clara a tendência central e a dispersão dos valores ao longo da escala de medição, bem como a freqüência relativa de ocorrência dos diferentes valores.

Quando da análise de dados, é comum procurar conferir certa ordem aos números tornando- os visualmente mais amigáveis. O procedimento mais comum é o de divisão por classes ou categorias, verificando-se o número de indivíduos pertencentes a cada classe.

É um tipo de tabela que condensa uma coleção de dados conforme as frequências (repetições

de seus valores).

Tabela primitiva ou dados brutos: É uma tabela ou relação de elementos que não foram numericamente organizados. É difícil formarmos uma idéia exata do comportamento do grupo como um todo, a partir de dados não ordenados.

Ex : 45, 41, 42, 41, 42 43, 44, 41 ,50, 46, 50, 46, 60, 54, 52, 58, 57, 58, 60, 51

ROL: Tem-se um rol após a ordenação dos dados (crescente ou decrescente).

Ex : 41, 41, 41, 42, 42 43, 44, 45 ,46, 46, 50, 50, 51, 52, 54, 57, 58, 58, 60, 60

Distribuição de frequência sem intervalos de classe: É a simples condensação dos dados conforme as repetições de seus valores. Para um tabela de tamanho razoável esta distribuição de frequência é inconveniente, já que exige muito espaço. Veja exemplo abaixo:

Tabela 1

Dados

Frequência

41

3

42

2

43

1

44

1

45

1

46

2

50

2

51

1

52

1

54

1

57

1

58

2

60

2

Total

20

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

11

Distribuição de frequência com intervalos de classe:Quando o tamanho da amostra é elevado é mais racional efetuar o agrupamento dos valores em vários intervalos de classe.

Tabela 2

Classes

Frequências

41

|------- 45

7

45

|------- 49

3

49

|------- 53

4

53

|------- 57

1

57

|------- 61

5

 

Total

20

2.1 Elementos de uma Distribuição de Freqüência com classes

CLASSE: são os intervalos da variável simbolizada por i e o número total de classes simbolizada por k. Ex: na tabela anterior k=5 e 49 |------- 53 é a 3ª classe, onde i=3. Para a construção de uma tabela a partir de um dado bruto calcularemos o k através da Regra de Sturges" k=1+3,3logn (para n<25) ou k=n (para n>25).

LIMITES DE CLASSE: são os extremos de cada classe. O menor número é o limite inferior de classe (li) e o maior número, limite superior de classe (Ls). Ex: em 49 |--- 53 Li 3 = 49 e Ls 3 = 53. O símbolo |--- representa um intervalo fechado à esquerda e aberto à direita. O dado 53 não pertence à classe 3 e sim a classe 4 representada por 53 |--- 57.

AMPLITUDE DO INTERVALO DE CLASSE: é obtida através da diferença entre o limite superior e inferior da classe simbolizada por a = Ls - li. Ex: na tabela anterior a= 53 - 49 = 4. Obs: Na distribuição de frequência c/ classe o c será igual em todas as classes. Para a construção de uma tabela a partir de um dado bruto temos: a=Ls-Li/K

AMPLITUDE TOTAL DA DISTRIBUIÇÃO: é a diferença entre o valor máximo e o valor mínimo da amostra. Onde At = Xmax - Xmin. Em nosso exemplo At = 60 - 41 = 19.

PONTO MÉDIO DE CLASSE: é o ponto que divide o intervalo de classe em duas partes iguais. Ex: em 49 |------- 53 o ponto médio x 3 = (53+49)/2 = 51, ou seja, x 3 =(Li+Ls)/2.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

12

Os dados brutos a seguir apresentam um conjunto de tempos para determinada operação.

5,1

5,3

5,3

5,6

5,8

5,9

6

6,1

6,2

6,2

6,3

6,3

6,3

6,4

6,4

6,4

6,5

6,5

6,6

6,7

6,7

6,8

6,8

6,9

6,9

7

7,1

7,1

7,2

7,2

7,3

7,4

7,5

7,5

7,6

7,6

7,6

7,7

7,7

7,8

7,8

7,9

7,9

8

8

8,1

8,2

8,3

8,3

8,4

8,5

8,5

8,6

8,7

8,8

8,8

8,9

9

9,1

9,2

9,4

9,4

9,5

9,5

9,6

9,8

9,9

10

10,2

10,2

10,4

10,6

10,8

10,9

11,2

11,5

11,8

12,3

12,7

14,9

2.2 Regras para a elaboração de uma distribuição de freqüências com classes

Organize os dados brutos em um ROL.

Calcule a amplitude total At.

No nosso exemplo: At =14,9 – 5,1 = 9,8

total At . No nosso exemplo: At =14,9 – 5,1 = 9,8 . Obrigatoriamente deve estar

. Obrigatoriamente

deve estar compreendido entre 5 a 20. Neste caso, K é igual a 8,94, aproximadamente, 8. No

nosso exemplo: n = 80 dados, então , k=n = 8,9 .

Calcule o número de classes (K), que será calculado usando K =

Conhecido o número de classes define-se a amplitude de cada classe:

o número de classes defi ne-se a amplitude de cada classe: No exemplo, a será igual

No exemplo, a será igual a:

a amplitude de cada classe: No exemplo, a será igual a: 5º Temos então o menor

Temos então o menor nº da amostra, o nº de classes e a amplitude do intervalo. Podemos montar a tabela, com o cuidado para não aparecer classes com frequência = 0 (zero).

Com o conhecimento da amplitude de cada classe, define-se os limites para cada classe (inferior e superior), onde limite Inferior será 5,1 e o limite superior será 15 + 1,23.

Intervalo de

Freqüência

Freqüência

Freqüência

Freqüência Acumulada (Fr)

Classe

Absoluta (fi)

Acumulada (Fi)

Relativa (fr)

05,10 |---| 06,33

13

13

16,25

16,25

06,34 |---| 07,57

21

34

26,25

42,50

07,58 |---| 08,81

22

56

27,50

70,00

08,82 |---| 10,05

15

71

18,75

88,75

10,06 |---| 11,29

4

75

5,00

93,75

11,30 |---| 12,53

3

78

3,75

97,50

12,54 |---| 13,77

1

79

1,25

98,75

13,78 |---| 15,01

1

80

1,25

100

Total

80

-

100

-

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

13

Obs: Agrupar os dados em classes é uma importante ferramenta para resumir grandes massas de dados brutos, no entanto acarreta perda de alguns detalhes.

