Estatistica Aula 2

Ciclo Profissional Unidade Curricular: Estatística
1º semestre/2009 - Aula 2
Unidade Curricular:
Estatística Aplicada
Aula 16/04
1
Agenda
1. Recapitulação da Aula passada

2. Pensamento Crítico
3. Planejamento de Experimentos
4. Estatística Descritiva (cont.):
1. Resumos e Gráficos de Dados (cont.)
2. Estatísticas para Descrição, Exploração e Comparação de
Dados
2
1.1 - Visão Geral

Definições
1. Dados: são observações coletadas (por exemplo, medidas, respostas de
sondagens)
2. Estatística: conjunto de métodos para o planejamento de estudos e
experimentos, obtenção de dados e conseqüentemente organização, resumo,
apresentação, análise, interpretação e elaboração de conclusões baseadas nos
dados.
3. Uma população é a coleção completa de todos os elementos (pessoas,
notas, medidas e outros) a serem estudados.
4. Amostra: é um subconjunto de uma população.
5. Parâmetro: é uma medida numérica que descreve alguma característica de
uma população.
6. Estatística: é uma medida numérica que descreve alguma característica de
uma amostra.
3
1.2 Tipos de Dados

Tipos de dados
Definições
1. Dados Quantitativos: consistem em números que representam contagens
ou medidas.
2. Dados Qualitativos (ou categóricos ou de atributos): podem ser
separados em diferentes categorias que se distinguem por alguma
característica numérica.
3. Dados Discretos: número de valores possível é um número finito ou uma
quantidade enumerável (passíveis de contagem: 0, 1, 2, 3).
4. Dados Contínuos: infinitos valores possíveis, cobrindo um intervalo sem
vazios, interrupções ou saltos.
4
1.2 Tipos de Dados

Níveis de Mensuração
Nível Resumo Exemplo
Nominal Apenas categorias. Os dados não Cidades dos estudantes

podem ser usados em um esquema de 35 Paulistanos
ordem. 5 Santistas
3 Campineiros
2 Joseenses
} “Rótulos”, apenas
Ordinal As categorias são ordenadas mas as Conceitos dos 3668 cursos avaliados
diferenças não podem ser no Provão (2001) Ordem
encontradas A: 14,3%
B: 13,3%
C: 40,9%
} estabelecida:
A, B, C
Intervalar As diferenças são significativas, mas Temperaturas em Diadema 0oC não significa
não existe ponto inicial ou zero 15ºC “nenhum calor; 30oC
natural e as razões não tem sentido. 22ºC
30ºC } não é 2x + quente
que 15oC
Razão Há um ponto inicial zero natural e as Distância que um aluno percorre
razões são significativas entre sua casa e a escola:
5 km 10 km é 2x + distante
10 km
22 km
} que 5 km
5
1.3 Estatística Descritiva

Técnicas da Estatística Descritiva:
Baseadas em visualizações gráficas de um conjunto de dados
Baseadas em cálculos numéricos de um conjunto de dados
Notações:
n = tamanho da amostra
xi = i-ésima observação de uma dada variável “x”
1) Gráfico de pontos:
Sejam as temperaturas (oC) de uma Cidade A medidas às 12:00 h (horário local):
T = 30; 25; 32; 34; 31; 29; 28; 30; 32; 34; 34; 32; 30; 26; 43
Um ponto “afastado” da
tendência dos dados
20 25 30 35 40 “outlier”
Temperatura (oC)
6

2) Diagrama de Caule e folha:
É uma forma simples de visulazação gráfica do comportamento de um conjunto
de dados (os dados devem apresentar, no mínimo, dois dígitos)
Seja o conjunto do número multas de trânsito notificadas em uma certa via da

Cidade de Diadema, observadas durante 16 dias:
Dados observados:
10; 15; 22; 9; 15; 16; 9; 24; 11; 20; 22; 25; 40; 28; 30; 31 Dados brutos
Vamos organizá-los: (ordená-los em ordem crescente, por exemplo)
9; 9; 10; 11; 15; 15; 16; 20; 22; 22; 24; 25; 28; 30; 31; 40 Rol
0 9 9
Diagrama de Caule e Folha 1 0 1 5 5 6
2 0 2 2 4 5 8
3 0 1
Casa das dezenas 4 0 Casa das unidades
“CAULE” “FOLHA” 7

3) Histograma: “Para variáveis discretas”
Seja o conjunto do número de defeitos em um dado produto
Consideremos a seguinte amostra de 40 observações:
Tabela de freqüências
Valor de x f (x) fr (x)
0 2 0.050
1 2 0.050
2 5 0.125
0,2
3 6 0.150
4 8 0.200
Freqüência relativa
5 6 0.150
6 5 0.125
0,1 7 3 0.075
8 2 0.050
9 1 0.025
0 2 4 6 8 10
Número de defeitos
8

