Porteflio de MACS

1 Perodo

2 Perodo

2 Perodo

1 Perodo

Correo da Ficha de Avaliao 5 de Dezembro

1.1.

32298+17507+15138+1337+1169+629=68078 votos vlidos

148771 68078=80698

1.2. Divisores 1 2 3 4 5 6 PS 32298 16149 10766 8074,5 6459,6 5385 PSD/CDS 17507 8753,5 5835,5 4376,8 PCP 15138 7569 5046 BE 1337 PCTP 1169 MPT 629

R: PS: 6 mandatos 1 / 3 / 5 / 9 / 11 PSD: 3 mandatos 2 / 6 / 10 PCP: 2 mandatos 4 / 8 BE/PCTP/MPT: 0 mandatos

2.a) 1590+3706+9704=15000

b) DP=200 / DM=205 Cidade Populao Quota Padro Quota Superior Q. Mod. Q. Mod. Sup.

Alfa Beta Gama

1590 3706 9704 15000

7,95 18,53 48,52

8 19 49 76>75

7,76 18,08 47,34

8 19 48 75

R: A comisso ficar com 8 elementos da cidade Alfa, 19 da cidade Beta e 48 da cidade Gama.

3.a) DP=8,5 / DM= 8,4

Ciclo 1 2 3

N de alunos 234 325 546 1105

Q. Padro 27,53 38,24 64,24

Q.Inferior 27 38 64 129

Q. Modificada 27,86 38,69 65

Q. Mod. Inf. 27 38 65 130

R: O 1 ciclo ficar com 27 calculadoras; O 2 ciclo com 38 e o 3 ciclo com 65 calculadoras.

3.b) Ciclo 1 2 3 Q. Padro 27,53 38,24 64,24 Q. Arredondada 28 38 64

R: O 1 ciclo ficar com 28 calculadoras, o 2 ciclo com 38 e o 3 ciclo com 64 calculadoras.

4. Grupos Prof. Inv. Est. Lic. ADM AUX. EM N Elem. 171 55 1720 120 156 210 2432 Q.P 1,76 0,56 17,68 1,23 1,6 2,16 Q.I 1 0 17 1 1 2 22 Ordem 1 4 2 5 3 6 Comp. Atrib. 1 0 1 0 1 0 Dist. 2 0 18 1 2 2

R: Os grupos que mantiveram o nmero de computadores foram: os professores e os administradores. Os que aumentaram o nmero de computadores foram: os estudantes de licenciatura e os auxiliares. Os estudantes de mestrado passaram a ter 2 computadores e os investigadores perderam um computador, o que vem dar razo ao presidente.

5.1. Adriana T2 Alexandre T3 Ana T1

5.2. (B); (D) 5.3. Adriana T3 Alexandre T1 Ana T2

A Adriana e o Alexandre ficam ambos com uma das suas escolhas e a Ana como divisora com o que resta.

6.1. Francisco Sendo que o ltimo a diminuir. 6.2. Ana Sendo que a primeira a jogar e ningum diminuiu. 6.3. Ana Sendo que ningum diminui. 6.4. Beatriz, sendo que passou a ser a primeira a jogar, pois a Ana saiu de jogo, e ningum diminuiu. 6.5. Elvira, sendo que a ultima a diminuir. 6.6. Beatriz, pois na parcela anterior a Elvira diminuiu. 6.7. Beatriz, sendo que ningum diminui. 6.8. Catarino, pois a Ana e a Beatriz j saram. 6.9. Gaspar, sendo que o nico a diminuir. 6.10. A 6 e 7 parcela sero novamente unidas e usando o mtodo do divisorseleccionador, repartidas pelo Catarino e pelo Daniel.

7. Em primeiro lugar escolhem aleatoriamente o selecionador; De seguida os dois restantes como divisores escolhem um deles para cortar a pizza em duas partes que considere iguais. O outro divisor escolhe uma das partes, deixando o outro com a restante. E ambos dividem a sua parte em 3 partes iguais. O selecionador escolhe agora uma parte das de cada 3 partes de ambos. Ficando cada um com da pizza.

Correo da Ficha de Avaliao 6 de Fevereiro

1.1.

1.2.

25%, porque representa

do grfico.

1.3.

2.1.

Os aulos das turmas de MACS do 10 ano da Escola Secundria de Seia.

2.2.

Nmero de irmos / Varivel quantitativa discreta

2.3.

