Disciplina: Análise de dados

Aula 3: Análise de dados quantitativos

Apresentação

Nesta aula, aprenderemos os conceitos de medidas de posição e dispersão, que serão úteis na análise e interpretação de
situações como a que foi descrita aqui. Além da visualização por meio de grá cos, podemos quanti car a posição central e
dispersão dos dados.

Objetivos

Organizar e visualizar dados quantitativos por meio de tabelas e grá cos;

Calcular e interpretar as medidas de posição central e dispersão;

Fazer uma análise exploratória dos dados por meio do resumo dos cinco números e pela análise do Box-Plot.
Dados quantitativos
Sabemos que dados quantitativos são provenientes de variáveis quantitativas discretas ou contínuas. Diferentemente de dados
qualitativos, quando estamos analisando um conjunto de dados numéricos temos a possibilidade de explorar melhor esse
conjunto, caracterizando-o por meio de sua tendência central, formato e variação1 .

Mas por que há variabilidade em um conjunto de dados?

Vamos pensar em empresas que fabricam qualquer tipo de produto: elas não conseguem fabricar produtos que tenham
características sempre idênticas, ou seja, dois produtos nunca são exatamente iguais. Pode acontecer da variação encontrada
entre os produtos ser imperceptível, mas ela pode ser grande de maneira a tornar o produto não conforme ou torná-lo defeituoso.
Nesse caso, como fontes de variabilidade, podemos citar: diferenças nos materiais, diferenças no desempenho e operação dos
equipamentos de manufatura e diferenças na maneira como os operadores realizam suas tarefas.


qualidade é inversamente proporcional à variabilidade

Fonte: MONTGOMERY (2016, p. 5).

Na engenharia de qualidade, o principal objetivo é a redução sistemática da variabilidade nas características chaves da qualidade
do produto. Redução da variabilidade implica em menores custos, em consequência de menos reparos dos produtos, menos
reclamações dentro da garantia, etc.

Antes de estudarmos as medidas de posição e dispersão, vamos aprender a organizar e apresentar dados quantitativos em
distribuições de frequências e grá cos.

Distribuição de frequências
A estrutura de uma distribuição de frequências para dados quantitativos é a mesma que aquela que aprendemos para dados
qualitativos. Para dados discretos, apresentamos os valores em ordem crescente. Agora, para um grande conjunto de dados
contínuos, organizamos os dados em intervalos de classes, pois dados contínuos se repetem em uma frequência baixa, tornado
a tabela extensa. O mesmo pode ser feito para muitos dados discretos com pouca repetição.

Para a organização dos dados em classes, precisamos saber qual o número de classes que vamos construir e a amplitude
(tamanho) de cada classe.
Não há um número de classes ideal a ser construída, mas existem fórmulas que servem como referência. Podemos utilizar a
regra da raiz, sugerida por vários autores:

k ≅ √n

onde k indica o número de classes que vamos construir

n é o número total de observações do conjunto de dados.

É muito comum o valor obtido para k não ser inteiro, então, vamos aproximar para o inteiro próximo
de k

Para determinar a amplitude e o número de observações em cada classe, devemos:

Encontrar a amplitude total dos dados, ou seja,

1 amplitude total = valor máximo - valor mínimo

Dividir a amplitude total pelo número de classes, ou seja,

amplitude total

2
amplitude de classe = k

Normalmente, o resultado dessa divisão não é inteiro. Podemos arredondar até o próximo número
inteiro, para facilitar a construção das classes.

O valor mínimo dos dados pode ser utilizado como o limite inferior da primeira classe. Caso esse
número seja decimal, podemos considerar o inteiro anterior a esse número. Por exemplo, se o menor

3 valor do conjunto de dados é 2,15, podemos considerar como limite inferior da primeira classe o número
2.

Após a identi cação dos limites inferiores e superiores das classes, contamos o número de

4 observações que pertencem a cada intervalo de classe (frequências absolutas). Também, podemos
encontrar as frequências relativas (%) de cada classe.

Devemos deixar claro, na distribuição de frequências, se os valores iguais aos limites estão ou não
incluídos na classe. Construiremos intervalos de classe fechados à esquerda. A representação deste

5 tipo de intervalo é:

|
Li - Ls

Por exemplo, seja o intervalo: 0 | - 2

Pertencem a este intervalo valores iguais ou superiores ao limite inferior do intervalo (neste exemplo, 0) e inferiores ao limite
superior (neste exemplo, 2). Se houver o número 2 no conjunto de dados, ele entra no próximo intervalo de classe (por exemplo,
2 | - 4).
Exemplo

Um dos principais indicadores para a qualidade dos serviços oferecidos por qualquer organização é a velocidade com que a
organização responde às reclamações dos clientes. Uma grande loja de departamentos, que comercializa mobiliário e coberturas
para pisos, passou por uma grande expansão ao longo dos últimos anos. Um objetivo estratégico empresarial corresponde a
reduzir o tempo entre o momento em que a reclamação é recebida e o momento em que o problema objeto da reclamação é
solucionado. Durante um ano recente, a empresa recebeu 50 reclamações com relação à instalação de carpetes. Os dados a
seguir representam o número de dias entre o recebimento da reclamação e a solução do problema:

1 2 4 4 5 5 5 10 11 12

13 13 14 19 20 21 22 23 26 26

26 27 27 27 28 29 29 29 30 31

31 32 33 35 35 36 52 54 61 68

74 81 94 110 110 123 126 137 152 165

Fonte: Levine et al. (2016, p. 88).

Vamos apresentar os dados em uma distribuição de frequências. Usando a regra da raiz para encontrar o número de classes,
temos:

𝑘 ≅ √ 50 ≅ 7, 1

Como o resultado é um valor decimal, temos que considerar um valor inteiro próximo a esse resultado. Então, podemos escolher
trabalhar com 7 classes.

A amplitude de cada classe é:

𝑎𝑚𝑝𝑙𝑖𝑡𝑢𝑑𝑒 𝑑𝑒 𝑐𝑎𝑑𝑎 𝑐𝑙𝑎𝑠𝑠𝑒 = (𝑣𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 − 𝑣𝑎𝑙𝑜𝑟 𝑚í𝑛𝑖𝑚𝑜) / 7 = (165 − 1) / 7 ≅ 23, 4

Vamos considerar a amplitude de cada classe 24 e o limite inferior da primeira classe 0 (começar com 1 também é possível!).

Tabela 1 - Tempo (em dias) para a solução do problema

Tempo (em dias) Frequência Frequência Relativa (%)

| - 24 18 36,00

24 | - 48 18 36,00
Observamos que 72% das reclamações
48 | - 72 4 8,00 precisaram de até 48 dias para serem
solucionadas e que 10% delas
72 | - 96 3 6,00 precisaram entre 120 a 168 dias.

Métodos grá cos

Os dois tipos de grá cos frequentemente utilizados para variáveis quantitativas são o grá co de barras, para dados discretos que
não foram agrupados, e o histograma, para dados contínuos agrupados em classes.
Grá co de Barras

Já utilizamos o grá co de barras para mostrar visualmente o comportamento das categorias de uma variável qualitativa. Aqui, o
procedimento é o mesmo, porém, colocaremos os valores da variável quantitativa no eixo das abscissas (eixo x) e as frequências
absolutas ou porcentagens no eixo das ordenadas. Não devemos esquecer dos cuidados que devemos ter na construção de um
grá co!

Exemplo

Um fabricante de molas, interessado em implementar um sistema de controle de qualidade para monitorar seu processo de
produção, analisou 40 lotes de produção com tamanho igual a 50 e registrou o número de molas fora da conformidade em cada
um dos lotes. Os dados são apresentados no grá co a seguir.

Grá co 1 – Número de molas fora da conformidade nos lotes analisados

A variável de interesse é o número de

molas fora da conformidade e ela é
classi cada como quantitativa discreta.

