Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Exemplos:
1) Amostra (3,3,5,6,7,8,9)
Posição da mediana = 7+1 = 40 dado , Md = 6
2
2) (1,2,3,4,6,6,7,9)
Posição da mediana = 8+1 = 4,5o dado = 4o dado + 5o dado = 4 + 6 = 5
2 2 2
Ex. Li = 29,0
Fc
Menores que 29 19
Menores que 31 35
2 Kg 16
x 6
x = 0,75
Md = 29 + 0,75 = 29,75 Kg
B) Moda (Mo)
A moda de um conjunto de dados é o valor mais freqüente.
A1
Mo = Li + c
A1 + A2
onde:
Mo = moda;
Li = é o limite inferior da classe modal;
A1 = é a diferença entre a freqüência da classe modal e a
freqüência da classe imediatamente anterior
A2 = é a diferença entre a freqüência da classe modal e a
freqüência da classe imediatamente posterior
c = é a amplitude da classe modal.
Ex. Para a distribuição de freqüência dos pesos ao nascer , em Kg, de 50
bezerros Guzerá, tem-se:
Freqüência
Classe modal [ 29,0; 31,0 ) 16
Classe imediatamente anterior [ 27,0; 29,0 ) 12
Classe imediatamente posterior [ 31,0; 33,0 ) 10
A1 = 16 – 12 = 4
A2 = 16 – 10 = 6
C=2
4
Mo = 29 2
4+6 = 29,8 Kg
Baseando a análise apenas pela média as três raças são consideradas como
tendo o mesmo peso. As medidas de posição são de tendência central e
nada informam sobre a variabilidade dos dados. Na raça Nelore, todos os
animais da amostra apresentaram pesos iguais a média. Na raça Gir,
percebe-se uma
ligeira dispersão nos dados que é mais expressiva na raça Hereford.
di = xi - x
Nelore 0 0 0
Gir -3 -1 +4
Hereford -9 -5 +14
B) Variância e desvio-padrão
Variância
X i
Média µ = M= i=1
N
N = Tamanho da população
SQD
( X −m) i
2
var (x) =o 2= =
N N
X i
Média x= i=1
n
n = Tamanho da população
SQD ( X −x )
i
2
var(x) = s2= = i =1
n −1 n −1
(^) estimativa
(n-1) número de graus de liberdade
obtém-se
2
n
xi
n
SQD = xi − i =1
2
i =1 n
Sendo s2 = SQD
n-1
Então s2:
2
n
xi
n n
( xi − x ) xi − i =1
2 2
i =1 n
A) s2 = ou B) s2 = i =1
n −1 n −1
Desvio-padrão
É a raiz quadrada da variância
População = + 2
Amostra s = + s 2
n
2
n fi x
1 f i =1 i
i i
2
s2 = x −
n − 1 i =1 n s = s2
onde:
Fi xi fixi fixi2
Classes
[ 23,0; 25,0 ) 2 24 2.24 = 48 2.(24)2 = 1152
[ 25,0; 27,0 ) 5 26 5.26 = 130 5.(26) 2 = 3380
[ 27,0; 29,0 ) 12 28 12.28 = 336 12.(28)2 = 9408
[ 29,0; 31,0 ) 16 30 16.30 = 480 16.(30)2 =14400
[ 31,0; 33,0 ) 10 32 10.32 = 320 10(32) 2 =10240
[ 33,0; 35,0 ) 4 34 4.34 = 136 4(34) 2 = 4624
[ 35,0; 37,0 ) 1 36 1.36 = 36 1(36) 2 = 1296
Total 50 Ʃ fixi =1486 Ʃ fixi2 = 44500
Portanto,
1
s2 = [44500 – (1486)2/50)] = 6,85
50 − 1
Kg2 = variância
2
s = 2,62 Kg = desvio-
padrão
Onde:
CV = Coeficiente de variação;
s = desvio-padrão;
Ex. L
1. PROBABILIDADE
A) Importância
Na experimentação agropecuária um dos principais
objetivos é a retirada de conclusões a partir de
experimentos que envolvem incertezas. Na obtenção das
conclusões é necessário o uso da teoria da probabilidade.
B) Experimento estatístico
Qualquer fenômeno ou ação que pode ser repetido cujo
resultado é casual ou aleatório.
C) Espaço amostral
Conjunto de todos os possíveis resultados de um
experimento estatístico.
Ex. O lançamento de um dado é um experimento. Neste
caso, o espaço amostral é:
S = {1,2,3,4,5,6}
D) Evento
Subconjunto do espaço amostral que representa um
resultado definido.
No lançamento de um dado, pode-interessar, por exemplo,
somente a ocorrência de um número ímpar. O subconjunto
A ={1,3,5} do espaço amostral S representa o evento A,
definido pelo resultado OCORRÊNCIA DE FACE
ÍMPAR.
E)Ponto amostral
É apenas um elemento do espaço amostral S. Um evento
pode Ter um ou mais pontos amostrais.
F) Probabilidade
Num espaço amostral S, a probabilidade de ocorrer um
evento A, representado por P(A), é dada pela medida de A
em S atendendo às seguintes condições:
1- A medida de S vale 1.
2- A medida de A é não negativa – P(A) 0
Das duas condições, obtém-se:
0 P( A) 1
No lançamento de um dado imparcial, a probabilidade de
ocorrer face ímpar é:
P(A) = 1/2 = 0,5 ou 50%
1.2 VARIÁVEIS ALEATÓRIAS
X 0 1 2
F(x) 9/16 6/16 1/16
1.3.1 Conceitos
1.3.2
1.3.3
1.3.4
1.3.5
1.3.6Distribuições de probabilidades discretas e
contínuas
A) Distribuição uniforme
Distribuição Normal
e−1/ 2
f(x) = 2
onde:
x= qualquer valor real;
= desvio-padrão da distribuição;
µ = média da distribuição;
= 3,14159....
e = 2,718....
i) É simétrica em relação a x = µ
x− 2
1 (
)
e−1/ 2
f(x) = 2
Uma vez encontrado µ e , qualquer valor de f(x) pode ser calculado.
iv) A área total sob a curva e o eixo x vale 1.
µ - média da distribuição
- desvio-padrão da distribuição.
Exemplo:
x−
Estudos mais profundos mostraram que a variável Z = , chamada
variável reduzida ou padronizada, transforma todas as distribuições
normais possíveis numa única distribuição normal reduzida ou padronizada
que tem média µ = 0,0 e variância
2=
1,0.
P (190 < x < 195) = P (Z1 < Z < Z2) Entre 0,0 e –1,0 Área =
0,3413
= P (-1 < Z < 0,5) Entre 0,0 e –0,5 Área =
0,1915
“A tabela informa a área entre 0,0 e o valor de Z.” A tabela vale para a
metade da curva, mas a curva é simétrica. Para consultá-la, ignora-se o
sinal.
Exemplos: