Aula 01

ENG256 – MÉTODOS DE ADM
DE MINAS
Universidade Federal da Bahia
Felipe Bride
ESTATISTICA APLICADA: REVISAO
 Estatística é a ciência dos dados, envolvendo o desenvolvimento de

processos, métodos e técnicas de coleta, classificação, organização,
resumo, análise e interpretação de dados sobre uma população, e os
métodos de tirar conclusões ou fazer predições com base nesses dados.
ESTATÍSTICA APLICADA: REVISAO
 Estatística indutiva ou inferencial e/ou inferência estatística é um conjunto de
técnicas que, partindo de uma amostra, estabelece hipóteses, tira conclusões sobre
a população de origem, formula previsões fundamentando-se na teoria das
probabilidades, e baseia-se na análise e na interpretação dos dados.
 A estatística preditiva é uma área da estatística que utiliza modelos estatísticos e

algoritmos de aprendizado de máquina para fazer previsões futuras com base em dados
históricos. Ela é usada para identificar padrões nos dados e prever o comportamento
futuro de um fenômeno, com o objetivo de tomar decisões informadas.
 A estatística descritiva é usada para descrever e resumir dados, sem fazer

inferências sobre a população. Ela inclui medidas estatísticas como média, mediana,
moda, desvio padrão, variância, entre outras, e é usada para descrever
características de um conjunto de dados, como sua forma, dispersão e centralidade.
 A estatística tem a capacidade de sintetizar os dados;
 A amostragem é o ponto de partida (na prática) para todo um Estudo

Estatístico. É através da amostragem que obtemos os dados da medição
de determinada característica ou propriedade de um objeto, pessoa ou
coisa;
 População: é a coleção de todas as observações potenciais sobre

determinado fenômeno;
 Amostra: é o conjunto de dados efetivamente observados, ou extraídos;

 Cada observação individual ou item é denominada como unidade

elementar, que pode estar composta por um ou mais itens medidos,
propriedades, atributos, etc, denominados como variáveis.
 Variável é uma característica, propriedade ou atributo de uma unidade

da população, cujo valor pode variar entre as unidades da população.
Nominal
 Tipos de variável:
Qualitativa
Ordinal
Variável
Discreta
Quantitativa
Continua
 Exemplo: Para uma população de peças produzidos em um processo,

poderíamos ter:
 Agrupamento de dados e distribuição de frequências
 Quando vamos fazer um levantamento de uma população, um dos

passos é retirar uma amostra dessa população e obter dados relativos à
variável desejada nessa amostra;
 Cabe à Estatística sintetizar tais dados na forma de tabela e gráficos que

contenham, além dos valores das variáveis, o número de elementos
correspondentes a cada variável;
 A esse procedimento está associado o conceito de:
 Dados brutos: é o conjunto de dados numéricos obtidos que ainda não

foram organizados;
 Rol: é o arranjo dos dados brutos em ordem crescente (ou decrescente);
 Amplitude (H): é a diferença entre o maior e o menor dos valores

observados;
 Frequência absoluta (ni ): é o número de vezes que um elemento aparece

na amostra;
 n : número total de dados da amostra
 k : número de valores diferentes na amostra
 Frequência relativa (f i ):
 Frequência absoluta acumulada (Ni ): é a soma da frequência absoluta

do valor da variável i com todas as frequências absolutas anteriores;
 Frequência relativa acumulada (Fi)

 Exemplo: Os seguintes dados foram amostrados do números de negócios
efetuados diariamente por um operador financeiro:

 População: Número de negócios efetuados diariamente
 Dados brutos: {14, 12, 13, 11, 12, 13, 16, 14, 14, 15, 17, 14, 11, 13, 14, 15, 13,
12, 14, 13, 14, 13, 15, 16, 12, 12}
 Rol: {11, 11, 12, 12, 12, 12, 12, 13, 13, 13, 13, 13, 13, 14, 14, 14, 14, 14, 14,14,
15,15,15, 16,16, 17}
 Amplitude: 17 – 11 = 6
 n = 26 observações
 Exercício: A Gerência de Operação de Mina está buscando entender as
principais causas de perda de produção dos equipamentos de carga
(Escavadeiras Hidráulicas). Abaixo tem-se as principais paradas operacionais
destes equipamentos.
 EH-01 : Horas em operação no mês = 504 horas
 Paradas Operacionais EH-01: 32 horas = acerto de praça ; 12 horas =
aguardando caminhão ; 5 horas = troca de turno ; 2 horas = mal tempo;
 EH-02 : Horas em operação no mês = 330 horas
 EH-02: 21 horas = sem frente disponível; 4 horas = acerto de praça; 9 horas =
aguardando caminhão; 6 horas = mal tempo;
 Qual foi a principal causa de perda de produção da mina? Quais são os tipos
de variáveis? É possível determinar o numero total de observações? Qual a
amplitude ?
ID TEMPO (h) CAUSA
 DADOS BRUTOS: EH-01 32 ACERTO DE PRAÇA
EH-01 12 AGUARDANDO CAMINHAO
EH-01 5 TROCA DE TURNO
EH-01 2 MAL TEMPO
EH-02 21 SEM FRENTE DISPONÍVEL
EH-02 4 ACERTO DE PRAÇA
EH-02 9 AGUARDANDO CAMINHAO
EH-02 6 MAL TEMPO
CAUSA (VARIÁVEL TEMPO (h) (FREQUENCIA TEMPO (h) (FREQUENCIA TEMPO (h) (FREQUENCIA
ID (VARIÁVEL NOMINAL)
NOMINAL) ABSOLUTA) RELATIVA) RELATIVA ACUMULADA)
EH-01 ACERTO DE PRAÇA 32 35% 35%

EH-02 SEM FRENTE DISPONÍVEL 21 23% 58%
EH-01 AGUARDANDO CAMINHAO 12 13% 71%
EH-02 AGUARDANDO CAMINHAO 9 10% 81%
EH-02 MAL TEMPO 6 7% 88%
EH-01 TROCA DE TURNO 5 5% 93%
EH-02 ACERTO DE PRAÇA 4 4% 98%
EH-01 MAL TEMPO 2 2% 100%
TOTAL 91 1
Temos variáveis 2 nominais. Não é possível determinar o número total de observações,

nem a amplitude
PARADAS OPERACIONAIS: EQUIPAMENTOS DE CARGA
36
21 21
8
5
ACERTO DE PRAÇA AGUARDANDO CAMINHAO SEM FRENTE DISPONÍVEL MAL TEMPO TROCA DE TURNO
PARADAS OPERACIONAIS: FREQUENCIA ACUMULADA
100,0%
94,5%
85,7%
62,6%
39,6%
ACERTO DE PRAÇA AGUARDANDO CAMINHAO SEM FRENTE DISPONÍVEL MAL TEMPO TROCA DE TURNO
N ID do Furo Mineralizaçao de Au (m) 26 AFL-26 17,00
1 AFL-01 49,00 27 AFL-27 58,00
2 AFL-02 39,00 28 AFL-28 27,00
3 AFL-03 52,00 29 AFL-29 15,00
4 AFL-04 21,00 30 AFL-30 26,00
5 AFL-05 64,00 31 AFL-31 56,00
6 AFL-06 26,00 32 AFL-32 27,00
7 AFL-07 50,00 33 AFL-33 35,00
8 AFL-08 57,00 34 AFL-34 19,00
9 AFL-09 19,00 35 AFL-35 28,00
10 AFL-10 60,00 36 AFL-36 47,00
11 AFL-11 52,00 37 AFL-37 35,00
12 AFL-12 62,00 38 AFL-38 14,00
13 AFL-13 51,00 39 AFL-39 14,00
14 AFL-14 14,00 40 AFL-40 43,00
15 AFL-15 36,00 41 AFL-41 40,00
16 AFL-16 52,00 42 AFL-42 55,00
17 AFL-17 60,00 43 AFL-43 57,00
18 AFL-18 60,00 44 AFL-44 63,00
19 AFL-19 54,00 45 AFL-45 30,00
20 AFL-20 35,00 46 AFL-46 49,00
21 AFL-21 30,00 47 AFL-47 46,00
22 AFL-22 55,00 48 AFL-48 26,00
23 AFL-23 42,00 49 AFL-49 43,00
24 AFL-24 17,00
50 AFL-50 14,00
25 AFL-25 33,00
 Classes
 As classes são um artifício para condensar o número de elementos
diferentes de uma amostra. Imagine construir uma tabela para 200 valores
diferentes, nos moldes do problema anterior.
 Os principais pré-requisitos para uma boa definição de classes em um
conjunto de dados são:
 a) as classes devem abranger todas as observações;
 b) o extremo superior de uma classe é o extremo inferior da classe
subsequente (simbologia: | , intervalo fechado à esquerda e aberto à
direita);
 c) cada valor absoluto deve enquadrar-se em apenas uma classe;
 d) k <= 25, de modo geral, sendo k o número de classes;
 e) As unidades das classes devem ser as mesmas dos dados.
 Classes
 Cálculo de k (Formas de calcular) :
Obs.: N é o número de elementos diferentes da amostra e, muitas vezes, pode ser

