Você está na página 1de 55

ESTATÍSTICA E PROBABILIDADE APLICADA À COMPUTAÇÃO

E STATÍSTICA E P ROBABILIDADE A PLICADA À C OMPUTAÇÃO A PRESENTAÇÃO DE DADOS (G RÁFICOS

APRESENTAÇÃO DE DADOS (GRÁFICOS) MEDIDAS DE POSIÇÃO

A PLICADA À C OMPUTAÇÃO A PRESENTAÇÃO DE DADOS (G RÁFICOS ) M EDIDAS DE POSIÇÃO
A PLICADA À C OMPUTAÇÃO A PRESENTAÇÃO DE DADOS (G RÁFICOS ) M EDIDAS DE POSIÇÃO

Vanêssa Brito Fernandes Neves

CARACTERÍSTICAS IMPORTANTES DOS DADOS

Centro: Um valor representativo ou médio, que indica onde

se localiza o meio do conjunto de dados.

Variação: Uma medida de quanto os valores dos dados variam.

Distribuição: A natureza ou forma da distribuição dos dados (ex. uniforme, sino, assimétrica).

Outliers ou valores discrepantes: valores amostrais que se localizam muito longe da grande maioria dos outros valores amostrais.

Tempo: Características dos dados que mudam com o tempo.

muito longe da grande maioria dos outros valores amostrais.  Tempo: Características dos dados que mudam

APRESENTAÇÃO GRÁFICA DE DADOS

Diagrama de Barras

Usado

para

apresentar

variáveis

qualitativas

e

 

quantitativas discretas.

 

As

barras

do

diagrama

podem

ser

verticais

ou

horizontais.

Variáveis categorias.

Variáveis quantitativas discretas - barras do diagrama devem ser verticais.

entre

qualitativas

ilustrar

comparações

-

Variáveis quantitativas discretas - barras do diagrama devem ser verticais. entre qualitativas ilustrar comparações -

DIAGRAMA DE BARRAS - EXEMPLOS

Taxas de mortalidade pelos cânceres mais comuns, sexo

feminino. Estado de São Paulo, 1992.

14 12 10 8 6 4 2 0 mama estômago cólon/reto pulmão colo/útero Óbitos /
14
12
10
8
6
4
2
0
mama
estômago
cólon/reto
pulmão
colo/útero
Óbitos / 100.000 habitantes

Tipo de Câncer

Fonte: Fonte: FOSP / Fundação Seade

cólon/reto pulmão colo/útero Óbitos / 100.000 habitantes Tipo de Câncer Fonte: Fonte: FOSP / Fundação Seade

DIAGRAMA DE BARRAS - EXEMPLOS

Incidência de efeitos colaterais devido ao uso

de um novo agente anti-hipertensivo

30 25 20 15 10 5 0 1 2 3 4 5 freqüência
30
25
20
15
10
5
0
1
2
3
4
5
freqüência

número de efeitos colaterais

um novo agente anti-hipertensivo 30 25 20 15 10 5 0 1 2 3 4 5

APRESENTAÇÃO GRÁFICA DE DADOS

Gráfico de setores

Usado para representar variáveis qualitativas.

Cada categoria corresponderá a uma divisão ou a um setor de um círculo.

Geralmente utilizado quando se pretende comparar o total de cada categoria com o conjunto total.

Neste tipo de gráfico, um círculo de raio qualquer vai representar 100% dos dados (360 o ).

Quando usar a freqüência relativa no gráfico, colocar o N.

qualquer vai representar 100% dos dados (360 o ).  Quando usar a freqüência relativa no

GRÁFICO DE SETORES - EXEMPLO

Gráfico em setores da distribuição da tuberculose (Dawson, 2003,

Hipânicos

p.43)

16%
16%

Americanos nativos

1%

Asiáticos ou

habitantes das ilhas

do Pacífico

11%

Negros não-

hispânicos

37%

Brancos não-

hipânicos

Asiáticos ou habitantes das ilhas do Pacífico 11% Negros não- hispânicos 37% Brancos não- hipânicos

APRESENTAÇÃO GRÁFICA DE DADOS

Histograma

Adequado para ilustrar o comportamento de valores agrupados em classes.

É

retângulos

um

gráfico

de

colunas

composto

por

vários

adjacentes, representando a tabela de freqüência.

