Apostila de Estatistica Engenharia

UNIVERSIDADE DE FRANCA
Estatstica Bsica I - A Natureza da Estatstica: 1. Panorama Histrico: A origem da palavra Estatstica est associada palavra latina STATUS (Estado). H indcios de que 3 anos A.!. " se #a$iam censos na %a&il'nia( !)ina e Egito e at* mesmo o +o. livro do ,el)o Testamento #a$ re#er-ncia a uma instru./o dada a 0ois*s( para que #i$esse um levantamento dos )omens de 1srael que estivessem aptos para guerrear. Usualmente( estas in#orma.2es eram utili$adas para a ta3a./o de impostos ou para o alistamento militar. 4 1mperador !*sar Augusto( por e3emplo( ordenou que se #i$esse o !enso de todo o 1mp*rio 5omano. !ontudo( mesmo que a prtica de coletar dados so&re col)eitas( composi./o da popula./o )umana ou de animais( impostos( etc.( #osse con)ecida pelos egpcios( )e&reus( caldeus e gregos( e se atri&uam a Arist6teles cento e oitenta descri.2es de Estados( apenas no s*culo 7,11 a Estatstica passou a ser considerada disciplina aut'noma( tendo como o&"etivo &sico descri./o dos %E8S do Estado. A palavra Estatstica #oi cun)ada pelo acad-mico alem/o 9ott#ried Ac)en:all (;<;=>;<<?)( que #oi um notvel continuador dos estudos de Hermann !onrig (;@ @>;@A;). 9ott#ried determinou os o&"etivos da Estatstica e suas rela.2es com as demais ci-ncias. !om a Escola Alem/ as ta&elas tornaram>se mais completas( surgiram as representa.2es gr#icas e o clculo das pro&a&ilidades( e a Estatstica dei3ou de ser simples cataloga./o de dados num*ricos coletivos para se tornar o estudo de como c)egar a conclus2es so&re o todo (Bpopula./oC)( partindo da o&serva./o de partes desse todo (BamostrasC). Atualmente( os estudos estatsticos t-m avan.ado rapidamente e( com seus processos e t*cnicas( T-m contri&udo para a organi$a./o dos neg6cios e recursos do mundo moderno. 2. M !"! E# A $# I%!: M !"!D * um meio mais e#ica$ para atingir determinada meta. M !"!# %IEN $&I%!#D destacamos o m*todo e3perimental e o m*todo estatstico. M !"! E'PE(IMEN A) D consiste em manter constante todas as causas( menos uma( que * so#re varia./o para se o&servar seus e#eitos( caso e3istam. E3D Estudos da Eumica( Fsica( etc. M !"! E# A $# I%!D diante da impossi&ilidade de manter as causas constantes (nas ci-ncias sociais)( admitem todas essas causas presentes variando>as( registrando essas varia.2es e procurando determinar( no resultado #inal( que in#lu-ncias ca&em a cada uma delas. E3D Euais as causas que de#inem o pre.o de uma mercadoria quando a sua o#erta diminuiG Seria impossvel( no momento da pesquisa( manter constantes a uni#ormidade dos salrios( o gosto dos consumidores( nvel geral de pre.os de outros produtos( etc. *. ! +ue , EstatsticaA Estatstica * uma parte da 0atemtica Aplicada que #ornece m*todos para coleta( organi$a./o( descri./o( anlise e interpreta./o de dados e para a utili$a./o dos mesmos na tomada de decis2es. A utili$a./o de t*cnicas( destinadas anlise de situa.2es comple3as ou n/o( tem aumentado e #a$ parte do nosso cotidiano. Tome>se( por e3emplo( as transmiss2es esportivas. Em um "ogo de #ute&ol( o nHmero de escanteios( o nHmero de #altas cometidas e o tempo de posse de &ola s/o dados #ornecidos ao telespectador e #a$em com que a conclus/o so&re qual time #oi mel)or em campo se torne o&"etiva (n/o que isso implique que ten)a sido o vencedor...). 4 que tem levado a essa qualificao de nossas vidas no dia a diaG Um #ator importante * a populari$a./o dos computadores. 8o passado( tratar uma grande massa de nHmeros era uma tare#a custosa e cansativa( que e3igia )oras de tra&al)o tedioso. 5ecentemente( no entanto( grandes quantidades de in#orma.2es podem ser analisadas rapidamente com um computador pessoal e programas. adequados. Iesta #orma o computador contri&ui( positivamente( na di#us/o e uso de m*todos estatsticos.
Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio
Jor outro lado( o computador possi&ilita uma automa./o que pode levar um indivduo sem preparo espec#ico a utili$ar t*cnicas inadequadas para resolver um dado pro&lema. Assim( * necessria a compreens/o dos conceitos &sicos da Estatstica( &em como as suposi.2es necessrias para o seu uso de #orma criteriosa. A grosso modo podemos dividir a Estatstica em tr-s reasD K Estatstica Iescritiva K Jro&a&ilidade K 1n#er-ncia Estatstica ,amos caracteri$ar estas tr-s reas Estatstica "escriti.a A Estatstica Iescritiva pode ser de#inida como um con"unto de t*cnicas destinadas a descrever e resumir dados( a #im de que possamos tirar conclus2es a respeito de caractersticas de interesse. Em geral utili$amos a Estatstica Iescritiva na etapa inicial da anlise quando tomamos contato com os dados pela primeira ve$. 4&"etivando tirar conclus2es de modo in#ormal e direto( a maneira mais simples seria a o&serva./o dos valores col)idos. Entretanto ao depararmos com uma grande massa de dados perce&emos( imediatamente( que a tare#a pode n/o ser simples. Jara tentar retirar dos dados in#orma.2es a respeito do #en'meno so& estudo( * preciso aplicar algumas t*cnicas que nos permitam simpli#icar a in#orma./o daquele particular con"unto de valores. A #inalidade da Estatstica Iescritiva * tornar as coisas mais #ceis de entender( de relatar e discutir. A m*dia industrial Io:>Lones( a ta3a de desemprego( o custo de vida( o ndice pluviom*trico( a quilometragem m*dia por litro de com&ustvel( as m*dias de estudantes s/o e3emplos de dados tratados pela Estatstica Iescritiva. Pro/a/i0idade A Jro&a&ilidade pode ser pensada como a teoria matemtica utili$ada para estudar a incerteza oriunda de #en'menos que envolvem o acaso. Logos de dados e de cartas( ou o lan.amento de uma moeda para o ar enquadram>se na categoria do acaso. A maioria dos "ogos esportivos tam&*m * in#luenciada pelo acaso at* certo ponto. A decis/o de um #a&ricante de cola de empreender uma grande campan)a de propaganda visando a aumentar sua participa./o no mercado( a decis/o de parar de imuni$ar pessoas com menos de vinte anos contra determinada doen.a( a decis/o de arriscar>se a atravessar uma rua no meio do quarteir/o( todas utili$am a pro&a&ilidade consciente ou inconscientemente. In1er2ncia Estatstica 1n#er-ncia Estatstica * o estudo de t*cnicas que possi&ilitam a e3trapola./o( a um grande con"unto de dados( das in#orma.2es e conclus2es o&tidas a partir de su&con"untos de valores( usualmente de dimens2es muito menores. Ieve>se notar que se tivermos acesso a todos os elementos que dese"amos estudar( n/o * necessrio o uso das t*cnicas de in#er-ncia estatsticaM entretanto( elas s/o indispensveis quando e3iste a impossi&ilidade de acesso a todo o con"unto de dados( por ra$2es de nature$a econ'mica( *tica ou #sica. Estudos comple3os que envolvem o tratamento estatstico dos dados( usualmente incluem as tr-s reas citadas acima. 3 - &ases do ra/a04o Estatstico 4 tra&al)o estatstico * um m*todo cient#ico( que consiste das cinco etapas &sicas seguintesD ;> !oleta e crtica de dados ?> Tratamento dos dados 3> Apresenta./o dos dados +> Anlise e interpreta./o dos resultados N> !onclus/o ,amos tratar cada uma dessas etapasD
Amostragem Coleta Concluso Censo Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio
Tratamento
Apresentao
Anlise
%o0eta e crtica dos dados: Ap6s de#inirmos cuidadosamente o pro&lema que se quer pesquisar( damos incio coleta dos dados num*ricos necessrios sua descri./o. A coleta pode ser direta ou indireta. A coleta * direta quando #eita so&re elementos in#ormativos de registro o&rigat6rio (nascimentos( casamentos e 6&itos( importa./o e e3porta./o de mercadorias)( elementos pertinentes aos pronturios dos alunos de uma escola ou( ainda( quando os dados s/o coletados pelo pr6prio pesquisador atrav*s de inqu*ritos e questionrios. A coleta direta de dados pode ser classi#icada relativamente ao #ator tempo emD a) !ontnua O quando #eita continuamente( tal como a de nascimentos e 6&itos e a de #reqP-ncia dos alunos s aulas. &) Jeri6dica O quando #eita em intervalos constantes de tempo( como os censos e as avalia.2es mensais dos alunos. c) 4casional O Euando #eita e3temporaneamente( a #im de atender a uma con"untura ou a uma emerg-ncia( como no caso de epidemias que assolam ou di$imam re&an)os inteiros. A coleta se di$ indireta quando * in#erida de elementos con)ecidos (coleta direta) eQou do con)ecimento de outros #en'menos relacionados A coleta se di$ indireta quando * in#erida de elementos con)ecidos (coleta direta) eQou do con)ecimento de outros #en'menos relacionados com o #en'meno estudado. !omo por e3emplo( podemos citar a pesquisa so&re a mortalidade in#antil( que * #eita atrav*s de dados col)idos por uma coleta direta. 4&tidos os dados( eles devem ser cuidadosamente criticados( procura de possveis #al)as e imper#ei.2es( a #im de n/o incorrermos em erros grosseiros ou certo vulto( que possam in#luir sensivelmente nos resultados. A crtica * e3terna quando visa s causas dos erros por parte do in#ormante( por distra./o ou m interpreta./o das perguntas que l)e #oram #eitasM R interna quando visa o&servar os elementos originais dos dados da coleta. ratamento dos dados: 8ada mais * do que a soma e o processamento dos dados o&tidos e a disposi./o mediante crit*rios de classi#ica./o Jode ser manual ou eletr'nica. A5resenta67o dos dados: Jor mais diversa que se"a a #inalidade que se ten)a em vista( os dados devem ser apresentados so& #orma adequada O ta&elas e gr#icos O tornando mais #cil o e3ame daquilo que est sendo o&"eto de tratamento estatstico. An0ise dos resu0tados: Ap6s a apresenta./o dos dados devemos calcular as medidas tpicas convenientes para #a$ermos uma anlise dos resultados o&tidos( atrav*s dos m*todos da Estatstica 1ndutiva ou 1n#erencial( e tirarmos desses resultados conclus2es e previs2es. %onc0us7o: S de responsa&ilidade de um especialista no assunto que est sendo pesquisado( que n/o * necessariamente um estatstico( relatar as conclus2es de maneira que se"am #acilmente entendidas por quem as #or usar na tomada de decis2es. 8 - A Estatstica nas Em5resas:
8o mundo atual( a empresa * uma das vigas>mestra da economia dos povos.A dire./o de uma empresa * de qualquer tipo( incluindo as estatais e governamentais( e3ige de seu administrador a importante tare#a de tomar decis2es( e o con)ecimento e o uso da Estatstica #acilitaram seu trplice tra&al)o de organi$ar( dirigir e controlar a empresa. Jor meio de sondagem( de coleta de dados e de recenseamento de opini2es( podem con)ecer a realidade social( os recursos naturais( )umanos e #inanceiros disponveis( as e3pectativas da comunidade so&re a empresa( e esta&elecer suas metas( seus o&"etivos com maior possi&ilidade de serem alcan.ados a curto( m*dio ou longo pra$o. A Estatstica a"udar em tal tra&al)o( como tam&*m na sele./o e organi$a./o da estrat*gia a ser a dotada no empreendimento e( ainda( na escol)a das t*cnicas de veri#ica./o e avalia./o da qualidade e da quantidade do produto e mesmo das possveis lucros eQou perdas. Tudo isso que se pensou( que se plane"ou( precisa #icar registrado( documentado para evitar esquecimento( a #im de garantir o &om uso do tempo( da energia e do material e( ainda( para um controle e#iciente do tra&al)o. 4 esquema do plane"amento * o plane( que pode ser resumido( com o au3ilio da Estatstica( em ta&elas e gr#icos( que #acilitar/o a compreens/o visual dos clculos matemticos>estatisticos que l)es deram origem. 4 )omem de )o"e( em suas mHltiplas atividades( lan.a m/o de t*cnicas e processos estatsticos( e s6 estudando>os evitaremos o erro das generali$a.2es apresentadas a respeito de ta&elas e gr#icos apresentados em "ornais( revistas e televis/o( #reqPentemente cometido quando se con)ece apenas Bpor cimaC um pouco de Estatstica. @> "E&INI9:E# B;#I%A# "A E# A $# I%A: . &EN<MEN! E# A $# I%!: S qualquer evento que se pretenda analisar( cu"o estudo se"a possvel da aplica./o do m*todo estatstico. S/o divididos em tr-s gruposD Fenmenos de massa ou coletivo: s/o aqueles que n/o podem ser de#inidos por uma simples o&serva./o. A estatstica dedica>se ao estudo desses #en'menos. E3D A natalidade em Franca( 4 pre.o m*dio da cerve"a na 5estinga( etc. Fenmenos individuais: s/o aqueles que ir/o compor os #en'menos de massa. E3D cada nascimento em Franca( cada pre.o de cerve"a na 5estinga( etc. Fenmenos de multido: quando as caractersticas o&servadas para a massa n/o se veri#icam para o particular. E3D os pronturios m*dicos de um )ospital( os pr*dios de uma rua( etc. 2- "A"! E# A $# I%!: S um dado num*rico e * considerado a mat*ria>prima so&re a qual iremos aplicar os m*todos estatsticos. *- P!P=)A9>!: S o con"unto total de elementos portadores de( pelo menos( uma caracterstica comum. Se quisermos sa&er( por e3emplo( qual a mat*ria #avorita entre os alunos da sala de aula( podemos consultar todos os alunos da classe. 8o entanto( isso n/o * possvel quando queremos pesquisar so&re a inten./o de votos dos eleitores do Estado de S/o Jaulo( pois n/o podemos consultar todos os eleitores que constituem a popula./o ou o universo estatstico. 3- AM!# (A: S uma parcela representativa da popula./o que * e3aminada com o prop6sito de tirarmos conclus2es so&re a essa popula./o. 5ecorremos( ent/o( ao que c)ama de amostra( ou se"a( um grupo de eleitores que( consultados( permitem que se c)egue ao resultado mais pr63imo possvel da realidade. S comum aparecer na pu&lica./o das pesquisas quantos eleitores #oram consultados( pois a escol)a da amostra (quantos e quais eleitores) * #undamental para o resultado. Chamamos de U o universo estatstico e de A uma amostra, temos: A U.
8- PA(?ME (!#: S/o valores singulares que e3istem na popula./o e que servem para caracteri$>la.Jara de#inirmos um parTmetro devemos e3aminar toda a popula./o.E3D 4s alunos do ;U ano da U81F5A8 t-m em m*dia ;(< metros de estatura. @- E# IMA IAA: S um valor apro3imado do parTmetro e * calculado com o uso da amostra. B- A (IB= !: Euando os dados estatsticos apresentam um carter qualitativo( o levantamento e os estudos necessrios ao tratamento desses dados s/o designados genericamente de estatstica de atri&uto. E3emplo de classi#ica./o dicot'mica do atri&utoD A classi#ica./o dos alunos da U81F5A8 quanto ao se3o. atri/uto: se3o..........................c0asse: alunos da U81F5A8 dicotomia: duas su&classes ( masculino e #eminino) E3emplo de classi#ica./o policot'mica do atri&utoD Alunos da U81F5A8 quanto ao estado civil. atri/uto: estado civil...............c0asse: alunos da U81F5A8 5o0icotomia: mais de duas su&classes ( solteiro( casado( divorciado( viHvo( etc.) C- IN"IAI"=! != !BDE !: !ada elemento que comp2em a amostra * um individuo ou o&"eto. 8o e3emplo da inten./o de votos( os indivduos da pesquisa s/o pessoas. Euando se consideram algumas marcas de lTmpadas apara testar a dura&ilidade( cada marca * um o&"eto da pesquisa. E- AA(IAAE): Uma indHstria de automo&ilstica que pretende lan.ar um novo modelo de carro #a$ uma pesquisa para sondar a pre#er-ncia dos consumidores so&re o tipo de com&ustvel( numero de portas( pot-ncia do motor( pre.o( cor( taman)o( etc. !ada uma dessas caractersticas * uma varivel da pesquisa. 8a varivel Btipo de com&ustvelC( a escol)a pode ser( por e3emplo( entre lcool e gasolina. Ii$emos que esses s/o valores ou reali$a.2es da varivel Btipo de com&ustvelC. E-1- AA(IAAE) F=A)I A IAA: Em uma pesquisa que envolve pessoas( por e3emplo( as variveis consideradas podem ser se3o( cor de ca&elo( esporte #avorito e grau de instru./o. 8esse caso di$emos que as variveis s/o qualitativas( pois apresentam com possveis valores uma qualidade ( ou atri&uto) dos indivduos pesquisados. Alem disso( di$emos que as variveis qualitativas podem ser ordinais( quando e3iste uma ordem nos seus valores( ou nominais( quando isso n/o ocorre. E3emplo ;D Bgrau de instru./oC * uma varivel qualitativa ordinal( " que seus valores podem ser ordenados (#undamental( m*dio( superior( etc.). E3emplo ?D BcorC (&ranco( vermel)o( a$ul)( * uma varivel qualitativa nominal( pois( n/o precisa de ordem. E-2- AA(IAAEI# F=AN I A IAA# D Euando as variveis de uma pesquisa s/o( por e3emplo( altura( peso( idade em anos e nHmeros de irm/os( di$emos que s/o quantitativas( pois seus possveis valore s/o nHmeros. As variveis quantitativas podem ser discretas( quando se trata de contagem (nHmeros inteiros)( ou continuas( quando se trata de medida (nHmeros reais). E3emploD B8umero de irm/osC * uma varivel quantitativa discreta( pois podemos contar ( ( ;( ?( etc). BAlturaC * uma varivel quantitativa continua( uma ve$ que pode ser medida (;(NN m( ;(A m( etc.).
UNIVERSIDADE DE FRANCA no min al qualitativas ordinal (esumo das .ari.eis: discreta quantitativas contnuas
