Escolar Documentos
Profissional Documentos
Cultura Documentos
E GEOPROCESSAMENTO DE
IMÓVEIS RURAIS
AJUSTAMENTO DE OBSERVAÇÕES E
FUNDAMENTOS DAS ESTATISTICAS.
PROF. Espec. Carlos Alberto L. Lima
2017
ESTATÍSTICA APLICADA
I - HISTÓRICO
II - ESTATÍSTICA – Conceito
A Estatística é uma parte da Matemática Aplicada que fornece métodos para coleta,
organização, descrição, análise e interpretação de dados e para a utilização dos mesmos
na tomada de decisões. Com o avanço da tecnologia, tornou-se mais fácil entender as
análises de dados, passaram a ser mais bem compreendidas, mas as situações complexas
têm aumentado fazendo parte do nosso cotidiano. Para se entender esse conceito
observemos o seguinte exemplo:
- Grandezas
Entende-se por grandeza tudo aquilo que pode ser medido ou contado. As grandezas
podem ter suas medidas aumentadas ou diminuídas. Alguns exemplos de grandeza: o
volume, a massa, a superfície, o comprimento, a capacidade, a velocidade, o tempo, o
custo e a produção.
Exemplo:
Num forno utilizado para a produção de ferro fundido comum, quanto maior for o
tempo de uso, maior será a produção de ferro. Nesse caso, as grandezas são o tempo e a
produção.
- Estatística Descritiva
A Probabilidade pode ser pensada como o teoria matemática utilizada para estudar a
incerteza oriunda de fenômenos que envolvem o acaso. Jogos de dados e de cartas, ou o
lançamento de uma moeda para o ar enquadram-se na categoria do acaso. A maioria dos
jogos esportivos também é influenciada pelo acaso até certo ponto. A decisão de um
fabricante de cola de empreender uma grande campanha de propaganda visando a
aumentar sua participação no mercado, a decisão de parar de imunizar pessoas com
menos de vinte anos contra determinada doença, a decisão de arriscar-se a atravessar
uma rua no meio do quarteirão, todas utilizam a probabilidade consciente ou
inconscientemente.
V- DADO ESTATÍSTICO:
Ex. População de alunos do Onze Elo – sua amostra será uma parcela representativa que
dependerá do tamanho da população.
PARÂMETROS: são valores singulares que existem na população e que servem para
caracterizá-la. Ao definirmos um parâmetro deve-se examinar toda a população.
Ex: alunos do Téc. Edif. do 11-ELO têm em média 1,70 metros de estatura.
Ex. quando se usa os parâmetros para se afirmar que a média de estatura dos alunos é
1,70 metros então se estima que a maioria seja alta.
a) Fenômenos de massa ou coletivo: aqueles que não podem ser definidos por
uma simples observação.
VARIÁVEL QUALITATIVA: quando seus valores são expressos por atributos: sexo,
cor da pele, cor dos olhos, local de trabalho, a beleza, sentimento, etc.
Ex. Renda, número de defeitos por carro, ponto no jogo de dado; número de ofertas, etc.
Ex.: Produção de Café no BRASIL; Comprimento dos pregos produzidos por uma
empresa; idade, peso, metro, velocidade em km/h, etc.
MÉTODOS PROBABILÍSTICOS
Este método garante cientificamente a aplicação das técnicas estatísticas. Somente com
base em amostragens probabilísticas é que se podem realizar inferências ou induções
sobre a população a partir do conhecimento da amostra.
MEDIDAS DE POSIÇÃO
São as medidas de tendência central como: média aritmética, moda e mediana. Outros
menos usados são as médias: geométrica, harmônica, quadrática, cúbica e bi quadrático.
MÉDIA ARITMÉTICA =
Basta somar todos os valores e dividir o resultado pelo número de parcelas que é 5.
Assim temos:
0 +2+ 4+ +6 +8 = _20_= 4
5 5
Ou seja, a média aritmética, nesse caso, é 4.
2 + 4 + 6 + 8 = _20_ = 5
4 4
A média aritmética, nesse caso, é 5. Será um número representativo dessa série, embora
não esteja representado nos dados originais.
MODA - Mo
A moda é o valor que ocorre com maior frequência num conjunto. Indicada por Mo.
