UD1 Descritiva

Estatística Descritiva
Apresentação da Unidade Didática
Prof. Walmes M. Zeviani
Departamento de Estatística
Universidade Federal do Paraná
Prof. Walmes M. Zeviani Estatística Descritiva 1

O papel da Estatística Descritiva
População
Estatística
Descritiva
Amostra
Amostragem
Estatísticas:
ȳ, S 2 , θ̂, r,
Parâmetros: Freq(Y ≤ y), etc.
µ, σ 2 , θ, ρ, Inferência
P(Y ≤ y), etc. Estatística
Figura 1. Representação esquemática do funcionamento da estatística descritiva e estatística inferencial.

Dashboards · Painéis de controle com Estatística Descritiva
Figura 2. Dashboard de Covid-19. Fonte: https://user-images.githubusercontent.com/44356224/82365851-

21ed5e00-99c6-11ea-87b3-d190c2e0dba7.JPG.
Dashboards · dados em tempo real
Figura 3. Exemplo de visualização de dados. Fonte:

https://www.bizsoft.co.za/wp-content/uploads/2018/08/mobile-data-analytics.png.

Processos de análise de dados
Figura 4. O CRISP-DM (Cross Industry Standard Process for Data Mining) estabelece etapas para a análise de
dados. As caixas em azul são as etapas que envolvem análise exploratória de dados.

Medidas descritivas
Figura 5. Medidas de posição usadas em análise descritiva de dados.

Medidas descritivas
Figura 6. Medidas de dispersão e forma usadas em análise descritiva de dados.

Comunicação de resultados
Figura 7. Exemplos de medidas descritivas: Retirado

de https://www.pluralsight.com/guides/exploring-
data-set-r. Figura 8. Foto de fauxels no Pexels. Fonte:
https://rb.gy/lksjxt.

Gráficos para comunicação estatística

Conteúdo
I Motivação e utilidade
Os números têm uma importante história para
da Estatística
contar. Eles dependem de você dar-lhes uma
Descritiva.
clara e convincente voz.
I Tipos de variáveis e – StephenFew
formas de análise.
I Distribuição de
frequências.
I Medidas descritivas
numéricas.

Motivação e Importância da Estatística Descritiva
Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 1

Conceitos fundamentais

Estatística Descritiva vs Inferencial
População
Estatística
Descritiva
Amostra
Amostragem
Estatísticas:
ȳ, S 2 , θ̂, r,
Parâmetros: Freq(Y ≤ y), etc.
µ, σ 2 , θ, ρ, Inferência
P(Y ≤ y), etc. Estatística
Figura 1. Representação esquemática do funcionamento da estatística descritiva e estatística inferencial.

Estatística Descritiva
A estatística descritiva emprega métodos numéricos e gráficos para investigar padrões
em um conjunto de dados, resumir as informações reveladas e apresentá-las de uma
forma apropriada.
Estatística Inferencial
A Estatística Inferencial utiliza dados de uma amostra para fazer estimativas, previsões,
decisões ou outras generalizações sobre um grande conjunto de dados (a população).
I Diagnóstica ou confirmatória.
I Preditiva.
I Prescritiva.

População
Uma população é um conjunto de
unidades amostrais (e.g. pessoas, objetos,
transações ou eventos) que estamos
interessados em estudar.
Amostra
Uma amostra é um subconjunto das
unidades amostrais de uma população.
Figura 2. População e amostra.

Unidade amostral (ou experimental)
Uma unidade amostral é um objeto
(e.g. pessoa, coisa, transação ou evento)
sobre o qual coletamos dados.
Variável ou característica
Uma variável é uma característica ou
propriedade de uma unidade amostral
individual.
Figura 3. Medidas no corpo humano que
apresentam a razão áurea. Fonte:
https://rb.gy/8tv7yp.

Motivação e importância da Estatística
Descritiva

Qual o comportamento destes dados?
Tabela 1. Os 4 pares de variáveis do quarteto de Ancombe.
x1 y1 x2 y2 x3 y3 x4 y4
10 8.04 10 9.14 10 7.46 8 6.58
8 6.95 8 8.14 8 6.77 8 5.76
13 7.58 13 8.74 13 12.74 8 7.71
9 8.81 9 8.77 9 7.11 8 8.84
11 8.33 11 9.26 11 7.81 8 8.47
14 9.96 14 8.10 14 8.84 8 7.04
6 7.24 6 6.13 6 6.08 8 5.25
4 4.26 4 3.10 4 5.39 19 12.50
12 10.84 12 9.13 12 8.15 8 5.56
7 4.82 7 7.26 7 6.42 8 7.91
5 5.68 5 4.74 5 5.73 8 6.89

A visualização de dados
1 2 3 4
12.5
10.0
Valores de y
7.5
5.0
5 10 15 5 10 15 5 10 15 5 10 15
Valores de x
Figura 4. O quarteto de Anscombe em um diagrama de dispersão.

Resumos numéricos
Expressão da equação da reta ajustada
ŷ = β̂0 + β̂1 x.
A notação será trabalhada nos próximos vídeos.

Tabela 2. Resumo do ajuste da regressão linear simples com cada par de variáveis do quarteto de Anscombe.
x y correl. β̂0 β̂1 R2 Valor p

1 9.0 7.5 0.82 3.00 0.50 0.67 0.0022
2 9.0 7.5 0.82 3.00 0.50 0.67 0.0022
3 9.0 7.5 0.82 3.00 0.50 0.67 0.0022
4 9.0 7.5 0.82 3.00 0.50 0.67 0.0022

Por que saber métodos de análise descritiva?
I Porque “correr” o olho sobre a planilha de dados é impraticável.

I Porque abordagens subjetivas não são escaláveis.
I Para dispor de formas apropriadas de síntese.
I Para não fazer julgamentos ocasionados por problemas nos dados.
I Para interpretar corretamente a informação contida nos dados.
I Para tomar decisões seguras.
I Para fazer inferência estatística de forma qualificada.

O que vamos aprender?
I Com que tipo de informação estamos lidando?

I Como sintetizar números que representem as tendências, variabilidade, a relação
entre variáveis e demais propriedades?
I Como verificar existência de anomalias ou inconsistências?
I Como apresentar adequadamente a informação contida nos dados?

Procedimento para a análise de dados

O que é feito e pra que serve?
O que é feito?
I Análise de dados históricos.
I O que aconteceu/está acontecendo?
I Explorar e descrever os dados brutos.
I Ter impressões preliminares.
Qual a utilidade?
I Recursos para comunicação: data storytelling.
I Auxilia no pré-processamento e curadoria de dados.
I Determinante para o processo de inferência estatística.

Aspectos da qualidade dos dados
I Validade: grau de conformidade com I Completude: a quantidade de valores

o mundo real. preenchidos frente ao esperado.
I Fora de escala: pessoa com 180 m de I Valores ausentes, suas razões e
altura. implicações.
I Fora do conjunto: tipo sanguíneo = I Uniformidade: dados expressos com
vermelho. os mesmos padrões.
I Fora de lógica: data de alta médica I Pressão em psi, bar ou atm?
antes da internação.
I Data no formato dd/mm/yyyy ou
I Acurácia: valores próximos dos valores yyyy-mm-dd?
verdadeiros. I Unicidade: se não existem registros
I Dados de sensores, avaliações duplicados.
sensoriais.
Fonte: https://rb.gy/7caksz.