Os valores observados para essa

variável estão entre 3 e 12 molas fora da
conformidade, distribuídos de acordo
com as frequências apresentadas no
grá co.

Histograma
Grá co 2 – Histograma para o perímetro torácico de homens
adultos
Um histograma é semelhante ao diagrama de barras, porém
refere-se a uma distribuição de frequências construída com
intervalos de classes. Por isso, apresenta uma diferença: não
há espaços entre as barras. Os intervalos de classes são
colocados no eixo horizontal enquanto as frequências são
colocadas no eixo vertical.

O histograma é muito utilizado para visualizarmos a natureza

da distribuição dos dados. Muitas técnicas estatísticas exigem
que os dados amostrais sejam provenientes de uma
população que tenha uma distribuição que não se afaste
drasticamente de uma curva em forma de sino. Para veri car
essa exigência, podemos sempre usar o histograma.  Fonte: Blog Sonia Vieira <//soniavieira.blogspot.com/2016/06/distribuicao-normal-
para-nao-matematicos.html>

Mas, o que é uma curva em forma de sino? As características para uma curva em forma de sino são: o aumento das frequências,
que atingem um máximo e depois decrescem e a simetria (metade a esquerda do grá co é uma imagem re etida da metade a
direita). A Figura a seguir apresenta uma curva em forma de sino ajustada ao histograma.

Exemplo

Os dados a seguir referem-se ao tempo de parada de um equipamento, seja por manutenção ou troca de ferramentas. Os tempos
estão em minutos e foram coletados uma vez ao dia.

Grá co 3 – Histograma para o tempo (minutos) de parada de um equipamento

Podemos observar que a distribuição dos dados é aproximadamente simétrica. Nesse exemplo, o histograma é o grá co
apropriado para visualizar os dados coletados, pois eles foram agrupados em classes.

Medidas de posição central

Depois da organização e visualização de dados quantitativos, podemos encontrar medidas que nos fornecem a localização ou
tendência central dos dados, ou seja, dão a ideia do centro em torno do qual os dados se distribuem. Conheça a seguir as
medidas mais utilizadas.

Média

Fórmula:

Vantagens e desvantagens
∑ ni= 1x i
xˉ =
n

1. É a medida de posição central mais conhecida e

mais utilizada.
ou

2. É in uenciada pela presença de valores

∑ ki= 1x i · f i discrepantes (outliers) no conjunto de dados.
xˉ = n Nessas situações, a mediana é mais representativa
que a média aritmética.
 Em que: 3. Só pode se encontrada para variáveis quantitativas.

n
Σ x i representa o somatório das observações;
i=1

n número de observações no conjunto de dados;

f ifrequência com que as observações se repetem.

Moda

Fórmula:

Não tem fórmula, basta analisar a distribuição de Vantagens e desvantagens
frequências, pois moda é a resposta que aparece com a
maior frequência em um conjunto de dados.
1. A moda pode ser encontrada para variáveis
Um conjunto de dados pode: qualitativas e quantitativas.

1. Não ter moda (distribuição amodal).
2. Ter uma moda (distribuição unimodal).
3. Ter duas modas (distribuição bimodal).
2. A limitação do uso da moda está no fato de que
um conjunto de dados pode não ter moda alguma,
ou pode ter mais de uma moda, ao passo que a
média e a mediana são únicas.

4. Ter mais de duas modas (distribuição multimodal).

Mediana

Se o número de elementos do conjunto de dados for

ímpar, temos: 
Vantagens e desvantagens
Md = x n + 1
2
1. A mediana não é in uenciada pela presença de
valores discrepantes (outliers) no conjunto de
Se o número de elementos do conjunto de dados for par, dados, sendo, nesses casos, mais representativa
temos: que a média aritmética.

