Estatística Descritiva I - IME-USPrfaria/cursos/verao-2019/Aulas/Aula 02... · 1 Objetivos da Aula...

Estatística Descritiva I

Bacharelado em Economia - FEA - Noturno

1o Semestre 2017

Profs. Gilberto A. Paula & Vanderlei C. Bueno

MAE0219 (Economia-FEA-Noturno) 1o Semestre 2017 1 / 53

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, visando auxiliar na tomada de decisões em situaçõesde 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, visando auxiliar na tomada de decisões em situaçõesde incerteza.

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

Sumário

1 Objetivos da Aula

3 Exemplo 1

O que é Estatística

Origem da EstatísticaA 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 como

Método de Mínimos Quadrados (Legendre, 1805)Distribuição Normal (Gauss, 1809)Teorema do Limite Central (Laplace, 1810)

foram fundamentais para o desenvolvimento da Estatística.

Método de Mínimos Quadrados (Legendre, 1805)

Distribuição Normal (Gauss, 1809)Teorema do Limite Central (Laplace, 1810)

Método de Mínimos Quadrados (Legendre, 1805)Distribuição Normal (Gauss, 1809)

Teorema do Limite Central (Laplace, 1810)foram fundamentais para o desenvolvimento da Estatística.

Evolução da EstatísticaNo século XX a Estatística evoluiu como uma área específica doconhecimento a partir do desenvolvimento da Inferência Estatísticaque faz uso da Teoria das Probabilidades e com ampla aplicação emciências experimentais.

Situação AtualA 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

AmostragemAssociada 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

Exemplos de usoPesquisas de mercado

Pesquisas de opinião públicaEnsaios clínicosEstudos experimentais

Exemplos de usoPesquisas de mercadoPesquisas de opinião pública

Ensaios clínicosEstudos experimentais

Exemplos de usoPesquisas de mercadoPesquisas de opinião públicaEnsaios clínicos

Estudos experimentais

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.

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

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.

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.

Sumário

1 Objetivos da Aula

3 Exemplo 1

Variável Aleatória

DefiniçãoDefini-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 LocalizaçãoAlgumas medidas de posição: Mínimo, Máximo, Moda, Média,Mediana, Percentis

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

Medidas de LocalizaçãoMáximo: 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

Medidas de LocalizaçãoMáximo: 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

Medidas de LocalizaçãoMáximo: 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

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 (média aritmética) 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 (média aritmética) 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

Observações

log(Mg) = 1n∑n

i=1 logxi

A média geométrica é mais apropriada que a média aritméticapara descrever crescimentos proporcionaisSe X e Y são observadas nas n unidades experimentais, entãoMg( X

Y ) = Mg(X)Mg(Y )

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

Observações

log(Mg) = 1n∑n

i=1 logxi

Y ) = Mg(X)Mg(Y )

Mg = n√

x1x2 . . . xn = (x1x2 . . . xn)1n

Observações

log(Mg) = 1n∑n

i=1 logxi

Y ) = Mg(X)Mg(Y )

Mg = n√

x1x2 . . . xn = (x1x2 . . . xn)1n

Observações

log(Mg) = 1n∑n

i=1 logxi

Y ) = Mg(X)Mg(Y )

Mg = n√

x1x2 . . . xn = (x1x2 . . . xn)1n

Observações

log(Mg) = 1n∑n

i=1 logxi

Y ) = Mg(X)Mg(Y )

Mg = n√

x1x2 . . . xn = (x1x2 . . . xn)1n

Observações

log(Mg) = 1n∑n

i=1 logxi

A média geométrica é mais apropriada que a média aritméticapara descrever crescimentos proporcionais

Se X e Y são observadas nas n unidades experimentais, entãoMg( X

Y ) = Mg(X)Mg(Y )

Mg = n√

x1x2 . . . xn = (x1x2 . . . xn)1n

Observações

log(Mg) = 1n∑n

i=1 logxi

Y ) = Mg(X)Mg(Y )

Medidas Geométrica

Exemplo

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

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Medidas Geométrica

ExemploDados: 2, 5, 3, 7, 8.

Portanto

Mg =5√

2× 5× 3× 7× 8=

1680= 4,416.

Medidas Geométrica

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

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 Q1O primeiro quartil é o valor que está na posição 10+1

4 = 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

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.

Q1 =2,0 + 2,1

2= 2,05.

Exemplo 5

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

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. Por

simplicidade 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.

4 = 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.

4 = 2,75. Porsimplicidade 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.

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.

MedianaÉ o valor que está na posição 11+1

2 = 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.

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

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

2 = 6.

Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

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

Portanto, Q1 = 1,7.

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

Exemplo 6

2 = 6. Portanto, Md = 5,3.

Quartil Q1

Quartil Q3

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

Portanto, Q3 = 12,9.

Exemplo 6

2 = 6. Portanto, Md = 5,3.

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 2017.Dados: 0,0; 0,5; 0,2; 1,0; 0,4; 0,8; 0,3; 0,5; 0,7.

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 2017.