Nmero de irmos 1 2 3 4 5 2.3.1.

fi 24 45 33 9 6 117

Fi 24 69 102 111 117

fri 0,21 0,38 0,28 0,08 0,05 2.3.2. 2.3.3. 38% 87%

2.4.

Moda

2.5.

2.6.

Q1 2 ; Q2 2 ; Q3 3

3.1. Gasolina (em l) fi [0,5[ [5,10[ [10,15[ [15,20[ [20,25[ [25,30[ [30,35[ 10 12 80 89 82 93 25 391 Fi 10 22 102 191 273 366 391 fri (%) 2,56 3,07 20,46 22,76 20,97 23,79 6,39 100 Fri (%) 2,56 5,63 26,12 48,88 69,85 93,64 100

3.2.

3.3. [25,30[

3.4. [20,25[ 3.5. Q1 [10,15[ ; Q3 [25,30 [

3.6. No caderno (lio 59)

1.

Mtodos de apoio deciso

Captulo 1
Teoria matemtica das eleies

Captulo 2
Teoria da partilha equilibrada

2.

Estatstica

Captulo 1
Estatstica

Captulo 1

Correo da Questo de Aula 30 de Janeiro

1.1. fri

0,23 0,27 0,2 0,1 0,07

1.2. Das pessoas inquiridas, sete dormem entre 6 horas e meia e 7 horas.

1.3. 4+7+8+6=25 pessoas

1.4. 26,67+20 46,7%

1.5. Na resoluo e no caderno (lio 59)

Captulo 1 Estatstica

1.1.

Introduo

O que a Estatstica?

De um modo geral, podemos considerar que a estatstica uma cincia que estuda uma ou vrias caractersticas ou propriedades de uma populao tendo por base a recolha, classificao, apresentao e interpretao dos dados sobre o fenmeno em estudo.

Definies:

Populao ou universo estatstico um conjunto de elementos que podem

ser pessoas, animais, resultados experimentais, etc., com pelo menos uma caracterstica comum, que se pretende analisar. Varivel ou carcter estatstico uma caracterstica ou propriedade da

populao em estudo qual se possa atribuir um nmero ou uma categoria. Unidade estatstica cada um dos elementos da populao.

populao.

Efetivo ou dimenso da populao o nmero de elementos da

Amostra um subconjunto finito da populao.

Um censo um estudo estatstico que incide sobre todos os

elementos de uma populao. (Total da populao) Uma sondagem um estudo estatstico em que se utiliza apenas uma

amostra da populao. (Amostra da populao)

As variveis ou caracteres estatsticos a estudar numa populao podem ser:

Qualitativas so atributos que, por se relacionarem com qualidades, no se podem traduzir numericamente. Por exemplo, a cor dos olhos, a profisso, o sexo e a nacionalidade. Quantitativas so atributos que se podem traduzir numericamente, quer atravs de uma contagem, que atravs de uma medio. Por exemplo, a durao de um tema musical, a distncia de casa escola e o nmero de irmos. Dentro das variveis quantitativas podemos tambm distinguir: Discretas a varivel s toma valores isolados. Por exemplo, o nmero de irmos e o nmero de mensagens recebidas por hora. Contnuas a varivel toma qualquer valor de um dado intervalo. Por exemplo, a altura e a temperatura.

1.2. Interpretao de tabelas e grficos

(Consultar exerccios da pgina 90 96)

1.3. Planeamento e aquisio de dados

Podemos afirmar que uma anlise estatstica, geralmente, envolve duas fases fundamentais e com objetivos distintos:

Estatstica Descritiva (envolve mtodos de recolha, classificao e reduo dos dados, procurando descrever as caractersticas principais de uma amostra.

Estatstica Indutiva (tem por finalidade inferir, para uma populao, as propriedades verificadas na amostra).

Exemplo:

Uma fbrica de fsforos pretende fazer um controlo de qualidade do seu produto. Como deve proceder? As hipteses so:

(A) Exprimentar todos os fsforos produzidos. (B) Testar apenas uma percentagem dos fsforos produzidos. (C) No se podem testar porque se inutiliza o produto.

Obviamente, se testssemos todos os elementos da populao ficvamos sem fsforos... Por isso, testamos apenas uma percentagem (amostra) do nmero de fsforos produzidos.

1.4. Aplicao e concretizao dos processos referidos

1. fase Identificao do objeto do estudo estatstico. 2. fase Recolha de dados. 3. fase Organizao e apresentao de dados. 4. fase Anlise e interpretao de resultados.