As classes são colocadas no eixo horizontal e as freqüências no eixo vertical.

Na construção devem ser empregadas de 5 a 20 classes.

Interpretação: Centro, variação, forma e outlier. Não é apropriado para verificar se há mudanças ao longo do tempo.

Centro, variação, forma e outlier. Não é apropriado para verificar se há mudanças ao longo do

HISTOGRAMA EXEMPLO

Percentual de linfócitos em pacientes com leucemia linfóide

Percentual de linfócitos

Freqüência

10

|- 12

5

12

|- 14

6

14

|- 16

5

16

|- 18

1

18

|- 20

2

20

|- 22

1

total

20

12 5 12 |- 14 6 14 |- 16 5 16 |- 18 1 18 |-

HISTOGRAMA - EXEMPLO

Percentual de linfócitos em pacientes com leucemia linfóide 7 6 5 4 3 2 1
Percentual de linfócitos em pacientes com leucemia linfóide
7
6
5
4
3
2
1
0
11
13
15
17
19
21
percentual de linfócitos
freqüência
pacientes com leucemia linfóide 7 6 5 4 3 2 1 0 11 13 15 17

APRESENTAÇÃO GRÁFICA DE DADOS

Polígono de freqüência

Utilizado na representação de variáveis quantitativas contínuas.

Usa segmentos de reta ligados a pontos

diretamente acima dos valores dos pontos médios de

localizados

classe.

Os segmentos são estendidos à direita e à esquerda de forma que o gráfico comece e termine no eixo horizontal.

Exemplo: tabela usada para construção do histograma

de forma que o gráfico comece e termine no eixo horizontal.  Exemplo: tabela usada para

POLÍGONO DE FREQÜÊNCIA EXEMPLO

Percentual de linfócitos em pacientes com leucemia linfóide

7 6 5 4 3 2 1 0 9 11 13 15 17 19 21
7
6
5
4
3
2
1
0
9
11
13
15
17
19
21
23
freqüência

percentual de linfócitos

com leucemia linfóide 7 6 5 4 3 2 1 0 9 11 13 15 17

APRESENTAÇÃO GRÁFICA DE DADOS

Ogiva de Galton

É um gráfico de linha que representa as freqüências acumuladas.

O gráfico se inicia com a fronteira inferior da primeira classe e termina com a fronteira superior da última classe.

Exemplo: tabela usada para construção do histograma.

classe e termina com a fronteira superior da última classe.  Exemplo: tabela usada para construção

OGIVA DE GALTON - EXEMPLO

Percentual de linfócitos em pacientes com leucemia linfóide 25 20 15 10 5 0 10
Percentual de linfócitos em pacientes com leucemia linfóide
25
20
15
10
5
0
10
12
14
16
18
20
22
percentual de linfócitos
freqüência acumulada
leucemia linfóide 25 20 15 10 5 0 10 12 14 16 18 20 22 percentual

APRESENTAÇÃO GRÁFICA DE DADOS

Ramo-e-folha

Representa dados separando cada valor em duas partes: o

ramo (dígito mais a esquerda) e a folha (dígito mais a direita).

Pode ser expandido ou condensado.

 

Ao

virar

o

ramo-e-folhas

de

lado

podemos

ver

a

distribuição dos dados.

 

Vantagem: os dados originais podem ser recuperados.

 

Usar de 5 a 20 classes.

 
   Vantagem: os dados originais podem ser recuperados.    Usar de 5 a 20

RAMO-E-FOLHA EXEMPLO

Diâmetros abdominais de 40 indivíduos

57

63

66

70

74

81

87

94

59

63

68

71

75

83

88

95

60

63

69

72

75

85

88

101

60

64

69

72

77

86

89

107

62

66

70

73

78

86

91

119

75 85 88 101 60 64 69 72 77 86 89 107 62 66 70 73

RAMO-E-FOLHA EXEMPLO

Diâmetros abdominais de 40 indivíduos

Ramo (dezena)

 

Folhas (unidades)

 

5

7

9

6

0

0

2

3

3

3

4

6

6

8

9

9

7

0

0

1

2

2

3

4

5

5

7

8

8

1

3

5

6

6

7

8

8

9

9

1

4

5

10

1

7

11

9

4 5 5 7 8 8 1 3 5 6 6 7 8 8 9 9

APRESENTAÇÃO GRÁFICA DE DADOS

Diagrama de dispersão

É a melhor maneira de visualizar o relacionamento entre

duas variáveis.