Dados: 0,0; 0,5; 0,2; 1,0; 0,4; 0,8; 0,3; 0,5; 0,7.

Exercício

Previsão PIB de 2016Supor que n = 9 Economistas brasileiros, escolhidos aleatoriamente,foram consultados a respeito do crescimento (em %) previsto para oPIB brasileiro em 2017.Dados: 0,0; 0,5; 0,2; 1,0; 0,4; 0,8; 0,3; 0,5; 0,7.

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: 0,0; 0,5; 0,2; 1,0; 0,4; 0,8; 0,3; 0,5; 0,7.

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: 0,0; 0,5; 0,2; 1,0; 0,4; 0,8; 0,3; 0,5; 0,7.

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%.

Coeficiente de VariaçãoO 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%.

Coeficiente de VariaçãoO 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-USPrfaria/cursos/verao-2019/Aulas/Aula 02... · 1 Objetivos da Aula...

Documents

Transcript of Estatística Descritiva I - IME-USPrfaria/cursos/verao-2019/Aulas/Aula 02... · 1 Objetivos da Aula...

Conceitos básicos: Variável Aleatória 2009-2010... · Carla Henriques e Manuel Reis Probabilidades e Estatística ... Relacionando cada valor da variável aleatória discreta X

Variáveis Aleatórias Uma variável aleatória associa um número real a cada resultado de um experimento aleatório. Mais precisamente…

VARIÁVEL ALEATÓRIA e DISTRIBUIÇÃO BINOMIAL. Variável Aleatória Uma função X: R que associa a cada elemento do espaço amostral um valor x R é denominada.

ESTATÍSTICA BÁSICA - Variável Aleatória Contínua · Fun˘c~ao densidade de probabilidade Cujo gr a co e apresentado abaixo e a probabilidade de X estar entre a e b, indicada

ESTATÍSTICA AULA 4 · Aulas prévias Variável aleatória: ... pequenas amostras (Unidade 5). 15 Modelo t de Student ... 0,03 0,035 0,04 0,045 0 10 20 30 40 50 60 70 80 90 100 110

Jean Louis Valentin · Elementos de Matemática e Estatística | Variável aleatória e valor esperado ... que associa cada evento elementar a um número real. Em nosso curso,

PROBABILIDADE E DISTÂNCIAS - Faculdade de Computaçãobackes/pgc204/Aula02-Prob_Estatistica.pdf · Existem várias definições para o termo variável aleatória, todas equivalentes:

Estatística Aplicada - Amazon S3 › ead_casa › ead_casa › ead_casa › ... · 2019-02-27 · Estatística Aplicada Variável Aleatória Contínua e Distribuição Contínua

Introdução à Análise Estatística 2 - Geraldo... · • A ideia básica da regressão logística é assumir que cada valor individual corresponde a uma variável aleatória de

Métodos Estatísticos Básicos - Aula 8 - Variáveis aleatóriasregisely.com/teaching/basicstat/basicstat-aula8.pdf · 2020. 10. 8. · Deﬁnições •Variável aleatória: dadoumexperimentoeumespaçoamostral

Principais distribuições contínuas de probabilidadePrincipais distribuições contínuas de probabilidade 1. Variável aleatória contínua Representa características medidas num

ESTATÍSTICA AULA 3€¦ · Estatística I –Unidade 6: Conceitos básicos de probabilidade: Variável aleatória: Conceito, variáveis discretas e contínuas, valor esperado e variância.

Probabilidade - fundamentosmoodle.fgv.br/Uploads/Estatistica_Empresarial_e...Estatística Empresarial Conceitos Básicos 1. Experiência Aleatória (E) Processo de obtenção de uma

Inferência Estatística - Uma Introdução · 2 CAPÍTULO 1. INFERÊNCIA ESTATÍSTICA – CONCEITOS BÁSICOS variável aleatória contínua, a ela está associada uma função densidade

Variaveis Aleatorias e Distribuicao Probabilidadeportnoi/classroom/prob_estatistica/... · Variáveis Aleatórias |Variável Aleatória zIndica o valor correspondente ao resultado

Probabilidade e Modelos Probabilísticosmarcelo/Aula05CPGCC.pdf · 9 Distribuição Exponencial Intervalo de tempo entre ocorrências Variável aleatória X de Poisson tem média

VARIÁVEIS ALEATÓRIAS 2015. 2 Variável aleatória é o espaço amostral de um experimento aleatório. Uma variável aleatória, X, é uma função que atribui.

SÉRIE: Estatística Básica - Enfoque: Sociais · 3.2. VARIÁVEL ALEATÓRIA DISCRETA ... EXERCÍCIOS ... toda a vez que se emprega Matemática com a finalidade de estudar

Cap. 5 – Variáveis aleatórias€¦ · BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004 Variável aleatória •Uma variável aleatória

ESTATÍSTICA BÁSICA - Variável Aleatória Contínua...Introdu˘c~ao Exemplos 1 Uma v alvula eletr^onica e instalada em um circuito, seja X o per odo de tempo em que a v alvula funciona.