S interessante notar que muitas popula.2es podem originar os quatro tipos de dados como ilustramos na ta&ela a&ai3o. Jopula.2es Alunos de estatstica Autom6veis ,endas de im6veis Tipos de ,ariveis Euantitativas Eualitativas !ontinua Iiscreta 8ominal 4rdinal 1dade e peso nV de classe Se3o Jor perodo ,elocidade por WmQ) ,alor em reais nVde de#eitos por carro nV de o#ertas !ores Acima do pre.o Ximpe$a 0uito dispendioso
EGerccios Pro5ostos: !lassi#ique as variveis em qualitativas ou quantitativas (contnuas ou discretas)D ;. !or dos ol)os das alunas... 5espD Eualitativa nominal ?. Estado de conserva./o (novo ou usado). 5espD Eualitativa ordinal 3. Yndice de liquide$ nas indHstrias capi3a&a... 5espD Euantitativa continua +. Jrodu./o de ca#* no %rasil... 5espD Euantitativa continua N. 8Hmero de de#eitos em aparel)os de T,... 5espD Euantitativa discreta @. !omprimento dos pregos produ$idos por uma empresa... 5espD Euant. !ontinuas <. 4 ponto o&tido em cada "ogada de um dado... 5espD Euantitativa discreta II H AmostraIem: 1- Po5u0a67o e Amostras: Ao conJunto de entes 5ortadores deK 5e0o menosK uma caracterstica comum denominamos Po5u0a67o estatstica ou uni.erso estatstico. Esse termo re#ere>se n/o somente a uma cole./o de indivduos( mas tam&*m ao alvo so&re o qual reside nosso interesse. Assim( nossa popula./o pode ser tanto todos os )a&itantes de ,ila ,el)a( como todas as lTmpadas produ$idas por uma #&rica em um certo perodo de tempo( ou todo o sangue no corpo de uma pessoa. !omo em qualquer estudo estatstico temos em mente pesquisar uma ou mais caractersticas dos elementos de alguma popula./o( esta caracterstica deve estar per#eitamente de#inida. E isso se d quando considerando um elemento qualquer( podemos a#irmar( sem am&igPidade( se esse elemento pertence ou n/o popula./o. ,amos entender que( em Estatstica( a palavra populao tem signi#icado muito mais amplo do que no voca&ulrio leigo. Jara o estatstico( todos os valores que uma varivel pode assumir( nos elementos de um con"unto( constitui uma popula./o. Algumas ve$es podemos acessar toda a popula./o para estudarmos caractersticas de interesse( mas em muitas situa.2es( tal procedimento n/o pode ser reali$ado( por impossi&ilidade ou invia&ilidade econ'mica ou temporal. Jor e3emplo( uma empresa n/o disp2e de ver&a su#iciente para sa&er o que pensa todos os consumidores de seus produtos. H ainda ra$2es *ticas( quando( por e3emplo( os e3perimentos de la&orat6rio envolvem o uso de seres vivos. Al*m disso( e3istem casos em que a impossi&ilidade de acessar toda a popula./o de
interesse * incontornvel como no caso da anlise do sangue de uma pessoa ou em um e3perimento para determinar o tempo de #uncionamento das lTmpadas produ$idas por uma indHstria. Tendo em vista as di#iculdades de vrias nature$as para o&servar todos os elementos da popula./o( tomaremos alguns deles para #ormar um grupo a ser estudado. A essa parte proveniente da popula./o em estudo denominamos amostra. =ma amostra , um su/conJunto 1inito de uma 5o5u0a67o. Eta5as da an0ise estatstica.
Estatstica descritiva Consist!ncias dos dados "nterpreta#es iniciais
Populao
Amostra
Inferncia Estatstica ou Estatstica Indutiva Estimao de $uantidades desconhecidas E%trapolao dos resultados Teste de &ip'teses
4s pesquisadores tra&al)am com amostras. Jrimeiro( porque as populaes infinitas s6 podem ser estudadas atrav*s de amostras. As populaes finitas muito grandes tam&*m s6 podem ser estudadas atrav*s de amostras. Finalmente( o estudo cuidadoso de uma amostra tem mais valor cienti#ico do que o estudo rpido de toda a popula./o. EGem50os: "e 5o5u0a67o in1initaD A produ./o #utura de uma mquina. As e3tra.2es( com repeti./o das &olas de uma urna. 4s nascimentos de &e&-s. "e 5o5u0a67o 1inita: 4 nHmero de pei3es do mar constitui uma popula./o #inita muito grande( pois esse nHmero *( em dado momento( matematicamente #inito( mas t/o grande que pode ser considerado in#inito para #inalidade pratica. 4s alunos de uma sala de aula( os produtos de um supermercado( os livros de uma &i&lioteca( os autom6veis de vila vel)a( s/o e3emplos de popula.2es #initas. A distin./o entre popula./o e amostra * #undamental porque * com &ase nos dados de uma amostra que os estatsticos in#erem so&re a popula./o. EGem50o: Uma pesquisa de opini/o para sa&er o resultado das elei.2es para o pre#eito da cidade de Franca( em ? +( a popula./o considerada #oram todos os eleitores da cidade e para constituir a amostra o 1%4JE coletou a opini/o de cerca de ;@ eleitores. As medidas estatsticas o&tidas com &ase na popula./o s/o denominadas parmetros. As medidas o&tidas com &ase em amostras s/o denominadas estimativas. Tanto parTmetros quanto estimativas s/o num*ricos a Hnica di#eren.a * o #ato de os parTmetros serem o&tidos com &ase na popula./o e as estimativas com &ase nas amostras. 4s parTmetros s/o em geral descon)ecidos porque( na pratica( n/o * possvel o&servar toda a popula./o. 0as( como " disse algu*m( n/o * preciso &e&er todo o vin)o para sa&er que gosto ele tem. Ent/o o pesquisador o&t*m uma amostra para Bter uma id*iaC do valor do parTmetro.
Em&ora nen)um plano de amostragem possa garantir que a amostra se"a e3atamente semel)ante popula./o da qual #oi e3trada( se a amostra #or su#icientemente grande e o&tida com a t*cnica correta( na maioria das ve$es( poderemos estimar o valor do erro possvel( isto * di$er Bqu/o pr63imaC esta a amostra da popula./o( em termos de representatividade. 0as ainda( amostras sucessivas da mesma popula./o tendem a #ornecer estimativas similares entre si e com valores em torno do verdadeiro( ou se"a( o valor do parTmetro. EGem50o: 1magine que a pre#eitura de uma metr6pole quer tomar uma medida administrativa que a#eta os lo"istasD 0etade ( (N) deles * a #avor e metade ( (N) * contra( mas ningu*m con)ece essas propor.2es. ,octoma ent/o uma amostra de dois lo"istas para a#irmar a propor./o de lo"istas #avorveis. 8a sua amostra( podem ser #avorveis medidaD a) 8en)um dos dois &) Somente um deles c) 4s dois As estimativas da propor./o de lo"istas #avorveis medida seriamD a) &) (N c) ; Assim( vimos que( amostras di#erentes d/o estimativas di#erentes do parTmetro. S o que os estatsticos c)amam de flutuao amostral. Ias estimativas possveis desse parTmetro( com &ase em uma amostra de taman)o ?( que * muitssimo pequena( apenas um caso coincide com o valor verdadeiro do parTmetro e as outras s/o muito ruins. Se a amostra #osse de taman)o ; ( uma propor./o muito maior de estimativas estaria em torno do valor verdadeiro do parTmetro. E3iste uma t*cnica especial( a amostraIem( para recol)er amostras( que garantam( tanto quanto possvel( o carter de representatividade do todo( que possam ser usadas para permitir #a$er in#er-ncias acerca da popula./o de que originou. Euanto mais comple3a #or a amostragem( maiores cuidados dever/o ser tomados nas anlises estatsticas utili$adasM em contrapartida( o uso de um esquema de amostragem mais ela&orado pode levar a uma diminui./o no taman)o da amostra necessrio para uma dada precis/o. Antes de escol)er a amostra( * preciso de#inir a t*cnica de amostragem( isto *( os crit*rios que ser/o usados para escol)er os elementos da popula./o que constituir/o a amostra. Ie acordo com a t*cnica usada( tem>se um tipo de amostra. 2- AmostraIem ' %enso Uma amostra usualmente envolve o estudo de uma parcela dos itens de uma popula./o( enquanto que um censo requer o e3ame de todos os itens. Em&ora concentremos nossa aten./o nas amostras( * conveniente considerar tam&*m a alternativa do censo. Z primeira vista pode parecer que a inspe./o completa ou total de todos os itens de uma popula./o se"a mais conveniente do que a inspe./o de apenas uma amostra deles. 8a prtica( o contrrio * que * quase vlido Firmas comerciais e entidades governamentais recorrem amostragem por vrias ra$2es. 4 custo * usualmente um #ator relevante. !ol)er dados e analisar resultados custam din)eiro e( em geral quanto maior o nHmero de dados col)idos( maior o custo. 4utra ra$/o para o emprego de amostragem * que o valor da in#orma./o dura pouco. Jara ser Htil( a in#orma./o deve ser o&tida e usada rapidamente. A amostragem * a Hnica maneira de se #a$er isso. Jor ve$es( o e3ame de determinado artigo o destr6i. Testar cadeiras quanto a sua resist-ncia ao peso o&viamente as destr6iM se #'ssemos testar todas as cadeiras( n/o so&rariam cadeiras para a venda. A amostraIem , 5re1er.e0 ao censo +uandoD a) A popula./o pode ser in#inita( e o&viamente n/o seria possvel e3aminar todos os itens da popula./o o que tornaria ent/o o censo impossvel. &) Uma amostra pode ser mais atuali$ada do que o censo. Se necessitar de uma in#orma./o rapidamente( um estudo de toda a popula./o pode consumir demasiado tempo e perder utilidade. Al*m disso( se a popula./o tende a modi#icar>se com o tempo( um censo poder( na realidade( com&inar vrias popula.2es.
c) 4s testes podem apresentar carter destrutivo( ou se"a( os itens e3aminados s/o destrudos no pr6prio ato do e3perimento. Ent/o o censo nos daria o panorama preciso de uma popula./o que n/o e3iste mais. d) 4 custo de um censo pode ser proi&itivo( normalmente se o custo individual * elevado e se e3istem muitos itens na popula./o. e) A precis/o pode so#rer no caso de um censo de uma grande popula./o. A amostragem envolve menor nHmero de o&serva.2es e( conseqPentemente( menor nHmero de coletores de dados. !om grande nHmero de agentes( ) menor coordena./o e controle( aumentando a c)ance de erros. A amostragem pode revelar maior uni#ormidade nos m*todos de coleta de dados( e maior compara&ilidade entre os dados( do que um censo. #) 4 tipo de in#orma./o pode depender da utili$a./o de uma amostra ou de um censo. FreqPentemente as despesas com coleta de dados so#rem restri.2es or.amentrias. E3iste tam&*m a prem-ncia do tempo. Se nos decidirmos por um censo( os pro&lemas de custo e de tempo podem condu$ir a uma limita./o do censo a apenas uma ou a poucas caractersticas por item. Uma amostra com o mesmo custo e mesmo tempo( poderia proporcionar resultados mais apro#undados so&re um menor nHmero de itens. Entretanto( ) certas situa.2es em que * mais vanta"oso #a$er um censo. Entre essas situa.2es destacamosD a) A popula./o pode ser t/o pequena que o custo e o tempo de um censo se"am pouco maiores que para uma amostra. &) Se o taman)o da amostra * grande em rela./o ao da popula./o( o es#or.o adicional requerido por um censo pode ser pequeno( al*m disso( o censo eliminar a varia&ilidade amostral. c) Se e3ige precis/o completa( ent/o o censo * o Hnico m*todo aceitvel. Em #ace da varia&ilidade amostral( nunca podemos ter certe$a de quais s/o os parTmetros verdadeiros da popula./o. Um censo nos dar essa in#orma./o( em&ora erros na coleta dos dados e outros tipos de tendenciosidade possam a#etar a precis/o dos resultados. d) 4casionalmente( " se disp2e da in#orma./o completa( de modo que n/o ) necessidade de amostra. *- AmostraIem Pro/a/i0stica: Uma amostragem ser pro&a&ilstica se todos os elementos da popula./o tiverem pro&a&ilidade con)ecida( e di#erente de $ero( de pertencer amostra. Iesta #orma( a amostragem pro&a&ilstica implica um sorteio com regras &em determinadas( cu"a reali$a./o s6 ser possvel se a popula./o #or #inita e totalmente acessvel. !onsideraremos aqui os seguintes planos de amostragem pro&a&ilsticaD ; O Amostragem Aleat6ria Simples ? O Amostragem Jroporcional Estrati#icada 3 O Amostragem Sistemtica *.1- AmostraIem A0eatria #im50es ou %asua0: Este tipo de amostragem * equivalente a um sorteio lot*rico. A Amostragem Aleat6ria Simples * constituda de elementos retirados ao acaso da popula./o. Ent/o todo elemento da popula./o tem pro&a&ilidade #i3a de ser amostrado. Jor isso * que a esse tipo de amostragem tende a produ$ir amostras representativas. EGem50o: 9eralmente s/o considerados aleat6rios os seguintes processosD K A c)egada de carros a um posto de pedgio K As c)amadas tele#'nicas numa grande mesa de opera./o K A c)egada de clientes aos cai3as de um supermercado K A produ./o de qualquer processo mecTnico K Sucessivos lances de moeda ou de dado K Tempo de servi.o em esta.2es de pedgio S de m3ima importTncia dar cuidadosa aten./o maneira como se escol)em os itens( &em como se eles s/o igualmente provveis. EGem50o: 1magine que N clientes est/o cadastrados em sua empresa e voc- precisa o&ter uma amostra aleat6ria de ?[ dos cadastros. 4 que voc- #ariaG !omo queremos uma amostra de ?[ dos cadastros( precisamos sortear ; deles. Faremos isso seguindo os seguintes passosD
; O 8umeramos os cadastros de ; a N . ? > Jara o sorteio e3i&iremos duas op.2esD a) Escreva os nHmeros de ; a N ( em peda.os iguais de um mesmo papel( colocando>os dentro de uma cai3a. Agite sempre a cai3a para misturar &em os peda.os de papel e retire( um a um( de$ nHmeros que #ormar/o a amostra. &) !oloque em uma urna( &olas numeradas de $ero a nove( inclusive( misture &em e retire uma. Anote o nHmero dessa &ola que ser o primeiro dgito do nHmero do cadastro que ser amostrado. ,olte a &ola retirada urna( misture &em e retire outra. 4 nHmero dessa segunda &ola ser o segundo dgito do nHmero do cadastro que ser amostrado. 4 procedimento dever ser repetido at* completar os tr-s dgitos da numera./o utili$ada. !omo a popula./o * constituda por N cadastros( devem ser despre$ados os nHmeros maiores do que N ( &em como os nHmeros que " #oram sorteados e o nHmero . 4 sorteio dever ser repetido at* se conseguir a amostra de ; cadastros. 4 processo de sele./o e3ige que se atri&uam nHmeros consecutivos aos itens listados escol)endo>se depois( aleatoriamente( os nHmeros dos itens que compor/o a amostra. !onceitualmente( podemos usar cartas( dados( #ic)as numeradas ou &olas numeradas para gerar nHmeros aleat6rios para gerar nHmeros aleat6rios correspondentes aos nHmeros de nossa listagem. 8a prtica( tais dispositivos s/o empregados raramente( por vrias ra$2es. Uma dela * que cada dispositivo dei3a algo a dese"arM os m*todos n/o s/o per#eitamente aleat6rios. As cartas( por e3emplo( podem aderir umas s outras( impedindo um em&aral)amento per#eito. As arestas de um dado podem estar desgastadas. E sempre ) o perigo de as &olas de uma urna n/o terem sido convenientemente misturadas. Em vista disso( e porque a amostragem aleat6ria * vital para a in#er-ncia estatstica( e3istem ta&elas especialmente ela&oradas( c)amadas a/e0as de NLmeros A0eatrios( construda de modo que os de$ algarismos ( a =) s/o distri&udos ao acaso nas lin)as e colunas. 8a ta&ela de nHmeros aleat6rios os de$ algarismos (;(?(...(<(A(=( podem ser lidos isoladamente ou em gruposM podem ser lidos em qualquer ordem( como por colunas( num sentido ou noutro( por lin)as( diagonalmente etc.( e podem ser considerados aleat6rios. A op./o de leitura( por*m( deve ser #eita( antes de iniciado o processo. Jara usar uma ta&ela de nHmeros aleat6rios devemosD ; O Fa$er uma lista dos nHmeros da popula./o ? O 8umerar consecutivamente os itens na lista( a come.ar do $ero( 3 O Xer os nHmeros na ta&ela de nHmeros aleat6rios de modo que o nHmero de algarismos em cada um se"a igual ao nHmero de algarismos do Hltimo nHmero da sua listagem. + O Iespre$ar quaisquer nHmeros que n/o correspondam a nHmeros da lista ou que se"am repeti.2es de nHmeros lidos anteriormente. !ontinue o processo at* ter o nHmero dese"ado de o&serva.2es. N O Usar os nHmeros assim escol)idos para identi#icar os itens da lista a serem includos na amostra. E'EMP)! "E =MA ABE)A "E NMME(!# A)EA N(I!#: 3@= ?+=? <;<; <<? @N = <N+= ?33 N<33 3B* A;3 @<= @ANA ;+A= ?@@= 3<+3 ;= ; +=<; C2C @+<< N?A= + =? +??3 @+N+ <@3? <N<< ?A;@ E2O? <<? ?;@ A?3@ A;? +;=N NNA= A3 A?@; E2*? N@=? =A< 3NA3 A==< ;N33 @N@@ AA3 <?<; *CO= ? A 3A?A <AA NA@ A+A? <A;; @A < 33 = 2B2= ; 3= 33A? <@ ; << ++NN AA @ ;A?? ;@@= B8O; <??< ; + +;+; ;N?; =; + NN@3 ;3=? A?3A 3CC? AN @ @3+A +@;? A?N? ; @? ;<N< =@+ ?=A3 223+ N A@ 3 3 <+?3 3?=A 3=<= ?A3; ??N< ;N A B@3? =? ;@?= 3<< 3N= ?? = +A3= @33? ;+= *OE? =3N NN@N ?3;N A 3 <@N; N;A= <N =3N3 1E2; ?@ N 3=<3 A? + +;+3 ?@<< 3+ A@ ; 33+ C*C3 <?<< =AA= 3= NN<= +@? N@N ?; ? A? 3@@+ N+A+ 3= 3+AN <+; = @= N=? +3?@ << + @82N
10
