Académique Documents
Professionnel Documents
Culture Documents
_________________________________________________________________
Captulo 3
CARACTERSTICAS AMOSTRAIS
MEDIDAS DE LOCALIZAO E DISPERSO
3.1 - Introduo
Vimos anteriormente alguns processos de resumir a informao contida nos dados,
utilizando tabelas e grficos. Veremos agora um outro processo de resumir essa
informao, utilizando determinadas medidas, calculadas a partir dos dados, que se
chamam estatsticas.
Das medidas ou estatsticas que iremos definir para caracterizar os dados, destacam-se
as medidas de localizao, nomeadamente as que localizam o centro da amostra, e as
medidas de disperso, que medem a variabilidade dos dados.
Observemos que, ao resumir na forma de alguns nmeros a informao contida nos
dados, estamos a proceder a uma reduo "drstica" desses dados. Assim, estas
medidas devem ser convenientemente escolhidas, de modo a representarem o melhor
possvel o conjunto de dados que pretendem sumariar. Como veremos, definiremos
vrias medidas possveis, mas no poderemos dizer, de uma forma geral, que uma
melhor do que outra, j que a sua utilizao depende do contexto e da situao em que
necessitam de ser calculadas e de como vo ser utilizadas.
Ser mesmo necessrio utilizar os dois tipos de medidas, isto , de localizao e de
disperso, para caracterizar um conjunto de dados? O exemplo seguinte procura
responder a esta questo.
Exemplo 1 - Dois alunos do 12 ano obtiveram as seguintes notas:
Pedro
Joo
14
15
13
10
13
8
13
13
13
14
13
13
14
16
13
14
13
16
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
O Pedro e o Joo tiveram a mesma mdia de 13.2, mas o Joo no teve aproveitamento
a todas as disciplinas. Quer dizer que utilizmos uma medida de reduo dos dados, a
mdia, que no suficiente para caracterizar e diferenciar os dois conjuntos de dados.
Efectivamente, se representarmos num diagrama de caule-e-folhas os dois conjuntos,
obtemos duas representaes com aspecto diferente, j que na segunda representao
se verifica uma maior variabilidade, isto , os dados esto mais dispersos.
1
1
3333333
44
0
1
1
1
1
1
1
1
8
0
33
44
5
66
Antes de comear a definir as medidas que vo ser utilizadas para resumir a informao
contida nos dados (e lembramos mais uma vez que estamos na fase da anlise
estatstica conhecida por ESTATSTICA DESCRITIVA), vamos introduzir uma notao
conveniente para representar a amostra. Assim, o conjunto de dados ou observaes
que constituem a amostra ser representado por
x1, x2, x3, , xn
onde x1, x2,...., xn, representam, respectivamente, os resultados da 1 observao,d a 2
observao, da n-sima observao, a serem recolhidas para constituir uma amostra de
dimenso n. Esta notao no pressupe uma ordenao.
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Centro
No entanto, a situao anterior muito rara, pois devido aleatoriedade presente nos
dados, os histogramas no apresentam aquele aspecto. Por outro lado, quando o
histograma enviesado, a situao ainda se torna mais complicada, pois difcil de
dizer o que o centro. Existem ento vrios processos para definir o centro, cujas
medidas no do normalmente o mesmo resultado. Destas medidas destacamos a
mdia e a mediana, a definir seguidamente.
3.2.1 - Mdia
A mdia amostral ou simplesmente mdia, a medida de localizao do centro da
amostra, mais vulgarmente utilizada. Representa-se por xe calcula-se utilizando o
seguinte processo:
- Somam-se todos os elementos da amostra
- Divide-se o resultado da soma pelo nmero de elementos da amostra
Utilizando a notao introduzida anteriormente para representar a amostra, de dimenso
n, a mdia obtm-se a partir da expresso:
x=
E se os dados se encontram agrupados?
Neste caso podem-se verificar duas situaes:
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
12.4 14.3
113.5
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
obteve-se o valor
x= 24.1.