2. A mediana pode ser encontrada para variáveis

xn +xn +1 qualitativas ordinais.
2 2
Md = 2
3. Para encontrar a mediana os dados devem estar
ordenados.
em que x n, x n +1 e x n + 1 indicam as observações que
2 2 2

ocupam as posições “do meio” do conjunto de dados. 4. A mediana é o valor do meio de um conjunto de
dados ordenado. Metade dos valores é menor ou
igual à mediana, e metade dos valores é maior ou
igual ao valor da mediana.
 As fórmulas apresentadas são para estudos realizados com dados amostrais.
Representamos o número de observações em uma amostra por n e no caso de população
utilizamos N.
Para dados agrupados em classes, em que não temos acesso ao conjunto de dados brutos,
substituímos os valores individuais presentes em cada intervalo (que são desconhecidos)
pelos respectivos pontos médios de cada classe.

Exemplo
Vamos utilizar os dados do Exemplo referente ao número de molas fora da conformidade para calcular as medidas de posição.

Média:

∑ ki= 1x i · f i 3 × 1 + 4 × 4 + 5 × 3 + … + 12 × 4 301
xˉ = n
= 1+4+3+ … +4
= 40
= 7, 525 molas

Moda:

A resposta que aparece com a maior frequência é o 7 (aparece 9 vezes). Portanto: mo = 7molas

Mediana:

∑ ki= 1x i · f i 3 × 1 + 4 × 4 + 5 × 3 + … + 12 × 4 301
xˉ = n
= 1+4+3+ … +4
= 40
= 7, 525 molas

Como o número de observações é par (40 observações), temos:

x n +xn +1 x 40 + x 40 + 1 x 20 + x 21
2 2 2 2 7+7
Md = 2
= 2
= 2
= 2
= 7molas

Como sabemos qual é o valor que está na vigésima e vigésima primeira posições? Basta somarmos as frequências até
chegar nas posições desejadas. No exemplo:

1 + 4 + 3 + 4 + 9 = 21

Isso quer dizer que precisamos ir até a barra cuja resposta da variável é 7 para chegarmos nas posições 20 e 21.

Pelas medidas encontradas, concluímos que o número médio de molas fora da conformidade na amostra em estudo é 7,525 e
que pelo menos metade das observações são maiores ou iguais a 7 (pelo valor encontrado para a mediana). A moda nos informa
que a observação que aparece com a maior frequência é 7 molas fora da conformidade.

Medidas de dispersão
Você lembra do caso da peça fabricada por duas linhas de produção que deveria apresentar
comprimento médio de 75 cm? E da Figura 1, lá na apresentação desta aula? Se achar
melhor, reveja este exemplo.

Além de caracterizar um conjunto de dados por meio das medidas de posição central, é muito importante estudar a variabilidade
presente (ou não) nos dados. Como vimos na Figura 1, a Linha 1 está produzindo peças com menor variabilidade no comprimento
quando comparada com a Linha 2. Sabemos que qualidade é inversamente proporcional à variabilidade e que a melhoria da
qualidade é a redução da variabilidade nos processos e produtos (MONTGOMERY, 2016, p. 6).

Então, vamos aprender a calcular e interpretar as medidas de dispersão mais utilizadas?

Amplitude total

Fórmula:

Vantagens e desvantagens
x_((máximo)) - x_((mínimo))

1. Fácil de calcular e interpretar.

2. Só leva em conta dois valores do conjunto de

dados.

3. A amplitude é muito sensível a valores

discrepantes.

Variância

Fórmula:

Vantagens e desvantagens
n
(
∑ i = 1 x i - xˉ )2
s2 = n-1

1. Leva em conta todas as observações do conjunto

de dados.
ou

2. É interpretada como uma média do quadrado dos

∑ ni= 1x 2i -
( n
∑ i = 1x i ) 2
desvios, pois desvio é a distância de qualquer
n
s2 = n-1
observação do conjunto de dados em relação à
média desse conjunto:

Para dados em tabelas: desvio = x - xˉ

3. A unidade de medida da variância é igual ao

quadrado da medida dos dados, tornado difícil a
 interpretação do valor numérico obtido.
n
(
∑ i = 1 x i - xˉ ) 2
· fi
s2 = n-1

ou

∑ ni= 1x 2i · f i -
(∑ n
i = 1x i · f i ) 2

n
s2 = n-1

Desvio-padrão

Fórmula:

Vantagens e desvantagens
𝑠 = √ (𝑠 ^ 2 )

1. Apresenta a mesma unidade de medida dos dados.

2. Como a média, o desvio-padrão é in uenciado pela

presença de valores discrepantes (outliers) no
conjunto de dados.

3. É utilizado para comparar a variabilidade de dois

conjuntos de dados diferentes quando as médias
forem aproximadamente iguais e quando as
unidades de medidas para os dois conjuntos forem
as mesmas.

Coe ciente de variação

Fórmula:

Vantagens e desvantagens
s
cv = xˉ
× 100

1. É adimensional.

2. Serve para comparar a variabilidade de conjuntos

de dados cujas variáveis em estudo são diferentes
(com unidades de medidas diferentes).

As medidas e dados apresentados são para dados amostrais.

Exemplo
Dando continuidade ao estudo sobre o número de molas fora da conformidade, vamos encontrar as medidas de dispersão.

Vamos apresentar os dados contidos no grá co em um quadro:

Tempo (em dias) Frequência Frequência Relativa (%)

|―24 18 36,00

24|―48 18 36,00

48|―72 4 8,00

72|―96 3 6,00

Amplitude total

AT = x ( máximo ) - x ( mínimo ) AT = 12 - 3 = 9molas

A maior diferença entre quaisquer dois lotes, em termos de número de molas fora da conformidade, é 9.

Variância

∑ ni= 1x 2i · f i -
(∑ n
i = 1x i · f i ) 2

n
s2 = n-1

Precisamos das seguintes quantidades:

∑ in= 1x i2 · f i = 3 2 × 1 + 4 2 × 4 + ⋯ + 12 2 × 4 = 2. 481 ∑ in= 1x i · f i = 3 × 1 + 4 × 4 + ⋯ + 12 × 4 = 301

Então:

∑ ni= 1x 2i · f i -
(∑ n
i = 1x i · f i ) 2

2481 -
( 301 ) 2
n 40 2481 - 2265 , 025
s2 = n-1
= 39
= 39
= 5, 54molas 2

Como a variância é expressa em unidades elevadas ao quadrado, vamos encontrar o desvio-padrão.

Desvio-padrão

s= √s 2s = √5, 54 = 2, 35molas

Coe ciente de variação

s 2 , 35
cv = xˉ
× 100cv = 7 , 525
× 100 = 31, 23 %
 Concluímos que o número médio de molas fora da conformidade, por lote, é 7,5, com um desvio-padrão de 2,25 molas.
Com esses valores, o departamento de controle de qualidade tem como avaliar se a produção está ocorrendo de acordo
com padrões estabelecidos, ou se mudanças são necessárias para atingir a qualidade requerida.

Análise exploratória de dados

Caracterizamos o conjunto de dados quanto a sua tendência central e a sua variabilidade. Além disso, podemos descrever dados
numéricos por meio de uma análise exploratória de dados2 . que utiliza ferramentas estatísticas como grá cos e medidas de
posição central e de dispersão para compreender características importantes sobre o conjunto. Aprenderemos, agora, como
encontrar o resumo dos 5 números e como construir e interpretar um grá co denominado Box-Plot.

Veja no Grá co 4 algumas das medidas que vamos aprender.

Grá co 4 - Dispersão da idade dos alunos matriculados em cursos de graduação,

por modalidade de ensino

 Fonte: Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira- INEP

<//download.inep.gov.br/educacao_superior/censo_superior/documentos/2010/censo_2010.pdf> .

Quartis

Os quartis (Q 1, Q 2 e Q 3), como o próprio nome sugere, divide a distribuição dos dados ordenados em quatro partes, sendo que:

Primeiro quartil (Q 1): no mínimo 25% dos valores ordenados são menores ou iguais a Q 1 e no mínimo 75% são maiores ou
iguais a Q 1.

Segundo quartil (Q 2): no mínimo 50% dos valores ordenados são menores ou iguais a Q 2 e no mínimo 50% são maiores ou
iguais a Q 2.

Terceiro quartil (Q 3): no mínimo 75% dos valores ordenados são menores ou iguais a Q 3 e no mínimo 25% são maiores ou
iguais a Q 3.

Com os dados ordenados, temos:

 n n 3·n
Posição Q 1 = Posição Q 2 = Posição Q 3 =
4 2 4

Comentário

Quando fazemos estas divisões para encontrar as posições dos quartis, pode acontecer do resultado ser um número inteiro ou
um número fracionário. Então, adotaremos a seguinte convenção:

Se a divisão resultar num número fracionário, arredonde-o para cima e o valor do quartil será a observação encontrada nesta
posição.

Se a divisão for um número inteiro, o quartil será a média aritmética da observação que ocupar a posição encontrada com a
observação que ocupar a posição imediatamente seguinte.

Para construir o Box-Plot, precisamos encontrar:

x máximo Q1 Q2 Q3 x mínimo

Exemplo
Os dados a seguir representam o número de falhas, por dia, no servidor de rede de uma empresa, durante 20 dias.

1 2 0 0 3 1 2 2 3 1

4 5 5 3 6 8 1 5 16 2

Vamos encontrar o resumo dos 5 números.

Para encontrar os quartis, precisamos ordenar os dados:

0 0 1 1 1 1 2 2 2 2

3 3 3 4 5 5 5 6 8 16

n 20
Posição Q 1 = 4
= 4
= 5. O Q 1 está entre a quinta e sexta posições dos dados ordenados:

1+1
Q1 = 2
= 1falha

n 20
Posição Q 2 = = = 10. O Q 2 está entre a décima e décima primeira posições dos dados ordenados:
2 2

2+3
Q3 = = 2, 5falhas
2

3·n 3 · 20
Posição Q 3 = = = 15. O Q 3 está entre a décima quinta e décima sexta posições dos dados ordenados:
4 4

5+5
Q3 = = 5falhas
2

Então, o resumo dos 5 números para esse conjunto de dados é:

x mínimo Q1 Q2 Q3 x máximo

0 1 2,5 5 16

Como podemos explorar informações importantes presentes nesse conjunto de dados?

Podemos construir um grá co denominado Box-Plot, que veremos a seguir.

Box-Plot

Este grá co é construído utilizando o resumo dos cinco números. Ele informa, entre outras coisas, a posição, variabilidade e
simetria dos dados. A posição central é dada pela mediana (Q 2) e a dispersão pela amplitude interquartil (d q). Com as posições
relativas de Q 1, Q 2 e Q 3 temos ideia da assimetria da distribuição. Veja a seguir um exemplo de Box-Plot.

Grá co 5 – Box-Plot
  Fonte: BUSSAB e MORETTIN (2002, p. 48).

Citação


Para construir este diagrama, consideremos um retângulo onde estão representados a
mediana e os quartis. A partir do retângulo, para cima, segue uma linha até o ponto
mais remoto que não exceda LS = q 3+ (1, 5)d q, chamado limite superior. De modo similar,
da parte inferior do retângulo, para baixo, segue uma linha até o ponto mais remoto
que não seja menor do que LI = q 1- (1, 5)d q, chamado limite inferior. Os valores
compreendidos entre esses dois limites são chamados valores adjacentes. As
observações que estiverem acima do limite superior ou abaixo do limite inferior
estabelecidos serão chamadas pontos exteriores e representadas por asteriscos. Essas são
observações destoantes das demais e podem ou não ser o que chamamos de outliers ou
valores atípicos.

Fonte: BUSSAB; MORETTIN, 2002, p. 48.