Frequências simples ou absolutas (fi): são os valores que realmente representam o número de dados de cada classe. A soma das frequências simples é igual ao número total dos dados da distribuição.

Frequências relativas (fr): são os valores das razões entre as frequências absolutas de cada classe e a frequência total da distribuição. A soma das frequências relativas é igual a 1 (100 %).

Frequência simples acumulada de uma classe (Fi): é o total das frequências de todos os valores inferiores ao limite superior do intervalo de uma determida classe.

Frequência relativa acumulada de um classe (Fr): é a frequência acumulada da classe, dividida pela frequência total da distribuição.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

14

CAPÍTULO 3 – MEDIDAS DE CENTRALIDADE

Há várias medidas de tendência central, entretanto nesta apostila, será abordado o estudo de

apenas aquelas que são mais significativas. As mais importante medidas de tendência central são: a média aritmética, média aritmética para dados agrupados, média aritmética ponderada, mediana, moda.

3. Medidas de Centralidade

3.1 Média Aritmética=

moda. 3. Medidas de Centralidade 3.1 Média Aritmética= Sendo a média uma medida tão sensível ao

Sendo a média uma medida tão sensível aos dados, é preciso ter cuidado com a sua utilização, pois pode dar uma imagem distorcida dos dados.

A média possui uma particularidade bastante interessante, que consiste no seguinte:

se calcularmos os desvios de todas as observações relativamente à média e somarmos esses

desvios o resultado obtido é igual a zero.

A média tem uma outra característica, que torna a sua utilização vantajosa em certas

aplicações: Quando o que se pretende representar é a quantidade total expressa pelos dados,

utiliza-se a média.

Na realidade, ao multiplicar a média pelo número total de elementos, obtemos a quantidade

pretendida.

É igual ao quociente entre a soma dos valores do conjunto e o número total dos valores.

ondesoma dos valore s do conjunto e o número total dos valores. xi são os valores

xi são os valores da variável e n o número de valores.

.Dados não-agrupados:

Quando desejamos conhecer a média dos dados não-agrupados em tabelas de frequências, determinamos a média aritmética simples.

Exemplo: Os dados a seguir apresentam leituras de concentração de um processo químico feitas a cada duas horas 10, 14, 13, 15, 16, 18 e 12, temos, uma concentração média de:

.= (10+14+13+15+16+18+12) / 7 = 14 = (10+14+13+15+16+18+12) / 7 = 14

Desvio em relação à média: é a diferença entre cada elemento de um conjunto de valores e

a média aritmética, ou seja:

à média: é a diferença entre cada elemento de um conjunto de valores e a média

di = Xi -

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

15

No exemplo anterior temos sete desvios:.d1 = 10 - 14 = - 4 ,.d2 = 14 - 14 = 0 , d3 = 13 - 14 =

- 1 ,.d4 = 15 - 14 = 1 ,.d5 = 16 - 14 = 2 ,

d6

= 18 - 14 = 4 e.d7 = 12 - 14 = - 2.

Propriedades da média

1ª propriedade: A soma algébrica dos desvios em relação à média é nula.

No exemplo anterior : d1+d2+d3+d4+d5+d6+d7 = 0

2ª propriedade: Somando-se (ou subtraindo-se) uma constante (c) a todos os valores de uma variável, a média do conjunto fica aumentada (ou diminuída) dessa constante.

Se no exemplo original somarmos a constante 2 a cada um dos valores da variável temos:

Y

= 12+16+15+17+18+20+14 / 7 = 16 ou

Y

=

Y = . + 2 = 14 +2 = 16

.+ 2 = 14 +2 = 16

3ª propriedade: Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante (c), a média do conjunto fica multiplicada (ou dividida) por essa constante.

Se no exemplo original multiplicarmos a constante 3 a cada um dos valores da variável

temos:

Y

= 30+42+39+45+48+54+36 / 7 = 42 ou

Y

=

Y = x 3 = 14 x 3 = 42

x 3 = 14 x 3 = 42

.

Dados agrupados:

Sem intervalos de classe

Consideremos a distribuição relativa de um canal de comunicação que está sendo monitorado pelo registro do nº de erros em um conjunto de caracteres (string) 1.000 bits. Dados para 34 desses conjuntos são vistos a seguir.

Nº de erros

frequência = fi

 

0 2

 

1 6

 

2 10

 

3 12

 

4 4

total

34

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

16

Como as frequências são números indicadores da intensidade de cada valor da variável, elas funcionam como fatores de ponderação, o que nos leva a calcular a média aritmética ponderada, dada pela fórmula:

a média aritmética ponderada , dada pela fórmula: xi. fi . xi.fi .   0 2

xi.

fi.

xi.fi

.

 

0 2

0

 
 

1 6

6

 
 

2 10

20

 
 

3 12

36

 
 

4 4

16

 

total

34

78

 

onde 78 / 34 = 2,3 erros

Com intervalos de classe

Neste caso, convencionamos que todos os valores incluídos em um determinado intervalo de classe coincidem com o seu ponto médio, e determinamos a média aritmética ponderada por meio da fórmula:

a média aritmética ponderada por meio da fórmula: onde Xi é o ponto médio da classe.

onde

Xi é o ponto médio da classe.

Exemplo: Calcular o número de molas fora de conformidade, em cada batelada de produção, com um tamanho igual a 40 conforme a tabela abaixo.

Nº de molas

frequência = fi

ponto médio = xi

xi.fi.

50

|---- 54

4

52

208

54

|---- 58

9

56

504

58

|---- 62

11

60

660

62

|---- 66

8

64

512

66

|---- 70

5

68

340

70

|---- 74

3

72

216

Total

40

 

2.440

Aplicando a fórmula acima temos: 2.440 / 40.= 61. logo

74 3 72 216 Total 40   2.440 Aplicando a fórmula acima temos: 2.440 / 40

= 61 molas

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

17

MODA

É o valor que ocorre com maior frequência em uma série de valores.

Mo é o símbolo da moda.

Desse modo, a força modal de remoção para um conector é a força mais comum, isto é, a força de remoção medida em um teste de laboratório para um conector.

.

A Moda quando os dados não estão agrupados

A moda é facilmente reconhecida: basta, de acordo com definição, procurar o valor que mais se repete.

Exemplo: Na série { 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda é igual a 10.

Há séries nas quais não exista valor modal, isto é, nas quais nenhum valor apareça mais vezes que outros.

Exemplo: { 3 , 5 , 8 , 10 , 12 } não apresenta moda. A série é amodal.

.Em outros casos, pode haver dois ou mais valores de concentração. Dizemos, então, que a série tem dois ou mais valores modais.