3) Histograma: “Para variáveis discretas” Tabela de freqüências
Valor de x f (x) fr (x) Fac Frac
0 2 0.050 2 0,050
1 2 0.050 4 0,100
2 5 0.125 9 0,225
F req ü ên cia R elativa A cu m u lad a
3 6 0.150 15 0,375
1
4 8 0.200 23 0,575
0.8
5 6 0.150 29 0,725
(F rac)
0.6
6 5 0.125 34 0,850
0.4 7 3 0.075 37 0,925
0.2 8 2 0.050 39 0,975
0 9 1 0.025 40 1,000
0 2 4 6 8 10
Valor da variável x
9

3) Histograma: “Para variáveis contínuas”
Sejam os valores de pH medidos pelos alunos numa aula de Química das
Transformações para uma mesma amostra X.
Tabela de freqüências
2,6; 2,6; 2,8; 3,1; 4,0; 4,0; 4,0; 4,1; 4,2; 4,5; Classe f (x) fr (x)
5,1; 5,1; 5,2; 5,2; 5,3; 5,3; 5,3; 5,8; 5,9; 6,0; 2,60 3,53 4 0,08
6,0; 6,0; 6,0; 6,1; 6,1; 6,2; 6,2; 6,3; 6,4; 6,5; 3,53 4,46 5 0,10
6,6; 6,8; 7,0; 7,0; 7,0; 7,0; 7,0; 7,1; 7,2; 7,2; 4,46 5,39 8 0,16
7,2; 7,6; 7,7; 7,8; 7,9; 8,0; 8,6; 8,8; 8,9; 9,1
5,39 6,32 11 0,22
0,30
6,32 7,25 13 0,26
Freqüência relativa
7,25 8,18 5 0,10
8,18 9,11 4 0,08
0,15
0 2 4 6 8 10
Número de defeitos 10

4) Gráfico da série temporal:
Seja o conjunto do número médio de defeitos, medidos quadrimestralmente, de
um dado produto produzido ao longo de 9 quadrimestres.
Conjunto de dados
Número médio de
Quadrimestre 8
defeitos
Núm ero m édio de defeitos

1 2
6
2 3
3 6 4
4 2
2
5 1
6 7 0
7 3 1 3 5 7 9
Quadrimestres
8 2
9 6
11

Análise cálculos de medidas numéricas : Medidas de Localização
Sejam as temperaturas (oC) de uma Cidade A medidas às 12:00 h (horário local):
T = 30; 25; 32; 34; 26; 29; 33; 25; 28; 34; 34; 27; 30; 26; 43
50 “outlier” Excluindo-o, temos:

Temperatura (C)
40
T = 30,4 C
30
20
T = 29,5 C
Como n = 14
10 (caso acima)
0
0 5 10 15 20 Então: T = 29,5 C
Observações
1.1) Média amostral: x

x =
x1 + x2 + … + xn
=
Σx
i=1
i
n n
n = tamanho da amostra 12
1.2) Média da população: µ

µ =
x1 + x2 + … + xn
=
Σx
i=1
i
N N
N = tamanho da população
Em casos práticos, a média da população é inviável de ser calculada

x Inferência µ
2.1) Mediana amostral ( ~

x)
Com os dados de uma amostra organizados em forma de ROL, na ordem
crescente, a mediana amostral é representada pelo valor que divide o conjunto
de dados em duas partes iguais.
Ou seja, considerando uma amostra com cinco observações dispostas em
ordem crescente: x1 , x2 , x3 , x4 , x5
mediana amostral
Observação: No caso de amostras com um número par de observações, a mediana

consistirá na média aritmética das duas observações centrais.
x1 , x2 , x3 , x4 , x5 , x6 x3 + x4
mediana amostral 13
2
2.3) Moda
Definição
A moda de um conjunto de dados é o valor que ocorre mais freqüentemente.
Ache as modas dos seguintes conjuntos de dados:
a. 5,40; 1,10; 0,42; 0,73; 0,48; 1,10 Moda = 1,10
b. 27; 27; 27; 55; 55; 55; 88; 88; 90 Modas = 27 e 55
c. 1; 2; 3; 4; 5; 6; 8; 9; 10 Não há Moda.
•Quando dois valores ocorrem com a mesma freqüência, cada um é uma

moda, e o conjunto de dados é bimodal.
•Quando mais de dois valores ocorrem com a mesma freqüência, cada
um é uma moda, e o conjunto de dados é mutimodal.
•Quando nenhum valor se repete, dizemos que não há moda.
14
Simetria e Assimetria nas Distribuições
Considerando as seguintes distribuições populacionais:

moda
moda
moda
µ =~
µ ~
µµ µ~µ
Comportamento simétrico Desvio positivo Desvio negativo
Média, Mediana e Moda Assimétrica à direita: Assimétrica à esquerda:

coincidem Média e Mediana à direita da Média e Mediana à esquerda
média da média
15
Aula 13/04/08 – 1ª Parte

Objetivos
Após essa 1ª. Parte da aula, você deve ser capaz de :
1. Analisar criticamente estudos estatísticos.

2. Reconhecer os princípios de um bom planejamento de
experimentos.
3. Reconhecer a importância e os tipos de amostragem.
4. Distinguir uma amostra aleatória simples de outros tipos de
amostras.
Bibiliografia: Triola, Cap 1. 9 - 27.
16
1-4 Pensamento Crítico
• Sucesso em um curso introdutório em Estatística requer mais senso

comum do que habilidade matemática.
• Os números não mentem
• “Há três tipos de mentiras: mentiras, mentiras cabeludas e estatísticas.”
(Benjamin Disraeli).
• Nem toda estatística é confiável.
• Vamos ver agora algumas falhas que podem comprometer os resultados
de uma pesquisa ou experimento.
17
Amostras Tendenciosas
Não representativas da população da qual foram obtidas.
Pecam pela falta de Aleatoriedade para seleção dos indivíduos.
Exemplo
18

Definição
1. Amostra de resposta voluntária (ou amostra auto-selecionada):
aquela na qual os respondentes decidem, eles mesmos, se serão ou não
incluídos.
Quando a Folha ou outro meio de comunicação realiza uma pesquisa pela

internet, as pessoas decidem, elas mesmas, se participam ou não, de modo
que constituem uma amostra de resposta voluntária.
Não representam toda população:

- Acesso à Internet;
- Diferentes sites possuem diferentes públicos;
- Pessoas com opiniões fortes têm mais tendência a se auto-selecionarem.
19

Amostra de resposta voluntária (cont)
• Pesquisas feitas pela Internet, Telefone ou Correio: amostra de resposta

voluntária.
• São válidas apenas em relação ao grupo específico que resolveu participar.
• De um ponto de vista estatístico, essas amostras são tendenciosas e não
devem ser usadas para afirmar algo sobre uma população maior.
20
Amostras Tendenciosas (cont)

Exemplo 2
Em TCC, uma fonoaudióloga concluiu que, entre crianças que têm parto
prematuro, aquelas que são submetidas ao método da mãe-canguru
apresentam resultados superiores no desenvolvimento da fala que aquelas
não submetidas a tal método.
Mãe-canguru Normal
Reconhecimen 60% 45%

to de Palavras
aos 18 meses
Qual o problema
Tamanho da 7 crianças 7 crianças aqui?
Amostra
Amostras pequenas: conclusões não devem ser baseadas em

amostras muito pequenas.
21
Problemas com gráficos

Exemplo 3
Renda per cápita Renda per cápita
R$ 20.000,00 R$ 25.000,00
R$ 19.500,00
R$ 20.000,00
R$ 19.000,00
R$ 15.000,00
R$ 18.500,00
Renda per cápita Renda per cápita
R$ 18.000,00 R$ 10.000,00
R$ 17.500,00
R$ 5.000,00
R$ 17.000,00
R$ 16.500,00 R$ -
São Paulo Rio de Janeiro São Paulo Rio de Janeiro
Gráficos de barras podem ser usados para exagerar ou reduzir a

verdadeira natureza dos dados:
Atenção à informação numérica
Cuidado com a forma geral do gráfico: escala das barras
22
Problemas com gráficos

(B)
Exemplo 4 (A) Consumo Diário de Petróleo
(milhões de barris)
5,0
Consumo Diário de Petróleo
(milhões de barris)
2,6
5,0
2,6
Japão Alemanha
Japão Alemanha
Pictogramas: objetos tridimensionais criados por artistas podem deturpar dados.

•(B): falsa impressão de que o consumo alemão de petróleo é + ou - 1/8 do japonês.
• Na verdade a razão entre os dois é 1/2.
•(B) reduz tanto a altura qto o diâmetro do “barril” proporcional/e à razão dos consumos.
•Apenas a altura deveria ser reduzida para transmitir a idéia correta. 23
Problemas com porcentagens

Exemplo 5
• Empresa aérea veicula notícia que aponta melhoria de 100% no extravio de

bagagens.
• Quantas bagagens devem ser extraviadas nessa companhia para que essa
informação seja verdadeira?
• Suponha que em 2007 ocorreram 4 furtos de carros numa cidade do interior
(Pirapozinho) e em 2008, ocorreram 3 furtos. Pode-se dizer que:
a) O número de furtos diminuiu 33% em 2007, comparado com 2008?
b) O número de furtos diminuiu 25% em 2007, comparado com 2008?
24
Fraseamento de questões em sondagens

Exemplo 6 SIM
•Está sendo gasto muito pouco dinheiro com assistência social. 19%
•Está sendo gasto muito pouco dinheiro com assistência aos pobres 63%
Palavras podem ser usadas intencionalmente na questão da
sondagem para provocar uma resposta desejada.
Exemplo 7
•Tráfego contribui mais ou menos do que a indústria para a poluição? 45% Tráfego
27% Indústria
•Indústria contribui mais ou menos do que o tráfego para a poluição? 24% Tráfego
57% Indústria
A ordem com que os fatores são apresentados podem afetar os

resultados das sondagens.
25
Não-resposta
•Algumas pessoas se recusam terminantemente a responder pesquisas.