Exemplo
Vamos construir o Box-Plot para o Exemplo do número de falhas no servidor de rede. resumo dos cinco números é:

x mínimo Q1 Q2 Q3 x máximo

0 1 2,5 5 16

Para encontrar LI e LS, precisamos da distância interquartil, obtida por:

d q = Q 3 - Q 1d q = 5 - 1 = 4

Então:

LI = q 1 - (1, 5)d q = 1 - (1, 5) × 4 = - 5LS = q 3 + (1, 5)d q = 5 + (1, 5) × 4 = 11

Agora, temos as informações necessárias para construir o Box-Plot.

Grá co 6 – Box-Plot para o número de falhas diárias no

servidor de rede

 Fonte: Elaboração do autor.

O que podemos concluir do Box-Plot apresentado? Por que a observação 16 é um outlier? E,

por que as linhas que saem do retângulo não vão até o valor encontrado para o limite inferior
(LI) e limite superior (LS)?

Para responder essas perguntas, vamos à explicação fornecida por Bussab e Morettin (2002, p. 48):

A partir do retângulo, para cima, segue uma linha até o ponto mais remoto que não exceda LS = q 3 + (1, 5)d q, chamado limite
superior.

O valor do limite superior é LS = 11 e, no conjunto de dados, o valor mais remoto que não exceda o número 11, é X 19 = 8.

De modo similar, da parte inferior do retângulo, para baixo, segue uma linha até o ponto mais remoto que não seja menor do
que LI = q 1 - (1, 5)d q, chamado limite inferior.
 O valor do limite inferior é LI = 5 e, no conjunto de dados, o valor mais remoto que não é menor que o número -2, é o valor
mínimo X mínimo = 0.

As observações que estiverem acima do limite superior ou abaixo do limite inferior estabelecidos serão chamadas pontos
exteriores e representadas por asteriscos. Essas são observações destoantes das demais e podem ou não ser o que
chamamos de outliers ou valores atípicos.

A observação 16 está acima do limite superior (LS = 11), portanto, é identi cado como um outlier. Se tivermos certeza que o
outlier é um erro (por exemplo, erro de medição ou de digitação), devemos corrigi-lo ou retirá-lo do conjunto de dados. Agora,
se soubermos que o outlier é um valor correto, devemos estudar seu efeito construindo grá cos e calculando as medidas
descritivas com e sem o outlier.

Atividade
1. Bernardin (Mestrado Engenharia Mecânica/UFSC, 1994) realizou um experimento que tinha o objetivo de melhorar a qualidade
do processo de formulação de massa cerâmica para pavimento. Os corpos de prova eram “biscoitos” que saíam do processo de
queima e a quantidade era avaliada por três variáveis, a saber: X1 = retração linear (%), X2 = resistência mecânica e X3 = absorção
da água (%). O experimento foi realizado sob 8 condições diferentes (no estudo original eram 18). Foram feitos 5 ensaios em cada
uma das 8 condições experimentais. Os dados são apresentados a seguir.

C1 X1 X2 X3 C1 X1 X2 X3 C1 X1 X2 X3 C1 X1 X2 X3

1 8,9 41,1 5,5 3 9,4 50,0 0,8 5 13,4 60,6 0,5 7 12,9 41,1 0,2

1 9,2 39,0 4,8 3 9,9 48,3 0,6 5 13,4 60,0 0,5 7 12,4 39,0 0,4

1 8,0 36,9 6,2 3 9,6 50,1 0,6 5 13,6 68,4 0,2 7 12,6 36,9 0,5

1 8,7 39,2 5,7 3 9,2 49,9 0,7 5 13,4 60,8 0,7 7 12,6 39,2 0,4

1 8,7 35,9 5,5 3 9,4 56,2 0,5 5 12,4 51,4 1,0 7 12,9 35,9 0,3

2 12,6 52,7 0,9 4 6,6 31,2 9,0 6 9,6 41,2 3,9 8 8,2 40,8 4,4

2 13,6 53,5 0,4 4 6,4 25,3 10,2 6 10,6 53,0 4,5 8 9,2 43,8 3,9

2 11,6 47,0 1,3 4 5,9 22,8 10,5 6 8,9 37,0 3,3 8 9,2 48,6 4,0

2 10,1 31,1 1,8 4 5,9 27,5 10,6 6 7,5 30,1 3,0 8 8,5 46,9 4,3

2 12,1 50,9 1,1 4 6,8 31,9 9,3 6 8,9 41,6 3,5 8 8,7 46,2 4,1

Fonte: BARBETTA (2004, p. 88).

