Escolar Documentos
Profissional Documentos
Cultura Documentos
Slide #1
ESTATSTICA BSICA
Estatstica
de dados
Estatstica
Descritiva
Estatstica
Indutiva
Grficos;
Distr.
Frequncias;
Estatsticas
Tirar concluses
sobre
POPULAES,
com base nos
resultados
observados em
AMOSTRAS
Slide #2
I. ESTATSTICA DESCRITIVA
Estatstica Descritiva a parte da
Estatstica que descreve as amostras,
ou seja resume sua informao atravs de
tabelas, grficos e valores (estatsticas)
que informam aspectos da amostra, como
mnimo, mximo, centro, variao, etc.
Slide #3
I. ESTATSTICA DESCRITIVA
I. 1. Tipos de Variveis
Ao se fazer uma observao deve-se
anotar o que se v atravs de uma
notao
que
distinga
resultados
diferentes, diferena esta de interesse
para estudo.
Slide #4
I. ESTATSTICA DESCRITIVA
Os resultados podem ser:
- Atributos, classificveis
Ex.:
certo, errado
gosta, indiferente, no gosta
de SP, BA, RJ, ...
danificado, perfeito
jovem, meia idade, terceira idade
satisfeito, insatisfeito
treinado, no treinado
Slide #5
I. ESTATSTICA DESCRITIVA
- Caractersticas mensurveis
Ex.: tempo de espera
idade
tempo de atendimento
temperatura ambiente
peso
altura
salrio
custo
Slide #6
I. ESTATSTICA DESCRITIVA
Atributos so contados, obtendo-se
frequncias, das alternativas, na amostra.
Ex.:
aptas
-Em 10 documentos observou-se 25
erros
-De 5 clientes teve-se 8 reclamaes
Slide #7
-De 20 chamadas, 12 foram da Capital,
I. ESTATSTICA DESCRITIVA
Contagens so
variveis discretas,
valores inteiros.
Slide #8
I. ESTATSTICA DESCRITIVA
Caractersticas
mensurveis
so
medidas, de acordo com uma escala, e as
variveis so contnuas fisicamente, embora
sejam arredondadas na leitura.
Ex:
tempo em minutos
temperatura em C
peso em Kg
altura em m
custo em R$
Slide #9
I. ESTATSTICA DESCRITIVA
Quando os valores so medidas, pode-se
faz-lo com certo nmero de casas decimais,
funo da preciso necessria para boa
anlise.
Ex:
temperatura lida em
dcimos de C 25,7 C
I. ESTATSTICA DESCRITIVA
Usam-se, tambm, as expresses:
- Varivel qualitativa:
nveis (nomes) de um atributo.
Ex: 1 grau, 2 grau, 3 grau (de
instruo)
De SP, BA, RJ, ...
Slide #11
I. ESTATSTICA DESCRITIVA
- Varivel quantitativa:
- discreta: nveis de contagem de
ocorrncias de um atributo.
Ex: nmero de erros em cada
documento de uma amostra.
- contnua: nveis de medio de uma
caracterstica mensurvel.
tarefa
I. ESTATSTICA DESCRITIVA
I. 2. Tcnicas Grficas
A representao grfica da amostra
permite visualizao da distribuio dos
valores, vendo-se pontos de maior
concentrao,
faixa
de
ocorrncia,
assimetria, forma, etc.
Diz-se que:
um grfico diz mais que
Slide #13
I. ESTATSTICA DESCRITIVA
I. 2. Tcnicas Grficas
O grfico uma tcnica poderosa
para percepo da informao da
amostra.
A amostra uma parte de um todo
maior, o universo ou populao.
A amostra coletada ao acaso da
populao e o grfico da amostra deve
Slide #14
I. ESTATSTICA DESCRITIVA
Diagrama de Torta (Pie) ou Pizza ou
Setores Circulares
Grfico para visualizar distribuio de
variveis qualitativas.
Instru Freq
o
.