•Esta taxa vem crescendo nos últimos anos.
•Por questões de privacidade ou de temperamento: este grupo é diferente
daqueles que aceitam responder enquetes.
•Número de pessoas que não quiseram responder deve ser relatado.
26
Estudo de interesse próprio, cenários parciais distorções deliberadas
•Vocês confiariam num estudo patrocinado pela indústria do fumo para provar que
“o cigarro diminui a chance de se contrair Parkinson?”
•Nos Estados Unidos, uma montadora fez propaganda dizendo que 90% dos seus
carros produzidos nos últimos 10 anos ainda estavam rodando.
Porém, também 90% dos carros daquela marca haviam sido produzidos nos
EUA nos últimos 3 anos!
27
1-4 Planejamento de Experimentos
Se os dados amostrais não forem coletados de maneira apropriada, eles podem

ser de tal modo inúteis que nenhuma manipulação poderá salvá-los
•Qual a diferença de uma pesquisa do Ibope e de um teste clínico para se medir a

eficácia de um novo medicamento?
Definição
1. Estudo observacional: observamos e medimos características específicas,
mas não tentamos modificar os sujeitos objeto do estudo. Ex: Ibope.
2. Experimento: aplicamos algum tratamento e passamos, então, a observar
seu efeito sobre os sujeitos. Ex: Teste Clínico
28
1-4 Planejamento de Experimentos
Definição
1. Estudo transversal: os dados são observados, medidos e coletados em um
ponto no tempo.
2. Estudo retrospectivo (ou de controle de caso): os dados são coletados
do passado, através de registros históricos.
3. Estudos prospectivo (ou longitudinal ou de coorte): os dados são
coletados no futuro, de grupos (chamados coortes) que compartilham fatores
comuns.
29
Confundimento
No início do ano letivo de 2008, um professor, preocupado com a assiduidade de
seus alunos, dá um incentivo de 1 ponto na média final para aqueles alunos que
compareceram a 90% de suas aulas, ministradas às quartas-feiras, no último
horário do curso noturno de Química.
O professor observa um incremento da assiduidade dos alunos quando comparada
à 2007.
Entretanto, em 2007, 5 feriados prolongados caíram numa quinta-feira, contra
apenas 1 em 2008.
O professor pode atribuir o aumento da assiduidade apenas ao programa de
incentivo?
30
Confundimento
Definição
Confundimento: ocorre quando em um experimento você não é capaz de
distinguir entre os efeitos de diferentes fatores.
Tente planejar o experimento de modo que não ocorra confundimento.
1. Controle o efeito das variáveis.

2. Replicação.
3. Aleatorização
31
1. Controle do efeito das variáveis
Experimento Cego
Experimento da vacina Salk (1954):
- Um grupo recebeu a vacina Salk, enquanto um grupo recebeu um placebo.
- Efeito placebo: sujeito não tratado tratado relata melhora.
- Experimento cego: sujeito tratado não sabe se está recebendo droga ou
placebo
- Duplo-cego: sujeito e experimentador não sabem se droga ou placebo.
Experimentador só sabe a posteriori.
32
Blocos Um bloco é um grupo

de sujeitos que são
Experimento com um novo fertilizante: semelhantes...
Sabemos que umidade do

solo é fator crítico para o
crescimento.
Planejamento
experimental ruim
Mas os blocos são
diferentes entre si.
Os testes de fertilizantes devem envolver um bloco de árvores

em terrenos secos e outro de árvores em terrenos úmidos.
33
Blocos
Planejamento em blocos
Experimento com um novo fertilizante: aleatorizado:
Num experimento, quando há grupos
Depois de formados blocos, diferentes que podem apresentar
passa-se à associação
resposta diferentes, use este
aleatória dos tratamentos
aos sujeitos em cada bloco. planejamento experimental:
Planejamento • Forme blocos de sujeitos com

experimental em bloco características semelhantes.
aleatorizado
• Associe aleatoriamente os
tratamentos aos sujeitos em cada
bloco.
34
Replicação e Tamanho de amostra

• Replicação é a repetição em grupos suficientemente grandes de sujeitos.
• Dependendo do contexto, pode ter outro significado: duplicação de um
experimento, para confirmar resultados.
• Use uma amostra suficientemente grande.
• Use um método baseado em aleatoriedade para obter a amostra.
35
2. Aleatorização e Outras Estratégias Amostrais

Sala com 60 alunos
Filas:
Situação 1: Jogamos uma
1 dado e escolhemos todos os
alunos daquela fila.
•Todos os alunos têm a