@= N <;?< N=33 ;;3< <NA3 @+N N@NA <@<A *33+ A3A< N3?3 3<N3 ;AN= @ +3 ?=+ N;; @3+ E1*< + =+ ;=N< ;@3 =<;< +;;A +?<@ =+@N AA? 312< +=N; 3<A; N; ; ;A;N < @A @3<= <?N? ; A@ A=;= = +< ;== N @A <++< ;@@+ =?<A ;< A 3@?N ?A@+ EGem50o: 1magine que N clientes est/o cadastrados em sua empresa e voc- precisa o&ter uma amostra aleat6ria de ?[ dos cadastros. !omo voc- usaria a ta&ela de nHmeros aleat6rios para e3trair essa amostraG Iepois de numerar os cadastros podemos escol)er( por e3emplo( percorrer a Hltima coluna da ta&ela de cima para &ai3o lendo os tr-s primeiros algarismos de cada lin)a. 4s nHmeros o&tidos dessa #orma s/oD +<3( A?A( =? ( =?3( 3A ( ?<?( <N ( +AA( ??+( <@+( 3 =( ;=?( A3A( +@@( @N?( 3++( =;3( +;?. Iespre$ando os nHmeros que s/o maiores do que N (e eventuais repeti.2es) devemos tomar para a amostra os cadastros de nHmerosD +<3( 3A ( ?<?( +AA( ??+( 3 =( ;=?( +@@( 3++( +;?. Iispondo>se de uma lista precisa dos itens da popula./o( * relativamente simples escol)er uma amostra aleat6ria com o au3ilio de uma ta&ela de nHmeros aleat6rios. 8a realidade( a lista n/o precisa conter todos os itens. As loca.2es dos itens podem constituir uma alternativa( como por e3emplo( os quarteir2es de uma cidade( ou os arquivos de uma #irma etc. *.2- AmostraIem #istemtica: Euando os elementos da popula./o " se ac)am ordenados( n/o ) necessidade de construir um sistema de re#er-ncia. S/o e3emplos os pronturios m*dicos de um )ospital( os pr*dios de uma rua( as lin)as de produ./o etc. 8estes casos( a sele./o dos elementos que constituir/o a amostra pode ser #eita por um sistema imposto pelo pesquisador. A Amostragem Sistemtica * constituda de elementos retirados da popula./o segundo um sistema preesta&elecido. EGem50o 1: 1magine que N clientes est/o cadastrados em sua empresa e voc- precisa o&ter uma amostra aleat6ria de ?[ dos cadastros. !omo voc- o&teria uma amostra sistemticaG Jrecisamos o&ter uma amostra de taman)o ; . Jara o&ter a amostra podemos dividir N por ; ( e o&ter N . Sorteamos um nHmero entre ; e N ( inclusive( para ser o primeiro cadastro da mostra e a partir desse nHmero( contamos N cadastros e retiramos o Hltimo para #a$er parte da amostra. Jrocedemos dessa #orma at* completarmos os ; cadastros da amostra. EGem50o 2: 8o caso de uma lin)a de produ./o( podemos( a cada de$ itens produ$idos( retirar um para pertencer a uma amostra da produ./o diria. 8este caso( estaramos #i3ando o taman)o da amostra em ; [ da popula./o. S preciso especial cuidado com o sistema de sele./o. 8/o #orme uma amostra com as primeiras pessoas de uma #ila ou( se s/o atendidos ; clientes por dia( n/o escol)a para a amostra( o d*cimo de cada de$ clientes. Estes procedimentos podem determinar amostras tendenciosas. 5ecomenda>se sempre sortear o primeiro elemento que ser selecionado para a mostra e( a partir da( usar o sistema de sele./o. *.*- AmostraIem Pro5orciona0 Estrati1icada: 0uitas ve$es a popula./o se divide em su&popula.2es( denominadas de Estratos. !omo * provvel que a caracterstica em estudo dessa popula./o apresente( de estrato em estrato( um comportamento )eterog-neo e( dentro de cada estrato( um comportamento )omog-neo( conv*m que o sorteio dos elementos da amostra leve em considera./o tais estratos. A amostra proporcional estrati#icada * composta por elementos proveniente de todos os estratos. EGem50o: ,amos o&ter uma amostra proporcional estrati#icada de ; [ para a pesquisa da estatura de = alunos de uma escola onde N+ s/o meninos e 3@ s/o meninas. Temos aqui dois estratos( se3o masculino e se3o #eminino. a) 4 primeiro passo * determinar o taman)o da amostra em cada estratoD
11
#eGo 0 F ota0 Po5u0a67o N+ 3@ = 1OP
10 x 54 100
10 x 36 100
= 5,4
= 3,6
Amostra N + =
10 x 90 100
=9
&) 8umeramos os alunos de ; a = ( sendo que de ; a N+ correspondem meninos e NN a = as meninas. c) 4&temos uma amostra aleat6ria ou sistemtica de cada se3o e reunimos as in#orma.2es numa s6 amostra( determinada de amostra estrati#icada. *.3- AmostraIem 5or %onI0omerados ou AIru5amentos: Algumas popula.2es n/o permitem( ou tornam e3tremamente di#cil que se identi#iquem seus elementos. 8/o o&stante isso( pode ser relativamente #cil identi#icar alguns su&grupos da popula./o. Em tais casos( uma amostra aleat6ria simples desses su&grupos (conglomerados) pode se col)ida( e uma contagem completa deve ser #eita para o conglomerado sorteado. Agrupamentos tpicos s/o quarteir2es( #amlias( organi$a.2es( ag-ncias( edi#cios etc. E3D 8um levantamento da popula./o de determinada cidade( podemos dispor do mapa indicando cada quarteir/o e n/o dispor de uma rela./o atuali$ada dos seus moradores. Jode>se( ent/o( col)er uma amostra dos quarteir2es e #a$er a contagem completa de todos os que residem naqueles quarteir2es sorteados. 3- AmostraIem N7o Pro/a/i0stica: Euando nem todos os elementos da popula./o tiverem uma pro&a&ilidade di#erente de $ero de pertencerem amostra( di$emos que a amostragem * n/opro&a&ilstica. Este processo de amostragem * su&"etivo e seu regimento depende do con)ecimento que possui o pesquisador a respeito da estrutura da popula./o. S empregada( muitas ve$es( por simplicidade ou pela impossi&ilidade de se o&ter amostragens pro&a&ilsticas. Se os e#eitos das amostragens n/o>pro&ilsticas podem ser considerados equivalentes aos das amostragens pro&a&ilsticas( ent/o os processos de amostragens n/o>pro&a&ilsticas tam&*m podem ser considerados vlidos. !onsideraremos aqui os seguintes planos de amostragem n/o pro&a&ilsticaD ; O Amostragem Acidental ? O Amostragem 1ntencional 3 O Amostragem por !otas + O Amostragem a Esmo N OAmostragem por Lulgamento 3.1- AmostraIem Acidenta0: Trata>se de uma amostra #ormada por aqueles elementos que v/o aparecendo( que s/o possveis de se o&ter at* completar o nHmero de elementos da amostra. 9eralmente utili$ada em pesquisas de opini/o( em que os entrevistados s/o acidentalmente escol)idos. E3D Jesquisas de opini/o em pra.as pH&licas( ruas de grandes cidadesM 3.2- AmostraIem Intenciona0: Ie acordo com determinado crit*rio( * escol)ido intencionalmente um grupo de elementos que ir/o compor a amostra. 4 investigador se dirige intencionalmente a grupos de elementos dos quais dese"a sa&er a opini/o. E3D 8uma pesquisa so&re pre#er-ncia por determinado cosm*tico( o pesquisador se dirige a um grande sal/o de &ele$a e entrevista as pessoas que ali se encontram. 3.*- AmostraIem 5or %otas:
12
Um dos m*todos de amostragem mais comumente usados em levantamentos de mercado e em pr*vias eleitorais. Ele a&range tr-s #asesD ;\ > classi#ica./o da popula./o em termos de propriedades que se sa&e( ou presume( serem relevantes para a caracterstica a ser estudadaM ?\ > determina./o da propor./o da popula./o para cada caracterstica( com &ase na constitui./o con)ecida( presumida ou estimada( da popula./oM 3\ > #i3a./o de quotas para cada entrevistador a quem tocar a responsa&ilidade de selecionar entrevistados( de modo que a amostra total o&servada ou entrevistada conten)a a propor./o e cada classe tal como determinada na ?\ #ase. E3D 8uma pesquisa so&re o ]tra&al)o das mul)eres na atualidade]( provavelmente se ter interesse em considerarD a divis/o cidade e campo( a )a&ita./o( o nHmero de #il)os( a idade dos #il)os( a renda m*dia( as #ai3as etrias etc. A primeira tare#a * desco&rir as propor.2es (porcentagens) dessas caractersticas na popula./o. 1magina>se que )a"a +<[ de )omens e N3[ de mul)eres na popula./o. Xogo( uma amostra de N pessoas dever ter ?3 )omens e ?< mul)eres. Ent/o o pesquisador rece&er uma ]+uota] para entrevistar ?< mul)eres. A considera./o de vrias categorias e3igir uma composi./o amostral que atenda ao n determinado e s propor.2es populacionais estipuladas. 3.3- AmostraIem a Esmo: S o caso em que o pesquisador procura ser aleat6rio( sem( no entanto( utili$ar um sorteio aleat6rio rigoroso. EGem50o: Se tirarmos ; para#usos de uma cai3a que cont*m ; . para#usos do mesmo modelo e taman)o( de certo n/o #aramos uma amostragem aleat6ria simples( pois seria e3tremamente tra&al)osa( mas #aramos retiradas a esmo. 4s resultados de uma amostragem a esmo s/o os mesmos de uma amostragem pro&a&ilstica se a popula./o * )omog-nea e se n/o e3iste a possi&ilidade de o amostrador ser in#luenciado (mesmo que inconscientemente) por alguma caracterstica dos elementos da popula./o. 8/o seria o caso da amostra dos para#usos( acima( se estes tivessem modelos e taman)os di#erentes( e isto a#etasse a caracterstica o&servada nos para#usos. 3.8- AmostraIem 5or Du0Iamento: 8este tipo de amostragem( a amostra * col)ida na parte da popula./o que * acessvel. Ent/o se #a$ uma distin./o entre popula./o>o&"eto (aquela que se tem em mente ao reali$ar o estudo) e a popula./o>amostrada (a parte da popula./o que * acessvel). Se essas duas popula.2es tiverem as mesmas caractersticas( este tipo de amostragem vai ser equivalente a uma amostragem pro&a&ilstica. Se o taman)o da amostra * &em pequeno( digamos( de um a cinco itens( a amostragem aleat6ria pode dar totalmente n/o>representativos( ao passo que uma pessoa #amiliari$ada com a popula./o pode especi#icar quais os itens mais representativos da popula./o. EGem50o: Uma cadeia de restaurantes pode querer e3perimentar uma nova t*cnica de servi.o( empregando &ande"as com aquecimento. Jro&lemas de custo podem #a$er com que a e3peri-ncia se limite a dois restaurantes( os quais podem di#erir consideravelmente em termos de taman)o( locali$a./o( clientela e lucratividade. Ao inv*s de uma sele./o aleat6ria dos dois locais a ser usado como teste( ser mel)or con#iar no con)ecimento da administra./o para #a$er tal escol)a. 4casionalmente( os itens amostrais( se apresentam convenientemente grupados. Uma pesquisa m*dica deve tra&al)ar com os pacientes disponveis.Este grupo n/o pode ser considerado como uma amostra aleat6ria do pH&lico em geral e seria perigoso tentar tirar conclus2es gerais com &ase em tal estudo. Entretanto( os resultados poderiam proporcionar uma &ase para a ela&ora./o de um plano de amostragem aleat6ria para validar os resultados &sicos. 4s perigos inerentes pesquisa m*dica( &em como a outros tipos de pesquisa( #reqPentemente o&rigam a limitar a pesquisa inicial a um pequeno grupo de voluntrios. 4utros e3emplosD similares seriam portadores de doen.as #atais( cadveres( animais( etc.
13
Finalmente( a amostragem por "ulgamento pode ser mais rpida e menos custosa porque n/o * preciso construir uma listagem dos itens da popula./o. Ten)a>se em mente que a amostragem por "ulgamento n/o permite a avalia./o o&"etiva do erro amostral( de modo que * conveniente usar a amostragem pro&a&ilstica sempre que possvel.
%omo ca0cu0ar o taman4o de uma amostra: Mas o +ue , erro amostra0G S a di#eren.a entre o valor que a estatstica pode acusar e o verdadeiro valor do parTmetro que se dese"a estimar. 4 erro amostral tolervel * a margem de erro aceitvel em um estudo estatstico. Jara esclarecer mel)or( * quando o apresentador do tele"ornal( em ano de elei.2es( anunciaD B4 candidato Fulano de Tal tem +?[ das inten.2es de voto( ? para mais( ? para menos.C Euando o apresentador cita B? para mais( ? para menosC( ele se re#ere ao erro amostral tolervel para aquela pesquisa de inten.2es de voto. aman4o da AmostraD 4&s.D um passo importante antes de iniciar o clculo do taman)o da amostra * de#inir qual o erro amostral tolervel para o estudo que ser reali$ado. 4&serve a seguinte #6rmulaD
nO * a primeira apro3ima./o do taman)o da amostra
N * o nHmero de elementos da popula./o n * o taman)o da amostra
E3emplo ;: Em uma empresa que cont*m ? cola&oradores( dese"a>se #a$er uma pesquisa de satis#a./o. Euantos cola&oradores devem ser entrevistados para tal estudoG N^? Ie#inindo o erro amostral tolervel em ?[ (o erro * de#inido pela institui./o da pesquisa) EO ^ ( ? nO ^ ; Q (EO)? nO ^ ; Q ( ( ?)? nO ^ ?N n ^ (8 . nO) Q (8 _ nO) n ^ (? . ?N ) Q (? _ ?N n Q 1111 co0a/oradores
%om o erro amostra0 to0er.e0 em 2PK 1111 co0a/oradores de.em ser entre.istados 5ara a 5es+uisa 4&sD Atrav*s deste segundo clculo( * possvel o&servar que( quando aumentamos a margem de erro( o taman)o da amostra redu$. %om o erro amostra0 to0er.e0 em 2PK 1111 co0a/oradores de.em ser entre.istados 5ara a 5es+uisa
14
4&sD Atrav*s deste segundo clculo( * possvel o&servar que( quando aumentamos a margem de erro( o taman)o da amostra redu$. E3emplo ?D ,amos repetir os clculos( de#inindo o erro amostral tolervel em +[. 5espD n Q 3B@ co0a/oradores
15
UNIVERSIDADE DE
III H !rIaniza67o de "ados:
RAN!A " #$$%
1- "istri/ui67o de &re+R2ncia: Uma distri&ui./o de #reqP-ncia * um m*todo de grupamento de dados em classes( ou intervalos( de tal #orma que se possa determinar o nHmero ou a percentagem de o&serva.2es em cada classe. 4 nHmero ou percentagem numa classe c)ama>se freqncia de classe. Uma distri&ui./o de #reqP-ncia pode ser apresentada so& #orma gr#ica ou ta&ular. 1.1- i5os de 1re+R2ncias: &re+R2ncia sim50es ou a/so0uta S1T: S/o os valores que realmente representam o nHmero de dados de cada classe &re+R2ncia re0ati.a S1rT: S/o os valores das ra$2es entre as #reqP-ncias simples e a #reqP-ncia total. 8ormalmente calcula>se a #reqP-ncia relativa para e#eito de compara./o com outros grupos ou con"unto de dados. !onv*m notar que( quando estivermos comparando dois grupos com rela./o s #reqP-ncias de ocorr-ncia dos valores de uma dada varivel( grupos com um nHmero total de dados maior tendem a ter maiores #reqP-ncias de ocorr-ncia dos valores da varivel. Iessa #orma( o uso de #reqP-ncia relativa vem resolver este pro&lema. &re+R2ncia acumu0ada S&T: S o total das #reqP-ncias de todos os valores in#eriores ao limite superior do intervalo de uma dada classe. 8ormalmente utili$amos esse tipo de #reqP-ncia quando tratamos de variveis qualitativas ordinais ou quantitativas em geral. &re+R2ncia acumu0ada re0ati.a S&rT: S o total das #reqP-ncias relativas de todos os valores in#eriores ao limite superior do intervalo de uma dada classe. !omo no caso anterior utili$amos esse tipo de #reqP-ncia quando tratamos de variveis qualitativas ordinais ou quantitativas em geral. 4 processo de constru./o de uma distri&ui./o de #reqP-ncia para determinado con"unto de dados depende do tipo de dados em estudo( isto *( contnuos( discretos( nominais ou ordinais. ,amos estudar cada caso. 4s dados coletados s/o registrados em #ic)as que cont-m( al*m dos dados de interesse( diversas outras in#orma.2es. Jortanto( terminada a #ase de coleta dos dados( * preciso retirar os dados das #ic)as e organi$>los. Esta #ase do tra&al)o * denominada( tecnicamente( de tratamento dos dados. 1.2- "istri/ui67o de &re+R2ncia: 4s principais estgios na constru./o de uma distri&ui./o de #reqP-ncia para dados contnuos s/oD 1.2.1- 4rgani$ar os dados &rutos em um rol de ordem crescente ou decrescente. 1.2.2- Ieterminar a amplitude total dos dados (amostra) (AA) que * a di#eren.a entre o maior e menor dos dados. 1.2.*- Ieterminar quanto ao nHmero de classes a usar ( n ). S aconsel)vel usar entre N e ;N classes. 0enos que cinco classes pode ocultar detal)es importantes dos dados( e mais que quin$e torna a apresenta./o demasiado detal)ada. Uma regra prtica consiste em tomar a rai$ quadrada do nHmero total de dados (n) e a"ust>la( se necessrio( aos limites de N a ;N. 1.2.3- Ieterminar a amplitude de cada classe ()) dividindo a amplitude total da amostra por
n ou
AA n
. Se
necessrio o valor encontrado deve ser apro3imado para cima com o mesmo nHmero ou mais casas decimais que os valores das variveis. 1.2.8- Esta&elecer os intervalos das classes come.ando com um inteiro logo a&ai3o do menor valor o&servado e somando a amplitude das classes. 4s intervalos de classe devem ser escritos( de acordo
Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio
16
UNIVERSIDADE DE
para isso( o sm&olo n.
RAN!A " #$$%
com a (eso0u67o C@@U@@ do IBVE em termos de Bdesta quantidade at* menos aquelaC( empregando(
n (inclus/o por limite in#erior e e3clus/o do limite superior).
1.2.@- 5elacionar os intervalos e #a$er a contagem dos pontos por classe. A contagem total deve ser igual a 1.2.B- !onstruir uma ta&ela de #reqP-ncia ou um gr#ico de #reqP-ncia. Aamos construir uma ta/e0a 5ara re5resentar esses dados:
;> !onstru./o do 5ol em ordem crescente Sa#ra atual em (alqueireQ rvore) para + Jessegueiros 3(? A(; ;?(@ ;@(? ??(3 3(N =(? ;?(= ;@(+ ??(@ +(+ ; ( ;3(< ;@(+ ?3(N +(< ; (< ;+(N ;A(? ?N( @ ;;(; ;+(A ;A(N ?@(? @(; ;;(? ;N(; ;=(; ?<(N <(+ ;?(? ;N(A ;=(; 3?(+ <(A ;?(N ;@( ?;( 3?(A
?> Amplitude Total Amostral (AA) ^ 3?(A O 3(? ^ 2EK@ 3> 8Hmero de classes ^
40 = 6,32 6
29 , 6 6
+> Amplitude da classe (A! ou )) ^
= 4,93 5
N> 1ntervalos de varia./o das classesD ;\ classeD Ximite in#eriorD 3 Ximite superiorD 3 _ ) ^ 3 _ N ^ A ?\ classeD Ximite in#erior ^ Ximite superior da classe anteriorD A Ximite superiorD A _ N ^ ;3 3\ classeD ,ai de ;3 a ;A +\ classeD ,ai de ;A a ?3 N\ classeD ,ai de ?3 a ?A @\ classeD ,ai de ?A a 33 @> !onstru./o da ta&elaD Sa#ra Anual (em alqueireQrvore) para + 8umero de 8umero de Arvores Alqueires 3 ÒO A A A ÒO ;3 ; ;3 ÒO ;A = ;A ÒO ?3 < ?3 ÒO ?A + ?A ÒO 33 ? Total +
17
UNIVERSIDADE DE
4 Histograma correspondente *D
Safra Anual (em alqueire/rvore) para 40 Pessegueiros
10 n de a r vor e s 5 0 5,5 10,5 1 5,5 20,5 25,5 30,5 S a f r a ( a l q u e i r e s)
RAN!A " #$$%

4 Jolgono de FreqP-ncia * dado porD
1.*- a/e0as e Vr1icos 4s dados depois de tratados podem ser apresentados em ta&elas. E3istem normas nacionais para a organi$a./o de ta&elas( ditadas pela A%8T. Essas normas n/o ser/o tratadas aqui( mas conv*m sa&er que as ta&elas devem ter os seguintes componentesD K tu0o: Jrecede a ta&ela e e3plica( em poucas palavras( o dado em estudo. Se #or o caso( indica o tempo e o lugar a que os dados se re#erem. K %a/e6a04o: Especi#ica o conteHdo de cada coluna K %o0una Indicadora: Especi#ica em cada lin)a os valores que os dados podem assumir. K %or5o da ta/e0a: Apresenta a #reqP-ncia dos dados. K &onte: Especi#ica a entidade( o pesquisador ou pesquisadores que #orneceram os dados( quando esses n/o #oram coletados por voc-. EGem50o: Titulo
Valor em dlares dos principais produtos que o Brasil vende Argentina
Jrodutos Autom6veis ,eculos de cargas Auto pe.as 0otores 0in*rios Tratores !oluna 1ndicadora
,alores em d6lares (&il)2es) @ @ N+; N3; ?@+ ?+A ;3
!a&e.al)o
Corpo da Tabela
!onte: poca 25 de janeiro de 1999
A organi$a./o dos dados em ta&elas de #reqP-ncia proporciona um meio e#ica$ de estudo do comportamento de caractersticas de interesse. 0uitas ve$es( a in#orma./o contida nas ta&elas pode
18
UNIVERSIDADE DE
RAN!A " #$$%
ser mais #acilmente visuali$ada atrav*s de gr#icos. 0eios de comunica./o apresentam( diariamente( gr#icos das mais variadas #ormas para au3iliar na apresenta./o das in#orma.2es. arg/os pH&licos e empresas se municiam de gr#icos e ta&elas em documentos internos e relat6rios de atividades e desempen)o. 9ra.as proli#era./o de recursos gr#icos( cu"a constru./o tem sido cada ve$ mais simpli#icada em programas computacionais( e3iste )o"e uma in#inidade de tipos de gr#icos que podem ser utili$ados. Ieve ser notado( entretanto( que a utili$a./o de recursos visuais na cria./o de gr#icos deve ser #eita cuidadosamenteM um gr#ico desproporcional em suas medidas pode dar #alsa impress/o de desempen)o e condu$ir a conclus2es equivocadas. 4&viamente( quest2es de manipula./o incorreta da in#orma./o podem ocorrer em qualquer rea e n/o ca&e culpar a Estatstica. 4 uso e a divulga./o *tica e criteriosa de dados devem ser pr*>requisitos indispensveis e inegociveis.
1.4-
%0assi1ica67o dos Ir1icos: "iaIramasK EstereoIramasK PictoIramasK %artoIramas.
1.3.1- "iaIramas: 9r#icos em &arras )ori$ontaisM 9r#icos em &arras verticais ( colunas )M 9r#icos em &arras compostasM 9r#icos em colunas superpostasM 9r#icos em lin)as ou linearesM 9r#icos em setores. 1.3.1.1Vr1icos em /arras 4orizontais:
Ol i m p i a d a s 2 0 0 0 - S y d n e y ( A u st r a l i a )
P a i se s
%rasil 9r />%ret an)a !u&a Holanda 1t alia Fr an.a Aleman)a Aust ralia !)ina 5ussia Est . Unidos N ;
;; ;; ;? ;3 ;3 ;3 ;@ ?A 3? +
4uro
;N
?N
3N
+N
N m e r o d e Me d a l a s
1.3.1.2-
Vr1icos em /arras .erticais ou %o0unas:

3 ?N ? ;N ; N
?A ?+ ;@
?N ;<
;+ A =
;;
; @
Jrat a
;V
?V
3V
+V
NV
@V P a i se s
<V
AV
=V
; V
N?V
1.3.1.*-
Vr1icos em co0unas com5ostas:
19
UNIVERSIDADE DE
Ol i mpi a da s 2000- Sy dne y ( A us t r a l i a ) +N + 3N 3 ?N ? ;N ; N + 33 ?+ ;@ ;N ;@ 3? ?A ?A ?A ?N ;< ;3 ;< ?@ ;3 ;+ ;;
RAN!A " #$$%
4ur o Jr ata ;3 A ;3 ;? = + ;; ;; < ;; ; < %r on$e @ @
Est. Uni dos
5ussi a
!)i na
Austr ali a
Al eman)a
Fr an.a
1tal i a
Hol anda
!u&a
9r /> %r etan)a ; V
%r asi l
;V
?V
3V
+V
NV
@V P ai ses
<V
AV
=V
N?V
1.3.1.3-
Vr1icos em co0unas so/re5ostas: Eles di#erem dos gr#icos em &arras ou colunas convencionais apenas pelo #ato de apresentar cada &arra ou coluna segmentada em partes componentes. Servem para representar comparativamente dois ou mais atri&utos.
Ol i mpi a da s 2000- Sy dne y ( A us t r a l i a )
; [ A [ @ [ + [ ? [ [ Est. Uni dos 5ussi a !)i na Austr al i a Al eman)a Fr an.a 1tal i a

+ 3? ?A ;@ ;3 33 ?A ;N ;< ?@ ;@ ?A ?N ;< ;3 ;3 ;+ A ;; ;3
<
< @
= ;; ;
%r on$e Jr ata 4ur o

@
?+
;?
;;
;;
Hol anda
!u&a
9r /> %r etan)a ; V
%r asi l
;V
?V
3V
+V
NV
@V P ai s es
<V
AV
=V
N?V
1.3.1.8-
Vr1icos em 0in4as ou 0in4ares: S/o #reqPentemente usados para representa./o de s*ries cronol6gicas com um grande nHmero de perodos de tempo. As lin)as s/o mais e#icientes do que as colunas( quando e3istem intensas #lutua.2es nas s*ries ou quando ) necessidade de se representarem vrias s*ries em um mesmo gr#ico. Euando representamos( em um mesmo sistema de coordenadas( a varia./o de dois #en'menos( a parte interna da #igura #ormada pelos gr#icos desses #en'menos * denominada de
rea de excesso.
+N + 3N 3 ?N ? ;N ; N
+ 33 ?+ ;@ ;N 3? ?A ?A 4uro ?N ;< ;@ ?@ ;< ;3 ;+ ;3 ;; ;3 A Jrat a %ron$e ;? = + ;; < ;; ; < @
;V
?V
3V
+V
NV
@V P a i se s
<V
AV
=V
; V
N?V
1.3.1.@-
Vr1icos em setores: S usado para mostrar a importTncia relativa das propor.2es. Esse tipo de gr#ico se adapta mel)or s variveis qualitativas nominais.
20
UNIVERSIDADE DE
RAN!A " #$$%
+ ;3
<
<
;VEst . Unidos 33 ?V5ussia 3V!)ina +VAust ralia NVAleman)a @VFran.a <V1t alia
;; ?A ?@ ;<
AVHolanda =V!u&a
;N
; V9r/>%ret an)a N?V%r asil
1.3.2- EstereoIramas: S/o gr#icos geom*tricos dispostos em tr-s dimens2es( pois representam volume. S/o usados nas representa.2es gr#icas das ta&elas de dupla entrada. Em alguns casos este tipo de gr#ico #ica di#cil de ser interpretado dado a pequena precis/o que o#erecem.
1.3.*- PictoIramas: S/o construdos a partir de #iguras representativas da intensidade do #en'meno. Este tipo de gr#ico tem a vantagem de despertar a aten./o do pH&lico leigo( pois sua #orma * atraente e sugestiva. 4s sm&olos devem ser auto>e3plicativos. A desvantagem dos pictogramas * que apenas mostram uma vis/o geral do #en'meno( e n/o de detal)es minuciosos.
1.3.3- %artoIramas: S/o ilustra.2es relativas a cartas geogr#icas (mapas). 4 o&"etivo desse gr#ico * o de #igurar os dados estatsticos diretamente relacionados com reas geogr#icas ou polticas.
21
UNIVERSIDADE DE
RAN!A " #$$%
1.3.8- HistoIrama: S a representa./o gr#ica de uma distri&ui./o de #reqP-ncia por meio de retTngulos "ustapostos. Esse tipo de gr#ico se adapta mel)or s variveis quantitativas contnuas. 1.3.@- Po0Iono de 1re+R2ncia: S uma alternativa ao )istograma construdo mediante a cone3/o dos pontos m*dios dos intervalos do )istograma com lin)as retas. IA H #,ries Estatsticas: Ienominamos #,rie Estatstica toda ta&ela que apresenta a distri&ui./o de um con"unto de dados estatsticos em #un./o da *poca( do tempo ou da esp*cie. Ia podemos in#erir que numa s*rie estatstica o&servamos a e3ist-ncia de tr-s elementos ou #atoresD K Tempo K Espa.o K Esp*cie %asicamente e3istem tr-s tipos de s*ries estatsticasD Temporais ou !ronol6gicas( 9eogr#icas e !ateg6ricas. 1- #,ries em5orais: S/o constitudas por dados produ$idos e monitorados ao longo do tempo. Tam&*m s/o c)amadas de s*ries )ist6ricas ou cronol6gicas. EGem50os: S/o s*ries temporaisD
Jre.o do Ac*m no vare"o em S/o Jaulo segundo o ano Ano ;=A= ;== ;==; ;==? ;==3 ;==+ Jre.o em (USb) ?(?+ ?(<3 ?(;? ;(A= ?( + ?(@? &onte: AJA
22
UNIVERSIDADE DE
RAN!A " #$$%
2- #,ries VeoIr1icas: S/o constitudas por dados provenientes de di#erentes regi2es geogr#icas. Tam&*m s/o c)amadas de s*ries espaciais( territoriais ou de locali$a./o. EGem50os: S/o s*ries geogr#icasD Iura./o m*dia dos estudos superiores ;==+ nV de anos 1tlia <(N Aleman)a <( Fran.a <( Holanda N(= 1nglaterra mais de + &onte: 5evista ,e"a * H #,ries %ateIricas ou Es5eci1icas: S/o constitudas por dados o&tidos nas di#erentes categorias de uma mesma varivel. Tam&*m s/o c)amadas de s*ries espec#icas. EGem50os: S/o s*ries categ6ricasD 5e&an)os &rasileiros em ;==? Euantidades (; ca&e.as) %ovinos ;N+.++ (A %u#alinos ;.+?3(3 EqPinos N+=(N Asininos +<(; 0uares ? A(N Sunos 3+.N3?(? 4vinos ;=.=NN(@ !aprinos ;?.;N=(@ !oel)os @(; &onte: 1%9E 3 H #,ries %onJuIadas: 0uitas ve$es temos necessidade de apresentar( em uma Hnica ta&ela( a varia./o de valores de mais de uma varivel( isto *( #a$er uma con"uga./o de duas ou mais s*ries. !on"ugando duas s*ries em uma Hnica ta&ela. 4&temos uma ta&ela de dupla entrada. Em uma ta&ela desse tipo #icam criadas duas ordens de classi#ica./oD uma )ori$ontal e uma vertical. EGem50o: A s*rie con"ugada a&ai3o * uma s*rie geogr#ico>temporal. Terminais tele#'nicos em servi.o de ;==; a ;==3 5egi2es ;==; ;==? ;==3 Esp*cies Pases
23
UNIVERSIDADE DE
RAN!A " #$$%
8orte 3+?.=3A 3<N.@NA + 3.+=+ 8ordeste ;.?A<.?;3 ;.3<=.; ; ;.+A@.@+= Sudeste @.?3+.? ; @.<?=.+@< <.?3;.@3+ Sul ;.+=<.3;N ;.@ A.=A= ;.<+@.?3? !entro > 4este <;3.3N< <<A.=?N AA+.A?? &onte: 0inist*rio das comunica.2es
A H %onstru67o de ta/e0as e Ir1icos usando o EGce0: ra/a04ando no %"I Scom5utadorTKSse 5oss.e0T.
AI H Medidas de end2ncia %entra0: ME"I"A# "E P!#I9>!: Introdu67oD S/o as estatsticas que representam uma s*rie de dados orientando>nos quanto posi./o da distri&ui./o em rela./o ao ei3o )ori$ontal do gr#ico da curva de #reqP-ncia. As medidas de posi.2es mais importantes s/o as medidas de tend-ncia central ou prom*dias (veri#ica>se uma tend-ncia dos dados o&servados a se agruparem em torno dos valores centrais). As medidas de tend-ncia central mais utili$adas s/oD m*dia aritm*tica( moda e mediana. 4utros prom*dios menos usados s/o as m*diasD geom*trica( )arm'nica( quadrtica( cH&ica e &iquadrtica. As outras medidas de posi./o s/o as separatri$es( que englo&amD a pr6pria mediana( os decis( os quartis e os percentis. M"IA A(I M I%A SamostraT e S5o5u0a67oT.
S igual ao quociente entre a soma dos valores do con"unto e o nHmero total dos valores. .
onde 3i s/o os valores da varivel e n o nHmero de valores. . 1. Dados no-agrupados: Euando dese"amos con)ecer a m*dia dos dados n/o>agrupados em ta&elas de #reqP-ncias( determinamos a m*dia aritm*tica simples. Ex: Sa endo!se que a venda di"ria de arroz tipo #$ durante uma semana$ foi de %&$ %'$ %($ %)$ %*$ %+ e %, -ilos$ temos$ para venda m.dia di"ria na semana de: ./ 0%&1%'1%(1%)1%*1%+1%,2 3 4 / %' -ilos 5esvio em relao 6 m.diaD * a di#eren.a entre cada elemento de um con"unto de valores e a m*dia aritm*tica( ou se"aD. di ^ 7i > . 7o exemplo anterior temos sete desvios:... d% / %& ! %' / ! ' $ ...d, / %' ! %' / & $ d( / %( ! %' / ! % $ ...d' / %) ! %' / % $... d) / %* ! %' / , $... d* / %+ ! %' / ' ...e. .. d4 / %, ! %' / ! ,. . Jropriedades da m*dia aritm*tica
24
UNIVERSIDADE DE
1W 5ro5riedadeD
RAN!A " #$$%
A soma alg*&rica dos desvios em rela./o m*dia * nula.
8o e3emplo anteriorD d;_d?_d3_d+_dN_d@_d< ^ 2W 5ro5riedadeD Somando>se (ou su&traindo>se) uma constante (c) a todos os valores de uma varivel( a m*dia do con"unto #ica aumentada (ou diminuda) dessa constante. Se no e3emplo original somarmos a constante ? a cada um dos valores da varivel temosD c ^ ;?_;@_;N_;<_;A_? _;+ Q < ^ ;@ Wilos ou c^ ._ ? ^ ;+ _? ^ ;@ Wilos
*W 5ro5riedadeD 0ultiplicando>se (ou dividindo>se) todos os valores de uma varivel por uma constante (c)( a m*dia do con"unto #ica multiplicada ( ou dividida) por essa constante. Se no e3emplo original multiplicarmos a constante 3 a cada um dos valores da varivel temosD c ^ 3 _+?_3=_+N_+A_N+_3@ Q < ^ +? Wilos ou c ^ 3 3 ^ ;+ 3 3 ^ +? Wilos
2. Dados agrupados:
Sem intervalos de classe !onsideremos a distri&ui./o relativa a 3+ #amlias de quatro #il)os( tomando para varivel o nHmero de #il)os do se3o masculino. !alcularemos a quantidade m*dia de meninos por #amliaD 8U de meninos ; ? 3 + total #reqP-ncia ^ #i ? @ ; ;? + 3+
!omo as #reqP-ncias s/o nHmeros indicadores da intensidade de cada valor da varivel( elas #uncionam como #atores de pondera./o( o que nos leva a calcular a m*dia aritm*tica ponderada( dada pela #6rmulaD
..3i. ..#i. ..3i.#i . ? ; @ @ ? ; ? 3 ;? 3@ + + ;@ total 3+ <A onde <A Q 3+ ^ ?(3 meninos por #amlia
25
UNIVERSIDADE DE
RAN!A " #$$%
!om intervalos de classe 8este caso( convencionamos que todos os valores includos em um determinado intervalo de classe coincidem com o seu ponto m*dio( e determinamos a m*dia aritm*tica ponderada por meio da #6rmulaD .. onde 7i * o ponto m*dio da classe.
Ex: 8alcular a estatura m.dia de e s conforme a ta ela a aixo. Estaturas (cm) #reqP-ncia ^ #i ponto m*dio ^ 3i N `>>>>>>>>>>>> N+ + N? N+ `>>>>>>>>>>>> NA = N@ NA `>>>>>>>>>>>> @? ;; @ @? `>>>>>>>>>>>> @@ A @+ @@ `>>>>>>>>>>>> < N @A < `>>>>>>>>>>>> <+ 3 <? Total + Aplicando a #6rmula acima temosD ?.++ Q + .^ @;. logo... M"IA VE!M (I%A Q I ^ @; cm
..3i.#i. ? A N + @@ N;? 3+ ?;@ ?.++
S a rai$ n>*sima do produto de todos eles.
M,dia Veom,trica #im50esD
ou .
Ex.: ! 8alcular a m.dia geom.trica dos seguintes con9untos de n:meros: a2 ; %&$ *&$ (*& <.: 2 ; ,$ ,$ , <........: c2 ; %$ '$ %*$ *' <: . / 0 %& = *& = (* &2 > 0%3(2 ....?: *& / 0, = , = , > 0%3(2 .. .?: , / 0% = ' = %* = *' 2 >0%3'2 ....?: +
M,dia Veom,trica Ponderada ^
X gp
ou .. Ex ! 8alcular a m.dia geom.trica dos valores da ta ela a aixoD ...3i... ...#i... ; ? 3 + = ? ?< ;
26
UNIVERSIDADE DE
Total ^ =
RAN!A " #$$%
(;? d 3+ d =? d ?<;) (;Q=)........5D 3(A?=@ M"IA HA(M<NI%A 4
S o inverso da m*dia aritm*tica dos inversos. .0*dia Harm'nica SimplesD. (para dados n/o agrupados)
..
ou M,dia HarmXnica Ponderada D (para dados agrupados em ta&elas de #reqP-ncias)
.. Ex.: 8alcular a m.dia @armAnica dos valores da ta ela a aixo: classes ....#i.... ....3i.... ; `>>>>>>>>> 3 ? ? 3 `>>>>>>>>> N + + N `>>>>>>>>> < A @ < `>>>>>>>>> = + A = `>>>>>>>>> ;; ? ; total ? ........#iQ3i........ ?Q? ^ ;( +Q+ ^ ;( AQ@ ^ ;(33 +QA ^ (N ?Q; ^ (? +( 3
5espD ? Q +( 3 ^ +(=@ !B#D A m*dia )arm'nica n/o aceita valores iguais a $ero como dados de uma s*rie. A igualdade g^ ).^ ....s6 ocorrer quando todos os valores da s*rie #orem iguais.
4%SD Euando os valores da varivel n/o #orem muito di#erentes( veri#ica>se apro3imadamente a seguinte rela./oD g ^ ( ._ ) ) Q.? Iemonstraremos a rela./o acima com os seguintes dadosD $ ^ e ; (; M ; (; M ; (? M ; (+ M ; (N f 0*dia aritm*tica ^ N;(3 Q N ; (?@ 0*dia geom*trica ^ ; (?NA< 0*dia )arm'nica ^ N Q (+A<+N A ; (?N<+ !omprovando a rela./oD ; (?@ _ ; (?N<+ Q ? ^ ; (?NA< ^ m*dia geom*trica . M!"A - Mo S o valor que ocorre com maior #reqP-ncia em uma s*rie de valores.
27
UNIVERSIDADE DE
RAN!A " #$$%
Iesse modo( o salrio modal dos empregados de uma #&rica * o salrio mais comum( isto *( o salrio rece&ido pelo maior nHmero de empregados dessa #&rica. .A 0oda quando os dados n/o est/o agrupados A moda * #acilmente recon)ecidaD &asta( de acordo com de#ini./o( procurar o valor que mais se repete. Ex: 7a s.rie ; 4 $ + $ B $ %& $ %& $ %& $ %% $ %, < a moda . igual a %&. H s*ries nas quais n/o e3ista valor modal( isto *( nas quais nen)um valor apare.a mais ve$es que outros. Ex: ; ( $ ) $ + $ %& $ %, < no apresenta moda. # s.rie . amodal. .Em outros casos( pode )aver dois ou mais valores de concentra./o. Ii$emos( ent/o( que a s*rie tem dois ou mais valores modais. Ex: ; , $ ( $ ' $ ' $ ' $ ) $ * $ 4 $ 4 $ 4 $ + $ B < apresenta duas modas: ' e 4. # s.rie . imodal. . A Moda +uando os dados est7o aIru5ados aT #em inter.a0os de c0asseD Uma ve$ agrupados os dados( * possvel determinar imediatamente a modaD &asta #i3ar o valor da varivel de maior #reqP-ncia. Ex: Cual a temperatura mais comum medida no ms a aixo: Temperaturas U! ;U ! ?U ! 3U ! FreqP-ncia 3 = ;? @
?esp: ,D 8 . a temperatura modal$ pois . a de maior freqncia. . /T %om inter.a0os de c0asseD A classe que apresenta a maior #reqP-ncia * denominada classe modal. Jela de#ini./o( podemos a#irmar que a moda( neste caso( * o valor dominante que est compreendido entre os limites da classe modal. 4 m*todo mais simples para o clculo da moda consiste em tomar o ponto m*dio da classe modal. Iamos a esse valor a denomina./o de moda &ruta. 0o ^ ( ld _ Xd ) Q ? onde ld ^ limite inferior da classe modal e Xd ^ limite superior da classe modal. Ex: 8alcule a estatura modal conforme a ta ela a aixo. !lasses (em cm) N+ `>>>>>>>>>>>> NA NA `>>>>>>>>>>>> @? @? `>>>>>>>>>>>> @@ @@ `>>>>>>>>>>>> < FreqP-ncia = ;; A N
5espostaD a classe modal * NA`>>>>>>>> @?( pois * a de maior #reqP-ncia. ld ^ NA e Xd ^ @? 0o ^ (NA_@?) Q ? ^ @ cm ( este valor * estimado( pois n/o con)ecemos o valor real da moda).
28
UNIVERSIDADE DE
.M,todo mais e0a/orado 5e0a 1rmu0a de %Y=BE(D
RAN!A " #$$%
Mo = l * + ( d +1d ) h *
1 2
ld ^ limite in#erior da classe modal.e.Xd ^ limite superior da classe modal d; ^ #reqP-ncia da classe modal > #reqP-ncia da classe anterior da classe modal d? ^ #reqP-ncia da classe modal > #reqP-ncia da classe posterior da classe modal )d ^ amplitude da classe modal 0o ^ NA _ ((;;>=) Q ((;;>=) _ (;; O A)) 3 + 0o ^ N=(@ 4&sD A moda * utili$ada quando dese"amos o&ter uma medida rpida e apro3imada de posi./o ou quando a medida de posi./o deva ser o valor mais tpico da distri&ui./o. L a m*dia aritm*tica * a medida de posi./o que possui a maior esta&ilidade. ME"IANA - Md A mediana de um con"unto de valores( dispostos segundo uma ordem ( crescente ou decrescente)( * o valor situado de tal #orma no con"unto que o separa em dois su&con"untos de mesmo nHmero de elementos. . A mediana em dados n7o-aIru5ados Iada uma s*rie de valores como( por e3emploD e N( ?( @( ;3( =( ;N( ; f Ie acordo com a de#ini./o de mediana( o primeiro passo a ser dado * o da ordena./o (crescente ou decrescente) dos valoresD e ?( N( @( =( ; ( ;3( ;N f 4 valor que divide a s*rie acima em duas partes iguais * igual a =( logo a 0d ^ =. . M,todo 5rtico 5ara o c0cu0o da MedianaD Se a s*rie dada tiver nHmero mpar de termosD 4 valor mediano ser o termo de ordem dado pela #6rmulaD .( n _ ; ) Q ? Ex: 8alcule a mediana da s.rie ; %$ ($ &$ &$ ,$ '$ %$ ,$ ) < ;D ! ordenar a s.rie ; &$ &$ %$ %$ ,$ ,$ ($ '$ ) < n / B logo 0n 1 %23, . dado por 0B1%2 3 , / )$ ou se9a$ o )D elemento da s.rie ordenada ser" a mediana # mediana ser" o )D elemento / , . Se a s*rie dada tiver nHmero par de termosD 4 valor mediano ser o termo de ordem dado pela #6rmulaD .g( nQ? ) _( nQ?_ ; )h Q ? 4&sD n/" e (n/" # $) ser%o termos de ordem e devem ser su&stitu'dos pelo valor correspondente( Ex: 8alcule a mediana da s.rie ; %$ ($ &$ &$ ,$ '$ %$ ($ )$ * < %D ! ordenar a s.rie ; &$ &$ %$ %$ ,$ ($ ($ '$ )$ * < n / %& logo a fErmula ficar": F0 %&3, 2 1 0%&3, 1 %2G 3 , F0 ) 1 *2G 3 , ser" na realidade 0)D termo1 *D termo2 3 , )D termo / , *D termo / ( # mediana ser" / 0,1(2 3 , ou se9a$ Hd / ,$) . # mediana no exemplo ser" a m.dia aritm.tica do )D e *D termos da s.rie. 8otasD
29
UNIVERSIDADE DE
RAN!A " #$$%
Euando o nHmero de elementos da s*rie estatstica #or mpar( )aver coincid-ncia da mediana com um dos elementos da s*rie. Euando o nHmero de elementos da s*rie estatstica #or par( nunca )aver coincid-ncia da mediana com um dos elementos da s*rie. A mediana ser sempre a m*dia aritm*tica dos ? elementos centrais da s*rie. Em uma s*rie a mediana( a m*dia e a moda n/o t-m( necessariamente( o mesmo valor. A mediana( depende da posi./o e n/o dos valores dos elementos na s*rie ordenada. Essa * uma da di#eren.as marcantes entre mediana e m*dia ( que se dei3a in#luenciar( e muito( pelos valores e3tremos). ,e"amosD Em e N( <( ; ( ;3( ;N f a m*dia ^ ; e a mediana ^ ; Em e N( <( ; ( ;3( @N f a m*dia ^ ? e a mediana ^ ; isto *( a m*dia do segundo con"unto de valores * maior do que a do primeiro( por in#lu-ncia dos valores e3tremos( ao passo que a mediana permanece a mesma. A mediana em dados aIru5ados aT #em inter.a0os de c0asseD 8este caso( * o &astante identi#icar a #reqP-ncia acumulada imediatamente superior metade da soma das #reqP-ncias. A mediana ser aquele valor da varivel que corresponde a tal #reqP-ncia acumulada. Ex.: conforme ta ela a aixo: ,arivel 3i ; ? 3 + total FreqP-ncia #i ? @ = ;3 N 3N FreqP-ncia acumulada ? A ;< 3 3N
Euando o somat6rio das #reqP-ncias #or mpar o valor mediano ser o termo de ordem dado pela #6rmulaD
. !omo o somat6rio das #reqP-ncias ^ 3N a #6rmula #icarD ( 3N_; ) Q ? ^ ;AU termo ^ 3. . Euando o somat6rio das #reqP-ncias #or par o valor mediano ser o termo de ordem dado pela #6rmulaD
Ex: 8alcule Hediana da ta ela a aixo: ,arivel 3i ;? ;+ ;N FreqP-ncia #i ; ? ; FreqP-ncia acumulada ; 3 +
30
UNIVERSIDADE DE
;@ ;< ? total ? ; ; A
RAN!A " #$$%

@ < A
Aplicando #6rmula acima teremosD g(AQ?)_ (AQ?_;)hQ? ^ (+U termo _ NU termo) Q ? ^ (;N _ ;@) Q ? ^ ;N(N /T %om inter.a0os de c0asseD ;U) ?U) Ievemos seguir os seguintes passosD
Ieterminamos as #reqP-ncias acumuladasM !alculamos M . Tal
3U) 0arcamos a classe correspondente #reqP-ncia acumulada imediatamente superior classe ser a classe medianaM +U) !alculamos a 0ediana pela seguinte #6rmulaD. ld FAA #d )d ExD 0 0d ^ ld _ g( > FAA ) 3 )dh Q #d
^ * o limite in#erior da classe mediana. ^ * a #reqP-ncia acumulada da classe anterior classe mediana. ^ * a #reqP-ncia simples da classe mediana. ^ * a amplitude do intervalo da classe mediana. classes N `>>>>>>>>>>>> N+ N+ `>>>>>>>>>>>> NA NA `>>>>>>>>>>>> @? @? `>>>>>>>>>>>> @@ @@ `>>>>>>>>>>>> < < `>>>>>>>>>>>> <+ total #reqP-ncia ^ #i + = ;; A N 3 + FreqP-ncia acumulada + ;3 ?+ 3? 3< +
^ + Q ? ^.? ....logo.a classe mediana ser NA `>>>>>>>>>> @? ld ^ NA........... FAA ^ ;3........... #d ^ ;;........... )d ^ + Su&stituindo esses valores na #6rmula( o&temosD 0d ^ NA _ g (? > ;3) 3 +h Q ;; ^ NA _ ?AQ;; ^ @ (N+ 4%SD Esta mediana * estimada( pois n/o temos os + valores da distri&ui./o. Em5reIo da Mediana: Euando dese"amos o&ter o ponto que divide a distri&ui./o em duas partes iguais. Euando ) valores e3tremos que a#etam de maneira acentuada a m*dia aritm*tica. Euando a varivel em estudo * salrio. #EPA(A (IYE#:
31
UNIVERSIDADE DE
RAN!A " #$$%
Al*m das medidas de posi./o que estudamos( ) outras que( consideradas individualmente( n/o s/o medidas de tend-ncia central( mas est/o ligadas mediana relativamente sua caracterstica de separar a s*rie em duas partes que apresentam o mesmo nHmero de valores. Essas medidas > os quartis( os decis e os percentis > s/o( "untamente com a mediana( con)ecidas pelo nome gen*rico de separatri$es. .F=A( I# - F Ienominamos quartis os valores de uma s*rie que a dividem em quatro partes iguais. Jrecisamos portanto de 3 quartis (E; ( E? e E3) para dividir a s*rie em quatro partes iguais. !/sD 4 quartil ? ( E? ) SE0J5E SE5i 19UAX A 0EI1A8A IA SS51E. Fuartis em dados n7o aIru5ados 4 m*todo mais prtico * utili$ar o princpio do clculo da mediana para os 3 quartis. 8a realidade ser/o calculadas ] 3 medianas ] em uma mesma s*rie. Ex %: 8alcule os quartis da s.rie: ; )$ ,$ *$ B$ %&$ %($ %) < ! I primeiro passo a ser dado . o da ordenao 0crescente ou decrescente2 dos valores: ; ,$ )$ *$ B$ %&$ %($ %) < ! I valor que divide a s.rie acima em duas partes iguais . igual a B$ logo a Hd / B que ser" / C, / B ! Jemos agora ;,$ )$ * < e ;%&$ %($ %) < como sendo os dois grupos de valores iguais proporcionados pela mediana 0 quartil , 2. Kara o c"lculo do quartil % e ( asta calcular as medianas das partes iguais provenientes da verdadeira Hediana da s.rie 0quartil ,2. Logo em ; ,$ )$ * < a mediana . / ) . Iu se9a: ser" o quartil % / C% / ) em ;%&$ %($ %) < a mediana . /%( . Iu se9a: ser" o quartil ( / C( / %( Ex ,: 8alcule os quartis da s.rie: ; %$ %$ ,$ ($ )$ )$ *$ 4$ B$ B$ %&$ %( < # s.rie 9" est" ordenada$ ento calcularemos o Cuartil , / Hd / 0)1*23, / )$) ! I quartil % ser" a mediana da s.rie 6 esquerda de Hd : ; %$ %$ ,$ ($ )$ ) < C% / 0,1(23, / ,$) ! I quartil ( ser" a mediana da s.rie 6 direita de Hd : ;*$ 4$ B$ B$ %&$ %( < C( / 0B1B23, / B Fuartis 5ara dados aIru5ados em c0assesD Usamos a mesma t*cnica do clculo da mediana( &astando su&stituir( na #6rmula da mediana( #i Q ?.... por ... W . #i Q + ... sendo W o nHmero de ordem do quartil. Assim( temosD E; ^ . ld _ g(;. #i Q + > FAA ) 3 )dh Q #d E? ^ . ld _ g(?. #i Q + > FAA ) 3 )dh Q #d E3 ^ . ld _ g(3. #i Q + > FAA ) 3 )dh Q #d Ex ( ! 8alcule os quartis da ta ela a aixoD classes N `>>>>>>>>>>>> N+ N+ `>>>>>>>>>>>> NA NA `>>>>>>>>>>>> @? @? `>>>>>>>>>>>> @@ #reqP-ncia ^ #i + = ;; A FreqP-ncia acumulada + ;3 ?+ 3?
32
UNIVERSIDADE DE
@@ `>>>>>>>>>>>> < < `>>>>>>>>>>>> <+ total > 4 quartil ? ^ 0d ( logoD N 3 +
RAN!A " #$$%

3< +
fi ^ + Q + ^.; ........... logo.a classe mediana ser NA `>>>>>>>>>> @? 4
ld ^ NA........... FAA ^ ;3........... #d ^ ;;........... )d ^ + E? ^ . ld _ g(?. #i Q + > FAA ) 3 )dh Q #d > Su&stituindo esses valores na #6rmula( o&temosD E? ^ NA _ g (? > ;3) 3 +h Q ;; ^ NA _ ?AQ;; ^ @ (N+ ^ E? > 4 quartil ; D #i Q + ^ ; E; ^ . ld _ g( #i Q + > FAA ) 3 )dh Q #d E; ^ N+ _ g (; > +) 3 +h Q = ^ N+ _ ?(@@ ^ N@(@@ ^ E; . > 4 quartil 3 D 3. #i Q + ^ 3 E3 ^ . ld _ g(3. #i Q + > FAA ) 3 )dh Q #d E3 ^ @? _ g (3 >?+) 3 +h Q A ^ @? _ 3 ^ @N ^ E3 "E%I# - " A de#ini./o dos decis o&edece ao mesmo princpio dos quartis( com a modi#ica./o da porcentagem de valores que #icam aqu*m e al*m do decil que se pretende calcular. A #6rmula &sica ser D W . #i Q ; onde W * o nHmero de ordem do decil a ser calculado. 1ndicamos os decis D I;( I?( ... ( I=. Ieste modo precisamos de = decis para dividirmos uma s*rie em ; partes iguais. Ie especial interesse * o quinto decil( que divide o con9unto em duas partes iguais. Assim sendo(o EU18T4 IE!1X S 19UAX A4 SE9U8I4 EUA5T1X( que por sua ve$ S 19UAX Z 0EI1A8A. Jara IN temos D N. #i Q ; ^ #i Q ? Ex: 8alcule o (D decil da ta ela anterior com classes. -/ ( onde ( . fi 3 %& / ( x '& 3 %& / %,. Este resultado corresponde a ,M classe. 5( / )' 1 F 0%, ! '2 x 'G 3 B / )' 1 ($)) / )4$)) / 5( PE(%EN I) ou %EN I): Ienominamos percentis ou centis como sendo os noventa e nove valores que separam uma s*rie em ; partes iguais. 1ndicamosD J;( J?( ... ( J==. S evidente que JN ^ 0d M J?N ^ E; e J<N ^ E3. 4 clculo de um centil segue a mesma t*cnica do clculo da mediana( por*m a #6rmula serD W . #i Q ; onde W * o nHmero de ordem do centil a ser calculado. "is5ers7o ou Aaria/i0idadeD S a maior ou menor diversi#ica./o dos valores de uma varivel em torno de um valor de tend-ncia central ( m*dia ou mediana ) tomado como ponto de compara./o.
33
UNIVERSIDADE DE
RAN!A " #$$%
A m*dia > ainda que considerada como um nHmero que tem a #aculdade de representar uma s*rie de valores > n/o pode( por si mesma( destacar o grau de )omogeneidade ou )eterogeneidade que e3iste entre os valores que comp2em o con"unto. !onsideremos os seguintes con"untos de valores das variveis 7( c e jD 7ê< (< (< (< (< f c ^ e @A( @=( < (<; (<? f j ^ e N( ;N( N ( ;? ( ;@ f 4&servamos ent/o que os tr-s con"untos apresentam a mesma m*dia aritm*tica ^ 3N QN ^ < Entretanto( * #cil notar que o con"unto 7 * mais )omog-neo que os con"untos c e j( " que todos os valores so iguais 6 m.dia. 4 con"unto c( por sua ve$( * mais )omog-neo que o con"unto j( pois ) menor diversi#ica./o entre cada um de seus valores e a m*dia representativa. !onclumos ent/o que o con"unto 7 apresenta I1SJE5Sk4 8UXA e que o con"unto c apresenta uma I1SJE5Sk4 0E845 que o con"unto j. ME"I"A# "E "I#PE(#>! AB#!)= AD AMP)I ="E ! A) D S a Hnica medida de dispers/o que n/o tem na m*dia o ponto de re#er-ncia. Euando os dados n/o est/o agrupados a amplitude total * a di#eren.a entrE o maior e o menor valor o&servadoD AT ^ 7 m3imo > 7 mnimo. Ex: Kara os valores '&$ ')$ '+$ *, e 4& a amplitude total ser": #J / 4& ! '& / (& Cuando os dados esto agrupados sem intervalos de classe ainda temos : #J / N m"ximo ! N mOnimo. ExD 3i ; 3 + #i ? @ N 3
AT ^ + > ^ + d !om intervalos de classe a A0JX1TUIE T4TAX * a di#eren.a entre o limite superior da Hltima classe e o limite in#erior da primeira classe. Ent/oD AT ^ X m3imo > l mnimo Ex: !lasses + `>>>>>>>>>>>>> @ @ `>>>>>>>>>>>>> A A `>>>>>>>>>>>>> ; #i @ ? 3
AT ^ ; > + ^ @ A amplitude total tem o inconveniente de s6 levar em conta os dois valores e3tremos da s*rie( descuidando do con"unto de valores intermedirios. Fa$>se uso da amplitude total quando se quer determinar a amplitude da temperatura em um dia( no controle de qualidade ou como uma medida de clculo rpido sem muita e3atid/o.
34
UNIVERSIDADE DE
RAN!A " #$$%
"E#AI! F=A( I)D Tam&*m c)amado de amplitude semi>interquatlica e * &aseada nos quartis. Sm&oloD Iq e a F6rmulaD Iq ^ (E3 > E;) Q ? 4&serva.2esD ;> 4 desvio quartil apresenta como vantagem o #ato de ser uma medida #cil de calcular e de interpretar. Al*m do mais( n/o * a#etado pelos valores e3tremos( grandes ou pequenos( sendo recomendado( por conseguinte( quando entre os dados #igurem valores e3tremos que n/o se consideram representativos. ?> 4 desvio quartil dever ser usado pre#erencialmente quando a medida de tend-ncia central #or a mediana. 3> Trata>se de uma medida insensvel / distri&ui./o dos itens menores que E;( entre E; e E3 e maiores que E3. Ex: Kara os valores '&$ ')$ '+$ *, e 4& o desvio quartil ser": C% / 0')1'&23, / ',$) C( / 04&1*,23, / ** 5q / 0** ! ',$)2 3 , / %%$4)
"E#AI! M"I! AB#!)= ! - "m Para dados /rutos: S a m*dia aritm*tica dos valores a&solutos dos desvios tomados em rela./o a uma das seguintes medidas de tend-ncia centralD m*dia ou mediana. 5ara a M,dia ^ 5ara a Mediana ^ Im ^ ` 7i > ` Qn
Im ^ ` 7i > 0d ` Q n
As &arras verticais indicam que s/o tomados os valores a&solutos( prescindindo do sinal dos desvios. Ex: 8alcular o desvio m.dio do con9unto de n:meros ; ! ' $ ! ( $ ! , $ ( $ ) < / ! &$ , e Hd / ! , Ta&ela au3iliar para clculo do desvio m*dio 7i > 0d ` 7i > 0d ` 7i > ` 7i > ` > + (> +) > (> (?) ^ >3(A 3(A (> +) > (>?) ^ > ? ? > 3 (> 3) > (> (?) ^ >?(A ?(A (> 3) > (>?) ^ > ; ; > ? (> ?) > (> (?) ^ >;(A ;(A (> ?) > (>?) ^ 3 3 > (> (?) ^ 3(? 3(? 3 > (>?) ^ N N N N > (> (?) ^ N(? N(? N > (>?) ^ < < ^ ;@(A ^ ;N Jela 0*dia D Im ^ ;@(A Q N ^ 3(3@ Jela 0ediana D Im ^ ;N Q N ^ 3 "E#AI! PA"(>! - # SamostraT e S5o5u0a67oT. S a medida de dispers/o mais geralmente empregada( pois leva em considera./o a totalidade dos valores da varivel em estudo. S um indicador de varia&ilidade &astante estvel. 4 desvio padr/o &aseia>se nos desvios em torno da m*dia aritm*tica e a sua #6rmula &sica pode ser tradu$ida comoD a rai$ quadrada da m*dia aritm*tica dos quadrados dos desvios e * representada por # SamostraT e S5o5u0a67oT . 7i
35
UNIVERSIDADE DE
RAN!A " #$$%
A #6rmula acima * empregada quando tratamos de uma popula./o de dados n/o>agrupados. Ex: 8alcular o desvio padro da populao representada por ! ' $ !( $ !, $ ( $ ) 7i >+ >3 >? 3 N > > > > > (? (? (? (? (? > 3(A > ?(A > ;(A 3(? N(? = ;+(++ <(A+ 3(?+ ; (?+ ?<( + @?(A
Sa&emos que n ^ N e @?(A Q N ^ ;?(N@. A rai$ quadrada de ;?(N@ * o desvio padr/o ^ 3(N+ 4&sD Euando nosso interesse n/o se restringe descri./o dos dados mas( partindo da amostra( visamos tirar in#er-ncias vlidas para a respectiva popula./o( conv*m e#etuar uma modi#ica./o( que consiste em usar o divisor n > ; em lugar de n. A #6rmula #icar ent/oD
Se os dados > + ( >3 ( >? ( 3 ( N representassem uma amostra o desvio padr/o amostral seria a rai$ quadrada de @?(A Q (N >;) ^ 3(=@ 4 desvio padr/o go$a de algumas propriedades( dentre as quais destacamosD ;\ ^ Somando>se (ou su&traindo>se) uma constante a todos os valores de uma varivel( o desvio padr/o n/o se altera. ?\ ^ 0ultiplicando>se (ou dividindo>se) todos os valores de uma varivel por uma constante (di#erente de $ero)( o desvio padr/o #ica multiplicado ( ou dividido) por essa constante. Euando os dados est/o agrupados (temos a presen.a de #reqP-ncias) a #6rmula do desvio padr/o #icarD
ou Ex: 8alcule o desvio padro populacional da ta ela a aixo:
quando se trata de uma amostra
36
UNIVERSIDADE DE
7i ; ? 3 + Total #i ? @ ;? < 3 3 7i . # i @ ?+ ?; ;? @3 ?(; ?(; ?(; ?(; ?(; >?(; >;(; > (; (= ;(=
RAN!A " #$$%

