Aula estatística descritiva básica

Estatística básicaEstatística básica
Estatística é a ciência dos dados, envolvendo oEstatística é a ciência dos dados, envolvendo o
desenvolvimento de processos, métodos e técnicas de
coleta classificação organização resumo análise ecoleta, classificação, organização, resumo, análise e
interpretação de dados sobre uma população, e os
é d d i l õ f di õmétodos de tirar conclusões ou fazer predições com
base nesses dados.
Aulas de Matemática / Física / Química – Contato: Horacimar (21) 8126‐2831 horacimar@gmail.com

Organização e
descrição
Descritiva
descrição
dos dados
Estatística
Cálculo de médias,
variâncias, estudo de
gráficos, tabelas, etc.Estatística gráficos, tabelas, etc.
Indutiva Estimação de Indutiva
(Inferencial)
ç
parâmetros, teste de
hipóteses, etc.

• A estatística tem a capacidade de sintetizar os dados;A estatística tem a capacidade de sintetizar os dados;
• A amostragem é o ponto de partida (na prática) para• A amostragem é o ponto de partida (na prática) para
todo um Estudo Estatístico. É através da amostragem
b d d d di ã d d i dque obtemos os dados da medição de determinada
característica ou propriedade de um objeto, pessoa ou
coisa;

• População: é a coleção de todas as observaçõesPopulação: é a coleção de todas as observações
potenciais sobre determinado fenômeno;
•Amostra: é o conjunto de dados efetivamente•Amostra: é o conjunto de dados efetivamente
observados, ou extraídos;
População
Amostras

Cada observação individual ou item é denominadaCada observação individual ou item é denominada
como unidade elementar, que pode estar composta
por um ou mais itens medidos propriedadespor um ou mais itens medidos, propriedades,
atributos, etc, denominados como variáveis.
Variável é uma característica, propriedade ou, p p
atributo de uma unidade da população, cujo
l d i t id d dvalor pode variar entre as unidades da
população.

Exemplo:p
Unidade
elementar
Variáveis
Nome Idade Cargo Sexo Peso Escolaridade
João 27 Supervisor M 62 kg 2º grau
Alex 38 Chefe M 78 kg 1º grau
Ana 32 Secretária F 58 kg 3º grau

•Tipos de variáveisTipos de variáveis
N i l
Qualitativa
Nominal
Variável
Ordinal
Variável
Discreta
Quantitativa
Contínua

• Exemplo: Para uma população de peças produzidos em umExemplo: Para uma população de peças produzidos em um
processo, poderíamos ter:
Variável TipoVariável Tipo
Estado: Perfeita ou defeituosa Qualitativa Nominal
Qualidade: 1ª, 2ª ou 3ª categoria Qualitativa Ordinal
Número de peças defeituosas Quantitativa Discreta
Diâmetro das peças Quantitativa Contínua

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 deque 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
ã f i dnão foram organizados;
• Rol: é o arranjo dos dados brutos em ordem crescente (ou
decrescente);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 nn
k
i
i =∑1
• k : número de valores diferentes na amostra
k
i =1
• Frequência relativa (fi):
n
n
f i
i = 1
1
=∑=
k
i
if
• 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):
N
F i
n
N
F i
i =

Estatística básica
• 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 = 6Amplitude: 17 – 11 = 6
n = 26 observações

Número de
Operações Freq. Freq.
Freq.
Absoluta
Freq.
fechadas por
dia
Absoluta Relativa
Absoluta
Acumulada
Acumulada
11 2 7,69% 2 7,69%
12 5 19,23% 7 26,92%
13 6 23,08% 13 50,00%
14 7 26,92% 20 76,92%
15 3 11,54% 23 88,46%
16 2 7,69% 25 96,15%, ,
17 1 3,85% 26 100,00%
Total 26 100 00%Total 26 100,00%