Exemplo: { 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A série é bimodal.

.A Moda quando os dados estão agrupados

a) Sem intervalos de classe

Uma vez agrupados os dados, é possível determinar imediatamente a moda: basta fixar o valor da variável de maior frequência.

Exemplo: Qual a temperatura mais comum medida no mês abaixo:

Temperaturas

Frequência

0º C

3

1º C

9

2º C

12

3º C

6

Resp: 2º C é a temperatura modal, pois é a de maior frequência.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

18

.

b) Com intervalos de classe

A classe que apresenta a maior frequência é denominada classe modal. Pela definição,

podemos afirmar que a moda, neste caso, é o valor dominante que está compreendido entre

os limites da classe modal. O método mais simples para o cálculo da moda consiste em

tomar o ponto médio da classe modal. Damos a esse valor a denominação de moda bruta.

Mo = ( Li+ Ls) / 2

onde Li = limite inferior da classe modal e Ls= limite superior da classe modal.

Exemplo: Calcule a resistência modal dos 33 resistores conforme a tabela abaixo.

Resistencia (em ohms)

Frequência

54

|---- 58

9

58

|---- 62

11

62

|---- 66

8

66

|---- 70

5

Resp: a classe modal é 58|--- 62, pois é a de maior frequência. Li=58 e Ls=62

Mo = (58+62) / 2 = 60 cm (este valor é estimado, pois não conhecemos o valor real da moda).

Método mais elaborado pela fórmula de CZUBER:

Mo = Li + ((f mo - f ant ) / ( 2f mo – (f ant + f post ))) x c

Li= limite inferior da classe modal

f mo = frequência da classe modal

f ant =frequência da classe anterior à da classe modal

f post =frequência da classe posterior à da classe modal

c = amplitude da classe modal

Obs: A moda é utilizada quando desejamos obter uma medida rápida e aproximada de posição ou quando a medida de posição deva ser o valor mais típico da distribuição. Já a média aritmética é a medida de posição que possui a maior estabilidade.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

19

MEDIANA

A mediana de um conjunto de valores, dispostos segundo uma ordem (crescente ou

decrescente), é o valor situado de tal forma no conjunto que o separa em dois subconjuntos

de mesmo número de elementos.

Símbolo da mediana: Md

.A mediana em dados não-agrupados

Dada uma série de valores como, por exemplo: { 5, 2, 6, 13, 9, 15, 10 }

De acordo com a definição de mediana, o primeiro passo a ser dado é o da ordenação (crescente ou decrescente) dos valores: { 2, 5, 6, 9, 10, 13, 15 }

O valor que divide a série acima em duas partes iguais é igual a 9, logo a Md = 9.

Método prático para o cálculo da Mediana

Se a série dada tiver número ímpar de termos:

O valor mediano será o termo de ordem dado pela fórmula :

O elemento mediano será:

E

Md = n + 1 / 2

Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 2, 5 }

1º - ordenar a série { 0, 0, 1, 1, 2, 2, 3, 4, 5 }

n = 9 logo (n + 1)/2 é dado por (9+1) / 2 = 5, ou seja, o 5º elemento da série ordenada será a mediana.

A mediana será o 5º elemento, ou seja, Md = 2

Se a série dada tiver número par de termos:

O elemento mediano será:

E

Md = n / 2

Exemplo: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }

1º - ordenar a série { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }

n = 10 logo a fórmula ficará: :

E Md = 10 / 2 = 5

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

20

A mediana será = (2+3) / 2, ou seja, Md = 2,5 . A mediana no exemplo será a média aritmética do 5º e 6º termos da série.

Notas:

Quando o número de elementos da série estatística for ímpar, haverá coincidência da mediana com um dos elementos da série.

Quando o número de elementos da série estatística for par, nunca haverá coincidência da mediana com um dos elementos da série. A mediana será sempre a média aritmética dos 2 elementos centrais da série.

Em um série a mediana, a média e a moda não têm, necessariamente, o mesmo valor.

A mediana, depende da posição e não dos valores dos elementos na série ordenada. Essa é uma da diferenças marcantes entre mediana e média (que se deixa influenciar, e muito, pelos valores extremos). Vejamos:

Em { 5, 7, 10, 13, 15 } a média = 10 e a mediana = 10

Em { 5, 7, 10, 13, 65 } a média = 20 e a mediana = 10

Isto é, a média do segundo conjunto de valores é maior do que a do primeiro, por influência dos valores extremos, ao passo que a mediana permanece a mesma.

.

A mediana em dados agrupados

a) Sem intervalos de classe

Neste caso, é o bastante identificar a frequência acumulada imediatamente superior à metade da soma das frequências. A mediana será aquele valor da variável que corresponde a tal frequência acumulada.

Exemplo conforme tabela abaixo:

Variável xi

Frequência fi

Frequência acumulada

 

0 2

2

 

1 6

8

 

2 9

17

 

3 13

30

 

4 5

35

Total

35

-

Quando o somatório das frequências for ímpar o valor mediano será o termo de ordem dado pela fórmula :.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

21

ca -Estatística Básica - Profª. Mônica Barradas 21 Como o somatório das frequências = 35 a

Como o somatório das frequências = 35 a fórmula ficará: ( 35+1 ) / 2 = 18º termo = 3

Quando o somatório das frequências for par o valor mediano será o termo de ordem dado pela fórmula :.

valor mediano será o termo de ordem dado pela fórmula : . Exemplo - Calcule Mediana

Exemplo - Calcule Mediana da tabela abaixo:

Variável xi

Frequência fi

Frequência acumulada

12

1

1

14

2

3

15

1

4

16

2

6

17

1

7

20

1

8

Total

8

-

Aplicando a fórmula acima teremos: [(8/2)+ (8/2+1)]/2 = (4º termo + 5º termo) / 2 = (15 + 16) / 2 = 15,5

b) Com intervalos de classe

Devemos seguir os seguintes passos: 1º) Determinamos as frequências acumuladas ; 2º)

Calculamos

Dete rminamos as frequências acumuladas ; 2º) Calculamos ; 3º) Marcamos a classe correspondente à frequência

; 3º) Marcamos a classe correspondente à frequência acumulada

Marcamos a classe correspondente à frequência acumulada Li imediatamente superior à . Tal classe será a

Li

imediatamente superior à . Tal classe será a classe mediana; 4º) Calculamos a

Mediana pela seguinte fórmula:

+ [(E Md - F ant ) x c] / f Md

Li = é o limite inferior da classe mediana.