.#i +(+; ;(?; ( ; (A; 3(@; / A(A? <(?@ (;? N(@< ; (A3 3?(<
! Sa emos que fi / (& e (,$4 3 (& / %$&B. ! # raiz quadrada de %$&B . o desvio padro / %$&'' ! Se considerarmos os dados como sendo de uma amostra o desvio padro seria : a raiz quadrada de (,$4 3 0(& !%2 / %$&*, I s: 7as ta elas de freqncias com intervalos de classe a fErmula a ser utilizada . a mesma do exemplo anterior. AA(I?N%IA - #2 SamostraT e Z S5o5u0a67oT S o desvio padr/o elevado ao quadrado. A variTncia * uma medida que tem pouca utilidade como estatstica descritiva( por*m * e3tremamente importante na in#er-ncia estatstica e em com&ina.2es de amostras.
ME"I"A# "E "I#PE(#>! (E)A IAA: %oe1iciente de Aaria67o de Pearson - %AP 8a estatstica descritiva o desvio padr/o por si s6 tem grandes limita.2es. Assim( um desvio padr/o de ? unidades pode ser considerado pequeno para uma s*rie de valores cu"o valor m*dio * ? M no entanto( se a m*dia #or igual a ? ( o mesmo n/o pode ser dito. Al*m disso( o #ato de o desvio padr/o ser e3presso na mesma unidade dos dados limita o seu emprego quando dese"amos comparar duas ou mais s*ries de valores( relativamente sua dispers/o ou varia&ilidade( quando e3pressas em unidades di#erentes. Jara contornar essas di#iculdades e limita.2es( podemos caracteri$ar a dispers/o ou varia&ilidade dos dados em termos relativos a seu valor m*dio( medida essa denominada de !,JD !oe#iciente de ,aria./o de Jearson (S A 5Ajk4 E8T5E 4 IES,14 JAI5k4 E A 0SI1A 5EFE5E8TES A IAI4S IE U0A 0ES0A SS51E). !,J ^ (S Q )3;
o resultado neste caso * e3presso em percentual( entretanto pode ser e3presso tam&*m atrav*s de um #ator decimal( despre$ando assim o valor ; da #6rmula. Ex: Jomemos os resultados das estaturas e dos pesos de um mesmo grupo de indivOduos: Iiscrimina./o ESTATU5AS JES4S 0SI1A ;<N cm @A Wg IES,14 JAI5k4 N( cm ?( Wg
37
UNIVERSIDADE DE
RAN!A " #$$%
> Eual das medidas (Estatura ou Jeso) possui maior )omogeneidade G 5espostaD Teremos que calcular o !,J da Estatura e o !,J do Jeso. 4 resultado menor ser o de maior )omogeneidade ( menor dispers/o ou varia&ilidade). !,J estatura ^ ( N Q ;<N ) 3 ; ^ ?(AN [ !,J peso ^ ( ? Q @A ) 3 ; ^ ?(=+ [. Xogo( nesse grupo de indivduos( as estaturas apresentam menor grau de dispers/o que os pesos. %oe1iciente de Aaria67o de 4orndi[e - %A : S igual ao quociente entre o desvio padr/o e a mediana. !,T ^ ( S Q 0d ) 3 ; %oe1iciente Fuart0ico de Aaria67o - %AF: Esse coe#iciente * de#inido pela seguinte e3press/oD !,E ^ g(E3 > E;) Q (E3 _ E;)h 3 ; "es.io +uarti0 (eduzido H "+r: Iqr ^ g(E3 > E;) Q ?0d h 3 ; ME"I"A# "E A##IME (IA: Introdu67oD Uma distri&ui./o com classes * sim*trica quandoD 0*dia ^ 0ediana ^ 0oda Uma distri&ui./o com classes *D Assim*trica esquerda ou negativa quandoD Assim*trica direita ou positiva quandoD 0*dia l 0ediana l 0oda 0*dia m 0ediana m 0oda [. [. [
E3emplo ;D "istri/ui67o A "istri/ui67o B "istri/ui67o %
38
UNIVERSIDADE DE
Pesos S[IT ? `>>>> @ @ `>>>> ; ; `>>>> ;+ ;+ `>>>> ;A ;A `>>>> ?? 1i Pesos S[IT ? `>>>> @ @ `>>>> ; ; `>>>> ;+ ;+ `>>>> ;A ;A `>>>> ?? 1i
RAN!A " #$$%

Pesos S[IT ? `>>>> @ @ `>>>> ; ; `>>>> ;+ ;+ `>>>> ;A ;A `>>>> ?? 1i
@ ;? ?+ ;? @ ^@
@ ;? ?+ 3 @
@ 3 ?+ ;? @ ^ <A
x ^ ;? Wg 0d ^ ;? Wg 0o ^ ;? Wg S ^ +(+?Wg
^ <A x ^ ;?(= Wg 0d ^ ;3(N Wg 0o ^ ;@ Wg S ^ +(? Wg
x ^ ;;(; Wg 0d ^ ; (N Wg 0o ^ A Wg S ^ +(? Wg
A ;? O ;? ^ a distri&ui./o * sim*trica. % ;?(= O ;@ ^ >3(; Wg a distri&ui./o * assim*trica negativa. ! ;;(; O A ^ 3(; Wg a distri&ui./o * assim*trica positiva. %oe1iciente de assimetria: A medida anterior( por ser a&soluta( apresenta a mesma de#ici-ncia do desvio padr/o( isto *( n/o permite a possi&ilidade de compara./o entre as medidas de duas distri&ui.2es. Jor esse motivo( daremos pre#er-ncia ao coe#iciente de assimetria de JersonD
As ^ 3 ( 0*dia > 0ediana ) Q Iesvio Jadr/o
Esca0as de assimetriaD ` AS ` l (;N (;N l ` AS ` l ; ` AS ` m ; assimetria pequena assimetria moderada assimetria elevada
EGem50o O1: %onsiderando AK B e % do eGem50o anterior: 12 ) As A = 3(12 = 0 #imetria 4 , 42

, 9 13, 5 ) As B = 3(124 = 0,429 Assimetria neIati.a , 20
39
UNIVERSIDADE DE
AsC =
3(11,110 , 5 ) 4 , 20
RAN!A " #$$%
= 0,429 Assimetria 5ositi.a
4&sD Supon)amos AS ^ > (+= a assimetria * considerada moderada e negativa Supon)amos AS ^ (<N a assimetria * considerada moderada e positiva ME"I"A# "E %=( !#E: Introdu67oD Ienominamos %=( !#E o grau de ac)atamento de uma distri&ui./o em rela./o a uma distri&ui./o padr/o( denominada curva normal (curva correspondente a uma distri&ui./o te6rica de pro&a&ilidade). Euando a distri&ui./o apresenta uma curva de #reqP-ncia mais #ec)ada que a normal (ou mais aguda ou a#ilada em sua parte superior)( ela rece&e o nome de leptocHrtica. Euando a distri&ui./o apresenta uma curva de #reqP-ncia mais a&erta que a normal (ou mais ac)atada em sua parte superior)( ela rece&e o nome de platicHrtica. A curva normal( que * a nossa &ase re#erencial( rece&e o nome de mesocHrtica.
!oe#iciente de curtose !; ^ (E3 > E;) Q ?(J= > J; ) Este coe#iciente * con)ecido como percentlico de curtose. 5elativamente a curva normal( temosD %1 Q OK2@* %1 \ OK2@* %1 ] OK2@* cur.a mesocLrtica cur.a 0e5tocLrtica cur.a 50aticLrtica
4 coe#iciente a&ai3o ( !? )ser utili$ado em nossas anlisesD
!?
40
UNIVERSIDADE DE
onde S * desvio padr/o %2 Q * cur.a mesocLrtica %2 ] * cur.a 0e5tocLrtica %2 \ * cur.a 50aticLrtica
RAN!A " #$$%
(e1er2ncias Bi/0ioIr1icas: !4STA 8ET4( J.X.4.( Estatstica( ?\ ed( Ed. Edgard %lPc)er Xtda( S/o Jaulo( ? + !5ESJ4( Ant'nio Arnot( Estatstica &ci0( Ed. Saraiva( S/o Jaulo( ;==A. 0U5TE15A( %.L.F.( Pro/a/i0idades e Estatstica( Ed. 0aWron %ooWs( Xis&oa( ;==;( vol. 1 e 11. ,1E15A( S'nia( Princ5ios de Estatstica( Ed. Jioneira T)omson Xearning( S/o Jaulo( ? 3. 8AjA5ETH( Helena( %urso Bsico de Estatstica( ; \ ed.( Ed. itica( S/o Jaulo( ;==A. JE5E15A( Jaulo Henrique( No6ês de Estatstica( Ed. Japirus( !ampinas( ? +. T514XA( 0ario F.( Introdu67o _ Estatstica( <\ ed.( Ed. XT!( 5io de Laneiro( ;===. nU0E( H.( M,todos Estatsticas 5ara Me04oria da Fua0idade( Ed. 9ente( S/o Jaulo( ;==3. !AXoA( Los* Atlio( Estatstica( Ed. 0etodista( S/o Jaulo( ? <.
41

Apostila de Estatistica Engenharia

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apostila de Estatistica Engenharia

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE DE FRANCA

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

N * o nHmero de elementos da popula./o n * o taman)o da amostra

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

Apostila de Estatstica Bsica Engenharia Quimica Prof Tarcisio

RAN!A " #$$%

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

+> Amplitude da classe (A! ou )) ^

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

,alores em d6lares (&il)2es) @ @ N+; N3; ?@+ ?+A ;3

!onte: poca 25 de janeiro de 1999

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

%0assi1ica67o dos Ir1icos: "iaIramasK EstereoIramasK PictoIramasK %artoIramas.

Vr1icos em /arras .erticais ou %o0unas:

Vr1icos em co0unas com5ostas:

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

4ur o Jr ata ;3 A ;3 ;? = + ;; ;; < ;; ; < %r on$e @ @

Est. Uni dos

; [ A [ @ [ + [ ? [ [ Est. Uni dos 5ussi a !)i na Austr al i a Al eman)a Fr an.a 1tal i a

%r on$e Jr ata 4ur o

+ 33 ?+ ;@ ;N 3? ?A ?A 4uro ?N ;< ;@ ?@ ;< ;3 ;+ ;3 ;; ;3 A Jrat a %ron$e ;? = + ;; < ;; ; < @

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

; V9r/>%ret an)a N?V%r asil

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

A H %onstru67o de ta/e0as e Ir1icos usando o EGce0: ra/a04ando no %"I Scom5utadorTKSse 5oss.e0T.

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

A soma alg*&rica dos desvios em rela./o m*dia * nula.

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

..3i.#i. ? A N + @@ N;? 3+ ?;@ ?.++

S a rai$ n>*sima do produto de todos eles.

M,dia Veom,trica #im50esD

M,dia Veom,trica Ponderada ^

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

(;? d 3+ d =? d ?<;) (;Q=)........5D 3(A?=@ M"IA HA(M<NI%A 4

ou M,dia HarmXnica Ponderada D (para dados agrupados em ta&elas de #reqP-ncias)

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

RAN!A " #$$%

Apostila de Estatstica Bsica ( Engenharia Qumica Prof Tarcisio

A soma alg&rica dos desvios em rela./o mdia * nula.