Classes
• As classes são um artifício para condensar o número de elementos
diferentes de uma amostra. Imagine construir uma tabela para 200
l dif ld d bl ivalores diferentes, nos moldes do problema anterior.
• Os principais pré‐requisitos para uma boa definição de classes em um
conjunto de dados são: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
di i )direita);
•c) cada valor absoluto deve enquadrar‐se em apenas uma classe;
•d) k ≤ 25 de modo geral sendo k o número de classes;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:
Nk l1 (Fórmula de Sturges)Nk 2log1 +=
Nk ≅
2ln
ln
22
n
knn kk
=⇒=⇒≤
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 ≈ 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:
37 ≅≅k 6=H
3
2l
ln
47log1 2
≅=
≅+=
Nk
k
2
3
6
==h
3
2ln
≅k 3
Freq
Faixa de
negócios
Xi
Freq.
Absoluta
Freq.
Relativa
Freq. Absoluta
Acumulada
Freq.
Acumulad
a
11|⎯13 12 7 26,92% 7 26,92%
13|⎯15 14 13 50,00% 20 76,92%
15|⎯17 16 6 23,08% 26 100,00%| , ,
Total 26 100,00%

Medidas de Posição
• Mostram o valor representativo em torno do qual os dados tendem a
n
p q
agrupar‐se com maior ou menor frequência.
x
xxxxx
x
n
i
i
n
∑=
=
+++++
= 14321 ...
• Média aritmética:
nn
x ==
∑=
=
++++
=
i
n
i
i
nn
px
pxpxpxpx
x 1332211
.
.......
• Média aritmética ponderada:
∑=
=
++++
= n
i
i
n
p
pppp
x
1
321 ...
pi : peso da amostra xi

• Exemplo: Os dados {11, 13, 15, 17, 19} apresenta a seguintep { , , , , } p g
média (n=5, pois temos cinco números) :
1917151311 ++++
15
5
1917151311
=
++++
=x
• Se um aluno obteve as notas {7, 10, 6, 8} com pesos {1, 2, 2,{ } p {
3}, qual será a nota final do aluno:
875,7
8
63
3221
3.82.62.101.7
==
+++
+++
=x

P
R
O • A soma dos desvios é sempre O
P
R
p
igual a zero
R
I
E •A soma dos quadrados dosE
D
A
•A soma dos quadrados dos
desvios das observações de uma A
D
E
série é sempre um valor mínimo
E

• Média aritmética ponderada para dados agrupados em classes:
∑++++ i
n
i
i nx
nxnxnxnx 1332211
.
.......
∑
=
=
++++
++++
= n
i
i
i
n
nn
n
nnnn
nxnxnxnx
x
1
1
321
332211
...
.......
=i 1
∑=
n
inn
n
f i
i =• Sabendo que: ∑=i
i
1 n
fi
n
i
i
inn fxfxfxfxfxx ∑=
=++++=
1
332211 ........
• fi : Frequência de ocorrência da amostra xi

• Exemplo: Qual a média do número de operações fechadasp p ç
por dia:

• A média pela frequência absoluta é:p q
1237652
1.172.163.157.146.135.122.11
++++++
++++++
=x
5413
352
1237652
≈=
++++++
x
• A média pela frequência relativa é:
54,13
26
≈x
p q
%08,23.13%23,19.12%69,7.11 +++=x
5413
%85,3.17%69,7.16%54,11.15%92,26.14 +++
54,13≈x

Estatística básica Valor
• Exemplo: Calcule a média da tabela abaixo:
Valor
médio da
classe
p
3626161314712 ++
92,13
26
362
6137
6.1613.147.12
≈=
++
++
=x
•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.

• Mediana: É o valor do meio de um conjunto de dados, quando osj , q
dados estão dispostos em ordem crescente ou decrescente, ou seja, o Rol
de Dados.
termo
n
x
o
⎟
⎠
⎞
⎜
⎝
⎛ +
=
1~
Se n é impar⎟
⎠
⎜
⎝ 2
Se n é impar
1
22~
termo
n
termo
n
x
oo
⎟
⎠
⎞
⎜
⎝
⎛
++⎟
⎠
⎞
⎜
⎝
⎛
Se n é par
2
x ⎠⎝⎠⎝=
p

Exemplo: Qual a mediana dos dados abaixo:p
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)
513
14131413
1
2
26
2
26
~ ++
⎟
⎠
⎞
⎜
⎝
⎛
++⎟
⎠
⎞
⎜
⎝
⎛
termotermo
termotermo
x
oo
oo
5,13
222
===⎠⎝⎠⎝=x
A mediana dos dados é 13,5.