2 mesma chance de serem
escolhidos.
•Apenas as amostras de
3 10 elementos em fila
podem ser escolhidas.
4 •Nem todas as amostras
de 10 elementos podem
ser escolhidas.
5
Amostra Aleatória
6
36

Sala com 60 alunos
Filas:
Situação 2: Associamos
1 cada aluno a um número de
1 a 0. Num globo de bingo,
com bolinhas numeradas de
1 a 60, retiramos 10
2 bolinhas.
•Todos os alunos têm a

3 mesma chance de serem
escolhidos.
4 •Todas as amostras de 10
elementos podem ser
escolhidas.
5
Amostra Aleatória
Simples
6
37
Definição
1. Amostra aleatória: membros de uma população são selecionados de tal
modo que cada membro individual tenha igual chance de ser selecionado. Ex:
situação 1 e 2.
2. Amostra aleatória simples : de tamanho n é selecionada de tal modo que
toda amostra possível de mesmo tamanho n tenha a mesma chance de ser
escolhida. Ex: situação 2.
Importante
Neste curso, geralmente exigiremos que coletamos uma amostra aleatória
simples para que os procedimentos estáticos estudados sejam válidos.
38
1. Amostragem estratificada:
• População dividida em 2 ou mais grupos (estratos).
• Indivíduos nos estratos possuem características em comum. Ex: sexo, renda.
• Extrai-se amostra aleatória de cada estrato.
Mulheres Homens
39
2. Amostragem por conglomerado:

• Área da população dividida em 2 ou mais seções (conglomerados).
• Selecionam-se aleatoriamente alguns desses conglomerados.
• Entrevista-se todos indivíduos desses conglomerados.
•Entrevista todos os
eleitores das zonas
eleitorais sorteadas (em
verde).
40
2 Resumos e Gráficos de Dados
Problema-Objetivo
1. Analisando dois conjuntos de dados, contendo as idades dos melhores atores e

das melhores atrizes, desde a primeira cerimônia, pode-se perceber que a
premiação do Oscar envolve discriminação com base na idade?
Melhores Atrizes Melhores Atores
22 37 28 63 32 26 31 27 27 28 44 41 62 52 41 34 34 52 41 37
30 26 29 24 38 25 29 41 30 35 38 34 32 40 43 56 41 39 49 57
35 33 29 38 54 24 25 46 41 28 41 38 42 52 51 35 30 39 41 44
40 39 29 27 31 38 29 25 35 60 49 35 47 31 47 37 57 42 45 42
43 35 34 34 17 37 42 41 36 32 44 62 43 42 48 49 56 38 60 30
41 33 31 74 33 50 38 61 21 41 40 42 36 76 39 53 45 36 62 43
26 80 42 19 33 35 45 49 39 34 51 32 42 54 52 37 38 32 45 60
26 25 33 35 35 28 46 40 36 47 29 43
41
Aula 13/04/08 – 2ª Parte

Objetivos
Após essa 2ª. Parte da aula, você deve ser capaz de :
• Compreensão de dados: a importância de certas características do conjunto:

centro, variação, distribuição, outliers, tempo.
• Resumindo dados: Distribuição de Frequência.
• Visualizando dados (cont): depois de termos visto alguns gráficos, como o
Histograma, ver Gráfico de setores e de Pareto, Diagramas de dispersão.
42
2.1 Visão Geral
Características Importantes dos Dados:

• Centro: um valor representativo que indica o “centro” do conjunto de dados.
• Variação: quanto os valores variam entre si?
• Distribuição: natureza ou forma da distribuição dos dados.
• Outliers ou Valores Discrepantes: numa amostra, valores que se localizam
muito longe da maioria dos outros valores.
• Tempo: identificar características que mudam com o tempo.
43
2.2 Distribuição de Frequencia

Distribuição de
Melhores Atrizes Frquencia: Idade das
22 37 28 63 32 26 31 27 27 28 melhores atrizes
30 26 29 24 38 25 29 41 30 35 Idade das
35 33 29 38 54 24 25 46 41 28 atrizes Frequencia
40 39 29 27 31 38 29 25 35 60 21 - 30 28
43 35 34 34 17 37 42 41 36 32 31 - 40 30
41 33 31 74 33 50 38 61 21 41 41 - 50 12
26 80 42 19 33 35 45 49 39 34 51 - 60 2
26 25 33 35 35 28 61 - 70 2
71 - 80 2
Definição
Distribuição de frequencia (ou tabela de frequencia): lista os valores dos
dados juntamente com suas frequencias correspondentes.
44
Distribuição de 2.2 Distribuição de Frequencia