Série Amodal
Há séries nas quais não exista valor modal, isto é, nas quais nenhum valor apareça mais
vezes que outros.
Série Bimodal
Em outros casos, pode haver dois ou mais valores de concentração. Dizemos, então, que
a série tem dois ou mais valores modais, chamados de bimodal.
MEDIANA - Md
O valor que divide a série acima em duas partes iguais é igual a 9, logo a
Md = 9.
se a série tiver número ímpar de termos – a mediana será dada pela fórmula :
(n+1)/2
1 – Exemplo
Calcule a Md da série
{ 1, 3, 0, 0, 2, 4, 1, 2, 5 }
1º - ordenar a série { 0, 0, 1, 1, 2, 2, 3, 4, 5 }
(9+1) / 2 = 5
Md será o 5º elemento = 2
2 – Exemplo
[( n/2 ) +( n/2+ 1 )] / 2
Md da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 }
n = 10 a fórmula ficará:
5º termo = 2 e o 6º termo = 3
Md da série { 0, 0, 1, 1, 2, 3, 3, 4, 5, 6 }
5º termo = 2
6º termo = 3
A Md será = (2+3) / 2 ou seja, Md = 2,5 .
do 5º e 6º termos da série.
DESVIO PADRÃO - S
representada por S.
AJUSTAMENTO DE OBSERVAÇÕES
Introdução
Conceito
Nos casos mais simples, as medições são realizadas sobre as próprias grandezas
incógnitas.
Quando tais incógnitas se ligam por equações de condição, o problema torna-se menos
simples. É o caso de observações indiretas ou parâmetros.
Ex. atribuir "mais peso" às observações de maior precisão (menor desvio padrão).
Temos modelos físicos, modelos matemáticos ou modelos híbridos de vários tipos para
uso de estudos de maiores complexidades como estudos de hidrodinâmica em
engenharia hidráulica, (usinas hidrelétricas, navios), e de aerodinâmica (aviões,
automóveis, etc.), mecânica quântica.
Divide-se em:
– Exemplo
Exemplo
Um requisito para o método dos mínimos quadrados é que o fator imprevisível (erro)
seja distribuído aleatoriamente, essa distribuição seja normal e independente.
Outro requisito é que o modelo é linear nos parâmetros, ou seja, as variáveis apresentam
uma relação linear entre si. Caso contrário, deveria ser usado um modelo de regressão
não-linear.
EXEMPLO:
α + β + γ = 180°
No entanto é muito provável que a soma dos três ângulos medidos não seja 180°, devido
à existência de erros aleatórios nas medições.
Suponhamos então que a sua soma exceda 180° em 3''. Para termos as observações
consistentes com o modelo funcional teremos que substituir os valores observados por
valores ajustados.
Podemos por exemplo subtrair a cada ângulo observado 1'', ou subtrair 2'', a um ângulo
e 1'' a outro, ou ainda subtrair os 3'' apenas a um ângulo, deixando os restantes dois
inalterados.
Os resultados de uma mesma medida, repetida várias vezes por um mesmo operador,
não serão idênticos, por maior que seja o cuidado empregado nas observações.
Assim, podemos dizer que, de uma forma ou de outra, todas as medidas contêm erros.
Erros acidentais
Para que se possa fazer um ajustamento das observações, utilizando, o método dos
mínimos quadrados, é necessário eliminar todos os erros acidentais.
Erros sistemáticos
Os erros sistemáticos repetem-se do mesmo modo sempre que uma determinada ação se
repete nas mesmas circunstâncias. Quando conhecidos, podem ser expressos através de
formulação matemática.
Erros aleatórios
Os erros aleatórios são erros de pequena amplitude cuja origem é desconhecida e que
têm propriedades análogas às propriedades estatísticas de uma amostragem.
Resíduo (v)
Discrepância
Desvio Padrão
O valor mais provável de uma grandeza é aquele para o qual a soma do quadrado dos
resíduos é mínima. Assim, baseado no principio dos mínimos quadrados, o desvio
padrão é definido como a raiz da média dos quadrados dos resíduos.