• Exemplo: Calcule a mediana dos dados abaixo:p
• A mediana estará na faixa de 13 a 15, pois temos no total 26 observações e mediana
i (13º ) ( i ã i l l édi 13º 14ºencontra‐se no meio (13º termo) (aqui não iremos calcular a média entre o 13º e o 14º ‐
Verique !).
71313 ~
~
−x
92,13
720
713
1315
13
13
13
≈⇒
−
−
=
− x
x

• Moda ou classe modal (mo): É o valor que representa a maior( o) q p
frequência em um conjunto de observações individuais. Em alguns casos,
pode haver mais de uma moda.
X Xi ni
0|⎯ 3 1,5 7
3|⎯ 6 4,5 13 ⇒ Classe modal3| 6 ,
6|⎯ 9 7,5 6
9|⎯ 12 10 5 2
⇒ Classe modal
9| 12 10,5 2

S í l l d j d b õ
Média
• Sensível a valores extremos de um conjunto de observações
• Usa todos os dados disponíveis
• “Robusta” : Não sofre muito com a presença de alguns valores
Mediana
muito altos ou muito baixos
• Não usa todos os dados disponíveis
• Não é afetada por valores extremos
Moda • Não usa todos os dados disponíveis

• Percentil: De forma geral, o percentil de um conjunto de valoresg , p j
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.
10 −
=
− xp
p 10100 −
=
− n
x1 n 1
1
.100
−
=
n
x
p
x1 n 1−n

• Calcular o percentil de ordem 50 (2º Quartil).p ( )
Q50 = mediana (são 50 dados ⇒ o Q50 está no 25º termo)
X n AcumX ni Acum.
1,810|⎯ 1,822 7 7
2139
2125
83418461
834,1
~
−
=
−x
1,822|⎯ 1,834 14 21
2139834,1846,1 −−
48341
~
1,834|⎯ 1,846 18 39
18
4
012,0
834,1
=
−x
1,846|⎯ 1,858 7 46
1 858| 1 870 4 50
837,1
~
=x1,858|⎯ 1,870 4 50

As medidas de dispersão possuem a finalidade de verificar quanto os
Medidas de Dispersão ou Variabilidade
valores da série estão distantes da média da série.
O principal meio de calcular a variabilidade é através da variância, que é
l l d l fó l b icalculada pela fórmula abaixo:
( )2
nn
( ) 2
1
2
1
2
2
xxx
n
i
i
n
i
i − ∑∑ 112
x
nn
s ii
−== ==
Onde n é o número de observações, é a média e xi são os valores
individuais. Esta fórmula é valida para população. Para amostra deve‐se
x
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 ê i t 10 ú A édi é i l d lA sequência apresenta n=10 números. A média é igual a soma dos valores
dividido pelo número de elementos. A variância e desvio padrão são
calculados na sequência:calculados na sequência:
5,5
10
55
==x
385109...21 2222
1
2
=++++=∑=
x
n
n
i
i
25,85,5
10
385 22
1
2
2
=−=−=
∑=
x
n
x
s
n
i
i
87,225,82
=∴=⇒ ss

Para calcular a variância quando os dados estiverem dispostos em classes
deve‐se utilizar a seguinte fórmula:
( )
k
2
( )
( )∑
∑=
−=
−
=
k
ii
i
ii
fxx
nxx
s
2
1
2
2
.
.
k é o número de classes, ni é a frequência absoluta, n o número de observações e fi a frequência
relativa;
( )∑=in 1
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 edados individuais elevado ao quadrado, enquanto que o desvio padrão e
média possuem mesma unidade.