Bsica
30
60
Mdia
15
30
10
50
100
Superior
Total
Bsica
Superior
Mdia
Slide #15
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: INSTRUCAO.MTW
Graph > Pie Chart
Chart Table
Categories in: Instruo
Frequencies in: Freq.
Instruo
Slide #16
I. ESTATSTICA DESCRITIVA
O resultado obtido ser este:
Slide #17
I. ESTATSTICA DESCRITIVA
Diagrama de Barras (Bar Chart)
Usado para variveis qualitativas e
quantitativas discretas.
Erro
s
x
Docum
s.
f
%
p
11
22
16
32
13
26
14
50
10
0
Slide #18
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: ERROS.MTW
Graph > Chart
Y: %p
X: x
Annotation
Title: Diagrama de Barras para
Erros
OK
OK
Slide #19
I. ESTATSTICA DESCRITIVA
O resultado obtido ser este:
Slide #20
I. ESTATSTICA DESCRITIVA
Grfico de Pontos (Dotplot)
Usado para variveis discretas ou
contnuas.
Cada valor amostrado colocado
como um ponto (esfera) na posio do
valor e sobre outros pontos iguais
anteriores.
Slide #21
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 20TEMPOSATEND.MTW
Graph > Dotplot
Variables: Arred meio min
Minutos
Slide #22
I. ESTATSTICA DESCRITIVA
Ex: Tempos de atendimento arredondados
para meio minuto.
3,0 1,5 2,0 2,5 1,5 0,5 2,0 2,5 3,0 1,5
3,0 1,0 2,5 0,0 1,0 2,0 0,5 1,0 3,0 1,5
Slide #23
I. ESTATSTICA DESCRITIVA
Histograma
Usado para variveis contnuas.
Mesmo propsito do dotplot, porm
juntando valores em classes (intervalos) e
desenhando
barras
(retngulos)
contguas, devido varivel ser contnua.
Slide #24
I. ESTATSTICA DESCRITIVA
Ex: Tempos de atendimento
arredondados para meio minuto.
3,0 1,5 2,0 2,5 1,5 0,5 2,0 2,5 3,0 1,5
3,0 1,0 2,5 0,0 1,0 2,0 0,5 1,0 3,0 1,5
Slide #25
I. ESTATSTICA DESCRITIVA
Intervalo
Conta
g.
Freq
.
0
<0,75
|||
0,75
<1,75
||||| ||
||||| |
1,75
<2,75
pontos de corte
||||
2,75
<3,75
6
4
Slide #26
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 20TEMPOSATEND.MTW
Graph > Histogram
Graph 1: x : Arred meio min
Annotation
Title: Histograma de Meios Minutos
Arredondados
OK
(Continua no
prximo
slide!) Slide #27
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab (continuao)
Options
Type of Intervals
Cut Point
Definition of Intervals
Midpoint / cutpoint
positions:
Slide #28
I. ESTATSTICA DESCRITIVA
O resultado obtido ser este:
Slide #29
I. ESTATSTICA DESCRITIVA
As classes tm amplitude de 1
minuto, exceto a primeira porque x no
pode ser <0. Como os dados foram
obtidos arredondados de meio em meio
minuto, ento 1,0 , por exemplo,
corresponde a algum valor real 0,75 e
<1,25.
Slide #30
I. ESTATSTICA DESCRITIVA
Histograma
Se tomarmos os tempos de meio em meio
minuto completo (truncado em vez de
arredondado), teremos que 1,0 corresponder a
algum valor 1,00 e <1,50. Os mesmos tempos
de atendimento, truncados de 0,5 em 0,5 , so:
2,5 1,5 1,5 2,5 1,0 0,0 1,5 2,0 2,5 1,5
2,5 1,0 2,0 0,0 1,0 1,5 0,5 1,0 2,5 1,5
Slide #31
I. ESTATSTICA DESCRITIVA
Interval Freq
o
.
