Estatística Descritiva I - IME-USPgiapaula/Aula 1-DescritivaI-MAE0219.pdf · Ordinal: classe...

Estatística Descritiva I

Bacharelado em Economia - FEA - Noturno

1o Semestre 2016

Profs. Fábio P. Machado e Gilberto A. Paula

MAE0219 (Economia-FEA-Noturno) Estatística Descritiva I 1o Semestre 2016 1 / 51

Objetivos da Aula

Sumário

1 Objetivos da Aula

2 O que é Estatística

3 Exemplo 1

4 Variável Aleatória

5 Variável Aleatória Quantitativa

6 Medidas de Localização

7 Medidas de Dispersão

Objetivos da Aula

Objetivos da AulaInicialmente o objetivo principal desta aula é apresentar a Estatísticacomo uma metodologia científica para obtenção, organização eanálise de dados oriundos das mais variadas áreas das ciênciasexperimentais, cujo objetivo principal é auxiliar a tomada de decisõesem situações de incerteza.

Em seguida, algumas medidas de tendência central (posição oulocalização) e de variabilidade (dispersão) serão introduzidas.

Objetivos da Aula

Objetivos da AulaInicialmente o objetivo principal desta aula é apresentar a Estatísticacomo uma metodologia científica para obtenção, organização eanálise de dados oriundos das mais variadas áreas das ciênciasexperimentais, cujo objetivo principal é auxiliar a tomada de decisõesem situações de incerteza.

Em seguida, algumas medidas de tendência central (posição oulocalização) e de variabilidade (dispersão) serão introduzidas.

O que é Estatística

Sumário

1 Objetivos da Aula

3 Exemplo 1

Origem da Estatística

A origem da Estatística está relacionada com a coleta e construção detabelas de dados para o governo. Há, por exemplo, registros depresos de guerra egípcios de 5000 A.C., do censo chinês de 2000A.C. e descrição detalhada de coleta de dados em livros deConstantinopla de 310 A.C..

Evolução da EstatísticaA situação evoluiu e a coleta de dados representa apenas um dosaspectos da Estatística. No século XIX, o desenvolvimento do cálculode probabilidade e de outras metodologias matemáticas, tais comoMétodo de Mínimos Quadrados (Legendre, 1805), Distribuição Normal(Gauss, 1809) e Teorema do Limite Central (Laplace, 1810), foramfundamentais para o desenvolvimento da Estatística.

No século XX a Estatística evoluiu como uma área específica doconhecimento a partir do desenvolvimento da Inferência Estatística,metodologia que faz uso da Teoria das Probabilidades e com amplaaplicação em ciências experimentais.

Evolução da EstatísticaA situação evoluiu e a coleta de dados representa apenas um dosaspectos da Estatística. No século XIX, o desenvolvimento do cálculode probabilidade e de outras metodologias matemáticas, tais comoMétodo de Mínimos Quadrados (Legendre, 1805), Distribuição Normal(Gauss, 1809) e Teorema do Limite Central (Laplace, 1810), foramfundamentais para o desenvolvimento da Estatística.

No século XX a Estatística evoluiu como uma área específica doconhecimento a partir do desenvolvimento da Inferência Estatística,metodologia que faz uso da Teoria das Probabilidades e com amplaaplicação em ciências experimentais.

Situação Atual

A Estatística hoje consiste em uma metodologia científica paraobtenção, organização e análise de dados oriundos das mais variadasáreas das ciências experimentais, cujo objetivo principal é auxiliar atomada de decisões em situações de incerteza.

População

Características

Amostra

Informações contidas

nos dados

Conclusões

sobre as

características

da população

Técnicas de amostragem

Análise

descritiva

Inferência

estatística

Etapas da Análise Estatística

Amostragem

Associada à coleta de dados, a tecnologia da amostragemdesenvolveu um conjunto de técnicas para obtenção de amostrasconvenientemente extraídas da população de interesse.