considerado N = n (no. de observações).
Intervalo da classe (h): h = aproximadamente H/k
Ponto médio da classe (xi ) : Ponto médio entre o limite inferior e o limite superior de
cada classe.
 Exemplo: Utilizando os dados do exemplo anterior, temos:
 Medidas de Posição
 Mostram o valor representativo em torno do qual os dados tendem a
agrupar-se com maior ou menor frequência
 Exemplo:
 Os dados {11, 13, 15, 17, 19} apresenta a seguinte média (n=5, pois temos
cinco números) :
 • Se um aluno obteve as notas {7, 10, 6, 8} com pesos {1, 2, 2, 3}, qual será
a nota final do aluno:
 Propriedades:
 A soma dos desvios é sempre igual a zero
 A soma dos quadrados dos desvios das observações de uma série é

sempre um valor mínimo
 Exemplo: Qual a média do número de operações fechadas por dia:
 Média aritmética ponderada para dados agrupados em classes:
Exemplo: Calcule a média da tabela abaixo:
•Observe que o resultado apresentou uma pequena diferença do anterior (2,8% maior que
13,54 ). A precisão dos dados na tabela em classes diminuiu pouco em relação aos dados
originais.
Exercício: organizar em classes os dados
coletados de mineralização de Au
 Calcular o k ( quantidade de classes);

 Calcular o h (intervalo da classe);
 Compor a tabela em classes;
 Calcular a média através das classes;
Exercício: organizar em classes os dados
coletados de mineralização de Au
Valor Max 65,0
Valor Min 11,0
Média 39,48 m Dados brutos
Amplitude (H) 50 m
k 5,954 5,60 5,644 6

h 8,3 m
xi ni fi
Classe Limite Inf Limite Sup Valor Médio Freq Absoluta Freq. Relativa xi *ni xi *fi
1 14,0 22,3 18,2 10 20,0% 181,7 3,6
2 22,3 30,7 26,5 8 16,0% 212,0 4,2
3 30,7 39,0 34,8 6 12,0% 209,0 4,2
4 39,0 47,3 43,2 6 12,0% 259,0 5,2
5 47,3 55,7 51,5 10 20,0% 515,0 10,3
6 55,7 64,0 59,8 10 20,0% 598,3 12,0
soma 50 1975,0 39,50
X médio 39,50
Mediana: É o valor do meio de um conjunto de dados, quando os dados estão
dispostos em ordem crescente ou decrescente, ou seja, o Rol de Dados.
 Exemplo:
 Qual a mediana dos dados abaixo:
 Dados brutos: {14, 12, 13, 11, 12, 13, 16, 14, 14, 15, 17, 14, 11, 13, 14, 15, 13,
12, 14, 13, 14, 13, 15, 16, 12, 12}
 Rol: {11, 11, 12, 12, 12, 12, 12, 13, 13, 13, 13, 13, 13, 14, 14, 14, 14, 14, 14,14,
15,15,15, 16,16, 17}
 n = 26 observações (par)
 A mediana dos dados é 13,5.
Exemplo: Calcule a mediana da tabela abaixo:
A mediana estará na faixa de 13 a 15, pois temos no total 26 observações e mediana

encontra-se no meio (13º termo) (aqui não iremos calcular a média entre o 13º e o 14º -
Verique !).
Exemplo: Calcule a mediana da tabela abaixo:
Li é o limite inferior da classe onde está a mediana,

P é a posição da mediana no conjunto total dos dados (chamado de posto
da mediana),
fai é a freqüência acumulada até a classe anterior à classe onde está a
mediana,
h é a largura do intervalo de classe e fm é a freqüência da classe onde está
a mediana.
fm é a freqüência da classe onde está a mediana.
Mediana = 13 + (13 – 7) x 2/13 = 13,92