0 <1
1 <2
10
2 <3
3 <4
pontos de corte
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 20TEMPOSATEND.MTW
Graph > Histogram
Graph 1: x : Trunc meio min
Annotation
Title: Histograma de Meios Minutos
Truncados
OK
(Continua no
prximo
slide!) Slide #33
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab (continuao)
Options
Type of Intervals
Cut Point
Definition of Intervals
Midpoint / cutpoint
positions:
0 1 2 3 4
OK
OK
Slide #34
I. ESTATSTICA DESCRITIVA
O resultado obtido ser este:
Slide #35
I. ESTATSTICA DESCRITIVA
Boxplot
Usado para variveis contnuas, mas
com valores de estatsticas da amostra
colocados no grfico, o que o torna ao
mesmo tempo uma boa ferramenta de
visualizao e um resumo estatstico.
Slide #36
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 20TEMPOSATEND.MTW
Graph > Boxplot
Graph 1: y : Arred meio min
Item Display
For each
1
IQ Range Box
Graph
2
Outlier Symbol
Graph
3
Mean Symbol
Graph
Annotation
Title: Boxplot para Meios Minutos
Arredondados
Slide #37
OK
I. ESTATSTICA DESCRITIVA
Ex: Tempos de atendimento arredondados para
meio minuto e ordenados x(i):
0,0 0,5 0,5 1,0 1,0 1,0 1,5 1,5 1,5 1,5 2,0 2,0 2,0 2,5 2,5 2,5 3,0 3,0 3,0 3,0
Min
Q2=1,75
Q1=1,0
Q3=2,5
Q2= Mediana =X
Min = x(1)
Max =
x(20)
x 35,5
x Mdia
1,775
20
20
Max
21
2
Q1= 1 Quartil =
X 21
4
Q3= 3 Quartil =
X 21
3
4
Slide #38
I. ESTATSTICA DESCRITIVA
I. 3. Medidas de Posio ou Centro
So estatsticas, calculadas usando
os valores da varivel amostrada, que
indicam o centro da amostra.
Podem ser calculadas apenas para
variveis quantitativas (discretas ou
contnuas).
Slide #39
I. ESTATSTICA DESCRITIVA
H
usados:
medidores
de
centro
- mdia da amostra:
massa da
amostra
da
mais
centro
de
- moda da amostra:
frequente
na amostra.
valor
mais
Slide #40
I. ESTATSTICA DESCRITIVA
Mdia da Amostra x
x a mdia aritmtica simples dos valores
amostrados
x1 x2 ......... xn
x
n
com n = tamanho da amostra
Slide #41
I. ESTATSTICA DESCRITIVA
Mdia da Amostra x
Ex: 3,0 1,5 2,0 2,5 1,5
n=5
x1 + x2 + ...... + x5 = 10,5
10,5
x
2,1
5
Slide #42
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 5TEMPOS.MTW
Stat > Basic Statistics > Display Descriptive
Statistics
Variables: Tempo
Graphs
Graphical Summary
OK
OK
Ver Session e Descriptive Statistics Graph para
Slide #43
relatrio das estatsticas.
I. ESTATSTICA DESCRITIVA
O resultado obtido ser este:
Descriptive Statistics: Tempo
Variable
Mean
Median
TrMean
StDev
SE Mean
Tempo
2,100
2,000
2,100
0,652
0,292
Minimum
Maximum
Q1
Q3
1,500
3,000
1,500
2,750
Variable
Tempo
I. ESTATSTICA DESCRITIVA
Descriptive Statistics
Variable: Tempo
Anderson-Darling Normality Test
A-Squared:
P-Value:
1,50
1,75
2,00
2,25
2,50
2,75
3,00
Mean
StDev
Variance
Skewness
Kurtosis
N
Minimum
1st Quartile
Median
3rd Quartile
Maximum
0,289
0,454
2,10000
0,65192
0,425
0,541387
-1,48789
5
1,50000
1,50000
2,00000
2,75000
3,00000
2,0
2,5
3,0
2,90947
1,87333
3,00000
Slide #45
I. ESTATSTICA DESCRITIVA
Mdia da Amostra
Ex:
Erro
s
x
No.
