Medidas de dispersão e assimetria para dados quantitativos

Módulo: Métodos Quantitativos
Regente: Prof. Doutor Miranda Muaualo
Mestrado em Ciências Actuariais
Medidas de dispersão e assimetria
8 de Dezembro de 2021
Regente: Prof. Doutor Miranda Muaualo (UEM) Módulo: Métodos Quantitativos 8 de Dezembro de 2021 1 / 47
Sumário
Medidas de dispersão absoluta

Medidas de dispersão relativa
Medidas de assimetria e curtose
Amplitude Total
At = Xmax − Xmin
Dados em tabela de frequências agrupados em classes
Primeiro método: At = Ponto médio da última classe - ponto médio da primeira
classe.
Segundo método: At = Limite superior da última classe - limite inferior da
primeira classe.
Desvio Quartil ou Amplitude Semi-interquartílica
Q3 − Q1
Dq =
2
Limites: (Md - Dq ) e (Md + Dq ), encontram-se 50% dos itens,
aproximadamente.
Essa percentagem será exacta se a distribuição for simétrica.
Desvio Médio para Dados Brutos
Em relação a média:
n
X
|xi − x|
i=1
Dm =
n
Em relação a mediana:
n
X
|xi − Md|
i=1
Dm =
n
Desvio Médio para Dados Tabulados
Cálculo pela Média:

k
X
|xj − x|fj
j=1
Dm =
n
Cálculo pela Mediana:
k
X
|xj − Md|fj
j=1
Dm =
n
Desvio padrão para Dados Brutos
v
u n
uX 2
u
u (xi − x)
t i=1
S=
n
ou v
u 
n
!2 
u X
xi
u  
u
u1 X n 
i=1
S=u xi2 −
 
 
un n
u  
t  i=1 
Para amostra: v
u n
uX
2
u
u (xi − x)
t i=1
S=
n−1
ou v
u 
n
!2 
u X
xi
u  
u
u 1 X n 
i=1
S=u xi2 −
 
un − 1
 
n
u  
t  i=1 
Utilizando o divisor n − 1 obtem-se uma estimativa melhor da população.

Para valores grandes de n (n > 30):
Não há grande diferença (n ou n-1).
Entretanto, daremos preferência para a fórmula que proporciona uma estimativa
mais justa do desvio-padrão da população.
Desvio padrão de Dados Tabulados
v
u k
uX 2
u
u (xj − x) fj
t j=1
S=
n
ou v
u
u

k
!2 
X
xj fj 
u 
u  k 
u1 X 2 j=1 
S=u xj fj −
u  
un 
 j=1 n 

u  
t
Desvio padrão de Dados Tabulados
Pelos motivos expostos anteriormente será dada preferência ao divisor n − 1, em

vez de n, no cálculo: v
u k
uX 2
u
u (xj − x) fj
t j=1
S=
n−1
ou v
u
u

k
!2 
X
xj fj 
u 
u
u 1  k 
X 2 j=1 
S=u xj fj −
u  
un − 1  n 
 j=1
u  
t 
Cálculo do desvio padrão
Calcular o desvio padrão da distribuição de frequências do consumo de energia

elétrica (Kwh).
Consumo fj xj xj fj (xj − x) (xj − x)2 (xj − x)2 fj

[5, 25) 4 15 60 -64.5 4160.25 16641.0
[25, 45) 6 35 210 -44.5 1980.25 11881.5
[45, 65) 14 55 770 -24.5 600.25 8403.5
[65, 85) 26 75 1950 -4.5 20.25 526.5
[85, 105) 14 95 1330 15.5 240.25 3363.5
[105, 125) 8 115 920 35.5 1260.25 10082.0
[125, 145) 6 135 810 55.5 3080.25 18481.5
[145, 165) 2 155 310 75.5 5700.25 11400.5
Total 80 ··· 6360 ··· ··· 80780
Cálculo do desvio padrão
v
u k
uX 2
u
u (xj − x) fj s r
t j=1 80780 80780
S= = = = 31, 977
n−1 80 − 1 79
Variância para Dados Brutos
n
X 2
(xi − x)
i=1
S2 =
n
ou  !2 
n
X
 n xi 
2 1X 2 i=1

S =  x −

n  i=1 i

n 
 
Variância para Dados Brutos
Para amostra:
n
X 2
(xi − x)
i=1
S2 =
n−1
ou  !2 
n
X
 n xi 
1 X
i=1