Processos de análise de dados
Figura 5. O CRISP-DM (Cross Industry Standard Process for Data Mining) estabelece etapas para a análise de
dados. As caixas em azul são as etapas que envolvem análise exploratória de dados.

Considerações finais

Revisão
I Importância da Os números têm uma importante história para
Estatística Descritiva. contar. Eles dependem de você dar-lhes uma
I Para que serve. clara e convincente voz.
– StephenFew
I Aspectos da qualidade
dos dados.

Tipos de variáveis e formas de análise
Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 1

Tipos de variáveis

Tipos de variáveis
Figura 1. Principais tipos de variáveis. Fonte: Os autores.

Outros tipos de variáveis
O processamento e análise desses dados é
particular de alguma forma. I Dados censurados:
I Conteúdo de alumínio abaixo do
I Dados circulares: limite de detecção: < 0.5 cmolc /dm3 .
I Direção do vento. I Corrente elétrica acima da escala do
I Hora de acesso ao Moodle. voltímetro: > 3 A.
I A eclosão do inseto aconteceu entre
I Dados composicionais:
6h e 18h.
I Argila + Silte + Areia = 1.
I Dados difusos (fuzzy data):
I Natação + Ciclismo + Corrida =
tempo total do Triathlon. I “frio”, “bem frio”, “uma friaca”, etc.
I “está doendo”, “doendo muito”, “dor
I Dados de classificação:
insuportável”, etc.
I 2º colocado, 71º colocado, etc.
I Não estruturado:
I Meu filme número 1, 2 e 3.
I Texto, imagem, áudio, vídeo, etc.

Formas de análise descritiva

Formas para descrição dos dados
Os tipos de variáveis são importantes para
dar o tratamento estatístico mais apropri-
ado.
Quanto à forma de apresentação, podem

ser:
I Numérica.
I Tabelas de frequência.
I Medidas resumo (média, mediana,
variância, amplitude, etc).
I Gráfica ou visual.
I Gráficos de uma variável.
Figura 2. Foto de PhotoMIX Company no Pexels.
I Duas ou mais variáveis. Fonte: https://rb.gy/nt9l73.

Objetivos com a descrição dos dados
1. Investigar o comportamento de uma

variável.
2. Examinar a relação entre variáveis.
3. Enfatizar a ordenação/classificação de
elementos/categorias.
4. Compreender a estrutura organização
dos elementos/categorias.
5. Explorar a evolução cronológica de
uma variável.
6. Revelar padrões espaciais nos dados.
7. Descrever a conexão entre
Figura 3. Foto de fauxels no Pexels. Fonte:
elementos/categorias. https://rb.gy/lksjxt.

As 7 funções gráficas

As medidas descritivas
I Variáveis qualitativas.
I Tabelas de frequência (uma variável).
I Tabelas de frequências cruzadas
(mais de uma variável).
I Variáveis quantitativas.
I Medidas de posição ou tendência
central.
I Medidas de dispersão ou
variabilidade.
I Separatrizes.
Figura 4. Exemplos de medidas descritivas: Retirado
I Medidas de associação. de https://www.pluralsight.com/guides/exploring-
I Coeficientes/índices específicos. data-set-r.


Revisão
I Aspectos da análise descritiva de
dados.
I Tipos de variáveis.
I Formas de descrição dos dados.
I Objetivos da descrição de dados.
I As principais medidas descritivas.
I As principais funções gráficas.
Figura 5. Foto de fauxels no Pexels. Fonte:

https://rb.gy/lksjxt.

Distribuição de frequências para variáveis qualitativas
Prof. Walmes M. Zeviani Distribuição de frequências para variáveis qualitativas 1

Conteúdo
I Tipos de frequência.
I Cálculo de frequência.
I Tabelas de frequência cruzada.
I Gráficos para distribuição de
frequência.
Figura 1. Photo by nappy from Pexels. Fonte

https://rb.gy/nigarg.

Tabelas de frequência para uma
variável qualitativa

Definições
Classe Frequência relativa de classe

Uma classe é uma das categorias nas Frequência relativa de classe é a
quais uma variável qualitativa pode ser frequência de classe dividida pelo
classificada. número total de observações no
conjunto de dados.
Frequência da classe
Frequência da classe é o número de Percentual da classe
observações no conjunto de dados que Percentual da classe é a frequência
pertence a uma particular classe. relativa de classe multiplicada por 100.

Uma tabela de dados
Tabela 1. Um recorte aleatório de 10 observações da tabela de dados resultante da pesquisa feita no Moodle
com alunos matriculados em Estatística que já responderam à enquete. Total de registros: 977 respondentes.
Área Email Adequação Idade CH

Sociais outros Não sei opi. 22 120
Biolog hotmail Não sei opi. 48 8
Humanas gmail Adeq. 24 210
Eng hotmail Tot. adeq. 20 300
Eng gmail Tot. adeq. 20 300
Sociais gmail Tot. adeq. 33 120
Exatas hotmail Não sei opi. 23 0
Biolog outros Adeq. 25 150
Eng hotmail Adeq. 25 420
Exatas outros Tot. adeq. 23 200

A variável ordenada
Tabela 2. Tabela anterior com registros ordenados alfabeticamente pelos rótulos da variável Área.


A tabela de frequência do recorte
Tabela 3. Tabela de frequência considerando apenas os registros do recorte de 10 observações para

exemplificar os cálculos.
Área Frequência Freq. relativa

Eng 3 0.30
Biolog 2 0.20
Exatas 2 0.20
Sociais 2 0.20
Humanas 1 0.10
Total 10 1.00

A tabela de frequência de todos os respondentes
Tabela 4. Tabela de frequência para todos respondentes da disciplina.
Área Frequência Freq. relativa

Eng 241 0.25
Saúde 212 0.22
Biolog 177 0.18
Exatas 175 0.18
Humanas 122 0.12
Sociais 50 0.05
Total 977 1.00

Expressões
I Frequência (absoluta, fa ) de classe:
fa = número de observações da classe.
I Frequência relativa (fr ) de classe:
número de observações da classe

fr = .
total de observações

Gráficos para frequência de uma
variável qualitativa

Gráfico de barras verticais
250
Frequência 200
150
100
50
0
Biolog Eng Exatas Humanas Saúde Sociais
Área
Figura 2. Gráfico de barras com a frequência absoluta para as classes da variável Área.

Gráfico de barras horizontais
Sociais Sociais
Saúde Saúde
Humanas Humanas
Área
Área
Exatas Exatas
Eng Eng
Biolog Biolog
0 50 100 150 200 250 0.00 0.05 0.10 0.15 0.20 0.25
Frequência Frequência relativa
Figura 3. Gráfico de barras com a frequência absoluta (esq.) e relativa (dir.) para as classes da variável Área.

Gráfico de barras empilhadas
Biolog Exatas Saúde

Área
Eng Humanas Sociais
0.00 0.25 0.50 0.75 1.00

Frequência
Figura 4. Gráfico de barras empilhadas com a frequência relativa para as classes da variável Área.