Exemplos de uso

Pesquisas de mercadoPesquisas de opinião públicaEnsaios clínicosEstudos experimentais

Amostragem

Exemplos de usoPesquisas de mercado

Pesquisas de opinião públicaEnsaios clínicosEstudos experimentais

Amostragem

Exemplos de usoPesquisas de mercadoPesquisas de opinião pública

Ensaios clínicosEstudos experimentais

Amostragem

Exemplos de usoPesquisas de mercadoPesquisas de opinião públicaEnsaios clínicos

Estudos experimentais

Amostragem

Exemplos de usoPesquisas de mercadoPesquisas de opinião públicaEnsaios clínicosEstudos experimentais

Estatística DescritivaEtapa inicial da análise utilizada para descrever, organizar e resumiros dados coletados.

A disponibilidade de uma grande quantidade de dados e de métodoscomputacionais muito eficientes revigorou esta área da Estatística.

Estatística DescritivaEtapa inicial da análise utilizada para descrever, organizar e resumiros dados coletados.

A disponibilidade de uma grande quantidade de dados e de métodoscomputacionais muito eficientes revigorou esta área da Estatística.

ProbabilidadeA teoria das probabilidades auxilia na modelagem de fenômenosaleatórios, ou seja, aqueles em que está presente a incerteza.

É uma ferramenta fundamental para a inferência estatística.

ProbabilidadeA teoria das probabilidades auxilia na modelagem de fenômenosaleatórios, ou seja, aqueles em que está presente a incerteza.

É uma ferramenta fundamental para a inferência estatística.

Inferência EstatísticaConjunto de técnicas que permite, a partir de dados amostrais, tirarconclusões sobre a população de interesse, controlando erros.

Exemplo 1

Sumário

1 Objetivos da Aula

3 Exemplo 1

Exemplo 1

Pesquisa de OpiniãoNuma pesquisa eleitoral, um instituto de pesquisa tem como objetivoprever o resultado da eleição, utilizando uma amostra da população.

Exemplo 1

Pesquisa de OpiniãoDenote por p a proporção de eleitores na população que votariam nocandidato A se a eleição fosse hoje.

Denote por p̂ a proporção de eleitores na amostra que votariam nocandidato A se a eleição fosse hoje.

Podemos usar a quantidade p̂ para estimar a proporção p.

Exemplo 1

Pesquisa de OpiniãoEm vários anos de eleições, os institutos de pesquisa de opiniãocolhem periodicamente amostras de eleitores para obter asestimativas de intenção de voto da população.

As estimativas são fornecidas com a estimativa pontual e umamargem de erro com a qual é construída a estimativa intervalar.

Exemplo 1

Pesquisa de OpiniãoEm vários anos de eleições, os institutos de pesquisa de opiniãocolhem periodicamente amostras de eleitores para obter asestimativas de intenção de voto da população.

As estimativas são fornecidas com a estimativa pontual e umamargem de erro com a qual é construída a estimativa intervalar.

Exemplo 1

Pesquisa SensusOs quadros apresentados a seguir referem-se à intenção de voto parapresidente do Brasil para o primeiro e segundo turnos das eleições de2010. A resposta foi estimulada e única.

Pergunta Realizada

Se a eleição para presidente fosse hoje e os candidatos fossem estes,em quem o(a) Sr.(Sra) votaria?

Exemplo 1

Pesquisa SensusOs quadros apresentados a seguir referem-se à intenção de voto parapresidente do Brasil para o primeiro e segundo turnos das eleições de2010. A resposta foi estimulada e única.

Pergunta Realizada

Se a eleição para presidente fosse hoje e os candidatos fossem estes,em quem o(a) Sr.(Sra) votaria?

Exemplo 1

Pesquisa Sensus

Intenção de voto para presidente do Brasil, 1º Turno – 2010

Pesquisa Sensus, em % do total de votos. 2.000 eleitores - Margem de erro de 2,2% com 95% de confiança.

Exemplo 1

Pesquisa Sensus

Intenção de voto para presidente do Brasil, 2º Turno – 2010

Pesquisa Sensus, em % do total de votos. 2.000 eleitores - Margem de erro de 2,2% com 95% de confiança.

Variável Aleatória

Sumário

1 Objetivos da Aula

3 Exemplo 1

Definição

Defini-se como variável aleatória qualquer característica associada auma população. Há dois tipos de variável aleatória: Qualitativa eQuantitativa.