Organize os dados da variável X2 em uma distribuição de frequências.

2. Utilizando os dados da Atividade 1, encontre a média e o desvio-padrão para a variável X1, considerando as condições 1 e 6. Em
qual condição o conjunto de dados apresenta menor variabilidade?
3. Construa o Box-Plot para a variável X1.

Notas

Variação 1

As medidas descritivas de dispersão (variação) nos auxiliam a entender a variabilidade presente em um conjunto de dados, de
maneira a nos apoiarem nos processos de tomada de decisão.

Molda análise ecploratória de dados 2

Referências

Na análise exploratória de dados quantitativos, encontramos os quartis, o resumo dos cinco números e construímos o Box-Plot.
BARBETTA, Pedro A.; REIS, Marcelo M.; BORNIA, Antonio C. Estatística: para cursos de engenharia e informática. São Paulo: Atlas,
2004.

BUSSAB, Wilton de O.; MORETTIN, Pedro A. Estatística Básica. 5. ed. São Paulo: Saraiva, 2002.

LEVINE, David M.; STEPHAN, David F.; SZABAT, Kathryn A. Estatística: Teoria e Aplicações Usando Microsoft Excel em Português.
7. ed. Rio de Janeiro: LTC, 2016.

MAGALHÃES, Marcos N.; LIMA, Antonio C. P de. Noções de Probabilidade e Estatística. 6. ed. São Paulo: Editora da Universidade
de São Paulo, 2004.

MONTGOMERY, Douglas C. Introdução ao Controle Estatístico de Qualidade. 7. ed. Rio de Janeiro: LTC, 2016.

MONTGOMERY, Douglas C.; RUNGER, George C. Estatística Aplicada e Probabilidade para Engenheiros. 5. ed. Rio de Janeiro:
LTC, 2014.

Portal Action. MEDIDAS DE DISPERSÃO. Disponível em: <// www.portalaction.com.br/ estatistica- basica/ 22- medidas- de-
dispersao <//www.portalaction.com.br/estatistica-basica/22-medidas-de-dispersao> >. Acesso em: 18 nov. 2018.

Instituto Nacional de Estudos e Pesquisas Educacionais Anísio Teixeira. CENSO DA EDUCAÇÃO SUPERIOR 2010. Disponível em:
<// download.inep.gov.br/ educacao_ superior/ censo_ superior/ documentos/ 2010/ censo_ 2010.pdf
<//download.inep.gov.br/educacao_superior/censo_superior/documentos/2010/censo_2010.pdf> >. Acesso em: 18 nov. 2018.

Blog Sonia Vieira. Distribuição normal (para não-matemáticos). Disponível em: <// soniavieira.blogspot.com/ 2016/ 06/
distribuicao- normal- para- nao- matematicos.html <//soniavieira.blogspot.com/2016/06/distribuicao-normal-para-nao-
matematicos.html> >. Acesso em: 18 nov. 2018.

Próxima aula

Conceito de probabilidade;
 Probabilidade condicional e independência;

Teorema de Bayes.

Explore mais

Boxplot <//www.portalaction.com.br/estatistica-basica/31-boxplot> - Portal Action

O que é assimetria (ou distorção) e como se mede? <//soniavieira.blogspot.com/2018/05/> - Blog Sonia Vieira

Avaliação tipo A da incerteza da medição <//soniavieira.blogspot.com/2016/05/> - Blog Sonia Vieira