Gráfico de setores
0.00/1.00
Área
Biolog
Eng
0.75 0.25 Exatas

Humanas
Saúde
Sociais
0.50
Figura 5. Gráfico de setores com a frequência relativa para as classes da variável Área.

Gráfico de rosca
0.00/1.00
Área
Biolog
Eng
0.75 0.25 Exatas

Humanas
Saúde
Sociais
0.50
Figura 6. Gráfico de rosca com a frequência relativa para as classes da variável Área.

Cuidados com a apresentação em tabelas e gráficos
I Variáveis nominais.
I Não há ordenação natural das classes.
I Não há ordem para exibição das frequências das classes.
I Ordem alfabética auxilia procurar pela classe quando existem muitas.
I A ordenação pela frequência auxilia identificar as classes predominantes e minoritárias.
I Variáveis ordinais.
I Há ordenação natural das classes.
I Procurar manter a ordem das classes para uma exibição coerente.
I Quando for o caso, pode-se ordenar pela frequência.

Tabelas de frequência para duas
variáveis qualitativas

Tabela de frequência cruzada
Freq. da combinação Freq. marginal
f11 f12 f13 f1.

I Considera as combinações de duas
f21 f22 f23 f2.
variáveis simultaneamente.
f31 f32 f33 f3.
I Cada combinação de classes é f41 f42 f43 f4.
chamada cédula. f.1 f.2 f.3 f..
I Agora tem-se: Freq. marginal Freq. total

I As frequências das cédulas.
I As frequências marginais. Figura 7. Esquema de disposição das frequências
em uma tabela para duas variáveis. Fonte: os
autores.

A tabela de dados
Tabela 5. Tabela com registros ordenados alfabeticamente pelas classes da variável Email seguida da
variável Área.


Tabela de frequência cruzada para o recorte
Tabela 6. Tabela de frequência (absoluta) cruzada para as variáveis Email e Área considerando as
observações do recorte aleatório.
Área gmail hotmail outros Sum

Biolog 0 1 1 2
Eng 1 2 0 3
Exatas 0 1 1 2
Humanas 1 0 0 1
Sociais 1 0 1 2
Sum 3 4 3 10

Tabela de frequência relativa cruzada para o recorte
Tabela 7. Tabela de frequência relativa cruzada para as variáveis Email e Área considerando as observações
do recorte aleatório.
Área gmail hotmail outros

Biolog 0.00 0.10 0.10
Eng 0.10 0.20 0.00
Exatas 0.00 0.10 0.10
Humanas 0.10 0.00 0.00
Sociais 0.10 0.00 0.10

Tabela de frequência cruzada de todos os respondentes
Tabela 8. Tabela de frequência (absoluta) cruzada para as variáveis Email e Área para todos os respondentes.
Área gmail hotmail outros ufpr Sum

Biolog 109 39 11 18 177
Eng 124 74 24 19 241
Exatas 98 49 22 6 175
Humanas 76 31 12 3 122
Saúde 121 70 15 6 212
Sociais 25 14 8 3 50
Sum 553 277 92 55 977

Tabela de frequência relativa cruzada de todos os respondentes
Tabela 9. Tabela de frequência relativa cruzada, em percentual, para as variáveis Email e Área para todos os
respondentes.
Área gmail hotmail outros ufpr Sum

Biolog 11.16 3.99 1.13 1.84 18.12
Eng 12.69 7.57 2.46 1.94 24.67
Exatas 10.03 5.02 2.25 0.61 17.91
Humanas 7.78 3.17 1.23 0.31 12.49
Saúde 12.38 7.16 1.54 0.61 21.70
Sociais 2.56 1.43 0.82 0.31 5.12
Sum 56.60 28.35 9.42 5.63 100.00

Expressões
I Frequência relativa de cédula ou combinação:
fa = número observado da combinação de classes.
I Frequência relativa de cédula ou combinação:
número observado da combinação de classes

fr = .
número total de observações

Utilidade da tabela cruzada
Freq. da combinação Freq. marginal
f11 f12 f13 f1.

I Considera duas ou mais variáveis f21 f22 f23 f2.
simultaneamente. f31 f32 f33 f3.
f41 f42 f43 f4.
I Permite investigar relação de f.1 f.2 f.3 f..
associação entre as variáveis.
Freq. marginal Freq. total
I As margens contém as distribuições
de frequência de cada variável.
Figura 8. Esquema de disposição das
frequências em uma tabela para duas variáveis.
Fonte: os autores.

Gráficos para frequência de duas
variáveis qualitativas

Gráficos de barras empilhadas
250
200
Email
Frequência
150 gmail
hotmail
100 outros
ufpr
50
0
Sociais Humanas Exatas Biolog Saúde Eng
Área
Figura 9. Gráfico de barras empilhadas com a frequência absoluta para as combinações das variáveis Email
e Área.

Gráficos de barras lado a lado
120
Email
80
Frequência
gmail
hotmail
outros
40
ufpr
0
Área
Figura 10. Gráfico de barras lado a lado com a frequência absoluta para as combinações das variáveis Email
e Área.

Gráficos de barras empilhadas relativo
1.00
0.75 Email
Frequência
gmail
0.50 hotmail
outros
ufpr
0.25
0.00
Área
Figura 11. Gráfico de barras empilhadas relativo com a frequência relativa para as combinações das variáveis
Email e Área.

Gráfico de mosaico
ufpr
ufpr
outros
outros
hotmail
hotmail Email
gmail
Email
hotmail
outros
gmail
gmail ufpr

Área
Figura 12. Gráfico de mosaico com a frequência relativa para as combinações das variáveis Email e Curso.

Quando usar cada tipo
I Barras empilhadas. I Barras empilhadas relativas.

I Comparar as frequências marginais I Para comparar a composição da
da variável primária. variável secundária dentro das
I Comparar a composição da variável classes da variável primária.
secundária dentro das classes da I Mosaico.
primária. I Comparar as frequências relativas
I Barras lado a lado. marginais da variável primária.
I Comparar as frequências da variável I Comparar a composição da variável
secundária dentro de uma classe da secundária dentro das classes da
primária. variável primária.
I Comparar entre combinações das I Comparar as frequências relativas
variáveis. entre combinações.
I Verificar independência entre
variáveis qualitativas.


Revisão
I Análise descritiva para variáveis
qualitativas.
I Tabelas de frequência: simples e
cruzada.
I Gráficos de frequência: barras,
setores, mosaico.
I Função da análise.
I Uma variável: descrever o
comportamento → distribuição de
frequências.
I Duas ou mais: investigar relações. Figura 13. Photo by nappy from Pexels. Fonte

Distribuição de frequências para variáveis quantitativas
Prof. Walmes M. Zeviani Distribuição de frequências para variáveis quantitativas 1

Conteúdo
I Agrupar valores em classes.
I Tipos de frequência.
I Cálculo de frequência e densidade.
I Gráficos para a distribuição de
variáveis quantitativas.
Figura 1. Photo by nappy from Pexels. Fonte


Tabelas de frequência

Definições
Amplitude de classe
Amplitude de classe é o comprimento de cada classe resultante do agrupamento ou
compartimentalização de variáveis quantitativas.
Amplitude amostral
Notação
y a<y≤b (a, b] a⟝b
y0 y1 y2 y3 y4 y5 y6 y7 a≤y<b [a, b) a⟞b
Amplitude de classe Limite de classe
Amplitude de classes total
Figura 2. Intervalo particionado em classes. Nesta ilustração yk (k = 1, . . . , 7) representa um limite de classe

e não o k-ésimo valor observado da variável y. Fonte: os autores.