Variável Aleatória Qualitativa

Nominal: gênero, estado civil, cor dos olhosOrdinal: classe social, grau de instrução, faixa etária

Variável Aleatória Quantitativa

Contínua: peso, altura, salário, temperaturaDiscreta: número de filhos, número de sinistros

Variável Aleatória QualitativaNominal: gênero, estado civil, cor dos olhos

Ordinal: classe social, grau de instrução, faixa etária

Variável Aleatória QualitativaNominal: gênero, estado civil, cor dos olhosOrdinal: classe social, grau de instrução, faixa etária

Variável Aleatória QuantitativaContínua: peso, altura, salário, temperatura

Discreta: número de filhos, número de sinistros

Variável Aleatória QuantitativaContínua: peso, altura, salário, temperaturaDiscreta: número de filhos, número de sinistros

Sumário

1 Objetivos da Aula

3 Exemplo 1

Medidas de Localização

Algumas medidas de posição: Mínimo, Máximo, Moda, Média,Mediana, Percentis

Medidas de DispersãoAlgumas medidas de dispersão: Amplitude, Intervalo Interquartil,Variância, Desvio Padrão, Coeficiente de Variação

Medidas de Dispersão

Algumas medidas de dispersão: Amplitude, Intervalo Interquartil,Variância, Desvio Padrão, Coeficiente de Variação

Sumário

1 Objetivos da Aula

3 Exemplo 1

Máximo: maior valor da amostraMínimo: menor valor da amostraModa: valor (ou atributo) que ocorre com maior frequência

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Máximo: maior valor da amostra

Mínimo: menor valor da amostraModa: valor (ou atributo) que ocorre com maior frequência

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Máximo: maior valor da amostraMínimo: menor valor da amostra

Moda: valor (ou atributo) que ocorre com maior frequência

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Exemplo 2

Dados: 4, 5, 4, 6, 5, 8, 4.max=8 min=4 mo=4

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Exemplo 2Dados: 4, 5, 4, 6, 5, 8, 4.

max=8 min=4 mo=4

Média Amostral

Observando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a média amostral é definida por

x̄ =x1 + · · ·+ xn

∑ni=1 xi

Exemplo 3Dados: 2, 5, 3, 7, 8.Portanto

x̄ =2 + 5 + 3 + 7 + 8

Média AmostralObservando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a média amostral é definida por

x̄ =x1 + · · ·+ xn

∑ni=1 xi

x̄ =2 + 5 + 3 + 7 + 8

x̄ =x1 + · · ·+ xn

∑ni=1 xi

x̄ =2 + 5 + 3 + 7 + 8

x̄ =x1 + · · ·+ xn

∑ni=1 xi

Exemplo 3

Dados: 2, 5, 3, 7, 8.Portanto

x̄ =2 + 5 + 3 + 7 + 8

x̄ =x1 + · · ·+ xn

∑ni=1 xi

Exemplo 3Dados: 2, 5, 3, 7, 8.

Portanto

x̄ =2 + 5 + 3 + 7 + 8

x̄ =x1 + · · ·+ xn

∑ni=1 xi

x̄ =2 + 5 + 3 + 7 + 8

Média Geométrica

Observando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a média geométrica é definida por

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Média GeométricaObservando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a média geométrica é definida por

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Exemplo 3

Dados: 2, 5, 3, 7, 8.Portanto

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Exemplo 3Dados: 2, 5, 3, 7, 8.

Portanto

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Mg = n√

x1x2 . . . xn

= (x1x2 . . . xn)1n .

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Mediana

A mediana é o valor da variável que ocupa a posição central de umconjunto de n dados ordenados.

Posição da MedianaPara um conjunto de n dados ordenados a medida corresponde aovalor que ocupa a posição

n + 12

Não necessariamente a mediana é um dos valores da amostra.

MedianaA mediana é o valor da variável que ocupa a posição central de umconjunto de n dados ordenados.

n + 12

Posição da Mediana

Para um conjunto de n dados ordenados a medida corresponde aovalor que ocupa a posição

n + 12

Mediana

Exemplo 4

Dados: 2, 3, 6, 7, 8. Temos que n=5 (n ímpar). A mediana é o valorque está na posição 5+1

2 = 3. Portanto

Md = 6.

Exemplo 5Dados: 1, 2, 4, 6, 8, 9. Temos que n=6 (n par). A mediana é o valorque está na posição 6+1

2 = 3,5. Portanto

Md =4 + 6

Mediana

Exemplo 4Dados: 2, 3, 6, 7, 8. Temos que n=5 (n ímpar).