A representação gráfica é feita no mesmo sistema de coordenadas, em que uma das variáveis é colocada no eixo

x e outra no eixo y.

O gráfico de dispersão é utilizado para interpretar o relacionamento entre duas variáveis (direção, forma e

intensidade do relacionamento).

é utilizado para interpretar o relacionamento entre duas variáveis (direção, forma e intensidade do relacionamento).

DIAGRAMA DE DISPERSÃO - EXEMPLO

Índice de massa corporal (IMC) e percentual de gordura de 10 universitárias. Brasil, 1997

Indivíduo

IMC

Percentual de gordura

1

21,5

29

2

20,7

25

3

21,3

26

4

19,0

23

5

21,2

25

6

18,6

23

7

16,8

18

8

20,7

28

9

30,8

46

9 30,8 46

10

18,3

22

DIAGRAMA DE DISPERSÃO - EXEMPLO

Relação entre IMC e percentual de gordura de 10 universitárias. Brasil, 1997 50 40 30
Relação entre IMC e percentual de gordura de 10 universitárias.
Brasil, 1997
50
40
30
20
10
0
0
5
10
15
20
25
30
35
IMC
Percetual de gordura

Boxplot após MP

Brasil, 1997 50 40 30 20 10 0 0 5 10 15 20 25 30 35

MEDIDAS DE TENDÊNCIA CENTRAL

Resume a quantidade de informações de um conjunto de dados (agrupados ou não) em um único e informativo valor;

De importância fundamental para a pesquisa e para a extensão.

ou não) em um único e informativo valor;  De importância fundamental para a pesquisa e

MEDIDAS DE TENDÊNCIA CENTRAL

Geralmente localizado no centro de uma distribuição simétrica ou aproximada;

MEDIDAS DE TENDÊNCIA CENTRAL  Geralmente localizado no centro de uma distribuição simétrica ou aproximada;
MEDIDAS DE TENDÊNCIA CENTRAL  Geralmente localizado no centro de uma distribuição simétrica ou aproximada;
MEDIDAS DE TENDÊNCIA CENTRAL  Geralmente localizado no centro de uma distribuição simétrica ou aproximada;

MEDIDAS DE TENDÊNCIA CENTRAL

As medidas mais usadas são:

Média;

Mediana;

Moda.

A média é a medida de tendência central mais usada e,

por isso a mais conhecida. Mas em certas circunstância,

para descrever a tendência central dos dados é melhor usar outras medidas como a mediana ou a moda.;

circunstância, para descrever a tendência central dos dados é melhor usar outras medidas como a mediana

MEDIDAS DE TENDÊNCIA CENTRAL

Média

A média populacional (μ) deve ser diferenciada da média

amostral (

x );

As médias mais utilizadas são:

Média Aritmética: Simples e Ponderada;

Média Geométrica;

Média Harmônica.

mais utilizadas são:  Média Aritmética: Simples e Ponderada;  Média Geométrica;  Média Harmônica.

MEDIDAS DE TENDÊNCIA CENTRAL

Média Aritmética Simples

Conceito familiar e até mesmo intuitivo;

DEFINIÇÃO: É a soma dos valores de todos os dados do conjunto dividida pela quantidade desses valores. Logo:

DEFINIÇÃO: É a soma dos valores de todos os dados do conjunto dividida pela quantidade desses

MEDIDAS DE TENDÊNCIA CENTRAL

N

i 1

x

i

N

em que:

x

1

x

2

x

N

 

N

 

, paraMédia Populacional Finita

x i cada medida da população

N quantidadededados da população

  , paraMédia Populacional Finita x i  cada medida da população N  quantidadededados da

MEDIDAS DE TENDÊNCIA CENTRAL

x

n

i 1

x

i

n

em que:

x

1

x

2

 

x

n

 

n

 

, para Média Amostral

x i cada medida da amostra

n quantidadededados da amostra

n   n   , para Média Amostral x i  cada medida da amostra n

MEDIDAS DE TENDÊNCIA CENTRAL

Média

Média amostral

X

n

i

1

x

i

n

Média populacional

n

i 1

x

i

N

CENTRAL  Média Média amostral X  n  i  1 x i n Média

MEDIDAS DE TENDÊNCIA CENTRAL

Exemplo: Sejam as notas de 5 provas de um aluno de

estatística obtidas em avaliações durante o ano de

2008.