Definições
Frequência acumulada
Frequência acumulada é a frequência absoluta (ou relativa) acumulada conforme
disposição das i) classes de uma variável ordinal ou ii) das classes de uma variável
quantitativa que foi agrupada em classes.
Densidade
A densidade de uma classe é o quociente da frequência relativa (fr ) da classe pela
amplitude da classe (a). Em gráficos que exibem a densidade no eixo y, a área abaixo da
curva ou a soma dos retângulos é igual a 1.

Uma tabela de dados
Tabela 1. Um recorte aleatório de 10 observações da tabela de dados resultante da pesquisa feita no Moodle
com alunos matriculados em Estatística que já responderam à enquete. Total de registros: 977 respondentes.
Área Email Adequação Residentes CH

Saúde gmail Tot. adeq. (2,5] 240
Exatas hotmail Tot. adeq. (2,5] 200
Biolog outros Tot. adeq. (5,15] 270
Eng gmail Tot. inadeq. (2,5] 480
Exatas gmail Adeq. (2,5] 240
Eng outros Adeq. (2,5] 300
Saúde gmail Adeq. (2,5] 500
Exatas hotmail Adeq. (2,5] 180
Biolog gmail Tot. adeq. (2,5] 225

A variável ordenada
Tabela 2. Tabela anterior com registros ordenados pelos valores da variável CH.
Área Email Adequação Residentes CH

Exatas hotmail Adeq. (2,5] 180
Exatas hotmail Tot. adeq. (2,5] 200
Biolog gmail Tot. adeq. (2,5] 225
Saúde gmail Tot. adeq. (2,5] 240
Exatas gmail Adeq. (2,5] 240
Biolog outros Tot. adeq. (5,15] 270
Eng outros Adeq. (2,5] 300
Eng gmail Tot. inadeq. (2,5] 480

Vetor de dados ordenado
Valores ordenados
150 180 200 225 240 240 270 300 480 500
Informações
I Número de dados: 10.
I Menor valor: 150.
I Maior valor: 500.
I Amplitude: 350.
I Amplitude de classe: 43.75?

Tabela de frequência do recorte
Tabela 3. Tabela de frequência considerando o agrupamento da CH em classes usando apenas os registros

do recorte de 10 observações para exemplificar o procedimento.
CH Frequência Freq. relativa

(120,180] 2 0.20
(180,240] 4 0.40
(240,300] 2 0.20
(420,480] 1 0.10
(480,540] 1 0.10
Total 10 1.00

A tabela de frequência de todos os respondentes
Tabela 4. Tabela de frequência para as classes de idade para todos respondentes.
CH Frequência Freq. relativa

[0,60] 74 0.084
(60,120] 97 0.111
(120,180] 137 0.156
(180,240] 136 0.155
(240,300] 142 0.162
(300,360] 105 0.120
(360,420] 88 0.100
(420,480] 67 0.076
(480,540] 31 0.035
Total 877 1.000

A frequência acumulada
Tabela 5. Tabela de frequência para as classes de idade para todos respondentes.
CH Frequência Freq. relativa Freq. acumulada Freq. rel. acum.

[0,60] 74 0.084 74 0.084
(60,120] 97 0.111 171 0.195
(120,180] 137 0.156 308 0.351
(180,240] 136 0.155 444 0.506
(240,300] 142 0.162 586 0.668
(300,360] 105 0.120 691 0.788
(360,420] 88 0.100 779 0.888
(420,480] 67 0.076 846 0.965
(480,540] 31 0.035 877 1.000
Total 877 1.000

Formas de agrupar em classes
I Classes definidas com a mesma amplitude.

I É o procedimento mais usual.
I A frequência é definida em função do agrupamento em classes.
I Evitar número de classes que gerem limites de classe complicados.
I Classes definidas com frequências aproximadamente iguais.
I Os limites de classe são definidos em função da frequência.
I Tentar obter frequências aproximadamente iguais.
I Quando valores se repetem na amostra, quase sempre não é possível igualar
frequências.
I Tem relação com o conceito de separatrizes que ainda será visto.

Formas de agrupar em classes
Tabela 6. Frequência com classes de mesmo Tabela 7. Frequências com classes de amplitude
amplitude. para valores próximos de frequência.
CH Frequência Freq. relativa CH Frequência Freq. relativa

[0,100] 89 0.091 [0,150] 201 0.206
(100,200] 236 0.242 (150,210] 154 0.158
(200,300] 261 0.267 (210,300] 231 0.236
(300,400] 144 0.147 (300,379] 115 0.118
(400,500] 147 0.150 (379,500] 176 0.180
NA 100 0.102 NA 100 0.102

Gráficos para frequência

Histograma da frequência absoluta
100
Frequência
50
0
0 200 400
CH
Figura 3. Histograma de frequência da variável CH.

O efeito do número de classes
100
Frequência
Frequência
75 100
50
50
25
0 0
0 200 400 0 200 400
CH CH
100
200
Frequência
Frequência
75
150
100 50
50 25
0 0
0 200 400 600 0 100 200 300 400 500
CH CH
Figura 4. O efeito do número de classes na frequência e o resultado gráfico.

Histograma com amplitude de classe variável
400 400
Frequência
Frequência
200 200
0 0
[0,1] (1,2] (2,5] (5,15] 0 5 10 15
Residentes Residentes
Figura 5. Frequências para a variável Residentes.

Histograma da densidade
0.002
Densidade
0.001
0.000
0 200 400
CH
Figura 6. Histograma de densidade da variável CH.

A densidade
A densidade (d) é
fr
d=
, logo fr = a · d,
a
em que fr é a frequência relativa e a é a amplitude de classe.
Tabela 8. Exemplo de cálculo da densidade. Apenas as primeiras linhas da tabela são exibidas.
Residentes Frequência Freq. relativa Amplitude Densidade

(2,5] 569 0.591 3.000 0.197
(5,15] 26 0.027 10.000 0.003

Histograma da densidade para amplitude de classe variável
0.25
0.20
Densidade
0.15
0.10
0.05
0.00
0 5 10 15
Residentes
Figura 7. Histograma de densidade da variável Residentes.

A simetria da distribuição
Assimetria à esquerda Simétrica Assimetria à direita
750
Frequência
500
250
0
0.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00 0.00 0.25 0.50 0.75 1.00
Valores da variável
Figura 8. Histogramas exibindo assimetria à esquerda, simetria e assimetria à direita para uma variável
contínua hipotética.