F ant = é a frequência acumulada da classe anterior à classe mediana.

f Md = é a frequência simples da classe mediana.

c = é a amplitude do intervalo da classe mediana.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

22

Exemplo:

 

classes

frequência = fi

Frequência acumulada

50

|---- 54

4

4

54

|---- 58

9

13

58

|---- 62

11

24

62

|---- 66

8

32

66

|---- 70

5

37

70

|---- 74

3

40

Total

40

-

= 40 / 2 = .20 logo . a classe mediana será 58 |---- 62

= 40 / 2 =.20

logo.a

classe mediana será 58 |---- 62

Li = 58

F ant = 13

f Md = 11

c = 4

 

Substituindo esses valores na fórmula, obtemos: Md = 58 + [ (20 - 13) x 4] / 11 = 58 + 28/11 = 60,54

OBS: Esta mediana é estimada, pois não temos os 40 valores da distribuição.

Emprego da Mediana

Quando desejamos obter o ponto que divide a distribuição em duas partes iguais.

Quando há valores extremos que afetam de maneira acentuada a média aritmética.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

23

CAPÍTULO 4 - MEDIDAS DE ASSIMETRIA E CURTOSE

Denominamos curtose o grau de achatamento de uma distribuição em relação a uma distribuição padrão, denominada curva normal (curva correspondente a uma distribuição teórica de probabilidade).

Distribuições simétricas

A distribuição das frequências faz-se de forma aproximadamente simétrica, relativamente a

uma classe média. Quando a distribuição é simétrica, a média e a mediana coincidem.

é simétrica, a média e a mediana coincidem. Caso especial de uma distribuição simétrica Quando

Caso especial de uma distribuição simétrica

Quando dizemos que os dados obedecem a uma distribuição normal, estamos tratando de dados que se distribuem em forma de sino.

Distribuições Assimétricas

A distribuição das freqüências apresenta valores menores num dos lados:

forma de sino. Distribuições Assimétricas A distribuição das freqüências aprese nta valores menores num dos lados:

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

24

Distribuições com "caudas" longas

Observamos que nas extremidades há uma grande concentração de dados em relação aos concentrados na região central da distribuição.

aos concentrados na região central da distribuição. A partir do exposto, deduzimos que se a distribuição

A partir do exposto, deduzimos que se a distribuição dos dados:

1.for aproximadamente simétrica, a média aproxima-se da mediana

2.for enviesada para a direita (alguns valores grandes como "outliers"), a média tende a ser maior que a mediana

3. for enviesada para a esquerda (alguns valores pequenos como "outliers"), a média tende a ser inferior à mediana.

São representações visuais dos dados estatísticos que devem corresponder, mas nunca substituir as tabelas estatísticas. Têm como características principais, o uso de escalas, a existência de um sistema de coordenadas, a simplicidade, clareza e veracidade de sua representação.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

25

CAPÍTULO 5 - REPRESENTAÇÃO GRÁFICA

Os gráficos podem ser:

1. Gráficos de informação: gráficos destinados principalmente ao público em geral,

objetivando proporcionar uma visualização rápida e clara. São gráficos tipicamente expositivos, dispensando comentários explicativos adicionais. As legendas podem ser

omitidas, desde que as informações desejadas estejam presentes ou

2. Gráficos de análise: gráficos que prestam-se melhor ao trabalho estatístico, fornecendo elementos úteis à fase de análise dos dados, sem deixar de ser também informativos. Os gráficos de análise freqüentemente vêm acompanhados de uma tabela estatística. Inclui-se, muitas vezes um texto explicativo, chamando a atenção do leitor para os pontos principais revelados pelo gráfico.

Mas o uso indevido de Gráficos pode trazer uma idéia falsa dos dados que estão sendo

analisados, chegando mesmo a confundir o leitor, tratando-se, na realidade, de um problema

de

construção de escalas.

.

Os gráficos pode ser classificados em: Diagramas, Estereogramas, Pictogramas e Cartogramas.

.

4.1

- Diagramas

São gráficos geométricos dispostos em duas dimensões. São os mais usados na

representação de séries estatísticas. Eles podem ser :

1 - Gráficos em barras horizontais.

2 - Gráficos em barras verticais (colunas). Quando as legendas não são breves usa-se de

preferência o gráfico em barras horizontais. Nesses gráficos os retângulos têm a mesma base

e as alturas são proporcionais aos respectivos dados. A ordem a ser observada é a

cronológica, se a série for histórica, e a decrescente, se for geográfica ou categórica.

e a decrescente , se for geográfica ou categórica. Fig 1. Gráfico de barras de harmônicos

Fig 1. Gráfico de barras de harmônicos da rede elétrica em uma determinada região.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

26

3 - Gráficos em barras compostas.

4 - Gráficos em colunas superpostas. Eles diferem dos gráficos em barras ou colunas convencionais apenas pelo fato de apresentar cada barra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou mais atributos.

5 - Gráficos em linhas ou lineares. São freqüentemente usados para representação de séries

cronológicas com um grande número de períodos de tempo. As linhas são mais eficientes do que as colunas, quando existem intensas flutuações nas séries ou quando há necessidade de se representarem várias séries em um mesmo gráfico. Quando representamos, em um mesmo sistema de coordenadas, a variação de dois fenômenos, a parte interna da figura formada pelos gráficos desse fenômeno é denominada de área de excesso.

6 - Gráficos em setores. Este gráfico é construído com base em um círculo, e é empregado

sempre que desejamos ressaltar a participação do dado no total. O total é representado pelo círculo, que fica dividido em tantos setores quantas são as partes. Os setores são tais que suas áreas são respectivamente proporcionais aos dados da série. O gráfico em setores só deve ser empregado quando há, no máximo, sete dados.

Obs: As séries temporais geralmente não são representadas por este tipo de gráfico.

.

4.2

- Estereogramas

São gráficos geométricos dispostos em três dimensões, pois representam volume. São usados

nas representações gráficas das tabelas de dupla entrada. Em alguns casos este tipo de gráfico fica difícil de ser interpretado dada a pequena precisão que oferecem.

4.3 - Pictogramas

São construídos a partir de figuras representativas da intensidade do fenômeno. Este tipo de

gráfico tem a vantagem de despertar a atenção do público leigo, pois sua forma é atraente e sugestiva. Os símbolos devem ser auto-explicativos. A desvantagem dos pictogramas é que apenas mostram uma visão geral do fenômeno, e não de detalhes minuciosos. Veja o exemplo abaixo:

pictogramas é que apenas mostram uma visão geral do fenômeno, e não de detalhes minuciosos. Veja

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

27

4.4 - Cartogramas

São ilustrações relativas a cartas geográficas (mapas). O objetivo desse gráfico é o de figurar

os dados estatísticos diretamente relacionados com áreas geográficas ou políticas.