Frquencia: Idade das
melhores atrizes Limites de Classe
Idade das
atrizes Frequencia 21 30 31 40 41 50 51 60 61 70 71 80
21 - 30 28
31 - 40 30
41 - 50 12
51 - 60 2 ? 30.5 40.5 50.5 60.5 70.5 ?
61 - 70 2
Fronteiras de Classe
71 - 80 2
Definição
Limites inferiores de classe: os menores números que podem pertencer às diferentes classes. (21,
31, 41, 51, 61 e 71).
Limites superiores de classe: os maiores números que podem pertencer às diferentes classes. (30,
40, 50, 60, 70 e 80).
Fronteiras de classe: números criados para separar as classes mas sem os saltos entre as classes. Útil
para construir histogramas. (30.5, 40.5, 50.5, 60.5, 70.5).
Pontos médios das classes: pontos médios dos intervalos de cada classe: (lim. sup. + lim. inf.)/2.
Amplitude da classe: diferença entre dois limites inferiores consecutivos.
Erro comum:achar que é a diferença entre os limites
superior e inferior da mesma classe.
45
Procedimento para a Construção de uma Distribuição de Frequência

1.Decida o número de classes: entre 5 e 20. Essa escolha deve ser conveniente para que
limites das classes sejam números redondos.
(valor máximo) - (valor mínimo)
2. Calcule a amplitude de classe ≈ . Arredonde o resultado para
número de classes obter um número redondo.
3. Ponto inicial: comece escolhendo um número para limite inferior da primeira classe: ou o
valor mínimo ou um valor um pouco menor.
4. Usando o limite inferior e a amplitude de classe, prossiga e liste os limites inferiores das
próximas classes.
5.Liste os limites inferiores de classe em uma coluna vertical e prossiga para preencher os
limites superiores das classes.
6. Percorra o conjunto de dados e coloque uma marca na classe apropriada para cada valor
de dado. Use as marcas para encontrar a frequência total de cada classe.
46

Exemplo: Idade das Melhores Atrizes
Melhores Atrizes
22 37 28 63 32 26 31 27 27 28
30 26 29 24 38 25 29 41 30 35
35 33 29 38 54 24 25 46 41 28
1.Comece com 6 classes.
40 39 29 27 31 38 29 25 35 60
43 35 34 34 17 37 42 41 36 32
41 33 31 74 33 50 38 61 21 41
26 80 42 19 33 35 45 49 39 34
(valor máximo) - (valor mínimo)
2. Calcule a amplitude de classe ≈
26 25 33 35 35 28 número de classes
(80) - (21) ≈ 9,833
≈
6
3. Escolha 21 como ponto inicial, que é o valor mínimo da lista e é
também conveniente, pois a primeira classe se torna 21-30.
4. Usando o limite inferior e a amplitude de classe, prossiga e liste os
limites inferiores das próximas classes: 1ª. 21 + 10 = 31, 2ª. 31
+ 10 = 41, ..., 6ª. 61 + 10 = 71.
5.Liste os limites inferiores de classe em uma coluna vertical e
prossiga para preencher os limites superiores das classes: 1ª. 30;
2ª. 40; 3ª. 50; ...; 6ª. 80.
47
Distribuição de Frequência Relativa
frequência de classe
Frequência relativa =
soma de todas as frequências
Distribuição de Frequência Acumulada
A frequência acumulada para uma classe é a

soma da frequência daquela classe com as
frequências de todas as classes anteriores.
48
2.3 Histogramas (cont)
Procedimento para construção

35
1. Construa uma tabela de frequência. 30
25
2. Na escala horizontal, cada barra é
Frequência
marcada com seu limite inferior à esquerda e 20
com seu limite superior à direita. 15
3. Na escala vertical, use as frequências das 10
classes. 5
0
21 - 30 31 - 40 41 - 50 51 - 60 61 - 70 71 - 80
Idades das Melhores Atrizes
O histograma é uma versão

gráfica da tabela de
frequência.
49
2.4 Outros Gráficos Estatísticos
Um polígono de frequência usa segmentos de reta ligados a pontos localizados

diretamente acima dos valores dos pontos médios das classes.
50%
35
Frequência Relativa (%)

30
40%
25
30% Atrizes
20
Atores
15
20%
10
5 10%
0
0 25,5 35,5 45,5 55,5 65,5 75,5 0%
0 25,5 35,5 45,5 55,5 65,5 75,5
Idades das melhores atrizes
Idades
Uma variação do polígono de frequência básico é o polígono de frequência relativa.

50

Gráfico de Pareto: gráfico de barras Gráfico de setores: gráfico para dados
para dados qualitativos, com as qualitativos, com frequências
barras dispostas em ordem de retratadas como “pedaços de pizza”.
frequência.
14000
12000 Roami ng; 534
Taxas de acesso; 614
10000 Chamadas Inter naci onais;

766
8000 Mar keting; 1007
6000 Inser ção de ser vi ços; 1214
4000
2000
0 Taxas; 4473
Tr oca; 12478
g
s
so
is
a
in
xa
ço
in
oc
na
es
m
t
Ta
vi
Tr
ke
io
oa
ac
r
ar
c
se
na
R
de
M
de
r
te
s
xa
In
o
ã
Ta
as
rç
se
ad
In
m
ha
C
Ambos representam a mesma informação mas de maneiras diferentes.