Gráfico de frequências acumuladas
I O comprimento 1.00
vertical dos degraus é
a fr .
Frequência relativa
0.75
I O comprimento
horizontal é a
0.50
distância entre valores
consecutivos da
variável. 0.25
I Quando os valores não

se repetem, fr = 1/n. 0.00
I Quando valores se 0 100 200 300 400 500

CH
repetem, fr (y) = #y/n.
I A imagem do gráfico Figura 9. Gráfico de frequências acumuladas para a variável CH.
Segmentos dentro do gráfico indicam como interpretar o gráfico.
∈ [0, 1].
Gráfico de densidade empírica
I Computacionalmente
intensivo.
I Depende de escolher:
0.002
I A função kernel.
Densidade
I Largura de banda
ou tamanho de
vizinhança. 0.001
I A área abaixo da
curva (em azul) é 1.
I Veja aplicação web: 0.000
http://shiny.leg.ufpr. 0 100 200 300 400 500
br/walmes/density/. CH
Figura 10. Gráfico de densidade empírica da variável CH.

Quando usar cada gráfico
I Histograma de frequência.
I Para examinar a simetria da distribuição.
I Para classes de mesma amplitude.
I Histograma de densidade.
I Para classes de amplitude variável.
I Frequência acumulada.
I Para examinar frequências relativas e separatrizes.
I Densidade.
I Para determinar as modas da distribuição.

Alguns cuidados
I Histograma.
I Escolha apropriada do número de classes agrupamento dos dados contínuos em
classes.
I Não usar barras separadas (como os feitos para variáveis qualitativas).
I O histograma é um gráfico de barras mas que enfatiza a continuidade por não
apresentar espaço entre barras.
I Use densidade quando as classes são de amplitude variável.
I Densidade.
I Escolha apropriadamente a função kernel e principalmente a largura de banda.
I Esteja ciente dos valores ausentes.


Revisão
I Análise descritiva para variáveis
quantitativas.
I Agrupar valores em classe.
I Gráficos de frequência.
I Histograma.
I Frequência acumulada.
I Densidade.
I Função da análise:
I Uma variável: descrever o Figura 11. Photo by nappy from Pexels. Fonte
comportamento → distribuição de https://rb.gy/nigarg.
frequências.
I Duas ou mais: investigar relações →
será visto em outro vídeo.
Medidas de posição
Prof. Walmes M. Zeviani Medidas de posição 1

Conteúdo

Medidas de posição

Média aritmética
I A média aritmética é soma de todos os valores dividida pela quantidade de valores.

I Tem interpretação física de centro de gravidade.
I A média é Pn
i=1 yi y1 + y2 + · · · + yn
y= = .
n n
I µ = y é valor que minimiza a soma do quadrado dos desvios
X
n
SQD(µ) = (yi − µ)2 .
i=1
I É uma medida influenciada por valores extremos (outliers).

Cálculo e representação gráfica
Considere a seguinte amostra de dados

11.65
4 9 10 12 15
7 10 11 12 15
8 10 11 13 18
8 10 12 14 24
e determine a média.
5 10 15 20 25
Fazendo os cálculos: Valores
P20 Figura 2. Gráfico de pontos empilhados de uma

i=1 yi = 233.
I
variável cujos valores estão na tabela ao lado.
I y = 233/20 = 11.65.

Média aritmética ponderada (dados agrupados)
I Quando os dados estão agrupados, ou seja, quando se possuem as frequências
relativas (fr ) de valores individuais (que se repetem) ou de classes, obtém-se a
média considerando a ponderação pela frequência.
I A média ponderada é
Pk
i=1 fi · yi
y= Pk ,
i=1 fi
em que fi é a frequência da classe i (absoluta ou relativa) e k é o número de classes

(k ≤ n).
I No caso em que os valores foram agrupados em classe, usa-se como yi o ponto
médio da classe. Exemplo: na classe [10, 15] o ponto médio é 12,5.
I Note que, para o caso de dados individuais, fi = 1/n para todos os valores da
variável y, e retorna-se à primeira expressão apresentada.

Outros tipos de média · média geométrica
I Definida como a n-ésima raíz do produto de n números, ou seja
!1/n
Y
n
√
mg = yi = n y y ···y .
1 2 n
i=1
I Tem relação com logaritmo.

I Usada para remover o efeito de escalas para comparar valores médios entre grupos.
I Muito usada para cálculo de retorno médio de juros compostos.
I Exemplo: um fundo de investimento apresentou as seguintes taxas de juros mensais:
0.643%, 0.487%, 0.797%, 0.327%, 0.487%. Qual é a taxa de juros média do período?
mg = (0.00643 · 0.00487 · 0.00797 · 0.00327 · 0.00487)1/5 = 0.00525.

Outros tipos de média · média harmônica
I A média harmônica é a recíproca da média aritmética dos recíprocos, definida por

Pn
n wi
mh = Pn 1 , sendo a versão ponderada mh = Pi=1 n wi .
i=1 yi i=1 yi
I Ela é usada para calcular médias sobre valores que são taxas ou tem relação
divisiva.
I Exemplo: 3 amigos dirigem 100 km cada um mantendo a velocidade de 50, 65 e 75
km/h em cada trecho. Qual é a velocidade média da viagem?
100 + 100 + 100

mh = 100 100 100
= 60.
50 + 65 + 75

Outros tipos de média · média aparada
I A média aparada é usada para evitar o m. aritmética: 11.650

efeito dos valores extremos. m. aparada: 11.389
I Uma média 10% aparada é obtida ao
se descartar 5% dos valores em cada
extremidade.
I Se a amostra é de tamanho 100,
significa descartar os 5 menores e os 5
5 10 15 20 25
maiores valores e com os 90 restantes, Valores
calcular a média.
Figura 3. Gráfico de pontos empilhados
I A média aparada considera, portanto, indicando as observações usadas para o cálculo
o conceito de medidas de posição da média 10% aparada e comparação com a
média aritmética.
relativa.

Mediana
I A mediana é o número que ocupa a posição intermediária quando os valores são
ordenados.
I Separa o conjunto de valores em duas partes de mesmo tamanho. Assim, se todos
os valores na amostra forem distintos, metade dos valores é menor que a mediana
e metade é maior que ela.
I Indica-se que a amostra está ordenada usando a notação de parênteses no índice
y(1) ≤ y(2) ≤ · · · ≤ y(n−1) ≤ y(n) .
I O valor de y na k-ésima posição, y(k) , é chamado de k-ésima estatística de ordem.

I A mediana é calculada por
(
y((n+1)/2) , se n for ímpar
md =
(y(n/2) + y(n/2+1) )/2, se n for par.

Mediana
n ímpar mediana
y((n+1)/2) = y(6)
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) y(10) y(11)
1ª metade 2ª metade
n par mediana
(y(n/2) + y(n/2+1))/2 = (y(6) + y(7) )/2
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) y(10) y(11) y(12)
Figura 4. Cálculo da mediana para as 2 situações possíveis conforme o tamanho da amostra.

Cálculo e interpretação gráfica
Considere a seguinte amostra de dados
1.00
4 9 10 12 15
Frequência relativa
7 10 12 15
0.75
11
8 10 11 13 18 0.50
8 10 12 14 24
0.25
e determine a mediana. 11
0.00
5 10 15 20 25
Fazendo os cálculos: Valores
I n = 20 é par. Figura 5. Gráfico de frequência relativa

acumulada da variável cujos valores estão na
I md = (y(10) + y(11) )/2 = (11 + 11)/2 = 11. tabela ao lado.