S2 = x2 −
 
n − 1  i=1 i
 
n 
 
Variância de Dados Tabulados
k
X 2
(xj − x) fj
j=1
S2 =
n
ou  !2 
k
X
 xj fj 
 k 2
X 
2 1 j=1 
S =  xj fj − 
n j=1 n 

 
Variância de Dados Tabulados
k
X 2
(xj − x) fj
j=1
S2 =
n−1
ou  !2 
k
X
 xj fj 
 k 2
X 
2 1 j=1 
S =  xj fj − 
n−1
 j=1 n 

 
Relações Empíricas entre as Medidas de Dispersão
Quando as distribuições se apresentarem fracamente assimétricas (pequeno

enviesamento):
4
Dm = S
5
2
Dq = S
3
Desvio Quartil Reduzido

Dq Q3 − Q1
Dqr = =
Md 2Md
ou
Q3 − Q1
Dqr = × 100
2Md
Coeficiente de Variação de Pearson
S
CVP =
x
ou
S
CVP = × 100
x

Por vezes é conveniente exprimir a dispersão em termos relativos,
ou seja, expressar a variabilidade dos dados tirando a influência da
ordem de grandeza da variável;
Pode-se obter um índice relativo de dispersão comparando-se o
desvio-padrão com média;
A medida utilizada é denominada coeficiente de variação.

O coeficiente de variação é adimensional, ou seja, um número puro
e é usualmente expresso em percentagem;
É zero quando não houver variabilidade entre os dados, o que ocorre
quando todos os valores da amostra são iguais;
Sua utilidade é fornecer uma medida para a homogeneidade do
conjunto de dados;
Quanto menor o coeficiente de variação, mais homogêneo é o
conjunto de dados;
Se o coeficiente de variação for menor ou igual a 25% geralmente
indicará que o conjunto de dados é razoavelmente homogêneo.
Esse padrão varia de acordo com a aplicação;
Se o coefiente de variação for inferior a 10% é considerado baixo, apontando

um conjunto de dados mais homogêneos;
Se o coeficiente de variação estiver entre 10% e 20% é considerado médio;
Se o coeficiente de variação estiver entre 20% e 30% é considerado alto,
apontando um conjunto de dados heterogêneos;
Se o coeficiente de variação for superior a 30% é considerado muito alto,

apontando um conjunto de dados mais heterogêneos;
Alguns autores consideram que acima de 30% o conjunto de dados poderá
ser considerado heterogêneo e abaixo de 30% o conjunto de dados poderá ser
considerado homogêneo;
Esta medida pode ser bastante útil na comparação de duas variáveis ou dois
grupos que a princípio não são comparáveis; e
O grupo com menor coeficiente de variação é melhor em relação ao outro.
Coeficiente de Variação de Thorndike

S
CVT =
Md
ou
S
CVT = × 100
Md
Coeficiente Quartílico de Variação
Q3 − Q1
CVQ =
Q3 + Q1
ou
Q3 − Q1
CVQ = × 100
Q3 + Q1
Medidas de Assimetria e Curtose
Assimetria: é a propriedade que indica a tendência de maior

concentração de dados em relação ao ponto central.
Curtose: é a característica que se refere ao grau de achatamento.
Medidas de assimetria e de curtose são úteis para se precaver
contra erros ao estabelecer a suposição de populações distribuídas
normalmente.
Quanto ao grau de deformação

Curva ou Distribuição Simétrica
Curva ou Distribuição de frequências Assimétrica Positiva
Curva ou Distribuição de frequências Assimétrica Negativa
Quanto ao grau de deformação
Medidas de Assimetria ou de Enviesamento