Pareto é mais claro para mostrar diferenças entre os componentes.
51

Diagrama de dispersão: gráfico de pares de dados (x, y), com um eixo
horizontal x e um eixo vertical y.
Identifica: Diagrama de Dispersão: Controle Remoto vs Peso
- correlação entre x e y. 30
- Conglomerados ou blocos
25
semelhantes.
20
Controle Remoto
15
10
0
60 70 80 90 100
Peso (kg)
52
3 Estatísticas para Descrição, Exploração e Comparação de Dados
3) Quartis
Analogamente à mediana, divide um conjunto de dados, organizados em ordem
crescente, em quatro partes iguais.
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 32; 33; 34; 34; 34; 43; 45
26,5 30,0 34,0

1o Quartil 2o Quartil 3o Quartil
Quarto inferior Quarto superior
mediana
4) Percentis
Analogamente à mediana, divide um conjunto de dados, organizados em ordem
crescente, em subdivisões mais detalhadas.
Seja uma amostra contendo 100 observações:
x1 , x2 , x3 , x4 , …, x98 , x99 , x100
98o percentil Separa os 2% superiores dos restantes

53
5) Média aparada
A média aparada consiste no cálculo da média de um conjunto de dados, organizados
em forma crescente, eliminando-se iguais quantidades de dados dos dois extremos.
Consiste em uma medida de localização que apresenta as características da média e
da mediana.
Seja uma amostra contendo 100 observações:
x1 , x2 , x3 , x4 , …, x98 , x99 , x100
A média aparada de 2% resulta em:
x3 + x4 + … + x98
x =
tr(2)
96
54
Análise cálculos de medidas numéricas : Medidas de Dispersão
4
Resíduo % de A (%)
3
R2 - R = +1 R5 - R = +1
2
R1 - R = -1 R4 - R = -1 R = 2,0
1
0
0 1 2 3 4 5 6 7
Média = 2,0 %
Experimentos
A soma dos desvios pode refletir o grau da dispersão:

n
Σ (R – R) = – 1 + 1 + 0 – 1 + 1 + 0 = 0 (zero?? Mas a dispersão existe!)

i=1
i
n
A soma dos quadrados dos desvios é mais apropriada: OBS: Σ (x – x) = 0 i

i=1
n
Σ (R – R) = (–1) + (1) + (0) + (–1) + (1) + (0) = 4

i=1
i
2 2 2 2 2 2 2
55
1) Variância amostral (s2)
n
Σ
i=1
(xi – x)2
(unidade de s2 unidade de x ao quadrado)
s2 =
(n-1)
2) Desvio padrão amostral (s)
n
s= s2 =
Σ (x – x)
i=1
i
2 (unidade de s unidade de x)
n
(n-1)
N
Observação: Sxx = Σ (x – x)
i=1
i
2
Σ (x – µ)
i=1
i
2
3) Variância da população (σ2) σ2 =

N
N
Σ
i=1
(xi – µ)2
4) Desvio padrão da população (σ) σ =
N 56
n
Obs: Variância amostral (s2)
Σ
i=1
(xi – x)2
s2 =
(n-1)
n n n n n
Sxx = Σ
i=1
(xi – x)2 = Σ
i=1
[ (xi)2 – 2xi x + (x)2 ] = Σ (x ) + Σ(– 2x x ) + Σ(x)
i=1
i
2
i=1
i
i=1
2
n n n n
Sxx = Σ
i=1
(xi)2 – 2x Σ Σ
i=1
xi +
i=1
(x)2 = Σ
i=1
(xi)2 – 2x nx + n(x)2
n n
Sxx = Σ (x )
i=1
i
2 – 2n (x)2 + n(x)2 = Σ (x )
i=1
i
2 – n (x)2
Então: Σ
i=1
(xi)2 – n (x)2
s2 =
(n-1)
57
Boxplot
Esquema gráfico que resume informações de posição, de simetria, de dispersão,
além de identificar possíveis “outliers’.
Medidas de temperatura de uma dada Cidade A em uma mesma hora do dia
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 30; 32; 33; 34; 34; 34; 43; 45
metade menor mediana metade maior
Quarto inferior Quarto superior
25 30 35 40 45
Temperatura ( C )
Dispersão entre os quartos fs
58
fs = 34 – 27 = 7
Boxplot
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 30; 32; 33; 34; 34; 34; 43; 45
Identificação de outliers: Identificação de outliers extremo:
Qualquer ponto distante > 1,5 fs Qualquer ponto distante > 3 fs
No exemplo > 10,5 No exemplo > 21
Temos um outlier (T= 45) Não temos outlier extremo
25 30 35 40 45
Temperatura ( C )
59
fs = 34 – 27 = 7
Boxplot
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 30; 32; 33; 34; 34; 34; 43; 45
25 30 35 40 43 45
Temperatura ( C )
60
fs = 34 – 27 = 7
Boxplot
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 30; 32; 33; 34; 34; 34; 43; 45
25 30 35 40 45
Temperatura ( C )
61
fs = 34 – 27 = 7
Boxplot
T = 25; 25; 26; 26; 27; 28; 29; 30; 30; 30; 32; 33; 34; 34; 34; 43; 45
25 30 35 40 45
Temperatura ( C )
62
fs = 34 – 27 = 7
Melhores Atores
44 41 62 52 41 34 34 52 41 37
38 34 32 40 43 56 41 39 49 57
Seja a seguinte tabela de idades: 41 38 42 52 51 35 30 39 41 44
49 35 47 31 47 37 57 42 45 42
44 62 43 42 48 49 56 38 60 30
40 42 36 76 39 53 45 36 62 43
51 32 42 54 52 37 38 32 45 60
46 40 36 47 29 43
Para 6 classes e adotando como valor mínimo da primeira classe 21 anos:

(1) Qual amplitude de cada classe (aproxime para um número redondo conveniente) ( 1
pt)
(2) Quais são os demais limites inferiores? (1 pt)
(3) Quais são os limites superiores? (1 pt)
(4) Quanto vale a fronteira entre a 2ª. A 3ª. Classe? (1 pt)
(5) Construa a tabela completa de frequência, seguindo o procedimento dado em aula
(2 pt)
(6) Acrescente uma coluna à tabela anterior, calculando as frequências relativas de cada
classe.(1 pt)
(7) Plote o histograma e o polígono de frequencias no mesmo gráfico. (2 pt)
(8) Por que um diagrama de Pareto é melhor que um gráfico de Pizza para mostrar a
frequencia de dados qualitativos? (1 pt)
63

Estatistica Aula 2

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Estatistica Aula 2

Caricato da

Copyright:

Formati disponibili

Ciclo Profissional Unidade Curricular: Estatística

1. Recapitulação da Aula passada

1.1 - Visão Geral

1.2 Tipos de Dados

1.2 Tipos de Dados

Nível Resumo Exemplo

Nominal Apenas categorias. Os dados não Cidades dos estudantes

1.3 Estatística Descritiva

1.3 Estatística Descritiva

Seja o conjunto do número multas de trânsito notificadas em uma certa via da

1.3 Estatística Descritiva

1.3 Estatística Descritiva

1.3 Estatística Descritiva

7,25 8,18 5 0,10

8,18 9,11 4 0,08

1.3 Estatística Descritiva

Núm ero m édio de defeitos

1.3 Estatística Descritiva

50 “outlier” Excluindo-o, temos:

1.1) Média amostral: x

1.2) Média da população: µ

Em casos práticos, a média da população é inviável de ser calculada

2.1) Mediana amostral ( ~

Observação: No caso de amostras com um número par de observações, a mediana

Ache as modas dos seguintes conjuntos de dados:

a. 5,40; 1,10; 0,42; 0,73; 0,48; 1,10 Moda = 1,10

b. 27; 27; 27; 55; 55; 55; 88; 88; 90 Modas = 27 e 55

•Quando dois valores ocorrem com a mesma freqüência, cada um é uma

•Quando nenhum valor se repete, dizemos que não há moda.

Simetria e Assimetria nas Distribuições

Considerando as seguintes distribuições populacionais:

Média, Mediana e Moda Assimétrica à direita: Assimétrica à esquerda:

Aula 13/04/08 – 1ª Parte

1. Analisar criticamente estudos estatísticos.

Bibiliografia: Triola, Cap 1. 9 - 27.

1-4 Pensamento Crítico

• Sucesso em um curso introdutório em Estatística requer mais senso

1-4 Pensamento Crítico

1-4 Pensamento Crítico

Quando a Folha ou outro meio de comunicação realiza uma pesquisa pela

Não representam toda população:

1-4 Pensamento Crítico

• Pesquisas feitas pela Internet, Telefone ou Correio: amostra de resposta

1-4 Pensamento Crítico

Amostras Tendenciosas (cont)

Reconhecimen 60% 45%

Amostras pequenas: conclusões não devem ser baseadas em

1-4 Pensamento Crítico

Problemas com gráficos

Renda per cápita Renda per cápita

Gráficos de barras podem ser usados para exagerar ou reduzir a

1-4 Pensamento Crítico

Problemas com gráficos

Pictogramas: objetos tridimensionais criados por artistas podem deturpar dados.

1-4 Pensamento Crítico

Problemas com porcentagens

• Empresa aérea veicula notícia que aponta melhoria de 100% no extravio de

1-4 Pensamento Crítico

Fraseamento de questões em sondagens

A ordem com que os fatores são apresentados podem afetar os

1-4 Pensamento Crítico

•Algumas pessoas se recusam terminantemente a responder pesquisas.

1-4 Pensamento Crítico