CLASSIFICAÇÃO DAS OBSERVAÇÕES
Diretas
As medições são efetuadas diretamente sobre a grandeza, sem que existam meios para
verificação do erro, uma vez que não conhecemos os seus valores reais ou teóricos.
Exemplo: uma distância ou ângulo isolado.
Diretas Condicionadas
Exemplo:
a + b + c = 180º.
Indiretas
As observações não são feitas diretamente sobre as grandezas pesquisadas, mas sobre
outras a elas ligadas por meio de relações conhecidas.
MEDIDAS DE DISPERSÃO
Vários termos são usados para descrever a qualidade das medidas. É muito comum na
Mensuração o uso dos termos precisão e acurácia.
Se uma grandeza é medida várias vezes, e esta operação tem valores muito próximos
um dos outros; então, dizemos que a precisão é alta.
A acurácia (ou exatidão) se refere ao grau de perfeição obtido numa medição, ou seja,
representa o quanto próximo do valor real (valor verdadeiro) foi obtida a medida.
Exemplo
Variância
1/(n-1)Σ(xi-xmed)(yi-ymed),
n representa o tamanho da amostra,
xi representa o valor de cada ponto x,
xmed representa a média entre os valores dos pontos x e assim por diante, para yi e
ymed.
Usando a fórmula padrão da covariância temos:
Método 1
1. Organize os dados em uma relação de pontos (x,y). Tudo de que você precisa para
calcular a covariância é um conjunto de pontos de dados para duas variáveis, x e y.
Se você estiver trabalhando com dados de um gráfico, eles virão dos pares coordenados
(x,y) dos pontos existentes; de outro modo, os dados virão dos pares de valores
matematicamente correspondentes às variáveis.
Anote o número de pares x/y combinados. Esse será “n”, o tamanho da amostra,
necessário à resolução da fórmula de covariância.
Exemplo: digamos que somos os administradores de um serviço de entregas e estamos
tentando determinar se o número de cupons oferecidos tem algum efeito sobre as
vendas. Podemos definir x como o número de cupons oferecidos em um determinado
dia e y como o número de vendas realizadas naquele dia. Usando a tabela da imagem
como referências têm:
Primeiro dia ofereceu – x = 1 (cupom) y = 8 (vendas);
Segundo dia ofereceu – x = 3 (cupons) y = 6 (vendas) e assim por diante.
Método 2
2. Encontre a média dos pontos x. Depois de obter uma relação de pares x/y, resolver a
equação de covariância não requer tanto esforço. Para começar, descubra a média dos
valores x. Para fazê-lo, basta somar os valores x e dividir o resultado pela quantidade de
valores (leia o nosso guia sobre como achar médias para instruções detalhadas).
Em nosso exemplo, encontraríamos a média de nossos valores x somando os valores
existentes na coluna “x” da tabela acima e dividindo o resultado pela quantidade de
valores na coluna.
1 + 3 + 2 + 5 + 8 + 7 + 12 + 2 + 4 = 44
44/9 = 4,89
Método 3
3. Encontre a média dos pontos y. Isso será feito exatamente da mesma forma usada
com os pontos x: some os valores y e, a seguir, divida o resultado pela quantidade de
valores.
8 + 6 + 9 + 4 + 3 + 3 + 2 + 7 + 7 = 49 logo teremos: 49/9 = 5.44
Método 4
4 - Insira as variáveis na fórmula
1/(n-1)Σ(xi-xmed)(yi-ymed). Veja o sigma (Σ) presente na fórmula, isso significa que
você precisará subtrair a média x de cada valor x individual e, então, somá-los (a seguir
fazendo o mesmo com a média y e cada valor y individual). Anotar os valores com
cuidado para evitar erros.
1/(n-1)Σ(xi-xmed)(yi-ymed).
(1/8)(((1 - 4,89)+(3 - 4,89)+(2 - 4,89)+(5 - 4,89)+(8 - 4,89)+(7 - 4,89)+(12 - 4,89)+(2 -
4,89)+(4 - 4,89))((8 - 5,44)+(6 - 5,44)+(9 - 5,44)+(4 - 5,44)+(3 - 5,44)+(3 - 5,44)+(2 -
5,44)+(7 - 5,44)+(7 - 5,44))
(1/8)((-0,01)((8 - 5,44)+(6 - 5,44)+(9 - 5,44)+(4 - 5,44)+(3 - 5,44)+(3 - 5,44)+(2 -
5,44)+(7 - 5,44)+(7 - 5,44))
1/(n-1)Σ(xi-xmed)(yi-ymed).