A mediana é o valorque está na posição 5+1

2 = 3. Portanto

Md = 6.

2 = 3,5. Portanto

Md =4 + 6

Mediana

Exemplo 4Dados: 2, 3, 6, 7, 8. Temos que n=5 (n ímpar). A mediana é o valorque está na posição 5+1

2 = 3.

Portanto

Md = 6.

2 = 3,5. Portanto

Md =4 + 6

Mediana

2 = 3. Portanto

Md = 6.

2 = 3,5. Portanto

Md =4 + 6

Mediana

2 = 3. Portanto

Md = 6.

Exemplo 5

Dados: 1, 2, 4, 6, 8, 9. Temos que n=6 (n par). A mediana é o valorque está na posição 6+1

2 = 3,5. Portanto

Md =4 + 6

Mediana

2 = 3. Portanto

Md = 6.

Exemplo 5Dados: 1, 2, 4, 6, 8, 9. Temos que n=6 (n par).

A mediana é o valorque está na posição 6+1

2 = 3,5. Portanto

Md =4 + 6

Mediana

2 = 3. Portanto

Md = 6.

2 = 3,5.

Portanto

Md =4 + 6

Mediana

2 = 3. Portanto

Md = 6.

2 = 3,5. Portanto

Md =4 + 6

Percentil

O percentil de ordem p × 100, em que 0 < p < 1, é o valor de umconjunto de n dados ordenados que ocupa a posição

p × (n + 1).

Casos Particulares

percentil 25 = primeiro quartil (Q1)percentil 50 = mediana ou segundo quartil (Md)percentil 75 = terceiro quartil (Q3)percentil 10 = primeiro decil

PercentilO percentil de ordem p × 100, em que 0 < p < 1, é o valor de umconjunto de n dados ordenados que ocupa a posição

p × (n + 1).

Casos Particulares

p × (n + 1).

Casos Particulares

p × (n + 1).

Casos Particularespercentil 25 = primeiro quartil (Q1)

percentil 50 = mediana ou segundo quartil (Md)percentil 75 = terceiro quartil (Q3)percentil 10 = primeiro decil

p × (n + 1).

Casos Particularespercentil 25 = primeiro quartil (Q1)percentil 50 = mediana ou segundo quartil (Md)

percentil 75 = terceiro quartil (Q3)percentil 10 = primeiro decil

p × (n + 1).

Casos Particularespercentil 25 = primeiro quartil (Q1)percentil 50 = mediana ou segundo quartil (Md)percentil 75 = terceiro quartil (Q3)

percentil 10 = primeiro decil

p × (n + 1).

Casos Particularespercentil 25 = primeiro quartil (Q1)percentil 50 = mediana ou segundo quartil (Md)percentil 75 = terceiro quartil (Q3)percentil 10 = primeiro decil

Quartil Q1

O primeiro quartil (percentil 25) é o valor de um conjunto de n dadosordenados que ocupa a posição

0,25× (n + 1) =n + 1

Quartil Q3O terceiro quartil (percentil 75) é o valor de um conjunto de n dadosordenados que ocupa a posição

0,75× (n + 1) =3(n + 1)

Não necessariamente Q1 e Q3 são valores da amostra. A medianacorresponde ao segundo quartil, Md = Q2.

Quartil Q1O primeiro quartil (percentil 25) é o valor de um conjunto de n dadosordenados que ocupa a posição

0,25× (n + 1) =n + 1

0,75× (n + 1) =3(n + 1)

0,25× (n + 1) =n + 1

Quartil Q3

O terceiro quartil (percentil 75) é o valor de um conjunto de n dadosordenados que ocupa a posição

0,75× (n + 1) =3(n + 1)

0,25× (n + 1) =n + 1

0,75× (n + 1) =3(n + 1)

0,25× (n + 1) =n + 1

0,75× (n + 1) =3(n + 1)

Exemplo 5

Dados: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7. Temos n=10, assim amediana fica dada por

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

O primeiro quartil é o valor que está na posição 10+14 = 2,75. Por

simplicidade tomaremos a média entre os valores nas posições 2 e 3.Assim

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Dados: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.

Temos n=10, assim amediana fica dada por

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

O primeiro quartil é o valor que está na posição 10+14 = 2,75.

Porsimplicidade tomaremos a média entre os valores nas posições 2 e 3.Assim

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

simplicidade tomaremos a média entre os valores nas posições 2 e 3.

AssimQ1 =

2,0 + 2,12

= 2,05.

Exemplo 5

Md = (3,0 + 3,1)/2 = 3,05.

Quartil Q1

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

Quartil Q3

O terceiro quartil é o valor que está na posição 3(10+1)4 = 8,25. Por

Q3 =3,7 + 6,1

2= 4,9.

Exemplo 5

Quartil Q3

O terceiro quartil é o valor que está na posição 3(10+1)4 = 8,25.

Porsimplicidade tomaremos a média entre os valores nas posições 8 e 9.Assim

Q3 =3,7 + 6,1

2= 4,9.

Exemplo 5

Quartil Q3

simplicidade tomaremos a média entre os valores nas posições 8 e 9.

AssimQ3 =

3,7 + 6,12

= 4,9.

Exemplo 5

Quartil Q3

Q3 =3,7 + 6,1

2= 4,9.

Exemplo 6

Dados: 0,9 1,0 1,7 2,9 3,1 5,3 5,5 12,2 12,9 14,0 33,6. Agora temosn=11.

Mediana

É o valor que está na posição 11+12 = 6. Portanto, Md = 5,3.

Quartil Q1

É o valor que está na posição (11+1)4 = 3. Portanto, Q1 = 1,7.

Quartil Q3

É o valor que está na posição 3(11+1)4 = 9. Portanto, Q3 = 12,9.

Exemplo 6

Dados: 0,9 1,0 1,7 2,9 3,1 5,3 5,5 12,2 12,9 14,0 33,6.

Agora temosn=11.

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

É o valor que está na posição 11+12 = 6.

Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

É o valor que está na posição (11+1)4 = 3.

Portanto, Q1 = 1,7.

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

É o valor que está na posição 3(11+1)4 = 9.

Portanto, Q3 = 12,9.

Exemplo 6

Mediana

Quartil Q1

Quartil Q3

Exercício

Previsão PIB de 2016

Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2016.Dados: -3,9; -2,8; -3,6; -3,2; -2,9; -3,5; -3,0; -3,1; -3,7.

Com base nessa amostra:

qual o valor médio?qual o valor mediano?qual o percentil 90?

Exercício

Previsão PIB de 2016Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2016.

Dados: -3,9; -2,8; -3,6; -3,2; -2,9; -3,5; -3,0; -3,1; -3,7.

Exercício

Previsão PIB de 2016Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2016.Dados: -3,9; -2,8; -3,6; -3,2; -2,9; -3,5; -3,0; -3,1; -3,7.

Exercício

Com base nessa amostra:qual o valor médio?

qual o valor mediano?qual o percentil 90?

Exercício

Com base nessa amostra:qual o valor médio?qual o valor mediano?

qual o percentil 90?

Exercício

Com base nessa amostra:qual o valor médio?qual o valor mediano?qual o percentil 90?

Sumário

1 Objetivos da Aula

3 Exemplo 1

Exemplo 7Considere as notas de um teste de 3 grupos de alunos:

Grupo 1: 3, 4, 5, 6, 7Grupo 2: 1, 3, 5, 7, 9Grupo 3: 5, 5, 5, 5, 5

Note que

x̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Grupo 1: 3, 4, 5, 6, 7

Grupo 2: 1, 3, 5, 7, 9Grupo 3: 5, 5, 5, 5, 5

Note que

x̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Grupo 1: 3, 4, 5, 6, 7Grupo 2: 1, 3, 5, 7, 9

Grupo 3: 5, 5, 5, 5, 5

Note que

x̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Note que

x̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Note que

x̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Note quex̄1 = x̄2 = x̄3 = 5

Md1 = Md2 = Md3 = 5

Note quex̄1 = x̄2 = x̄3 = 5Md1 = Md2 = Md3 = 5

Distribuição das Notas

• • •

Grupo 3

• • • • • Grupo 2

• • • • • Grupo 1

Finalidade: encontrar um valor que resuma a variabilidade de umconjunto de dados.

Medidas de DispersãoFinalidade: encontrar um valor que resuma a variabilidade de umconjunto de dados.

Amplitude

A amplitude é definida por

A = max - min.

Para os dados do Exemplo 7 obtemos

Grupo 1, A=4Grupo 2, A=8Grupo 3, A=0

AmplitudeA amplitude é definida por

A = max - min.

Para os dados do Exemplo 7 obtemosGrupo 1, A=4

Grupo 2, A=8Grupo 3, A=0

A = max - min.

Para os dados do Exemplo 7 obtemosGrupo 1, A=4Grupo 2, A=8

Grupo 3, A=0

A = max - min.

Para os dados do Exemplo 7 obtemosGrupo 1, A=4Grupo 2, A=8Grupo 3, A=0

Intervalo Interquartil

O intervalo interquartil é definido por

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.

Q1=2,05Q3=4,9d=4,9 - 2,05 = 2,85

Intervalo InterquartilO intervalo interquartil é definido por

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.

Q1=2,05Q3=4,9d=4,9 - 2,05 = 2,85

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.

Q1=2,05Q3=4,9d=4,9 - 2,05 = 2,85

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.Q1=2,05

Q3=4,9d=4,9 - 2,05 = 2,85

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.Q1=2,05Q3=4,9

d=4,9 - 2,05 = 2,85

d = Q3 - Q1.

Dados Exemplo 5: 1,9 2,0 2,1 2,5 3,0 3,1 3,3 3,7 6,1 7,7.Q1=2,05Q3=4,9d=4,9 - 2,05 = 2,85

Desvio Médio

Observando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, o desvio médio é definido por

DM =|x1 − x̄ |+ · · ·+ |xn − x̄ |

∑ni=1 |xi − x̄ |

Desvio MédioObservando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, o desvio médio é definido por

DM =|x1 − x̄ |+ · · ·+ |xn − x̄ |

∑ni=1 |xi − x̄ |

Cálculo do desvio médio para os grupos do Exemplo 7

Grupo 1DM=|3−5|+|4−5|+|5−5|+|6−5|+|7−5|

5 = 65 = 1,2.

Grupo 2DM=|1−5|+|3−5|+|5−5|+|7−5|+|9−5|

5 = 125 = 2,4.

Grupo 3DM=|5−5|+|5−5|+|5−5|+|5−5|+|5−5|

5 = 0.

Grupo 1DM=|3−5|+|4−5|+|5−5|+|6−5|+|7−5|

5 = 65 = 1,2.

Grupo 2DM=|1−5|+|3−5|+|5−5|+|7−5|+|9−5|

5 = 125 = 2,4.

Grupo 3DM=|5−5|+|5−5|+|5−5|+|5−5|+|5−5|

5 = 0.

Grupo 1DM=|3−5|+|4−5|+|5−5|+|6−5|+|7−5|

5 = 65 = 1,2.

Grupo 2DM=|1−5|+|3−5|+|5−5|+|7−5|+|9−5|

5 = 125 = 2,4.

Grupo 3DM=|5−5|+|5−5|+|5−5|+|5−5|+|5−5|

5 = 0.

Grupo 1DM=|3−5|+|4−5|+|5−5|+|6−5|+|7−5|

5 = 65 = 1,2.

Grupo 2DM=|1−5|+|3−5|+|5−5|+|7−5|+|9−5|

5 = 125 = 2,4.

Grupo 3DM=|5−5|+|5−5|+|5−5|+|5−5|+|5−5|

5 = 0.

Variância

Observando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a variância amostral é definida por

s2 =(x1 − x̄)2 + · · ·+ (xn − x̄)2

n − 1=

∑ni=1(xi − x̄)2

n − 1.

A divisão da variância amostral por (n-1) leva a uma estimativa nãotendenciosa da variância populacional.

Desvio PadrãoO desvio padrão amostral é definido por

s =√

VariânciaObservando-se os valores x1, . . . , xn para uma variável aleatória Xquantitativa, a variância amostral é definida por

s2 =(x1 − x̄)2 + · · ·+ (xn − x̄)2

n − 1=

∑ni=1(xi − x̄)2

n − 1.

s =√

s2 =(x1 − x̄)2 + · · ·+ (xn − x̄)2

n − 1=

∑ni=1(xi − x̄)2

n − 1.

s =√

s2 =(x1 − x̄)2 + · · ·+ (xn − x̄)2

n − 1=

∑ni=1(xi − x̄)2

n − 1.