Prova

1

2

3

4

5

Notas

7,0

3,7

4,9

6,6

7,2

para obter a média aritmética simples das notas e saber se o aluno ficará na final, faremos o seguinte cálculo:

x

5

i 1

x

i

5

x

1

x

2

x

3

x

4

x

5

5

7,0

3,7

4,9

6,6

7,2

5

5,9

 x 5 5  7,0  3,7  4,9  6,6  7,2 5 

indica que a nota média obtida pelo aluno durante o ano foi 5,9.

MEDIDAS DE TENDÊNCIA CENTRAL

Média Aritmética Ponderada

Média de dados agrupados

Média Aritmética Ponderada é a soma do produto dos valores observados com o seus respectivo peso, dividido pela soma dos pesos.

Ponderada é a soma do produto dos valores observados com o seus respectivo peso, dividido pela

MEDIDAS DE TENDÊNCIA CENTRAL

x p

n

i 1

x p

i

i

n

i 1

p

i

em que:

x p

1

1

x

2

p

2

 

x

n

p

n

 

p

1

p

2

 

p

n

, para Média Ponderada

x

p

i

i

cada valor observado, com i 1, 2,

,n

pesos dos referidos valores, com i 1, 2,

,n

Ponderada x p i i  cada valor observado, com i  1, 2, ,n 

MEDIDAS DE TENDÊNCIA CENTRAL

Exemplo: Porém, o professor de Estatística adotou para 2008 os seguintes pesos para as notas.

Prova

1

2

3

4

5

Notas

7,0

3,7

4,9

6,6

7,2

Pesos

1

1

2

3

3

para obter a média aritmética ponderada das notas e saber se o aluno ficará ou não na final, faremos o seguinte cálculo:

x

p

n

i 1

x p

i

i

n

i 1

p

i

x p

1

1

x p

2

2

x p

3

3

x p

4

4

x p

5

5

p

1

p

2

p

3

p

4

p

5

7,0(1)

3,7(1)

4,9(2)

6,6(3)

7,2(3)

 

1

1

 

2

3

 

3

6,2

Com base nos pesos adotados pelo professor, a nota média (ponderada) obtida pelo aluno durante o ano foi

6,2.

3  6,2 Com base nos pesos adotados pelo professor, a nota média (ponderada) obtida pelo

MEDIDAS DE TENDÊNCIA CENTRAL

Média Aritmética Ponderada

Se os dados estão distribuídos em classes, isto é, estão apresentados em uma tabela de distribuição de freqüência, para calcular a média multiplique o valor

central de cada classe (ponto médio) pela respectiva

freqüência, some e divida o total pela soma das freqüências.

central de cada classe (ponto médio) pela respectiva freqüência, some e divida o total pela soma

MEDIDAS DE TENDÊNCIA CENTRAL

x

n

i 1

x f

i

i

n

i 1

f

i

x f

1

1

x

2

f

2

 

x

n

f

n

 

 

 

f

1

f

2

f

n

, para Média Ponderada de dados agrupados

em que:

x

f

i

i

média de cada classe i, com i

x

i

L I

L S

2

1, 2,

,n

frequência de cada uma das referidas classes, com i 1, 2,

,n
,n

MEDIDAS DE TENDÊNCIA CENTRAL

Exemplo: Distribuição de Frequência dos pesos ao nascer,

em Kg, de 50 bezerros da raça guzerá:

Pesos

f

i

x i

[20,0 ; 22,0)

2

21,0

[22,0 ; 24,0)

5

23,0

[24,0 ;

26,0)

12

25,0

[26,0 ; 28,0)

16

27,0

[28,0 ; 30,0)

10

29,0

[30,0 ; 32,0)

4

31,0

[32,0 ; 34,0)

1

33,0

Total

50

 
[28,0 ; 30,0) 10 29,0 [30,0 ; 32,0) 4 31,0 [32,0 ; 34,0) 1 33,0 Total

MEDIDAS DE TENDÊNCIA CENTRAL

x

n

i 1

x f

i

i

n

i 1

f

i

2(21,0)

5(23,0)

1(33,0)

2

 

5

1

1336

50

26,7

A média de dados agrupados geralmente diferi da média simples.