Exemplo (pg.99):

O grupo de professores [] pretende abrir um ncleo de desporto escolar, que ter associada uma modalidade. Como devem proceder?

1. fase: Objetivo: saber as preferncias desportivas dos alunos da escola. Assim, o estudo dever incidir sobre toda a populao (alunos da escola). 2. fase: Realizao de um inqurito a todos os alunos da escola. 3. fase: Suponhamos que, depois de realizada a contagem de todos os inquritos, se verificou que 325 alunos preferiam futebol, 520 basquetebol, 132 andebol e 233 voleibol. Podemos ento construir a seguinte tabela:

Modalidade Futebol Basquetebol Andebol Voleibol

Nmero de alunos 32 20 132 233

4. fase: De acordo com os resultados obtidos, o ncleo de desporto escolar basquetebol.

1.5. Classificao de dados e construo de tabelas de frequncia

Frequncia absoluta (fi) o nmero de vezes que cada elemento da varivel em estudo ocorre.

Frequncia relativa (fri) o quociente entre cada valor da frequncia absoluta e o total. Frequncia absoluta acumulada (Fi) de um valor da varivel a soma das frequncias absolutas simples correspondentes aos valores inferiores ou iguais ao valor da varivel dado.

Frequncia relativa acumulada (Fri) de um valor da varivel a soma das frequncias relativas simples correspondentes aos valores inferiores ou iguais ao valor da varivel dado.

Exemplo (pg.100):

A tabela abaixo refere-se ao nmero de dias de frias no perodo de Vero dos trabalhadores de uma dada empresa. Podemos estar interessados em responder s seguintes questes: Qual o nmero de trabalhadores que tm menos de 15 dias de frias? Qual a percentagem de trabalhadores com um nmero inferior ou igual a 21 dias de frias? Qual a percentagem de trabalhadores com mais de 21 dias de frias?

Nmero de dias 10 12 13 15 17 21 22 30

Nmero de pessoas 5 3 8 9 6 10 8 1

Ento:

Nmero de dias 10 12 13 15 17 21 22 30

fi 5 3 8 9 6 10 8 1 50

Fi 5 8 16 25 31 41 49 50

fri (%) 10 6 16 18 12 20 16 2 100

Fri (%) 10 16 32 50 62 82 98 100

Assim, podemos mais facilmente responder s questes anteriormente formuladas: 16 trabalhadores tm menos de 15 dias de frias. 82% dos trabalhadores tm 21 dias de frias ou menos. 18% (100%-82%) dos trabalhadores tm mais de 21 dias de frias.

1.6.

Representaes grficas adequadas para cada um

dos tipos de dados considerados

Antes

de

passarmos

representaes

grficas,

vejamos

um

processo

de

representao de dados que se pode situar entre uma tabela e um grfico pois so apresentados todos os valores da varivel, mas dispostos de uma forma que se assemelha a um histograma diagrama de caule-e-folhas. Este diagrama utiliza-se para variveis quantitativas. Para a construo deste diagrama devem seguir-se os seguintes passos:

1 passo: Traa-se uma linha vertical e regista-se do lado esquerdo o dgito (ou dgitos) da ordem de maior grandeza. 2 passo: Regista-se, do lado direito da linha, o dgito do valor da varivel em estudo, correspondente s unidades (podem ou no aparecer por ordem crescente). Este tipo de representao permite salientar determinados aspetos em relao aos dados: simetria/assimetria, existncia de lacunas entre os dados, disperso/concentrao e existncia de valores muito diferentes.

Exemplo 1 (p.104):

Os resultados de um teste de Matemtica, na escala de 0 a 100, de um grupo de alunos do 10. Ano foram os seguintes: 15 81 30 81 45 52 72 83 47 60 70 90 65 62 47 75 68 80 100 23 53 85 50 62 78 50 54

O diagrama de caule-e-folhas respetivo o seguinte:

1 2 3 4 5 6 7 8 9 10

5 3 0 577 00234 02258 0258 01135 0 0

1.6.1 Grficos circulares

Deve ter em ateno que este tipo de grficos, construdos, de um modo geral, para dados qualitativos: Tem de ter a legenda e a percentagem (ou frequncia absoluta) de cada sector; Tem a rea de cada sector proporcional frequncia; Deve ter um ttulo. No deve ser usado quando a varivel pode assumir muitas modalidades diferentes.