Moda
I Moda é o valor ou classe que ocorre 10
com maior frequência (ou densidade)

na amostra.
5 10 15 20 25
I A moda representa o valor mais típico, Valores
ou seja, o que mais se repete. 0.12
Densidade
I Para variáveis onde todos os valores 0.08
0.04
são distintos, a moda fica indefinida já 0.00
10.61
que a frequência é 1/n para todos os 5 10 15 20 25

Valores
valores de y.
Figura 6. Gráfico de pontos empilhados da
I Pode-se agrupar os dados em classe e
variável e gráfico de densidade empírica. Ambos
reportar a classe modal. indicam o valor da moda para a mesma amostra.
I Mas pode-se determinar a moda como
sendo o valor que corresponde ao
máximo da densidade empírica.
Média, moda e mediana em relação à assimetria
I Assimetria à direita:
moda < mediana < média. Medida

0.15 Média: 5.16
Mediana: 4.86
Assimetria à esquerda:
Densidade
I
0.10 Moda: 4.55
média < mediana < moda.

0.05
I Para memorizar. 0.00

I A moda está na região de maior 0 4 8 12 16
Valores
densidade.
I Como a média é “puxada” pelos Figura 7. Histograma de frequência da variável e
valores extremos, encontra-se para o o ordenamento nos valores das medidas de
lado da cauda longa. posição média, mediana e moda.
I A mediana está entre a moda e a
média.
Quando usar cada medida de posição
Medidas
Candidato: Quanto ganha um funcionário Média: 6.33
da empresa? Mediana: 5.00
Entrevistador: Você quer saber o que exta- Moda: 4.00
mente?
I O salário médio?
5 10 15 20
I O salário intermediário? Salário
I Ou o salário típico? Figura 8. Salários dos funcionários de uma
empresa. n = 15.

Quando usar cada medida de posição
I Média: distribuição unimodal 0.4
Medida
simétrica e sem valores extremos.

Média: 1.65
0.3 Mediana: 0.99
Densidade
Mediana: distribuição assimétrica ou
Moda: 0.53
I 0.2
com presença de valores extremos. 0.1
Moda: quando valores se repetem,

0.0
I 0 5 10 15
Valores
estão agrupados em classe ou é
variável qualitativa.
0.06 Medida Média: 165.02 Mediana: 163.40 Moda: 179.68
As três medidas:
Densidade
0.04
I
I Perdem significado em distribuições 0.02
multimodais.
0.00
I Aproximam-se em distribuições 140 160
Valores
180
unimodais simétricas.
Figura 9. Média, mediana e moda para
I Sempre faça gráficos! distribuição assimétrica (topo) e distribuição
bimodal (base).
Medidas de posição relativa
(separatrizes)

Medidas de posição relativa (separatrizes)
I Descrevem posição relativa, em termos de frequência, de um particular valor na

amostra.
I Por isso, as separatrizes também são chamadas de medidas de posição relativa.
I São de importância prática 3 tipos de separatrizes.
I Os quartis: dividem a amostra em 4 partes com frequência 1/4.
I Os decis: dividem a amostra em 10 partes com frequência 1/10.
I Os percentis: dividem a amostra em 100 partes com frequência 1/100.

Quartis
I Um quartil qº (q ∈ {1, 2, 3}) de um

conjunto de n valores (distintos),
5 10 15 20 25
Freq. relativa
1.00
ordenados em ordem crescente, é um 0.75
número tal que (100q/4)% se localizam

0.50
0.25
abaixo dele. 0.00

5 10 15 20 25
I Dessa forma, tem-se 1º, 2º e 3º quartis.

I O 2º quartil é a mediana. 5 10 15 20 25
y
I O gráfico de caixas e bigodes é uma
representação gráfica baseada nos Figura 10. Gráfico de pontos empilhados (topo),
gráfico de frequências relativas (meio) e gráfico
quartis.
de caixas e bigodes (base). Linhas verticais
indicam os quartis e valores extremos.

Cálculo dos quartis
I Pode-se calcular os quartis 1 e 3 repetindo-se o 25
24.0
procedimento de cálculo da mediana, mas aplicado
a cada uma das metades da amostra. 20
I Cálculo do 1º quartil é a mediana da primeira
porção
4, 7, 8, 8, 9, 10, 10, 10, 10, 11. Logo, q1 = 9.5.
Valores
15
13.5
I Cálculo do 3º quartil é a mediana da segunda
11.0
porção 10
9.5
11, 12, 12, 12, 13, 14, 15, 15, 18, 24. Logo, q3 = 13.5.
I Apesar de simples, essa forma de calcular não é a 5
única. 4.0
I Existem pelo menos 9 formas diferentes de calcular.

Figura 11. Gráfico de caixas com
I O importante é que a diferença entre elas se torna
anotações dos valores das
irrelevante à medida que a amostra é maior. separações e diagrama de
pontos incluído.

Ilustração do cálculo dos quartis
q1 q2 q3
n múltiplo de 4
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) y(10) y(11) y(12)
q1 q2 q3
n + 1 múltiplo de 4
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) y(10) y(11)
q1 q2 q3
n múltiplo de 2
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) y(10)
Figura 12. Cálculo dos quartis
para as 4 situações possíveis
q1 q2 q3 conforme o tamanho da amostra
n + 1 múltiplo de 2
pelo método dos 5 números de
y(1) y(2) y(3) y(4) y(5) y(6) y(7) y(8) y(9) Tukey (Tukey’s hinge method).

Amplitude interquartílica
25
24.00
I A amplitude interquartílica é a distância entre o q1 e
q3 , ou seja 20
AIQ = q3 − q1 . 18.50
A partir da AIQ e dos quartis q1 e q3 são delimitados
Valores
15
I
valores limites, além dos quais as observações são 13.25
representadas isoladamente. Esses valores são 10

11.00
9.75
q1 − k · AIQ e q3 + k · AIQ,
5
4.50
em que k é uma constante amplamente utilizada
4.00
com o valor 1,5. Figura 13. Linhas limítrofes para

I No gráfico ao lado foi usada outra forma de destaque de pontos individuais.
Caixas feitas com outro método
determinar os quartis q1 e q3 . de determinação de quartis.

Percentis e decis
I Um conjunto de n valores, organizados 1.00
de forma crescente, o P-ésimo

percentil é um número tal que P% dos 0.75
valores estejam à sua esquerda e (100
Freq. relativa
- P)% à sua direita. 0.50
0.55
I Os decis nada mais são que os

percentis múltiplos de 10. 0.25
11.45
I Da mesma forma que os quartis são
0.00
percentis múltiplos de 25.
5 10 15 20 25
I As separatrizes podem ser obtidas por
meio do gráfico de frequências Figura 14. Gráfico de probabilidades acumulada
indicando o uso para determinação de percentis.
acumuladas.