Docs.
f
x.f
11
16
16
13
26
21
12
50
75
I. ESTATSTICA DESCRITIVA
n=50
x1 + x2 + ...... + x50 = 11x0+16x1+...+3x4=75
x= 75= 1,5 erros
50
Slide #47
I. ESTATSTICA DESCRITIVA
Mdia da Amostra
Ex:
Classe
de
Tempo
01
0,5
1,5
12
1,5
10
15,
0
23
2,5
17,
5
n=20
Slide #48
I. ESTATSTICA DESCRITIVA
~
Mediana da Amostra x
~
Mediana:
2
Ex: 3,0 1,5 2,0 2,5 1,5
Ordenada: 1,5n1,5
1 2,0
5 2,5
1 3,0
n5
~
Slide #49
I. ESTATSTICA DESCRITIVA
~
n6
~
n 1 7
3,5
2
2
1,75
2
2
Slide #50
I. ESTATSTICA DESCRITIVA
Moda da Amostra mo
mo o pico do grfico de barras (varivel
discreta) ou do histograma (varivel contnua) ou
do dotplot (qualquer varivel quantitativa). o
valor x de maior frequncia.
Ex: 3,0 1,5 2,0 2,5 1,5
Slide #51
I. ESTATSTICA DESCRITIVA
Desenvolvimento no Minitab
Carregar: 5TEMPOS.MTW
Graph > Dotplot
Variables: Tempo
Title: Dotplot para Tempo
OK
Slide #52
I. ESTATSTICA DESCRITIVA
Moda da Amostra mo
No til esta medida de centro para
amostras pequenas porque no se tem no
grfico pontos suficientes para se saber qual o
valor realmente mais provvel de ocorrer, que
o objetivo de se calcular a moda.
Slide #53
I. ESTATSTICA DESCRITIVA
Exerccio: Obter mediana e moda para nmero
de erros em documentos.
Erro
s
x
Docs
.
f
Freq.
Ac.
F
11
11
16
27
13
40
47
50
50
n 50
n 1 51
25,5
2
2
x 25 x 26 1 1
~
x
1
2
2
max f 16 para x 1
mo 1
Slide #54
I. ESTATSTICA DESCRITIVA
Como
amostra
tem
distribuio
a moda mo=1.
para
distribuies
assimtricas.
A mediana fica
I. ESTATSTICA DESCRITIVA
I. 4. Medidas de Disperso
Disperso ou variao quanto os
valores
so
distantes
entre
si
ou
Slide #56
I. ESTATSTICA DESCRITIVA
I. 4. Medidas de Disperso
Para avaliar a disperso tambm tem-se 3
medidores principais:
- amplitude da amostra: mximo menos
mnimo
-
varincia
da
amostra:
mdia
dos
I. ESTATSTICA DESCRITIVA
Amplitude da Amostra R(range)
Ex: 3,0 1,5 2,0 2,5 1,5
max = 3,0
min = 1,5
I. ESTATSTICA DESCRITIVA
Varincia da Amostra s2 e Desvio Padro
s
Valores x: 3,0 1,5 2,0 2,5 1,5 mdia
x=2,1
Desvios (x - x): 0,9
Quadrados (x 0,8
-x)2: 1
-0,6
0,3
6
0,3
6
0,0
1
0,1
6
2
2
2
...
x
21,70
n
Soma doss 2quadrados:
1
Varincia:
n 1
s 0,425 0,65 min
Desvio padro:
1,70
0,425 min 2
4
Slide #59
I. ESTATSTICA DESCRITIVA
Varincia da Amostra s2 e Desvio
Padro s
A mdia dos quadrados obtida dividindo-se a
soma por (n-1) porque prova-se matematicamente
que deste modo obtm-se melhor estimativa da
varincia da populao.
