Escolar Documentos
Profissional Documentos
Cultura Documentos
Estatística
●
Filipe Teixeira:
ftcardoso@latam.stefanini.com
●
Mateus Marcuzzo:
mmrosa@latam.stefanini.com
Roteiro de Apresentação
I. Conceitos básicos: III. Medidas de Tendências Centrais: – Contínua:
– Áreas da Estatística: Descritiva, – Média amostral; ●
Função Densidade de Probabilidade
(FDP);
Probabilidade e Inferência; – Mediana;
●
Função de Distribuição Acumulada
– População x Amostra; – Moda; (FDA);
– Amostragem Probabilística: – Outliers; ●
Distribuições Contínuas:
●
Balanceamento (Estratificação IV. Representações Gráficas: Uniforme;
Uniforme); Normal:
– Tipos de Representação;
●
Estratificação (Estratificação ➔
Média;
Proporcional);
– Scatter Plot; ➔
Variância e Desvio Padrão (Erro
– Tipos de Variáveis:
– Boxplot; padrão x Desvio Padrão);
– Histograma; ➔
Teorema do Limite Central;
●
Qualitativas:
Nominais; V. Variáveis Aleatórias: VI. Correlação e Causalidade:
Ordinais; – Definições e Notações Importantes: – Correlação de Pearson;
●
Quantitativas Fenômeno Aleatório, Espaço Amostral, – Correlações não-lineares;
Discretas; Eventos (Complementares, Disjuntos),
Contínuas; P(.) e suas propriedades; VII. Probabilidade Condicional e
II. Combinatória: – Discreta: Independência:
Função Massa de Probabilidade (FMP);
Probabilidade Condicional;
●
–
– Conjuntos; ●
Função de Distribuição Acumulada (FDA);
– Princípios de Contagem: ●
Distribuições Discretas:
– Eventos Independentes x Eventos
●
Fatorial; Uniforme; Mutualmente Exclusivos;
●
Permutação;
Bernoulli; – Teorema de Bayes;
Binomial;
●
Arranjo;
Geométrica; VIII. Tópicos Complementares;
●
Combinação;
Conceitos Básicos
Áreas da Estatística
●
Estatística Descritiva – conjunto de técnicas destinadas a
descrever e resumir dados, a fim de tirar conclusões a
respeito de características de interesse;
●
Probabilidade – teoria matemática utilizada para se estudar
a incerteza oriunda de fenômenos de caráter aleatório;
●
Inferência Estatística – estudo de técnicas que possibilitam
a extrapolação, a um grande conjunto de dados, das
informações e conclusões obtidas a partir de subconjuntos
de valores, usualmente de dimensão muito menor;
População x Amostra
Conjuntos
Princípios de Contagem
Fatorial
Permutação
Arranjo
Combinação
Conjuntos
A⊂B B
(A pertence ao conjunto B ou α é elemento de B)está pertence ao conjunto B ou α é elemento de B)contido pertence ao conjunto B ou α é elemento de B)em pertence ao conjunto B ou α é elemento de B)B pertence ao conjunto B ou α é elemento de B)ou pertence ao conjunto B ou α é elemento de B)A pertence ao conjunto B ou α é elemento de B)é pertence ao conjunto B ou α é elemento de B)sub-conjunto pertence ao conjunto B ou α é elemento de B)de pertence ao conjunto B ou α é elemento de B)B)
AUB
(Conjunto com todos os elementos de A OU de B)
A∩B
(Conjunto com os elementos que estão simultaneamente em A e em
B)
Ã
(A complementar, ou conjunto dos elementos NÃO pertencentes a A)
Conjuntos
Princípios de Contagem
Princípio Princípio
Multiplicativo Aditivo
Princípio Aditivo
5 x 3 = 15
Princípios de contagem, exemplos:
Total_cidades(DF) + Total_cidades(MG)
Mais exemplos:
RS
PR
SC
Vamos fingir que as regiões de SC, PR e RS tem respectivamente
4,3,2 cidades.
RS
PR
SC
Fatorial:
Definição:
Fatorial(N) ou N! É dado por:
Permutação:
https://docs.python.org/3/library/itertools.h
tml
Medidas de Tendências Centrais
Medidas de tendência central
Média Amostral
Mediana
Moda
Outliers
Média Amostral
Ex: 1,1,1,2,2,2,2,3,3,3,4,4,4,4,5,6,7
Temos aqui 17 valores (já ordenados).
O valor que "divide" ao meio é:
1,1,1,2,2,2,2,3,3,3,4,4,4,4,5,6,7
Mediana
Valor
mais frequentemente observado
nos dados
Nem sempre os dados tem uma
natureza ordenada e/ou numérica
(suas frequências que contam)
Pode
indicar alguma tendência ou
comportamento de interesse
Representações Gráficas
Tipos de Representação
●
Existem diversos tipos de representações
(gráficas ou tabulares), cada qual melhor
adaptada para certos contextos – relacionados
por exemplo ao tipo de variável em estudo:
– Tabela de Frequência (absoluta, relativa,
acumulada) – qualitativas e quantitativas;
– Diagrama Circular ou Gráfico de Disco/Pizza –
qualitativas nominais;
– Gráfico de Barras – quantitativas discretas ou
qualitativas ordinais;
– Gráfico de Linhas – quantitativas contínuas (ex.:
séries temporais);
●
É preciso cuidado ao interpretar/gerar
estatísticas e representações gráficas ou
tabulares de estatísticas para não se enganar
nem enganar aos outros! Vídeo sobre o assunto
com legendas:
https://www.youtube.com/watch?v=bVG2OQp6j
EQ
Referência da Imagem:
https://www.flai.com.br/juscudilio/scatter-plot-um-guia-completo-para-graficos-de-dispersao/
[Acesso: 25/07/2021]
Scatter Plot – Relações de agrupamento
entre variáveis
Referência da Imagem:
https://www.flai.com.br/juscudilio/scatter-plot-um-guia-completo-para-graficos-de-dispersao/
[Acesso: 25/07/2021]
Scatter Plot – Exemplo: erupções Short wait
short duration vs. Long wait long duration
Referência da Imagem:
https://www.researchgate.net/figure/Example-of-histogram-equalization-a-The-input-image-and-b-it
s-graylevel-histogram_fig1_269694707
[Acesso: 12/07/2021]
Histograma – Exemplo de variável
quantitativa contínua (relacionado à FDP)
Uniforme
Normal
Média de uma distribuição contínua
Variância e desvio padrão de distribuição
contínua
Comentários acerca de erro
Teorema do Limite Central
Distribuição uniforme
Retirado da Wikipédia
Distribuição normal
Retirado da Wikipédia
Distribuição normal
= Estimativa
Comentários acerca do erro
Nós
esboçamos a média amostral
como:
Comentários acerca do erro
Isto
quer dizer que podemos
encontrar um intervalo de confiança
para o erro da média amostral
Vamos chamar E[X] = µ e var(X) de σ2
Teorema do limite central
Continuando na inequação:
=P( (-erro/(σ/sqrt(N)) < (X'
- µ)/(σ/sqrt(N)) < (erro)/(σ/sqrt(N))
Teorema do limite central
Correlação Correlações
de Pearson não-
(linear) lineares
Correlação de Pearson
Retirado da Wikipédia
Correlação não-linear
●
Do tópico apresentado:
– Combinatória;
Referências Complementares
Referências Complementares
Obrigado pela atenção!
Dúvidas?