Revisão

Medidas de dispersão, forma e associação
Prof. Walmes M. Zeviani Medidas de dispersão, forma e associação 1

Conteúdo

Medidas de dispersão

A importância de quantificar a dispersão
I O resumo de variável observada Antes do treinamento

apenas por uma medida de posição, 60
ignora a informação sobre a sua 40 20.09
20
variabilidade.
Frequência
0
I Não é seguro analisar um conjunto de Após treinamento
dados somente pelo emprego de 60
medidas de tendência central. 40 20.01
20
I Por isso, precisamos de medidas que 0
caracterizem a dispersão ou 15.0 17.5 20.0 22.5 25.0
Profundidade da cova
variabilidade dos dados em relação a
um valor central. Figura 2. Histogramas exibindo a profundidade das
covas para transplante de mudas antes e após ser
dado treinamento sobre cultivo.

Amplitude total
I A amplitude é a diferença entre o maior e o menor valor da variável:
A = max(y) − min(y) = y(n) − y(1) .
I A notação y(k) refere-se a estatística de ordem, ou seja a observação que está na

k-ésima posição na amostra com valores ordenados de forma crescente.
I A amplitude está expressa na mesma unidade de medida da variável.
I Apenas usar máximo e mínimo torna sensível a valores extremos.
I Melhor medida de variabilidade: considerar todos os dados disponíveis
I Desvio de cada valor em relação à uma medida de posição central (média ou mediana).

Desvio médio e mediano
Desvio absoluto médio da mediana (desvio da mediana)
I Usa a mediana como medida de posição central. É definido por
1X
n
desvio mediano = abs(yi − md),
n
i=1
em que abs(.) é a função que retorna o valor absoluto ou módulo. Assim, abs(y) é o
mesmo que |y|.
Desvio absoluto médio da média (desvio da média)
I Usa a média como medida de posição central. É defido por
1X
n
desvio médio = abs(yi − y).
n
i=1

A variância
I Uma alternativa melhor é usar a soma dos quadrados dos desvios, que dá origem à
variância de um conjunto de dados.
I A variância é definida por
1 X
n
2
s = Var(y) = (yi − y)2
n−1
i=1
Pn !
1 Xn
( y ) 2
i=1 i
= y2i −
n−1 n
i=1
I A unidade de medida do valor da variância é a unidade de medida da variável ao

quadrado. Ou seja, se a variável y é a altura em cm dos estudantes, então a
variância será cm2 .
I A segunda expressão é considerada mais eficiente em termos de operações
algébricas. Ela não requer calcular a média.
Variância amostral e variância populacional
I A explicação para o denominador n − 1 será dada na parte de estimação. A variância

calculada assim é chamada de variância amostral (s2 ).
I A variância quando usa apenas n no demominador é chamada de variância
populacional (σ 2 ) e é aplicada quando se observam todos os elementos da
população.
I Sempre considere o cálculo da variância amostral a menos que seja expressamente
dito para calcular a variância populacional.
I É fácil converter de um para o outro, pois
n
s2 = σ 2 .
n−1
I Importante: A variância é sempre positiva.

O cálculo da variância
Considere os seguintes valores
4 8 9 10 10 11 12 13 15 18
7 8 10 10 11 12 12 14 15 24
e calcule a variância amostral sabendo que y = 11.65.

Aplicando a fórmula, obtém-se
1 h i
s2 = (4 − 11.65)2 + (7 − 11.65)2 + · · · + (24 − 11.65)2
19
1
= [58.5225 + 21.6225 + · · · + 152.5225]
19
= 18.34.

O desvio-padrão
I Para ter uma medida de dispersão com a mesma unidade de medida dos dados
originais, definiu-se o desvio-padrão como
p
s = s2 .

A Lei de Chebyshev
I A Lei Chebyshev estabelece a proporção mínima dos valores contidos em intervalos

simétricos em relação à média.
I Tais resultados valem seja qual for a forma da distribuição.
I Pelo menos 3/4 (75%) dos valores estão no intervalo (y − 2s, y + 2s).
I Pelo menos 8/9 (89%) dos valores estão no intervalo (y − 3s, y + 3s).
I Formula geral: pelos menos (1 − 1/k 2 ) dos dados estará no intervalo (y − ks, y + ks).

O coeficiente de variação
I O coeficiente de variação é uma medida de variabilidade relativa à média.

I É definido pelo quociente do desvio-padrão pela média, ou seja,
s
CV = 100 · .
y
I É uma medida adimensional, e geralmente apresentada na forma de porcentagem,

como indica a expressão.

Cálculo do desvio-padrão e coeficiente de variação
O desvio-padrão para os dados já apresentados em slides anteriores é

√
s = 18.34 = 4.283.
O coeficiente de variação é
4.283
CV = 100 · = 36.765%.
11.65

Quando usar cada medida de dispersão
I Amplitude:
I Fácil de calcular.
I Influenciado por valores extremos.
I Desvios absolutos:
I São medidas robustas, ou seja, mais resilientes a out-liers.
I Dá ideia do tamanho médio dos desvios.
I Variância ou desvio-padrão:
I Influenciados por valores extremos.
I Ainda assim, a Lei de Chebyshev é útil para determinar proporções dentro de intervalos
simétricos.
I Têm boas propriedades e significado que serão vistas na parte de Estimação e
Inferência.
I Coeficiente de variação.
I Comparar a variabilidade de variáveis de diferentes naturezas.
Medidas de dispersão para variáveis qualitativas
I Existem várias métricas ou índices para representar a dispersão em variáveis
qualitativas.
I Os índices são funções das frequências das classes.
I A entropia (de Shannon) é definida por
X
k X
k X
k
H= pi log(1/pi ) = pi (− log pi ) = − pi log(pi ),
i=1 i=1 i=1
em que pi = fri é a frequência relativa da classe i (i = 1, . . . , k).

I Quanto mais próximo H estiver de 0, mais concentrada é a distribuição de
frequências.
I Para mais sobre o assunto, procure sobre índices de diversidade.
I São usados em ecologia para caracterizar a biodiversidade.

Medidas de forma

Medidas de forma
I Servem para descrever características adicionais da distribuição.

I Coeficiente de assimetria.
I Coeficiente de curtose.
I Calculados com a variável padronizada pela média e desvio-padrão
yi − y
z= , que resulta em z = 0 e sz = 1.
s
I São baseados em momentos de ordem k superior a 2

k
1X
n
yi − y
mk = .
n s
i=1

Coeficiente de assimetria
I Indica um 3º aspecto da forma da Assimetria à esquerda Simétrica Assimetria à direita

1200
distribuição: a assimetria.
I É a média do cubo dos desvios, ou seja 900
n
X 3
1 yi − y
Frequência
b1 = . 600
n s
i=1
300
b1 = − 0.626 b1 = − 0.001 b1 = 0.612
I Assimetria à esquerda quando b1 < 0
e assimetria à direita quando b1 > 0. 0
0.00 0.25 0.50 0.75 1.000.00 0.25 0.50 0.75 1.000.00 0.25 0.50 0.75 1.00
Figura 3. Histogramas com distribuições de

diferentes assimetrias indicando o valor do
coeficiente de assimetria.