1(33,0) 2   5  1 1336  50  26,7  A média de

MEDIDAS DE TENDÊNCIA CENTRAL

Propriedades da Média

Se for somada ou subtraída uma constante K a cada elemento da amostra, a média também será acrescida

ou subtraída dessa constante;

y

i

x

i

K

acrescida ou subtraída dessa constante; y i  x  i K Y  X 

Y X K

Se for multiplicada ou dividir cada elemento da amostra uma constante K, a média também será multiplicada ou dividida por essa constante;

y

i

x K

i

constante K , a média também será multiplicada ou dividida por essa constante ; y 

Y X K

constante K , a média também será multiplicada ou dividida por essa constante ; y 

MEDIDAS DE TENDÊNCIA CENTRAL

Propriedades da Média

A soma dos desvios (

d

x

i

X

) em relação a média é

igual a zero para qualquer amostra;

n

d 0

i 1

A soma dos quadrados dos desvios em relação à média é chamado desvio mínimo, valor utilizado em otimizações e regressões.

D

n

d

i 1

2

relação à média é chamado desvio mínimo, valor utilizado em otimizações e regressões. D  n

MEDIDAS DE TENDÊNCIA CENTRAL

Mediana

É o valor que ocupa a posição central do conjunto dos dados organizados em ordem crescente.

Da definição de mediana, segue-se que essa medida é um valor tal que 50% dos dados são iguais ou menores do que ela. Para calcular a

mediana os dados devem estar ordenados.

um valor tal que 50% dos dados são iguais ou menores do que ela. Para calcular

MEDIDAS DE TENDÊNCIA CENTRAL

A mediana descreve bem os grandes conjuntos de dados. No caso dos conjuntos com dados

discrepantes, isto é, dos conjuntos com um, ou alguns valores, muito maiores ou muito menores que os demais a mediana descreve melhor os

dados que a média.

com um, ou alguns valores, muito maiores ou muito menores que os demais a mediana descreve

MEDIDAS DE TENDÊNCIA CENTRAL

Mediana

calcular

a

mediana

devemos

primeiro

colocar

os

Para valores

em

ordem

crescente

(ou

decrescente)

e,

em

seguida, aplicar um dos dois processos abaixo:

Se o número de valores é ímpar, a mediana é o número localizado exatamente no meio da lista.

Se o número de valores é par, a mediana é a média dos 2 valores do meio.

localizado exatamente no meio da lista.  Se o número de valores é par, a mediana

MEDIDAS DE TENDÊNCIA CENTRAL

Para dados não agrupados

Se a quantidade de dados é ímpar, a mediana é o valor que está no centro da série.

x

n 1

2

Se a quantidade de dados é par, a mediana é a média dos dois valores que estão no centro da série.

x

x

n

2 2

n 2

2

de dados é par, a mediana é a média dos dois valores que estão no centro

MEDIDAS DE TENDÊNCIA CENTRAL

m d

L I

m

d

em que:

n

2

f

a

f

m

d

c

m

d

, Mediana para dados agrupados

LI

md

f

md

f

a

c md

limiteinferior daclasse mediana

frequência da mediana

frequência acumulada da classe anterior

amplitudeda mediana

daclasse mediana  frequência da mediana  frequência acumulada da classe anterior  amplitudeda mediana

MEDIDAS DE TENDÊNCIA CENTRAL

Exemplo: Considerando o exemplo dos bezerros da raça

guzerá:

Pesos

f

i

f

a

[20,0 ; 22,0)

2

2

[22,0 ; 24,0)

5

7

[24,0 ;

26,0)

12

19

[26,0 ; 28,0)

16

35

[28,0 ; 30,0)

10

45

[30,0 ; 32,0)

4

49

[32,0 ; 34,0)

1

50

Total

50

 
16 35 [28,0 ; 30,0) 10 45 [30,0 ; 32,0) 4 49 [32,0 ; 34,0) 1

MEDIDAS DE TENDÊNCIA CENTRAL

m d

26,0

50

19

2

16

2

26,75 kg

A mediana tem a mesma unidade dos dados.

50       19 2 16      

MEDIDAS DE TENDÊNCIA CENTRAL

Moda

É o valor que ocorre com maior frequência.

A idéia da moda é importante, quando existe uma grande quantidade de dados, em especial,

se os dados estão distribuídos.