O desvio padro tem a mesma unidade de medida
do x e uma espcie de mdia do desvio em
relao ao centro x.
Slide #60
I. ESTATSTICA DESCRITIVA
Exerccio: Obter amplitude, varincia
e desvio padro para nmero de erros
em documentos
f.x (x-x) (x-x)2
Amplitude: R = 4 0
f.(x-x)2 = 4
Erro
s
x
Docs
.
f
11
-1,5
2,25
16
16
-0,5
0,25
4,00
13
26
0,5
0,25
3,25
21
1,5
2,25
15,75
12
2,5
6,25
50
75
24,75 Mdia:
75
1,5
50
s2
Varincia:
66,50
1,36
50 1
s 1,36 1,16
#61
I. ESTATSTICA DESCRITIVA
I. 5. Medidas de Assimetria e
Achatamento
(Curtose)
Simtrica
Assimtrica Positiva
Assimtrica Negativa
Slide #62
I. ESTATSTICA DESCRITIVA
I. 5. Medidas de Assimetria e
Achatamento (Curtose)
Mesocrtica
Leptocrtica
Curtose Positiva
Pontuda
Platicrtica
Curtose Negativa
Achatada
Slide #63
I. ESTATSTICA DESCRITIVA
Assimetria (Skewness) e Achatamento
(Curtose)
(x x)
n
a
3
(n 1)(n 2)
s
n(n 1)
c
(n 1)(n 2)(n 3)
4
(
x
x
)
s4
(n 1) 2
3
(n 2)(n 3)
Slide #64
I. ESTATSTICA DESCRITIVA
Assimetria (Skewness) e Achatamento
(Curtose)
x=2,1
3,0
1,5
2,0
2,5
1,5
(x-x)
0,9
-0,6
-0,1
0,4
-0,6
(xx)2
0,81
0,36
0,01
0,16
0,36
(xx)3
0,729
(xx)4
n=5
Soma=1,70
0,064
Soma=0,36
0,216 0,001
0,216
Slide #65
I. ESTATSTICA DESCRITIVA
Assimtrica (Skewness) e Achatamento
(Curtose)
1,70
2
s
0,425
4
5
0,36
a
0,54 0 alongada para a direita
3/ 2
4 3 (0,425)
5 6 0,9410
42
c
3
1,49 0 achatada
2
4 3 2 (0,425)
3 2
(Ver slide 45)
Slide #66
0,7 -1,2
1,7 - 2,2
2,7 - 3,2
3,7 - 4,2
4,7 - 5,2
5,7 - 6,2
Slide #67
6,7 - 7,2
Mdia =
Desvio Padro =
Slide #68
com
1
f x
. e
2
x
funo
densidade
1 x
-
de
Slide #69
Ponto de
Inflexo
+3
Slide #70
Desvio padro ()
Mdia ()
Slide #72
Slide #73
x0
z0
P z z0
Slide #74
Varincia
Desvio Padro
Coeficiente de
Assimetria
=0
Coeficiente de Curtose
=0
Slide #75
podemos
fazer
anlises
Neste caso
( 1) < ( 2)
-8
-6
-4
-2
Mdia (1)
Mdia (2)
Slide #77
Desvio padro ()
Neste caso
( 1) < ( 2)
Desvio padro ()
-8
-6
-4
-2
Mdia ()
Slide #78
Desvio padro ()
Neste caso
( 1) < ( 2)
Desvio padro ()
( 1) > ( 2)
-8
-6
-4
-2
Mdia (1)
Mdia (2)
Slide #79
reas/probabilidades
importantes
68,3%
95,4%
99,7%
99,994%
99,99994%
99,9999998%
Slide #80
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
3Probabilidade
2 1 0
-1
1 68,3%
10
11 12 13 14 15
Probabilidade
Acima LSE = 15,85%
Slide #81
LIE
-8
-7
Probabilidade
Abaixo LIE = 2,3%
-6
LSE
-5
-4
-3
-2
-1
2 95,4%
10
11
12 13
14
Probabilidade
Acima LSE = 2,3%
Slide #82
15
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
Probabilidade
Abaixo LIE = 1.500 ppm
-1
3 99,7%
Tolerncia = LSE - LIE