Exemplo: Calcular a variância e desvio padrão dos dados abaixo:
X
Freq.
Absoluta Iremos realizar osAbsoluta
1,810|⎯1,822 7
Iremos realizar os
cálculos na forma de
tabela, porque os dados
1,822|⎯1,834 14
1,834|⎯1,846 18
, p q
ficam mais organizados e
os cálculos mais fáceis de
1,846|⎯1,858 7
1,858|⎯1,870 4
serem entendidos.
1,858| 1,870 4
( ) nxx
k
∑
2
Verifique que as colunas serão organizadas de acordo com a fórmula para
calcular a variância
( )
n
nxx
s i
ii∑=
−
= 12
.calcular a variância.

x xi ni xi‐xm (xi‐xm)2 (xi‐xm)2.nix xi ni xi xm (xi xm) (xi xm) .ni
1,810|⎯1,822 1,816 7 ‐0,0024 0,00058 0,0040
1 822| 1 834 1 828 14 ‐0 012 0 00014 0 00201,822|⎯1,834 1,828 14 ‐0,012 0,00014 0,0020
1,834|⎯1,846 1,840 18 0,000 0,00000 0,0000
1 846|⎯1 858 1,852 7 0,012 0,00014 0,00101,846| 1,858 1,852 7 0,012 0,00014 0,0010
1,858|⎯1,870 1,864 4 0,024 0,00058 0,0023
Soma 9,200 Soma 0,00936
Média (xm) 1,840 s2 0,00187m
0430
043,0
00187,02
=
=
s
s
%4,2%100.
840,1
043,0%100. ≈==
x
sCV

Outra forma de expressar a dispersão dos dados é através do Coeficiente
de Variação (CV), que é dado pela fórmula:
%100.
x
s
CV =
onde s é o desvio padrão, e é a média.x
• 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
dispersãodispersão.

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 l d C fi i t d V i ã áO valor do Coeficiente de Variação será:
872s
Um valor de 52% indica que os dados estão muito dispersos com relação
%52%100.
5,5
87,2
%100. ≈==
x
s
CV
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}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 yvariáveis x e y.
É calculada como:É calculada como:
n
( )( )
yxyx
yyxx
yxCov
n
i
ii
..
.
),( 1
−=
−−
=
∑=
yy
n
y ),(
A covariância entre as mesmas variáveis, isto é, Cov(x, x) por
exemplo, é igual a própria variância Var(x) = s2.
exemplo, é igual a própria variância Var(x) s .

( )( ). xxxx
n
ii −−∑ ( )( )
21
)(),( sxVar
n
xxCov i
===
∑=
• Os seguintes valores de covariância dão uma indicação se osOs seguintes valores de covariância dão uma indicação se os
valores são independentes, ou possuem correlação positiva ou
negativa.
0),( =yxCov Variáveis independentes
negativa.
),( y
0),( >yxCov Correlação linear positiva
0),( <yxCov Correlação linear negativa

0),( =yxCov0),( >yxCov 0),( <yxCov
Variáveis
independentes
Correlação
linear positiva
Correlação
linear negativa p
• 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 valoresresulta 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.
X Y
10 21
15 15
18 12
12 1812 18
9 20

Solução: Sempre esboce o gráfico das variáveis X e Y para confirmar!
X Y X.Y ..),( −= yxyxyxCovX Y X.Y
10 21 210
7610
2,17.8,124,209
..),(
−=
yxyxyxCov
15 15 225
18 12 216
76,10−=
12 18 216
9 20 180
Média 12,8 17,2 209,4Média 12,8 17,2 209,4
A covariância resultou em um valor negativo, indicando uma correlação
linear negativa que podemos confirmar pelo gráfico.

Aulas de Matemática / Física / Química ‐ (21) 8126‐2831 ‐ Contato: horacimar@gmail.com (Falar c/ HORACIMAR)Aulas de Matemática / Física / Química – Contato: Horacimar (21) 8126‐2831 horacimar@gmail.com

Aula estatística descritiva básica

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Andere mochten auch

Andere mochten auch (20)

Ähnlich wie Aula estatística descritiva básica

Ähnlich wie Aula estatística descritiva básica (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

Aula estatística descritiva básica