(Exemplo pgina 106)

1.6.2 Pictogramas

So grficos onde se utilizam figuras ou smbolos alusivos varivel em estudo. Deve ter em conta que no grfico: Tem de existir a legenda, ou seja, deve estar explcito o significado de cada smbolo; O smbolo deve estar relacionado com a caracterstica em estudo; O nmero de smbolos proporcional frequncia; Os smbolos podem ser desenhados em linhas ou em colunas; Os smbolos devem poder dividir-se em segundos eixos de simetria.

(Exemplo pgina 107)

1.6.3 Grficos de barras

So grficos formados por um conjunto de barras em que a altura proporcional s frequncias (absolutas ou relativas) de cada uma das categorias ou valores assumidos pelos dados. Num dos eixos marcam-se as frequncias e no outro os valores da varivel. As barras devem ficar igualmente distanciadas umas das outras. Uma das vantagens deste tipo de grfico a sua fcil construo.

(Exemplo pgina 108)

1.6.4 Grficos de linhas

Um grfico de linhas utilizado para representar informao que varia ao longo do tempo. Estes grficos so importantes para analisar a evoluo de uma mesma varivel para distribuies diferentes ou ento variveis diferentes mas para as mesmas unidades estatsticas.

(Exemplo pgina 109)

1.6.5 Histogramas

So grficos formados por um conjunto de retngulos adjacentes tendo por base o intervalo da classe e uma rea proporcional s respetivas frequncias (absolutas ou relativas).

Estes grficos utilizam-se sempre que os dados esto agrupados em classes, na forma de intervalos, devendo ter-se em conta que: No eixo horizontal representam-se os intervalos das classes; No eixo vertical representam-se as frequncias; A rea de cada uma das barras proporcional respetiva frequncia de cada classe; As barras esto coladas, isto , ao contrrio do grfico de barras, no histograma as barras no esto separadas.

(Exemplo pgina 110)

1.6.6 Polgonos de frequncias

Um polgono de frequncias resulta da unio sucessiva dos pontos mdios das bases superiores dos diferentes retngulos de um histograma atravs de segmentos de reta. Podemos construir um polgono de frequncias sem recorrer ao histograma. Para isso basta calcular a marca de cada classe e a cada uma delas fazer corresponder a respetiva frequncia da classe, obtendo pontos que se unem por segmentos de reta.

(Exemplos pgina 112)

1.7 Clculo de estatsticas

Medidas

Localizao: Mdia Moda Mediana Quantis (Quartis e percentis) Mnimo Mximo

Disperso: Amplitude Amplitude interquartil Desvio de padro

1.7.1 Medidas de localizao

Mdia
Para um conjunto de dados, definimos a mdia da seguinte forma: A mdia ( ) o quociente da soma de todos os dados pelo nmero dos dados, ou seja:

Onde representamos por x1, x2, , xn os dados (valores da varivel) recolhidos e n o nmero total de dados.

Moda
Esta medida de localizao de clculo bastante simples. Moda (Mo) o valor da varivel ao qual corresponde uma maior frequncia (absoluta ou relativa). Bimodal Dois valores com a maior frequncia. Amodal Quando os valores da varivel tm todos a mesma frequncia. Plurimodal No caso de existirem vrios valores com a frequncia mais alta. Caso os dados estejam agrupados em classes, no calcularemos um valor exato para a moda. Contudo, indicaremos a classe modal e determinaremos graficamente um valor aproximado para esta medida. Classe modal a classe qual corresponde a maior frequncia.

Mediana

A mediana (

) o valor que divide o conjunto de dados (ordenados por ordem crescente

ou decrescente) em duas partes com o mesmo nmero de observaes. centrais. Se o nmero de dados mpar, a mediana o valor central. Se o nmero de dados par, a mediana a mdia aritmtica dos valores

Com valores muito grandes:

Se o nmero de dados n impar, a ordem k da mediana dada por

Se o nmero de dados n par, a mediana a mdia dos valores de ordens

Classe mediana a classe qual pertence a mediana. E para a

determinarmos procuramos a classe a que pertence o valor de ordem

Quartis

Os quartis dividem a distribuio em quarto partes iguais, de modo que cada uma das partes contenha o mesmo nmero de observaes.

O 1 quartil (Q1) o valor que divide a amostra (depois de organizados os dados por ordem crescente) em duas partes, de tal modo que 25% das observaes sejam inferiores ou iguais a esse valor. O 2 Quartil (Q2/Mediana) o valor que divide a amostra (depois de organizados os dados por ordem crescente) em duas partes, de tal modo que 50% das observaes sejam inferiores ou iguais a esse valor. O 3 Quartil (Q3) o valor que divide a amostra (ordenada por ordem crescente) em duas partes, de tal modo que 75% das observaes sejam inferiores ou iguais a esse valor.

Diagrama de extremos e quartis

Constri-se tendo em conta os seguintes passos: 1 passo: Desenhamos uma linha vertical, ou horizontal, onde se marcam alguns valores, nomeadamente os extremos e os quartis. 2 passo: Construmos dos retngulos contguos; o primeiro entre o 1 quartil e a mediana, e o segundo entre esta e o 3 quartil. 3 passo: Construmos um segmento de reta entre o extremo inferior (mnimo) e o 1 quartil, e outro segmento de reta entre o 3 quartil e o extremo superior (mximo).

Os trs diagramas abaixo mostram como um diagrama de extremos e quartis nos pode informar quanto ao enviesamento de uma distribuio: de Q2. de Q2. Enviesamento para a direita: Os dados esto mais concentrados esquerda Dados simtricos: Os dados esto distribudos de forma simtrica. Enviesamento para a esquerda: Os dados esto mais concentrados direita

Percentis

Os percentis dividem uma amostra ordenada em cem partes iguais. O p-simo percentil tem no mnio p% dos valores da amostra iguais ou inferiores a ele.

Medidas de disperso

As medidas de disperso descrevem a disperso/concentrao dos dados da amostra em torno dos valores centrais.

Amplitude

A amplitude (h) a diferena entre o valor mximo e o valor mnimo da varivel, ou seja:

h=x mx.- x min.

Amplitude interquartil

A amplitude interquartil (Aq) a diferena entre o 3 quartil e o 1 quartil, ou seja: Aq=Q3-Q1

Se o valor de Aq for grande, a disperso entre os valores centrais grande. Se o valor de Aq for pequeno, a disperso pequena.

Desvio padro

O desvio padro (s) a raiz quadrada da mdia dos quadrados dos desvios das observaes em relao media, ou seja:

Dados discretos, agrupados (em tabela):

Para calcular o desvio padro, vamos seguir os seguintes passos:

1 passo: Calcular o valor mdio ou a mdia. 2 passo: calcular os desvios xi.

3 passo: Calcular os quadrados dos desvios (xi4 passo: Multiplicar o valor anterior pela frequncia de cada valor da varivel. 5 passo: Calcular a mdia desses valores.

(Exemplo pgina 133)

1.8

Introduo

grfica

anlise

de

dados

bivariados

As

chamadas

distribuies

bidimensionais

(que

nos

permitem

analisar,

simultaneamente, duas variveis de uma mesma populao), iro permitir-nos averiguar se as duas variveis esto ou no relacionadas linearmente e, em caso afirmativo, de que forma se influenciam mutuamente. No primeiro caso recorre-se a uma representao grfica, que se designa por diagrama de disperso, e no segundo caso utiliza-se uma tabela de dupla entrada, que se designa por tabela de contingncia.

(Exemplo pgina 138)

Grfico de correlao ou diagrama de disperso um grfico de pontos em que as coordenadas de cada ponto so os valores das duas variveis em estudo.

A correlao diz-se linear se a nuvem de pontos de distribuir ao longo de uma linha reta, a reta de regresso. Correlao linear positiva: medida que uma varivel aumenta os

valores correspondentes da outra varivel tambm aumentam. Correlao linear negativa: medida que uma varivel aumenta os

valores correspondentes da outra varivel diminuem.

1.9 Modelos de regresso linear

1.9.1 Reta de regresso

Chama-se reta de regresso reta que melhor se ajusta aos pontos de um grfico de correlao. (Exemplo pgina 144) Chama-se centro de gravidade da nuvem de pontos, e representa-se por C ( x, y), ao ponto cujas coordenadas so as mdias das distribuies em anlise.

1.10 Coeficiente de correlao

-1<x<1

(Consultar pgina 150)

1.11 Tabelas de contingncia

Tabela

de

contingncia

um

processo

de

organizao

de

informao

correspondente a dados qualitativos bivariados ou quantitativos organizados em classes. (Exemplo pgina 152)