Coeficiente de curtose
I Indica um 4º aspecto da forma da Platicúrtica
distribuição: a curtose. 0.10 b2 = − 1.248

0.05
I É definido por 0.00
n Mesocúrtica
1 X yi − y 4
Densidade
b2 = 0.306
b2 = − 3,
0.10
n s 0.05
i=1 0.00
Leptocúrtica
em que a subtração por 3 serve para 0.10 b2 = 2.978

usar a distribuição normal como 0.05
0.00
referência. 40 50 60 70
I Platicúrtica quando b2 < 0,
mesocúrtica quando b2 = 0 e Figura 4. Histogramas com distribuições de
diferentes curtoses indicando o valor do coeficiente
leptocúrtica quando b2 > 0. de curtose comparada com a distribuição normal
representada pela linha contínua.

Correlação de Pearson

Exemplos de grau de correlação
I É usado para determinar se existe relação linear entre v.a. quantitativas.
I A correlação r assume valores entre −1 e 1.
I Quando r > 0, então existe uma associação (linear) positiva.
I Quando r < 0, então existe uma associação (linear) negativa.
I Quando r = 0, então não existe uma associação (linear).
r = − 0.9 r = − 0.75 r = − 0.3 r =0 r = 0.3 r = 0.75 r = 0.9

Correlação
0.5
y2
0.0
−0.5
y1
Figura 5. Correlação entre duas variáveis quantitativas.

Covariância e correlação
I A covariância amostral entre duas variáveis Y1 e Y2 é
1 X
n
Cov(y1 , y2 ) = (y1i − y1 ) · (y2i − y2 ).
n−1
i=1
I A correlação amostral entre duas variáveis Y1 e Y2 é

Pn
(y1i − y1 ) · (y2i − y2 ) Cov(y1 , y2 )
r = qP i=1 qP =p .
n
(y − y ) 2· n
(y − y ) V(y 1 ) · V(y 2 )
i=1 1i 1 i=1 2i 2

Interpretação gráfica
y1 < ȳ1 & y2 > ȳ2 y1 > ȳ1 & y2 > ȳ2
O coeficiente de correlação é
Pn
(y1i − y1 ) · (y2i − y2 )
r = qP i=1 qP .
n n
y¯2 (y
i=1 1i − y1 ) 2· (y
i=1 2i − y2 )
y2
Figura 6. A interpretação do coeficiente de

y¯1 correlação de Pearson.
y1 < ȳ1 & y2 < ȳ2 y1 > ȳ1 & y2 < ȳ2
y1

Exemplo: comprimento radicular e produtividade
Tabela 1. Valores de produtividade e comprimento de raízes de 0.90
plantas de milho.
0.85
Produção da planta
Comp. Prod. Comp. Prod. Comp. Prod. 0.80
2.85 0.74 3.08 0.84 2.12 0.65

0.75
3.13 0.93 3.85 0.86 3.13 0.88
3.86 0.91 2.05 0.72 3.55 0.79 0.70
2.40 0.76 2.81 0.83 2.88 0.82 0.65

2.74 0.72 2.83 0.70 3.49 0.92 2.0 2.5 3.0 3.5
Comprimento de raízes da planta
3.25 0.92 2.58 0.67 3.39 0.91
Figura 7. Diagrama de dispersão
entre comprimento de raízes (y1 )
e produção (y2 ).
Cov(y1 , y2 ) = 0.0369, s21 = 0.2731, s22 = 0.0087.

Solução
A correlação é obtida por
0.0369
r=√ = 0.7555,
0.2731 · 0.0087
que indica uma associação positiva entre as variáveis.

Outros tipos de correlação
1 2
I A correlação de Pearson descreve o

grau de associação linear entre
variáveis.
I Associações diferentes da linear são
descritas impropriamente pelo
y2
3 4
coeficiente de correlação de Pearson.

I Existem outros tipos de correlação.
I Correlação de Spearman.
I Correlação de Kendall.
I Teste de hipótese para a correlação y1
será visto na parte de Inferência

Figura 8. Tipos de associação não lineares entre
Estatística.
variáveis.

Mais medidas de associação
Tipo das variáveis e medida de associação
1. Numérica × numérica → Coeficiente de correlação de Pearson.

2. Numérica × ordinal → Coeficiente de correlação de Kendall.
3. Numérica × nominal → Coeficiente de correlação ponto-bisserial.
4. Ordinal × ordinal → Coeficiente de correlação de Kendall.
5. Ordinal × nominal → Coeficiente de correlação rank-bisserial.
6. Nominal × nominal → Coeficiente φ.
https://journals.sagepub.com/doi/pdf/10.1177/8756479308317006


Revisão

UD1 Descritiva

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

UD1 Descritiva

Enviado por

Direitos autorais:

Formatos disponíveis

Estatística Descritiva

Apresentação da Unidade Didática

Prof. Walmes M. Zeviani

Prof. Walmes M. Zeviani Estatística Descritiva 1

Figura 1. Representação esquemática do funcionamento da estatística descritiva e estatística inferencial.

Prof. Walmes M. Zeviani Estatística Descritiva 2

Figura 2. Dashboard de Covid-19. Fonte: https://user-images.githubusercontent.com/44356224/82365851-

Figura 3. Exemplo de visualização de dados. Fonte:

Prof. Walmes M. Zeviani Estatística Descritiva 4

Prof. Walmes M. Zeviani Estatística Descritiva 5

Figura 5. Medidas de posição usadas em análise descritiva de dados.

Prof. Walmes M. Zeviani Estatística Descritiva 6

Figura 6. Medidas de dispersão e forma usadas em análise descritiva de dados.

Prof. Walmes M. Zeviani Estatística Descritiva 7

Figura 7. Exemplos de medidas descritivas: Retirado

Prof. Walmes M. Zeviani Estatística Descritiva 8

Prof. Walmes M. Zeviani Estatística Descritiva 9

Prof. Walmes M. Zeviani Estatística Descritiva 10

Prof. Walmes M. Zeviani

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 1

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 2

Figura 1. Representação esquemática do funcionamento da estatística descritiva e estatística inferencial.

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 3

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 4

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 5

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 6

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 7

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 8

Figura 4. O quarteto de Anscombe em um diagrama de dispersão.

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 9

Expressão da equação da reta ajustada

A notação será trabalhada nos próximos vídeos.

x y correl. β̂0 β̂1 R2 Valor p

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 10

I Porque “correr” o olho sobre a planilha de dados é impraticável.

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 11

I Com que tipo de informação estamos lidando?

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 12

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 13

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 14

I Validade: grau de conformidade com I Completude: a quantidade de valores

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 15

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 16

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 17

Prof. Walmes M. Zeviani Motivação e Importância da Estatística Descritiva 18

Prof. Walmes M. Zeviani

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 1

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 2

Figura 1. Principais tipos de variáveis. Fonte: Os autores.

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 3

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 4

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 5

Quanto à forma de apresentação, podem

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 6

1. Investigar o comportamento de uma

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 7

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 8

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 9

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 10

Figura 5. Foto de fauxels no Pexels. Fonte:

Prof. Walmes M. Zeviani Tipos de variáveis e formas de análise 11

Prof. Walmes M. Zeviani