10
11 12 13 14 15
Probabilidade
Acima LSE = 1.500 ppm
Slide #83
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
Probabilidade
Abaixo LIE = 30 ppm
-1
4 99,994%
Tolerncia = LSE - LIE
10
11 12 13 14 15
Probabilidade
Acima LSE = 30 ppm
Slide #84
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
Probabilidade
Abaixo LIE = 300 ppb
-1
5 99,99994%
Tolerncia = LSE - LIE
10
11 12 13 14 15
Probabilidade
Acima LSE = 300 ppb
Slide #85
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
Probabilidade
Abaixo LIE = 1 ppb
-1
10
11 12 13 14 15
6 99,9999998
%
Probabilidade
Acima LSE = 1 ppb
Slide #86
Evoluo
de +/- 1
para +/- 6
LIE
-1 -1 -1 -1 -1 -1 -9 -8
5
LSE
-7 -6 -5 -4 -3 -2
-1
10
11 12 13 14 15
Probabilidade
Abaixo LIE
Probabilidade
Acima LSE
Slide #87
Slide #88
Mean
Median
TrMean
StDev
SE Mean
TempoCic
100
18,851
18,840
18,850
0,212
0,021
Variable
Minimum
Maximum
Q1
Q3
TempoCic
18,330
19,320
18,713
18,978
Slide #89
LIE
Probabilidade de
termos valores
abaixo da
especificao
17,5
18
Probabilidade de
termos valores
acima da
especificao
18,5
19
19,5
20
20,5
Mdia = 18,851
Slide #90
P( X <= x )
0,0489
Slide #91
Cumulative probability
Mean: 18,851
P( X <= x )
0,9989
P (X > x)
(1 0,9989) = 0,0011 (0,11%) Slide
#92
(Continua
no
Use unbiasing
constants
prximo Slide #93
(4,89%)
P(x > xsup) = 0,0011
(0,11%)
P(total) =
5,00%
4,89%
17,5
18
0,11%
18,5
19
19,5
20
Slide #95
20,5
17,5
18
18,5
19
19,5
20
Slide #97
20,5
Desenvolvimento no Minitab
Carregar: TEMPO DE CICLO.MTW
Stat > Basic Statistics > Normality Test
Variable: TempoCiclo
de
Probability
,95
,80
,50
,20
,05
,01
,001
18,3
18,8
TempoCiclo
Average: 18,8508
StDev: 0,211744
N: 100
Slide #99
Ciclo
positions:
OK
Options
Type of Intervals
MidPoint
Definition of Intervals
Midpoint / cutpoint
18,40 18,55 18,70 18,85
Slide #101
Slide #102
Slide #105
n k nk
P X k p .q
; k 0,1,...., n
k
n
n!
onde
k ! n k !
k
Slide #106
proporo de
cai fora da
,
calcular a
tempos ter-se
Slide #107
P( X <= x )
0,9885
Slide #108
= np
2 = npq
= npq
Slide #109
Slide #110
e .
P X k
, k 0,1,2,......
k!
k
Slide #112
P( X <= x )
0,9474
Slide #113
=
=
Slide #114
x
i 1
onde: x
x1 x2 ... xn
n
2
2 x
n
x
n
Slide #115
Distribuio da
Populao Normal X
-1
5
-1
4
-1
3
-1
2
-1
1
-1
0
-9
-8
-7
-6
-5
-4
-3
-2
-1
10 11 12 13 14 15
Slide #116
Distribuio de
Populao No Normal
s
2
x
x x
i 1
n 1
sx
xi x
i 1
n 1
/ n
Slide #120
x
t
s/ n
chamada
t deusa-se
Student.
Obs: No Minitab
z quando se tem o e t
quando s se
tem o s, para estimar o da
Slide #121
Normal.