Exemplo: Moda ou classe modal (mo ):
• É o valor que representa a maior frequência em um conjunto de

observações individuais. Em alguns casos, pode haver mais de uma
moda.:
Classe modal
Para se calcular a moda,

basta obter o ponto
central do intervalo de
maior frequência
Moda =(13+15)/2 = 14
 Média:
• Sensível a valores extremos de um conjunto de observações
• Usa todos os dados disponíveis
 Mediana
• “Robusta” : Não sofre muito com a presença de alguns valores muito
altos ou muito baixos
• Não usa todos os dados disponíveis
 Moda
• Não é afetada por valores extremos
• Não usa todos os dados disponíveis
 Percentil: são medidas que dividem a amostra (por ordem crescente dos dados)
em 100 partes, cada uma com uma percentagem de dados aproximadamente
igual. O k-ésimo percentil Pk é o valor x (xk) que corresponde à frequência
cumulativa de N .k/100, onde N é o tamanho amostral.
 Percentil: De forma geral, o percentil de um conjunto de valores postos em

ordem crescente é um valor que contém p% das observações abaixo
dele.
Os percentis de ordem 25, 50 e 75 são chamados de quartis. Os decis são
os percentis de ordem 10, 20, ..., 90.
 Portanto:
• o 1º percentil determina o 1% menor dos dados;
• o 98º percentil determina os 98% menores dos dados.
 O 25º percentil é o primeiro quartil; o 50º percentil é a mediana. De igual forma, o
10º percentil é o primeiro decil e o 80º percentil é o oitavo decil.
 Exemplo:
 Calcular o percentil de ordem 50 (2º Quartil
 Exemplo:
 Calcular o percentil de ordem 50 (2º Quartil)
X n n Acumulado f f Acumulada
1,810 1,822 7 7 14,0% 14,0%

1,822 1,834 14 21 28,0% 42,0%
1,834 1,846 18 39 36,0% 78,0%
1,846 1,858 7 46 14,0% 92,0%
1,858 1,87 4 50 8,0% 100,0%
 Medidas de Dispersão ou Variabilidade
 As medidas de dispersão possuem a finalidade de verificar quanto os
valores da série estão distantes da média da série. O principal meio de
calcular a variabilidade é através da variância, que é calculada pela
fórmula abaixo:
Onde n é o número de observações, X a média e xi são os valores

individuais. Esta fórmula é valida para população. Para amostra deve-se
considerar n-1 ao invés de n.
 Exemplo:
 Os dados {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} apresentam qual média, variância e
desvio padrão ?
 A sequência apresenta n=10 números. A média é igual a soma dos valores
dividido pelo número de elementos. A variância é calculados na
sequência:
 Para calcular a variância quando os dados estiverem dispostos em classes
deve-se utilizar a seguinte fórmula:
 k é o número de classes, ni é a frequência absoluta, n o número de

observações e f i a frequência relativa;
 Quando extraímos a raiz quadrada da variância, obtemos o desvio

padrão (s).
 Uma observação importante é que a variância possui as unidades dos
dados individuais elevado ao quadrado, enquanto que o desvio padrão e
média possuem mesma unidade.
 Exemplo: Calcular a variância e desvio padrão dos dados abaixo:
Iremos realizar os cálculos na

forma de tabela, porque os
dados ficam mais
organizados e os cálculos
mais fáceis de serem
entendidos.
Variância = 0,00187
Desvio padrão = (0,00187)^0,5 = 0,43
CV = s/x x 100% = 0,43/1,84 = 2,4%
 Outra forma de expressar a dispersão dos dados é através do Coeficiente
de Variação (CV), que é dado pela fórmula:
 onde s é o desvio padrão, e x é a média.
 O Coeficiente de Variação dá uma indicação de quanto os dados estão

dispersos em torno da média. Quanto maior o valor de CV, maior a
dispersão.
 Exemplo:
 No exemplo de cálculo de variância e desvio padrão, obtivemos os
valores 8,25 e 2,87 respectivamente.
 A média tinha resultado em 5,5 O valor do Coeficiente de Variação será:
 Um valor de 52% indica que os dados estão muito dispersos com relação a
média.
 Por exemplo, os dados {5,1; 5,2; 5,3; 5,4; 5,5; 5,6; 5,7; 5,8; 5,9; 6,0}
apresentam média: 5,55; desvio-padrão: 0,29 e CV = 5% (Confira!)
 Covariância: Mede a correlação (dependência) linear entre duas
variáveis x e y. É calculada como:
 A covariância entre as mesmas variáveis, isto é, Cov(x, x) por exemplo, é

igual a própria variância Var(x) = s 2 .
 Os seguintes valores de covariância dão uma indicação se os valores são
independentes, ou possuem correlação positiva ou negativa.
 Cov(x, y) = 0 Variáveis independentes
 Cov(x, y) > 0 Correlação linear positiva
 Cov(x, y) < 0 Correlação linear negativa