Desvio Padrão

O desvio padrão amostral é definido por

s =√

s2 =(x1 − x̄)2 + · · ·+ (xn − x̄)2

n − 1=

∑ni=1(xi − x̄)2

n − 1.

s =√

Cálculo da variância amostral para os grupos do Exemplo 7

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

⇒ s =√

0 = 0.

Grupo 1s2=(3−5)2+(4−5)2+(5−5)2+(6−5)2+(7−5)2

4 = 104 = 2,5

⇒ s =√

2,5 ∼= 1,58.

Grupo 2s2=(1−5)2+(3−5)2+(5−5)2+(7−5)2+(9−5)2

4 = 404 = 10

⇒ s =√

10 ∼= 3,16.

Grupo 3s2=(5−5)2+(5−5)2+(5−5)2+(5−5)2+(5−5)2

4 = 0⇒ s =

√0 = 0.

Variância

Fórmula alternativa para cálculo da variância

∑ni=1 x2

i − n × x̄2

n − 1.

Por exemplo, para o Grupo 1 do Exemplo 7 temos que∑x2

i = 32 + 42 + 52 + 62 + 72 = 9 + 16 + 25 + 36 + 49 = 135. Alémdisso x̄ = 5. Portanto

s2 =135− 5× (5)2

= 2,5.

VariânciaFórmula alternativa para cálculo da variância

∑ni=1 x2

i − n × x̄2

n − 1.

s2 =135− 5× (5)2

= 2,5.

∑ni=1 x2

i − n × x̄2

n − 1.

Por exemplo, para o Grupo 1 do Exemplo 7 temos que

s2 =135− 5× (5)2

= 2,5.

∑ni=1 x2

i − n × x̄2

n − 1.

i = 32 + 42 + 52 + 62 + 72 = 9 + 16 + 25 + 36 + 49 = 135.

Alémdisso x̄ = 5. Portanto

s2 =135− 5× (5)2

= 2,5.

∑ni=1 x2

i − n × x̄2

n − 1.

i = 32 + 42 + 52 + 62 + 72 = 9 + 16 + 25 + 36 + 49 = 135. Alémdisso x̄ = 5.

Portanto

s2 =135− 5× (5)2

= 2,5.

∑ni=1 x2

i − n × x̄2

n − 1.

s2 =135− 5× (5)2

= 2,5.

Exercício

Previsão PIB de 2016

Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2015.Dados: -3,9; -2,8; -3,6; -3,2; -2,9; -3,5; -3,0; -3,1; -3,7.

qual o desvio padrão?qual a diferença interquartil?

Exercício

Previsão PIB de 2016Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2015.

Dados: -3,9; -2,8; -3,6; -3,2; -2,9; -3,5; -3,0; -3,1; -3,7.

Exercício

Com base nessa amostra:qual o desvio padrão?

qual a diferença interquartil?

Exercício

Com base nessa amostra:qual o desvio padrão?qual a diferença interquartil?

Coeficiente de Variação

O coeficiente de variação é uma medida de dispersão relativa queelimina o efeito da magnitude dos dados e exprime a variabilidade emrelação à média. O coeficiente de variação amostral é definido por

CV =sx̄× 100%.

O coeficiente de variação é uma medida de dispersão relativa queelimina o efeito da magnitude dos dados e exprime a variabilidade emrelação à média.

O coeficiente de variação amostral é definido por

CV =sx̄× 100%.

O coeficiente de variação é uma medida de dispersão relativa queelimina o efeito da magnitude dos dados e exprime a variabilidade emrelação à média. O coeficiente de variação amostral é definido por

CV =sx̄× 100%.

Exemplo 8Altura (em cm) de uma amostra de recém-nascidos e de uma amostrade adolescentes

Grupo Média D. Padrão CVRecém-Nascidos 50 6 12%Adolescentes 160 16 10%

ConclusãoEm relação às médias, as alturas dos adolescentes e dosrecém-nascidos apresentam variabilidades muito parecidas.

Conclusão

Em relação às médias, as alturas dos adolescentes e dosrecém-nascidos apresentam variabilidades muito parecidas.

Exemplo 9Altura (em m) e Peso (em kg) de uma amostra de alunos.

Variável Média D. Padrão CVAltura 1,50 0,05 3,3%Peso 50 3,50 7%

ConclusãoOs alunos são, aproximadamente, duas vezes mais dispersos quantoao peso do que quanto à altura.