Método de comparação entre Medidas de Tendência Central
x > Mo ⇒ Assimetria positiva
x = Mo ⇒ Simetria
x < Mo ⇒ Assimetria negativa.
Coeficiente (Índice) de Pearson
Sugerido por Karl Pearson.
Primeiro coeficiente de Enviesamento (Assimetria) de Pearson
Símbolo: e1 ou Sk1
x − M0
e1 =
s
Segundo coeficiente de Assimetria de Pearson
Símbolo: e2 ou Sk2
3(x − Md)
e2 =
s
Medidas de Assimetria
Coeficiente de Pearson
Obtido e1 ou e2 , se:
e1 > 0 - Assimetria positiva
e1 = 0 - Assimetria nula ou simetria
e1 < 0 - Assimetria negativa
Essa forma de avaliar o coeficiente também serve para e2 .
Coeficiente Quartil de Assimetria
(Q3 − Md) − (Md − Q1 )
eQ =
(Q3 − Md) + (Md − Q1 )
ou
Q3 − 2Md + Q1
eQ =
Q3 − Q1
O Coeficiente Quartil de Assimetria assume valores entre +1 e -1, ou seja,
+1 ≤ eQ ≤ −1.
Coeficiente de Assimetria entre os Percentis 10 e 90
(C90 − Md) − (Md − C10 )
ec =
(C90 − Md) + (Md − C10 )
ou
C90 − 2Md + C10
ec =
C90 − C10
Para entender as expressões de outras Medidas de Assimetria é imprescindível
ter o conhecimento sobre a abordagem do Momento Centrado na Média de
Ordem r seguinte.
Momento Centrado na Média de Ordem r
Símbolo: mr
Para Dados Brutos
n
X
(xi − x)r
i=1
mr =
n
Para Dados Tabulados
k
X
(xj − x)r fj
j=1
mr =
n
√
Então, m2 = s2 e m2 = s.
Coeficiente Momento de Assimetria
√
b1 (b2 + 3)
eM1 =
2(5b2 − 6b1 − 9)
onde
m23
b1 =
m32
e m4
b2 =
m22
Algumas vezes utiliza-se apenas a raiz quadrada de b1 para representar o
coeficiente de assimetria, ou seja:
p m3 m3
eM2 = b1 = √ 3 = 3
( m2 ) s
Medidas de curtose ou excesso

Coeficiente Percentílico de Curtose
Dq
k=
C90 − C10
onde Dq é o Desvio quartílico
se
k = 0, 263 ⇒ curva ou distribuição mesocúrtica
k > 0, 263 ⇒ curva ou distribuição platicúrtica
k < 0, 263 ⇒ curva ou distribuição leptocúrtica
Curtose
Curtose
Medidas de curtose ou excesso
Coeficiente Momento de Curtose
m4
b2 =
m22
ou m4
b2 =
s4
Se
b2 = 3 ⇒ distribuição ou curva mesocúrtica
b2 < 3 ⇒ distribuição ou curva platicúrtica
b2 > 3 ⇒ distribuição ou curva leptocúrtica.
A curtose pode ser medida igualmente pelo coeficiente c2 :
c2 = b2 − 3
Então, se:
c2 = 0 ⇒ curva mesocúrtica
c2 > 0 ⇒ curva leptocúrtica
c2 < 0 ⇒ curva platicúrtica
Exercício
Considerando a distribuição seguinte de frequências do consumo de energia
elétrica (Kwh), calcule:
O coeficiente de variação de Pearson;
O coeficiente de assimetria de Pearson;
Quartil 3.
Consumo fj
[5, 25) 4
[25, 45) 6
[45, 65) 14
[65, 85) 26
[85, 105) 14
[105, 125) 8
[125, 145) 6
[145, 165) 2
Total 80
Resolução do exercício
Resolução.
Consumo fj F xj xj fj (xj − x) (xj − x)2 (xj − x)2 fj

[5, 25) 4 4 15 60 -64.5 4160.25 16641.0
[25, 45) 6 10 35 210 -44.5 1980.25 11881.5
[45, 65) 14 24 55 770 -24.5 600.25 8403.5
[65, 85) 26 50 75 1950 -4.5 20.25 526.5
[85, 105) 14 64 95 1330 15.5 240.25 3363.5
[105, 125) 8 72 115 920 35.5 1260.25 10082.0
[125, 145) 6 78 135 810 55.5 3080.25 18481.5
[145, 165) 2 80 155 310 75.5 5700.25 11400.5
Total 80 ··· ··· 6360 ··· ··· 80780
8
X
xj f j
j=1 6360
X= 8
= = 79, 5
X 80
fj
j=1
v
u k
uX 2
u
u (xj − x) fj s r
t j=1 80780 80780
S= = = = 31, 977
n−1 80 − 1 79
O coeficiente de variação de Pearson:
S 31, 977
CVP = × 100 = × 100 = 40, 2%
x 79, 5
O coeficiente de assimetria de Pearson:
fpost 14
Mo = l + c = 65 + 20 = 75
fant + fpost 14 + 14
x − Mo 79, 5 − 75
e1 = = = 0, 1407
S 31, 977
Quartil 3:
3n 3 × 80
EQ3 = = = 60
4 4
Classe do quartil 3: 85|−105
Fant = 50;
fQ3 = 14;
c = 20;
l = 85
60 − 50
Q3 = 85 + 20 = 99, 29
14
Caixa de bigodes
Conceitos:
Box Plot, Diagrama de caixa ou Caixa-de-bigodes
Gráfico no qual o eixo vertical representa a variável a ser estudada
e horizontal um fator de interesse
Dá uma ideia da posição, dispersão, assimetria, caudas e dados
discrepantes
Caixa de bigodes
Composto por: Limite inferior, Q1 , Q2 , Q3 , Limite superior