Dados obtidos de uma amostra servem como base para uma decisão sobre a população. Quanto maior for o tamanho da amostra, mais informação obtemos sobre a população. Porém, um aumento do tamanho da amostra também implica um aumento da quantidade de dados e isso torna difícil compreender a população, mesmo quando estão organizados em tabelas. Em tal caso, precisa-se de um método que possibilite conhecer a população num rápido exame. Um histograma atende às necessidades, por meio da organização de muitos dados num histograma, pode-se conhecer a população de maneira objetiva.

4.5 - Gráficos dos Dados na Ordem Cronológica

Representação gráfica do resultado Y versus a ordem cronológica de execução do experimento (diagrama do resultado Y versus tempo t). Nesse tipo de gráfico, alguns dos possíveis fenômenos que podem ser observados são:

1.Curva de aprendizagem dos experimentadores (pontos no início do experimento). 2.Tendências dentro de um determinado período (horas, turnos, dias, etc.), freqüentemente em função de aquecimento, fadiga, e outros fatores relacionados com o tempo. 3.Aumento ou diminuição da variabilidade dos dados com o tempo, podendo representar curva de aprendizagem ou características relativas ao material.

4.6 - Histogramas de Freqüência ou Distribuição de Freqüências

É uma ferramenta estatística apropriada para a apresentação de grandes massas de dados numa forma que torna mais clara a tendência central e a dispersão dos valores ao longo da escala de medição, bem como a freqüência relativa de ocorrência dos diferentes valores.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

28

CAPÍTULO 6 - MEDIDAS DE DISPERSÃO OU DE VARIABILIDADE

No capítulo 3 vimos algumas medidas de localização do centro de uma distribuição de dados. Veremos agora como medir a variabilidade presente num conjunto de dados.

Um aspecto importante no estudo descritivo de um conjunto de dados é o da determinação

da variabilidade ou dispersão desses dados, relativamente à medida de localização do centro

da amostra.

DESVIO PADRÃO ( S )

É a medida de dispersão mais empregada, pois leva em consideração a totalidade dos valores

da variável em estudo. É um indicador de variabilidade bastante estável. O desvio padrão

baseia-se nos desvios em torno da média aritmética e a sua fórmula básica pode ser traduzida como: a raiz quadrada da média aritmética dos quadrados dos desvios e é representada

por S.

Uma vez que a variância envolve a soma de quadrados, a unidade em que se exprime não é a mesma que a dos dados. Assim, para obter uma medida da variabilidade ou dispersão com as mesmas unidades que os dados, tomamos a raiz quadrada da variância e obtemos o desvio padrão.

a raiz quadrada da variância e obtemos o desvio padrão. O desvio padrão é uma medida

O desvio padrão é uma medida que só pode assumir valores não negativos e quanto maior

for, maior será a dispersão dos dados.

A

agrupados.

fórmula

acima

é

empregada

quando

tratamos

de

uma

população

de dados

não-

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

29

Exemplo: Calcular o desvio padrão da população representada por - 4 , -3 , -2 , 3 , 5

Xi

Xi
Xi
Xi

- 4

- 0,2

- 3,8

14,44

- 3

- 0,2

- 2,8

7,84

- 2

- 0,2

- 1,8

3,24

3

- 0,2

3,2

10,24

5

- 0,2

5,2

27,04

Total

-

-

62,8

Sabemos que n = 5 e

62,8 / 5 = 12,56.

A raiz quadrada de 12,56 é o desvio padrão = 3,54

Quando os dados estão agrupados (temos a presença de frequências) a fórmula do desvio padrão ficará:

de frequências) a fórmula do desvio padrão ficará: ou Exemplo: Calcule o desvio padrão populacional da

ou

de frequências) a fórmula do desvio padrão ficará: ou Exemplo: Calcule o desvio padrão populacional da

Exemplo: Calcule o desvio padrão populacional da tabela abaixo:

Xi

f i

Xi . f i

Xi f i Xi . f i . f i
Xi f i Xi . f i . f i
Xi f i Xi . f i . f i
Xi f i Xi . f i . f i

. f i

 

2

0 0

 

2,1

-2,1

4,41

8,82

 

6

1 6

 

2,1

-1,1

1,21

7,26

 

2 24

12

 

2,1

-0,1

0,01

0,12

 

3 21

7

 

2,1

0,9

0,81

5,67

 

4 12

3

 

2,1

1,9

3,61

10,83

Total

30

63

-

-

-

32,70

Sabemos que fi = 30 e

32,7 / 30 = 1,09.

A raiz quadrada de 1,09 é o desvio padrão = 1,044

Se considerarmos os dados como sendo de uma amostra o desvio padrão seria a raiz quadrada de 32,7 / (30 -1) = 1,062

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

30

Obs: Nas tabelas de frequências com intervalos de classe a fórmula a ser utilizada é a mesma do exemplo anterior.

VARIÂNCIA ( S 2 )

Define-se a variância, como sendo a medida que se obtém somando os quadrados dos desvios das observações da amostra, relativamente à sua média, e dividindo pelo número de observações da amostra menos um.

S 2 =

número de observações da amostra menos um. S 2 = A variância é uma medida que

A variância é uma medida que tem pouca utilidade como estatística descritiva, porém é

extremamente importante na inferência estatística e em combinações de amostras.

MEDIDAS DE DISPERSÃO RELATIVA

CVP: Coeficiente de Variação de Pearson

Na estatística descritiva o desvio padrão por si só tem grandes limitações. Assim, um desvio padrão de 2 unidades pode ser considerado pequeno para uma série de valores cujo valor médio é 200; no entanto, se a média for igual a 20, o mesmo não pode ser dito.

Além disso, o fato de o desvio padrão ser expresso na mesma unidade dos dados limita o seu emprego quando desejamos comparar duas ou mais séries de valores, relativamente à sua dispersão ou variabilidade, quando expressas em unidades diferentes.

Para contornar essas dificuldades e limitações, podemos caracterizar a dispersão ou variabilidade dos dados em termos relativos a seu valor médio, medida essa denominada de CVP: Coeficiente de Variação de Pearson (é a razão entre o desvio padrão e a média referente aos dados de uma mesma série).

e a média referente aos dados de uma mesma série). A entretanto pode ser expresso também

A

entretanto pode ser expresso também através de um fator decimal, desprezando assim o valor

fórmula do CVP = (S / ) x 100 (o resultado neste caso é expresso em percentual,

100 da fórmula).