 Na prática quando as variáveis são independentes o valor da covariância

resulta em um valor próximo de 0 (entre -3 a 3), mas não sendo estes
valores fixos e, portanto, é sempre recomendável considerar o gráfico das
variáveis x e y para uma avaliação conjunta.
 Exemplo: Calcular a covariância dos dados abaixo, e verifique se a
correlação é positiva ou negativa.
Cov = 209,4 – 12,8 x 17,2 = - 10,76
A covariância resultou em um valor

negativo, indicando uma correlação
linear negativa que podemos
confirmar pelo gráfico.

Aula 01

Enviado por

Dados do documento

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

Aula 01

Enviado por

Direitos autorais:

Formatos disponíveis

ENG256 – MÉTODOS DE ADM

 Estatística é a ciência dos dados, envolvendo o desenvolvimento de

 A estatística preditiva é uma área da estatística que utiliza modelos estatísticos e

 A estatística descritiva é usada para descrever e resumir dados, sem fazer

 A estatística tem a capacidade de sintetizar os dados;

 A amostragem é o ponto de partida (na prática) para todo um Estudo

 População: é a coleção de todas as observações potenciais sobre

 Amostra: é o conjunto de dados efetivamente observados, ou extraídos;

 Cada observação individual ou item é denominada como unidade

 Variável é uma característica, propriedade ou atributo de uma unidade

 Exemplo: Para uma população de peças produzidos em um processo,

 Agrupamento de dados e distribuição de frequências

 Quando vamos fazer um levantamento de uma população, um dos

 Cabe à Estatística sintetizar tais dados na forma de tabela e gráficos que

 A esse procedimento está associado o conceito de:

 Dados brutos: é o conjunto de dados numéricos obtidos que ainda não

 Rol: é o arranjo dos dados brutos em ordem crescente (ou decrescente);

 Amplitude (H): é a diferença entre o maior e o menor dos valores

 Frequência absoluta (ni ): é o número de vezes que um elemento aparece

 k : número de valores diferentes na amostra

 Frequência absoluta acumulada (Ni ): é a soma da frequência absoluta

 Frequência relativa acumulada (Fi)

EH-01 ACERTO DE PRAÇA 32 35% 35%

Temos variáveis 2 nominais. Não é possível determinar o número total de observações,

PARADAS OPERACIONAIS: FREQUENCIA ACUMULADA

Obs.: N é o número de elementos diferentes da amostra e, muitas vezes, pode ser

Intervalo da classe (h): h = aproximadamente H/k

 A soma dos desvios é sempre igual a zero

 A soma dos quadrados dos desvios das observações de uma série é

 Calcular o k ( quantidade de classes);

k 5,954 5,60 5,644 6

A mediana estará na faixa de 13 a 15, pois temos no total 26 observações e mediana

Li é o limite inferior da classe onde está a mediana,

Mediana = 13 + (13 – 7) x 2/13 = 13,92

• É o valor que representa a maior frequência em um conjunto de

Para se calcular a moda,

 Percentil: De forma geral, o percentil de um conjunto de valores postos em

1,810 1,822 7 7 14,0% 14,0%

Onde n é o número de observações, X a média e xi são os valores

 k é o número de classes, ni é a frequência absoluta, n o número de

 Quando extraímos a raiz quadrada da variância, obtemos o desvio

Iremos realizar os cálculos na

 onde s é o desvio padrão, e x é a média.

 O Coeficiente de Variação dá uma indicação de quanto os dados estão

 A covariância entre as mesmas variáveis, isto é, Cov(x, x) por exemplo, é

 Cov(x, y) = 0 Variáveis independentes

 Cov(x, y) > 0 Correlação linear positiva

 Cov(x, y) < 0 Correlação linear negativa

 Na prática quando as variáveis são independentes o valor da covariância

A covariância resultou em um valor

Você também pode gostar