Conclusão

Os alunos são, aproximadamente, duas vezes mais dispersos quantoao peso do que quanto à altura.

Estatística Descritiva I - IME-USPgiapaula/Aula 1-DescritivaI-MAE0219.pdf · Ordinal: classe...

Documents

Transcript of Estatística Descritiva I - IME-USPgiapaula/Aula 1-DescritivaI-MAE0219.pdf · Ordinal: classe...

Exemplo Regressão Binomial de Dose Resposta - IME-USPgiapaula/slides_exemplo_doseresposta.pdf · Exemplo Regressão Binomial de Dose Resposta Gilberto A. Paula Departamento de Estatística

Normalização Forte via Ordinal Naturaldanieldurante-en.weebly.com/uploads/2/2/9/3/... · métodos que seriam evidentes e seguros, devido ao seu caráter elementarmente combinatório

Construção Metodológica e Elaboração de Instrumentos na Pesquisa … · 2019-10-29 · Tipo de variáveis Vamos praticar Item questionário Tipo de variável Habilitações Ordinal

NORMAS SOBRE CORRESPONDÊNCIAS E ATOS OFICIAISarquivos.ana.gov.br/resolucoes/2003/130-2003AnexoI.pdf · Do artigo primeiro até o artigo nono, usa-se o numeral ordinal, ou seja 1º,

Agregação ordinal de produtividades parciais: …E.G. GOMES et al. / Investigação Operacional, 27 (2007) 199-213 201 simultaneamente, a produtividade da terra e a do trabalho como

regressão ordinal

Exemplo Regressão Linear Simples - IME-USPgiapaula/slides_exemplo_vimoveis.pdf · Exemplo Regressão Linear Simples Gilberto A. Paula Departamento de Estatística IME-USP, Brasil

Noções de Probabilidade - IME-USPrfaria/cursos/verao-2019/Aulas... · 2019-01-12 · 12 Independência de Eventos 13 Exemplo 2 14 Exemplo 3 15 Exemplo 4 MAE0219 (Economia-FEA-Noturno)

Modelos Bidimensionais Contínuos - IME-USPgiapaula/Aula 11-Modelos Bidimensionais II... · Esperança Esperança Deﬁnição A esperança matemática de uma variável aleatóra

Linguagens, Códigos e suas Tecnologias – Inglês Ensino Fundamental, 6° Ano Numbers: cardinal and ordinal.

Exemplo Chamadas Telefônicas - IME-USPgiapaula/slides_exemplo_chamadas.pdf · Ajuste Mínimos Quadrados Modelo Linear Normal Descrição Nota-se um aumento do número de chamadas

Faturamento de Restaurantes - IME-USPgiapaula/slides_exemplo_restaurantes.pdf · Faturamento de Restaurantes Faturamento de Restaurantes Descrição dos Dados Como ilustração de

Conteúdo - wikiciencias.casadasciencias.org · Rutherford (1971–1937), que o número total de electrões num átomo corresponde à sua posição ordinal na tabela de Dimitri Mendeleev

Exemplo Preferência de Automóveis - IME-USPgiapaula/slides_exemplo_prefauto.pdf · A probabilidade de preferência por automóvel americano aumenta com a idade do comprador. Razão

Modelos de Regressão com Resposta Ordinal para vAaliação ...bdm.unb.br/bitstream/10483/13140/1/2015_GeizianeSilvade...de medidas de textura de arroz. Esse estudo é parte do projeto

Exemplo Demanda de TV a Cabo - IME-USPgiapaula/slides_exemplo_tvcabo.pdf · Demanda de TV a Cabo Demanda de TV a Cabo Descrição dos Dados Vamos considerar um conjunto de dados sobre

Aula 1 Descritiva I MAE0219

VARIÁVEIS DE CONTROLE SOBRE O RESPONDER ORDINAL ...repositorio.ufpa.br/jspui/bitstream/2011/5591/1/... · Variáveis de controle sobre o responder ordinal: revisitando estudos empíricos

Aula 5 VAs Discretas MAE0219

Prof. Drª Marília Brasil Xavier · Licenciatura em Matemática Modalidade a Distância 12 As variáveis qualitativas se dividem em Nominal e Ordinal. ... Classe social, grau de