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

31

Exemplo 1:

Tomemos os resultados das estaturas e dos pesos de um mesmo grupo de indivíduos:

Discriminação

M É D I A

DESVIO PADRÃO

ESTATURAS

175 cm

5,0 cm

PESOS

68 kg

2,0 kg

Qual das medidas (Estatura ou Peso) possui maior homogeneidade?

Resposta: Teremos que calcular o CVP da Estatura e o CVP do Peso. O resultado menor será o de maior homogeneidade (menor dispersão ou variabilidade).

CVP estatura = ( 5 / 175 ) x 100 = 2,85 %

CVP peso = ( 2 / 68 ) x 100 = 2,94 %.

Logo, nesse grupo de indivíduos, as estaturas apresentam menor grau de dispersão que os pesos.

Exemplo 2:

O risco de uma ação de uma empresa pode ser devidamente avaliado através da variabilidade dos retornos esperados. Portanto, a comparação das distribuições probabilísticas dos retornos, relativas a cada ação individual, possibilita a quem toma decisões perceber os diferentes graus de risco. Analise, abaixo, os dados estatísticos relativos aos retornos de 5 ações e diga qual é a menos arriscada?

Discriminação

Ação A

Ação B

Ação C

Ação D

Ação E

Valor esperado

15 %

12 %

5 %

10 %

4 %

Desvio padrão

6 %

6,6 %

2,5 %

3 %

2,6 %

Coeficiente de variação

0,40

0,55

0,50

0,30

0,65

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

32

CAPÍTULO 7 – CORRELAÇÃO E REGRESSÃO

7.1 DIAGRAMAS DE DISPERSÃO

Na prática, é muitas vezes essencial estudar a relação entre duas variáveis associadas como, por exemplo, o grau a dimensão de uma peça de máquina irá variar em função da mudança da velocidade de um torno.

Para estudar a relação entre duas variáveis, tais como dito acima, pode-se usar o chamado diagrama de dispersão. Diagrama de Dispersão é uma forma de gráfico onde simplesmente representa-se graficamente cada par de variáveis de uma série de dados em um sistema de eixos.

Tomando como exemplo os dados da Tabela abaixo, pode-se construir um diagrama de dispersão:

Tabela abaixo, pode-se construir um diagrama de dispersão: 7.1.1 COMO CONSTRUIR UM DIAGRAMA DE DISPERSÃO Um

7.1.1 COMO CONSTRUIR UM DIAGRAMA DE DISPERSÃO

Um diagrama de dispersão é construído conforme as seguintes etapas:

Etapa 1 Coletar dados em pares (X,Y) entre os quais deseja-se estudar as relações, e organize-os em uma tabela. É desejável que se tenha pelo menos 30 pares de dados.

Etapa 2 Encontrar os valores máximo e mínimo, tanto para X como para Y. Defina as escalas dos eixos horizontal e vertical de forma que ambos os comprimentos sejam aproximadamente iguais; assim, o diagrama ficará mais fácil de interpretar.

Determinar, para cada eixo, entre 3 e 10 divisões para as unidades da escala de graduação, e utilize números inteiros para torna-lo mais fácil de ler. Quando duas variáveis consistirem em um fator e uma característica da qualidade, use o eixo horizontal X para o fator e o eixo vertical Y para a característica da qualidade.

Etapa 3 Marcar os dados num papel milimetrado. Quando os mesmos valores de dados forem obtidos a partir de diferentes observações, mostre estes pontos, desenhando círculos concêntricos ou marcando o segundo ponto rente ao primeiro.

observações, mostre estes pontos, desenhando círculos concêntricos ou marcando o segundo ponto rente ao primeiro.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

33

Etapa 4 Inserir todos os itens necessários. Certificar de que os seguintes itens sejam incluídos para que qualquer pessoa, além do autor do diagrama, possa entende-lo num rápido exame:

a. Título do diagrama;

b. Período de tempo;

c. Quantidade de pares de dados;

d. Denominação e unidade de medida de cada eixo;

Exemplo 1:

Um fabricante de tanques plásticos, que os fabricava pelo processo de moldagem a sopro, encontrou problemas de tanques defeituosos com paredes finas. Suspeitou-se que a variação da pressão do ar, dia a dia, era a causa das paredes finas não-conformes. A Tabela a seguir mostra dados sobre a pressão de sopro e a percentagem defeituosa.

Tabela 1 – Dados da Pressão de Sopro e Percentagem Defeituosa de Tanques de Plástico

de Sopro e Percentagem Defeituosa de Tanques de Plástico Conforme visto na Tabela acima, existem 30

Conforme visto na Tabela acima, existem 30 pares de dados.

Etapa 2 Neste exemplo, indicamos a pressão de sopro por X (eixo horizontal) e a percentagem defeituosa por Y (eixo vertical).

Assim:

O

valor máximo de x: xmáx = 9,4 (kgf/cm²)

O

valor mínimo de x: xmín = 8,2 (kgf/cm²)

O

valor máximo de y: ymáx = 0,928 (%)

O

valor mínimo de y: ymín = 0,864 (%)

Marca-se divisões para graduação:

no eixo horizontal – em intervalos de 0,5(kgf/cm²) de 8,0 a 9,5(kgf/cm²) no eixo vertical – em intervalos de 0,01(%) de 0,85 a 0,93(%)

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

34

Etapa 3 Marca-se os pontos no gráfico.

Etapa 4 Anota-se o período de tempo a que se refere à amostra coletada (1 de outubro a 9 de novembro), a quantidade de amostras (n = 30), o eixo horizontal (pressão de sopro [kgf/cm²]), o eixo vertical (percentagem defeituosa [%]), e o título do diagrama (diagrama de dispersão da pressão do sopro e a percentagem defeituosa).

da pressão do sopro e a percentagem defeituosa). Figura 1 – Exemplo de Diagrama de Dispersão

Figura 1 – Exemplo de Diagrama de Dispersão

7.1.2 Como Interpretar os Diagramas de Dispersão

Assim como é possível avaliar o formato de uma distribuição em um histograma, a distribuição global dos pares de dados pode ser interpretada a partir de um diagrama de dispersão. Ao proceder a leitura, a primeira coisa que se deve fazer é examinar se há ou não pontos atípicos no diagrama. Geralmente, pode-se julgar que quaisquer pontos afastados do grupo principal (Figura 2) resultaram de erros na medição ou registro de dados, ou foram causados por alguma mudança nas condições de operação. É necessário excluir esses pontos para análise da correlação. Contudo, ao invés de desprezar completamente estes pontos, deveria ser dada a devida atenção à causa de tais irregularidades, pois muitas vezes, informações inesperadas, porém muito úteis, são obtidas descobrindo-se por que eles ocorreram.