Slide #122
ter-se
noo
do
erro
de
de
uma
estimativa
de
um
Slide #123
chamaremos
para
esse
intervalo
parmetro,
de
e
expresso:
P x z .
xz
s
s
P x t( n 1);
x t( n 1);
1
2 n
2 n
Test mean:
(deixar em
para IC s)
OK
One-Sample T: TempoCiclo
Variable
TempoCiclo
Mean
StDev
SE Mean
100
18,8508
0,2117
0,0212
95,0% CI
( 18,8088; 18,8928)
Slide #127
V. TESTES DE HIPTESES
IV. 1. Introduo
A mdia da amostra x o melhor
estimador da mdia populacional .
Se desejamos testar uma hiptese
referente ao verdadeiro valor da mdia
da populao, a varivel de teste mais
adequada ser x.
Slide #128
V. TESTES DE HIPTESES
Por exemplo, pode-se testar as
seguintes hipteses sobre uma mdia
populacional:
H0:0
H1:0
alternativa
Slide #129
As hipteses so complementares;
V. TESTES DE HIPTESES
x
n
Xi
Xs
Rejeita-se H0 e conclui-se H1 se x xi ou x
Slide #130
xs
V. TESTES DE HIPTESES
Se x, a varivel de teste, assumir um
valor muito diferente de 0, para menos
ou para mais, rejeitamos H0.
Valores crticos:
xi 0 z a .
2
n
xs 0 z a .
2
n
V. TESTES DE HIPTESES
Testar a hiptese H0:=19, contra H1:19,
para a mdia do Tempo de Ciclo, com
5% de significncia.
Stat > Basic Statistics > 1-Sample t
Variables: TempoCiclo
Test Mean: 19
Graphs
Histogram of data
OK
(Continua no
prximo Slide #132
V. TESTES DE HIPTESES
Options
Confidence level:95,0
(manter)
Alternative: not equal
(manter)
OK
OK
Slide #133
V. TESTES DE HIPTESES
One-Sample T: TempoCiclo
Test of mu = 19 vs mu not = 19
Variable
TempoCiclo
Variable
TempoCiclo
Mean
StDev
SE Mean
100
18,8508
0,2117
0,0212
95,0% CI
( 18,8088; 18,8928)
-7,05
0,000
Slide #134
V. TESTES DE HIPTESES
Histogram of TempoCiclo
(with Ho and 95% t-confidence interval for the mean)
Frequency
20
10
[
18,3
18,4
18,5
18,6
18,7
18,8
_
X
]
18,9
Ho
19,0
19,1
19,2
19,3
TempoCiclo
Slide #135
examinar
de
Estatstica,
importantes
envolvendo
inicialmente
duas
Slide #136
estas
variveis,
para
varivel
Slide #137
Teremos
ento,
n=10
pares
de
plotados
em
um
diagrama
de
disperso (scatterplot)
Slide #138
Altura (m)
Peso
(kg)
1,74
73
1,61
66
1,70
64
1,80
94
1,82
79
1,64
72
1,56
62
1,68
64
1,76
90
Slide #139
Altura (m)
Annotation
Title: Diagrama de Disperso
Peso x Altura
de
OK
Slide #140
Peso(kg)
85
80
75
70
65
60
1,6
1,7
1,8
Altura(m)
Slide #141
as
duas
variveis
se
correlacionam,
ou seja,
qual a tendncia de variao conjunta
Slide #142
No existe correlao
Slide #145
Slide #147
R-Sq = 59,5 %
R-Sq(adj) = 54,4 %
Analysis of Variance
Source
DF
SS
MS
Regression
678,34
678,335
11,7419
0,009
Error
462,16
57,771
Total
1140,50
Slide #148
R2 o coeficiente de explicao.
Slide #149
R-Sq = 59,5 %
R-Sq(adj) = 54,4 %
Peso(kg)
90
80
70
60
1,6
1,7
1,8
Altura(m)
Slide #150