Esta APS se refere ao grupo “Níveis de flexibilidade de mulheres jovens

sedentárias iniciantes em atividades físicas”, dos integrantes: Bruno Henrique

Costa, Carolline Victor e Samira Elaine.

Ajuste dos dados aos modelos de probabilidade

Para verificar se as nossas variáveis quantitativas se ajustam aos
modelos de probabilidade normal ou exponencial, utilizamos o software R para
plotar os gráficos dessas variáveis com as curvas exponencial e normal, e
comparamos qual dessas curvas se adequa melhor aos nossos dados.

A nossa primeira análise foi realizada com a variável “Meses de

Sedentarismo”, inicialmente plotamos um gráfico histograma dos dados:

É possível visualizar por esse gráfico que nossa variável provavelmente

apresente uma distribuição exponencial. Desta maneira, plotamos as curvas
exponencial e normal para verificar melhor qual distribuição os dados melhor se
ajustam:
 A partir desse gráfico concluímos que a variável “Meses de
Sedentarismo” possui uma distribuição exponencial. Os dados dessa variável
apresentam um decaimento quando se aumentam os meses, se aproximando
melhor da curva exponencial do que da normal.

Apesar do gráfico anterior já demonstrar uma aproximação melhor a

curva exponencial, plotamos um gráfico Q-Q Plot para comprovar nossa
análise. Esse gráfico tem por premissa cruzar os dados amostral e teórico da
variável e divulgar o resultado a partir de pontos. Ajustando uma reta perfeita
no gráfico, se os pontos ficarem muito próximos dessa reta, ou seja, se os
pontos se distribuírem de forma linear chega-se à conclusão que a variável tem
comportamento normal. A seguir o gráfico encontrado:

Como os pontos desse gráfico não apresenta um comportamento linear,

comprovamos nossa análise de que a variável quantitativa “Meses de
Sedentarismo” tem um comportamento exponencial.
 A nossa próxima análise é da variável “Nível de Sedentarismo”, e
seguimos o mesmo procedimento anterior para verificar o comportamento
dessa variante.

Pelo histograma não conseguimos definir qual comportamento se ajusta

melhor, pois o decaimento do primeiro valor pode influenciar para uma
distribuição normal. Para comparar melhor ajustamos as duas curvas ao gráfico
histograma:

Por esse gráfico, ainda não conseguimos definir com qual das duas
curvas a variável se comporta melhor. Algumas parcelas da distribuição dos
dados fogem tanto da curva exponencial quanto da normal. Para verificar se a
variável apresenta um comportamento normal, plotamos então o gráfico Q-Q
Plot desses valores.
 Com este gráfico concluímos que essa variável apresenta um
comportamento mais próximo da exponencial, pois alguns pontos como pode-
se observar fogem da reta, demonstrando que o comportamento normal não é
a melhor distribuição para essa variável.