Existem muitos tipos de padrões de dispersão, e alguns destes são dados da Figura 3. Nesta figura, tanto na .1 como na .2, Y aumenta com X; este é o caso da correlação positiva. E ainda, como a .1 mostra esta tendência de forma notável, diz-se que ela apresenta forte correlação positiva. As Figuras .4 e .5 mostram o oposto da correlação positiva, pois à medida que X aumenta, Y diminui; este é o caso da chamada correlação negativa. A Figura 4 indica uma forte correlação negativa. A Figura .3 mostra o caso em que X e Y não têm nenhuma relação específica; portanto, dizemos que não há correlação. Na Figura .6, à medida que X aumenta, Y varia num padrão curvo. Isto será explicado posteriormente.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

35

ca -Estatística Básica - Profª. Mônica Barradas 35 Figura 2 – Exemplo de Pontos Suspeitos .1

Figura 2 – Exemplo de Pontos Suspeitos

.1 - Correlação Positiva .2 - Correlação Negativa .3 - Pode haver Correlação Positiva .4 - Pode haver Correlação Negativa .5 - Não Há Correlação .6 - Não Há Correlação

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

36

ca -Estatística Básica - Profª. Mônica Barradas 36 Figura 3 – Exemplos de Correlação 7.2 Cálculo

Figura 3 – Exemplos de Correlação

7.2 Cálculo de Coeficientes de Correlação

Para estudar a relação entre X e Y é importante traçar primeiro um diagrama de dispersão, entretanto, a fim de conhecer a força da relação em termos quantitativos, é útil calcular o coeficiente de correlação de acordo com a seguinte definição:

onde:

em termos quantitativos, é útil calcular o coeficiente de correlação de acordo com a seguinte definição:

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

37

ca -Estatística Básica - Profª. Mônica Barradas 37 onde “n” é a quantidade de pares de

onde “n” é a quantidade de pares de dados

O coeficiente de correlação, r, está no intervalo –1 r +1. Se o valor absoluto de r for

maior que 1, houve claramente um erro de cálculo e deve-se refaze-lo. No caso de forte correlação positiva, ele atinge um valor próximo de +1 e, de forma análoga, numa forte correlação negativa, ele fica próximo de –1. Quando | r | está próximo de 1, ele indica uma forte correlação entre X e Y. Quando se aproxima de 0 (zero), implica numa correlação fraca. Quando | r | = 1, os dados estarão sobre uma linha reta.

Exemplo 2 Calculemos o coeficiente de correlação para o Exemplo 1, dos tanques de plástico. A Tabela 2 abaixo apresenta os cálculos, a partir dela obtêm-se os resultados desejados.

cálculos, a partir dela obtêm-se os resultados desejados. O valor de r é 0,59, existindo portanto

O valor de r é 0,59, existindo portanto uma correlação positiva entre a pressão de sopro e a

percentagem defeituosa de tanques de plástico.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

38

Tabela 2 – Preparação para o cálculo do coeficiente de correlação.

Preparação para o cálculo do coeficiente de correlação. 7.3 AJUSTAMENTO DE CURVAS E O MÉTODO DOS

7.3 AJUSTAMENTO DE CURVAS E O MÉTODO DOS MÍNIMOS QUADRADOS

Num diagrama de dispersão é possível, freqüentemente, visualizar uma curva regular que se aproxima dos dados. Essa curva é denominada de ajustamento.

aproxima dos dados. Essa curva é denominada de ajustamento . Figura 4 – Exemplo de Curvas

Figura 4 – Exemplo de Curvas em Diagramas de Dispersão

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

39

O problema geral da determinação das equações de curvas que se acomodem a certos conjuntos de dados é denominado AJUSTAMENTO DE CURVAS.

7.4 Equações das Curvas de Ajustamento

Para fins de referência, relaciona-se abaixo alguns tipos de curvas de ajustamento e suas equações. Todas as letras, exceto X e Y, representam constantes. As letras X e Y referem-se, freqüentemente, a variáveis independentes e dependentes, respectivamente, embora esses papéis possam ser permutados.

embora esses papéis possam ser permutados. onde o segundo membro das equações são de nominados

onde o segundo membro das equações são denominados polinômios do 1º, 2º, 3º, 4º e n-ésimo graus.

As funções definidas pelas quatro primeiras equações são, às vezes, denominadas Funções Linear, Quadrática, Cúbica e do 4º Grau, respectivamente.

Como outras equações possíveis (entre muitas usadas na prática), menciona-se as seguintes:

muitas us adas na prática), menciona-se as seguintes: Para decidir qual a curva a adot ar,

Para decidir qual a curva a adotar, é conveniente a obtenção de diagramas de dispersão das variáveis transformadas. Por exemplo, se o diagrama de dispersão de log Y em função de X apresentar uma relação linear, a equação terá o aspecto da (7), enquanto, se o de log Y em função de log X for linear, a equação terá o formato de (8).

Emprega-se, freqüentemente, para tal finalidade, gráficos no qual uma ou ambas as escalas são logarítmicas (semilog ou log-log [dilog]).

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

40

7.5 O Método dos Mínimos Quadrados

Antes, é necessário instituir uma definição da “melhor reta de ajustamento”, da “melhor parábola de ajustamento”, etc.

da “melhor parábola de ajustamento”, etc. Figura 5 - A melhor curva de ajustamento Para conseguir

Figura 5 - A melhor curva de ajustamento

Para conseguir uma definição possível, considere-se a Figura 6.2 na qual os dados estão

, (Xn,Yn). Para um valor dado de X, por

representados pelos pontos (X1,Y1), (X2,Y2),

exemplo X1, haverá uma diferença entre y1 e p valor correspondente determinado na curva

C.

Como está representado na figura, essa diferença é e1, que é, muitas vezes, designada como desvio, erro ou resíduo e pode ser positivo, negativo ou nulo. De modo semelhante, obtém-se

os desvios e2, e3,

, en.

Uma medida de “qualidade do ajustamento”da Curva C aos dados apresentados (aderência) é

proporcionada pela quantidade e2² + e3² + se é grande, o ajustamento está ruim.