Limite inferior: LI = q1 − (1.5)Dq
Limite superior:LS = q3 + (1.5)Dq
Limite inferior: LI = máx {min(dados); Q1 − 1.5(Q3 − Q1 )}
Limite superior: LS = min {máx(dados); Q3 + 1.5(Q3 − Q1 )}
Valores adjacentes: valores compreendidos entre os dois limites
Pontos exteriores: Observações acima do limite superior ou abaixo
do limite inferior
Pontos exteriores podem ou não ser outliers ou valores atípicos
Assimetria através da posição dos quartis 1, 2 e 3.
Caixa de bigodes
Box Plot
Exemplo:
Caixa de bigodes
Elementos de um Box Plot
Caixa de bigodes
Box Plot
Relação entre a Forma de Distribuição e Box-plot
Box Plot
Bibliografia
Anderson, D. R. e outros, Estatística Aplicada à Administração e

Economia, 2a edição, 2007;
Geraldo L. Toledo and Ivo I. Ovalle, Estatística Básica, 2a edição,
Atlas, São Paulo, 2015; e
Wilton De O. Bussab and Pedro A. Morettin, Estatística Básica, 8a
edição, Saraiva, São paulo, 2013.
OBRIGADO

Medidas de dispersão e assimetria para dados quantitativos

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

Medidas de dispersão e assimetria para dados quantitativos

Enviado por

Direitos autorais:

Formatos disponíveis

Módulo: Métodos Quantitativos

Regente: Prof. Doutor Miranda Muaualo

Mestrado em Ciências Actuariais

Medidas de dispersão e assimetria

 Medidas de dispersão absoluta

Desvio Quartil ou Amplitude Semi-interquartílica

Desvio Médio para Dados Brutos

Desvio Médio para Dados Tabulados

Cálculo pela Média:

Desvio padrão para Dados Brutos

Desvio padrão para Dados Brutos

Desvio padrão para Dados Brutos

 Utilizando o divisor n − 1 obtem-se uma estimativa melhor da população.

Desvio padrão de Dados Tabulados

Pelos motivos expostos anteriormente será dada preferência ao divisor n − 1, em

Cálculo do desvio padrão

Calcular o desvio padrão da distribuição de frequências do consumo de energia

Consumo fj xj xj fj (xj − x) (xj − x)2 (xj − x)2 fj

Cálculo do desvio padrão

Variância para Dados Brutos

Variância para Dados Brutos

Variância de Dados Tabulados

Variância de Dados Tabulados

Relações Empíricas entre as Medidas de Dispersão

Quando as distribuições se apresentarem fracamente assimétricas (pequeno

Desvio Quartil Reduzido

Coeficiente de Variação de Pearson

Coeficiente de Variação de Pearson

 Se o coefiente de variação for inferior a 10% é considerado baixo, apontando

 Se o coeficiente de variação for superior a 30% é considerado muito alto,

Coeficiente de Variação de Thorndike

 Assimetria: é a propriedade que indica a tendência de maior

Quanto ao grau de deformação

Quanto ao grau de deformação

Medidas de Assimetria ou de Enviesamento

Medidas de curtose ou excesso

Consumo fj F xj xj fj (xj − x) (xj − x)2 (xj − x)2 fj

 Composto por: Limite inferior, Q1 , Q2 , Q3 , Limite superior

Elementos de um Box Plot

 Anderson, D. R. e outros, Estatística Aplicada à Administração e

Você também pode gostar

Medidas de dispersão absoluta

Utilizando o divisor n − 1 obtem-se uma estimativa melhor da população.

Se o coefiente de variação for inferior a 10% é considerado baixo, apontando

Se o coeficiente de variação for superior a 30% é considerado muito alto,

Assimetria: é a propriedade que indica a tendência de maior

Composto por: Limite inferior, Q1 , Q2 , Q3 , Limite superior

Anderson, D. R. e outros, Estatística Aplicada à Administração e