Se o conjunto de dados é relativamente pequeno (de 20 a 30 observações), a moda não tem

sentido prático.

 Se o conjunto de dados é relativamente pequeno (de 20 a 30 observações), a moda

MEDIDAS DE TENDÊNCIA CENTRAL

Moda ( M )

É o valor que ocorre mais freqüentemente.

Uma

distribuição

pode

unimodal,

ser

multimodal ou amodal.

Moda

5

5

5

3

1

5

1

4

3

5

1

2

2

2

3

4

5

6

6

6

7

9

1

2

3

6

7

8

9

10

bimodal,

 1 2 2 2 3 4 5 6 6 6 7 9  1 2

MEDIDAS DE TENDÊNCIA CENTRAL

m o

L I

em que:

m

o

1

 

1

2

c

m

o

, Moda para dados agrupados

LI mo

limiteinferior daclasse modal

anterior e imediatamente posterior respectivamente

e

diferença entre a frequência da classe moda e a imediatamente

1

2

c mo

amplitudeda modal

e   diferença entre a frequência da classe moda e a imediatamente 1 2 c

MEDIDAS DE TENDÊNCIA CENTRAL

Exemplo: Considerando o exemplo dos bezerros da raça

guzerá:

Pesos

f

i

f

a

[20,0 ; 22,0)

2

2

[22,0 ; 24,0)

5

7

[24,0 ;

26,0)

12

19

[26,0 ; 28,0)

16

35

[28,0 ; 30,0)

10

45

[30,0 ; 32,0)

4

49

[32,0 ; 34,0)

1

50

Total

50

 
16 35 [28,0 ; 30,0) 10 45 [30,0 ; 32,0) 4 49 [32,0 ; 34,0) 1

MEDIDAS DE TENDÊNCIA CENTRAL

m o

26,0

4

4

6

2

26,8 kg

A moda tem a mesma unidade dos dados.

CENTRAL m o  26,0     4 4  6   

MEDIDAS DE TENDÊNCIA CENTRAL

Comparação entre Média, Mediana e Moda

Há um momento em que o pesquisador fará a seguinte pergunta: Qual a medida de tendência central que representa melhor o conjunto de dados em estudo?

A média aritmética trabalha com todos os elementos do conjunto de dados, enquanto a mediana utiliza apenas um ou dois valores. No entanto a média sofre influência de valores extremos (muito alto ou baixo) induzindo

assim ao erro. É uma medida que pode ser calculada

apenas para variáveis quantitativas.

(muito alto ou baixo) induzindo assim ao erro. É uma medida que pode ser calculada apenas

MEDIDAS DE TENDÊNCIA CENTRAL

A mediana é uma medida que exige uma ordenação de categorias, assim ela só pode ser obtida para variáveis qualitativas ordinais ou para as quantitativas, jamais para

variáveis qualitativas nominais. Além disso, a mediana não é

influenciada por valores extremos.

A moda é uma medida que requer apenas o conhecimento da

freqüência absoluta e pode ser utilizada para qualquer tipo de

variável, tanto qualitativa, quanto quantitativa.

Geralmente, a média e a mediana representam melhor a tendência central dos dados.

qualitativa, quanto quantitativa.  Geralmente, a média e a mediana representam melhor a tendência central dos

MEDIDAS DE TENDÊNCIA CENTRAL

A determinação das medidas de posição permite

discutir sobre a simetria da distribuição dos dados

Distribuição simétrica:

x md mo

Distribuição ligeiramente assimétrica:

Ocorre pequenas diferenças entre os valores da média, mediana e moda. Aumentando o número de dados, a

distribuição tende para o modelo simétrico.

os valores da média, mediana e moda. Aumentando o número de dados, a distribuição tende para

MEDIDAS DE TENDÊNCIA CENTRAL

Distribuição assimétrica à direita (Assimetria positiva)

Distribuição negativa)

x md mo

assimétrica

à

esquerda

x md mo

(Assimetria

positiva)  Distribuição negativa) x  md  mo assimétrica à esquerda x  md 

ASSIMETRIA

A distribuição de dados é assimétrica quando se estende mais para um lado que para o outro.

Uma distribuição de dados é simétrica se a metade esquerda do seu histograma é praticamente uma imagem

espelhada de sua imagem direita.

de dados é simétrica se a metade esquerda do seu histograma é praticamente uma imagem espelhada