+ en². Se ela é pequena, o ajustamento é bom,

Portanto, uma definição pode ser feita:

De todas as curvas que se ajustam a um conjunto de pontos, a que tem a propriedade de

apresentar o mínimo valor de e2² + e3² + ajustamento.

+ en² é denominada a melhor curva de

Diz-se que uma curva que apresenta essa propriedade ajusta os dados no sentido dos mínimos quadrados e é denominada curva de mínimos quadrados.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

41

7.6 REGRESSÃO

Deseja-se, freqüentemente, com base em dados amostrais estimar o valor de uma variável Y, correspondente ao conhecido de uma variável X. Isso pode ser alcançado mediante a avaliação do valor de Y, a partir de uma curva de mínimo quadrado que se ajuste aos dados amostrais. A curva resultante é denominada de regressão de Y para X, visto que Y é avaliado a partir de X. Se se desejar estimar o valor de X a partir de um atribuído a Y, usa-se uma curva de regressão de X para Y, o que importa em uma permutação das varáveis no diagrama de dispersão, de modo que X passa a ser a variável dependente e Y a independente. Em geral, a reta ou curva de regressão de Y para X não é igual à de X para Y.

Exemplo 3 No Exemplo 1, dos tanques plásticos com paredes finas defeituosas, constatou-se que havia uma correlação positiva entre a pressão de sopro e a percentagem defeituosa. A fim de evitar esse problema, pergunta-se:

- Quando a pressão de sopro estiver em um certo valor, qual será a espessura das paredes formadas?

- Como a pressão de sopro deve ser controlada para que as paredes do tanque não fiquem finas?

Para realizar essa análise e poder responder às perguntas feitas, é necessário compreender, quantitativamente, a relação entre a pressão de sopro e a espessura da parede.

A Tabela 3 mostra os dados de uma experiência na qual a pressão de sopro foi mudada e, em cada vez, a espessura das paredes foi medida. A Figura 6 é um diagrama de dispersão baseado nestes dados.

Tabela 3 – Pressão de Sopro x Espessura da Parede

dados. Tabela 3 – Pressão de Sopro x Espessura da Parede Figura 6 – Relação entre

Figura 6 – Relação entre a Pressão de Ar e a Espessura da Parede

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

42

Pode-se representar a pressão do sopro por x e a espessura da parede por y, admitindo uma relação linear:

espessura da parede por y , admitindo uma relação linear: onde: α é uma constante β

onde:

α é uma constante β é chamado de coeficiente de regressão

Tal reta é geralmente chamada de reta de regressão, onde y é a variável resposta (ou variável dependente), e x é a variável explicativa (ou variável independente). A forma quantitativa de entender a relação entre x e y, pela busca de uma forma de regressão entre x e y , é chamada de Análise de Regressão.

Seja (Xi,Yi) (para 1 i n) um conjunto de n pares de dados observados. Sejam

valores estimados e a e b, e seja ei o resíduo entre

valores estimados e a e b, e seja e i o resíduo entre , isto é:

, isto é:

estimados e a e b, e seja e i o resíduo entre , isto é: os

os

e a e b, e seja e i o resíduo entre , isto é: os Pelo

Pelo método dos mínimos quadrados,

entre , isto é: os Pelo método dos mínimos quadrados, são obtidos como os valores que

são obtidos como os valores que minimizam

soma dos quadrados dos resíduos. Esse método é aplicado através das seguintes método é aplicado através das seguintes

etapas:

Esse método é aplicado através das seguintes etapas : os valores de a ˆ e b

os valores de aˆ e bˆ obtidos dessas etapas minimizam a soma dos quadrados dos resíduos. Agora, usando os dados da Tabela 4, pode-se calcular a reta de regressão.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

43

Tabela 4

Básica - Profª. Mônica Barradas 43 Tabela 4 A cada aumento de 1(kgf/cm²) da pressão do
Básica - Profª. Mônica Barradas 43 Tabela 4 A cada aumento de 1(kgf/cm²) da pressão do

A cada aumento de 1(kgf/cm²) da pressão do ar, a espessura da parede diminui de 1,28(mm).

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

44

ca -Estatística Básica - Profª. Mônica Barradas 44 Figura 7 - mostra a reta de regressão

Figura 7 - mostra a reta de regressão calculada acima.

7.8 Problemas que envolvem mais de duas variáveis

Podem ser tratadas de maneira análoga aos de duas. Por exemplo, pode haver uma relação entre três variáveis X, Y e Z que pode ser descrita pela expressão:

X , Y e Z que pode ser descrita pela expressão: que é denominada equação linear

que é denominada equação linear das variáveis X, Y e Z.

Em um sistema tridimensional de coordenadas retangulares, essa equação representa um

, (Xn,Yn) podem “dispersar-se” em

posições não muito distantes desse plano, que pode ser denominado de ajustamento.

plano e os pontos amostrais reais (X1,Y1), (X2,Y2),

Mediante a extensão do método dos mínimos quadrados, pode-se falar de um plano de mínimos quadrados de ajustamento dos dados.

Se o número de variáveis exceder a três, perde-se a intuição geométrica porque, então, seria necessário considerar espaços de quatro ou mais dimensões. Os problemas que envolvem a avaliação de uma variável a partir de duas ou mais outras são denominados problemas de regressão múltipla.

Universidade de Pernambuco – Escola Politécnica -Estatística Básica - Profª. Mônica Barradas

45

Exercícios:

1) A quantidade de libras de vapor usadas por mês por uma planta química esta relacionada à temperatura (ºF) média ambiente para aquele mês. O consumo do ano passado e a temperatura são mostrados na seguinte tabela:

Meses

Temperatura

Consumo/1.000

Janeiro

21

185,79

Fevereiro

24

214,47

Março

32

288,03

Abril

47

424,84

Maio

50

454,58

Junho

59

539,03

Julho

68

621,55

Agosto

74

675,06

Setembro

62

562,03

Outubro

50

452,93

Novembro

41

369,95

Dezembro

30

273,98

a) Construa um diagrama de dispersão

b) Encontre a equação da reta

c) Calcule a correlação

d) Qual será a estimativa do consumo esperado de vapor quando a temperatura média for de

55ºF?

2) Um artigo publicado numa revista (março de 1986) apresentou dados sobre a concentração de licor verde de Na 2 S e da produção de uma máquina de papel.

Número de

Concentração (g/l) de licor verde de Na 2 S

 

observações

Produção (t/dia)

1

40

825

2

42

830

3

49

890

4

46

895

5

44

890

6

48

910

7

46

915

8

43

960

9

53

990

10

52

1010

11

54

1012

12