(1/8)(-0,01)(0,04) = 0,00005
A resposta, 0,00005, é muito próxima de zero. Isso significa que a quantidade de
cupons oferecidos, essencialmente, não tem qualquer efeito sobre a quantidade de
vendas realizadas no serviço de entrega.
DISTRTIBUIÇÃO NORMAL
A tendência moderna é substituir a ideia de erros de observações pelo conceito de
propriedades estatísticas das observações, visto serem estas consideradas amostras
extraídas de uma população de variável contínua e infinita.
Em outras palavras, as observações são variáveis aleatórias que seguem uma
distribuição de probabilidade. Assim, é necessário que profissionais de mensuração
conheçam os conceitos básicos de Estatística e Probabilidade.
Probabilidade
Denomina-se probabilidade de um evento ao quociente entre o número de casos
favoráveis e os dos casos possíveis, ou seja, esta definição está intimamente relacionada
com o conceito de frequência relativa.
Este conceito foi proposto por Laplace, embora encerre uma conceituação viciosa, ela é
a adequada para o objetivo deste texto devido sua simplicidade.
A probabilidade de um evento é um número compreendido entre 0 e 1 (ou entre 0% e
100%).
As distribuições normais representam, com bastante frequência e com boa aproximação,
as distribuições de frequências de muitos fenômenos naturais e físicos.
Variável Contínua
O ponteiro ilustra o conceito de variável continua. Uma vez tenha sido posto a girar, o
ponteiro pode parar em qualquer posição ao longo do círculo. Não se pode esperar que
venha a parar exatamente num dos valores inteiros do círculo.
Mesmo levando-se em conta as limitações na mensuração feita ao longo do círculo,
ainda assim há um número extremamente grande de pontos de paradas possíveis.
Imaginemos, por exemplo, o círculo dividido em 8000 partes iguais, em lugar das 8
partes. Se cada posição constitui um ponto de parada tão provável quanto qualquer
outra, somos levados à seguinte conclusão:
Como há tantos resultados possíveis, a probabilidade de o ponteiro parar em qualquer
valor particular é tão pequena, para fins práticos, que deve ser considerada
aproximadamente igual a zero.
La =F (Xa )
QUALIDADE DO AJUSTAMENTO
Teste de Hipóteses
Consistem em ferramentas estatísticas amplamente usadas por engenheiros e cientistas
em combinação com o método dos mínimos de quadrados.
Esses testes são usados para comparar resultados experimentais com determinado
padrão. Buscando avaliar, através das estatísticas amostrais (média e desvio padrão), a
consistência da suposição da amostra extraída de uma população.
As suposições (hipóteses) estatísticas formalizam-se através de sentenças (explícita ou
implícita) sobre a probabilidade de distribuição de uma determinada variável
estocástica.
Assim, os testes de hipóteses são procedimentos que conduzem a uma decisão acerca de
suposições (com base em uma amostra).
Por exemplo, a detecção dos erros grosseiros é feita através da formulação de hipóteses
estatísticas sobre existência ou não de erros grosseiros nas observações de determinado
ajustamento.
No ajustamento, o modelo matemático e modelo estocástico são baseados em um
conjunto de suposições que correspondem às hipóteses estatísticas.
Os pressupostos básicos dos modelos matemáticos e estatísticos dos ajustamentos de
observações geodésicas ou topográficas são:
- Inexistência de erros grosseiros nas observações;
- O modelo matemático fornece uma descrição correta das relações entre as observações
e os parâmetros desconhecidos;
- O modelo estocástico escolhido para as observações descreve corretamente as
propriedades estocásticas das observações.
A decisão de um teste de hipótese implica a não rejeição ou a rejeição da hipótese nula,
que correspondem a quatro casos possíveis:
Ho é falsa / aceitar Ho
A importância da potência do teste é sua capacidade de revelar a falsidade de Ho
quando a hipótese alternativa Ho é verdadeira.
Rejeitar Ho / Ho falsa