Embora todos os dados, menos um, estejam no intervalo [10.6, 15.1], o valor obtido para
a mdia est "bem afastado" daquele intervalo! Uma medida que se pretendia
representativa dos dados, no est a conseguir esses objectivos, pois se nos disserem
que um conjunto de dados tem mdia 24.1, imediatamente pensamos em valores que
no se afastem muito daquele valor.
O que acontece que a mdia muito sensvel a valores muito grandes ou muito
pequenos.
No caso do exemplo foi o valor 113.5 que inflacionou a mdia. Alm disso temos alguma
razo para pensar que pode ter havido um erro ao digitar o valor 113.5, digitando um 1 a
mais!
E se em vez de 113.5 o valor correcto fosse 13.5, qual o valor da mdia? Neste caso
para a mdia dos seguintes dados
12.4 13.5 13.6
obteve-se o valor
12.4 14.3
13.5
Sendo a mdia uma medida to sensvel aos dados, preciso ter cuidado com a sua
utilizao, pois pode dar uma imagem distorcida dos dados que pretende representar!
Para alm do facto de ser uma medida muito simples de calcular, existir alguma outra
razo que a torne uma medida to "popular"?
Pode-se mostrar (e essa demonstrao faz parte da Inferncia Estatstica) que quando a
distribuio dos dados "normal" (o histograma correspondente tem a forma aproximada de um sino), ento a melhor medida de localizao do centro a mdia. Ora
sendo a Distribuio Normal uma das distribuies mais importantes e que surge com
mais frequncia nas aplicaes, esse facto justifica a grande utilizao da mdia.
A mdia tem uma outra caracterstica, que torna a sua utilizao vantajosa em certas
aplicaes:
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
quantidade de gelado comida por ano, por uma amostra de vrios adultos, se concluiu
que a mdia dos valores observados de 5 kg. Obteve-se a mdia dividindo a soma das
quantidades observadas pelo nmero de adultos inquiridos. Finalmente em 3, o que se
observou foi a quantidade de gelado comida, por ano, por um adulto, escolhido ao
acaso, e durante vrios anos. Obteve-se a mdia dividindo a soma das quantidades
obtidas pelo nmero de anos observados.
Os estudantes ao elaborarem um inqurito podem discutir como que os inquiridos
interpretaro frases alternativas para uma questo, tais como:
4 - Em mdia, quanto gelado come por semana?
5 - Qual a quantidade mdia de gelado que come por semana?
6 - Numa semana mdia, quanto gelado come?
Esta actividade pode tambm ajudar os estudantes a aperceberem-se que, para
compreender o significado do termo "mdia" quando usado num sentido estatstico,
necessrio saber muito mais do que somar e dividir! necessrio obter informao, por
exemplo, acerca do contexto e objectivo do estudo.
Actividade 2 - Um pai tinha 5 depsitos a prazo (de montantes diferentes) que pensou
sortear pelos seus 5 filhos. Depois pensou melhor e decidiu que eles tinham que receber
todos a mesma quantia. Ento como que ele deve proceder? Se ele tivesse comeado
por utilizar o primeiro processo, alguns dos irmos teriam de devolver dinheiro, enquanto
que os outros teriam de receber mais. Ser que as quantias devolvidas chegam para
pagar aos que ainda tm de receber?
Concretize a situao anterior admitindo que as quantias (em milhares de contos) em
jogo eram 10 , 11, 14, 15 e 16.
1 caso - O pai d uma das quantias a cada filho, tendo o resultado do sorteio sido o
seguinte:
Jos - 10 mil contos ; Joana - 11 mil contos; Maria - 14 mil contos;
Joo - 15 mil contos; Lus - 16 mil contos
2 caso - O pai d uma quantia igual a cada um dos filhos
Ento ter que dar a cada um a mdia das quantias, pelo que cada filho recebe
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
= 13.2.
Assim
Jos
Joana
Maria
Joo
Lus
A soma das quantias a receber (3.2 + 2.2) = 5.4, enquanto que a soma das quantias a
devolver (0.8 + 1.8 + 2.8) = 5.4, pelo que efectivamente as quantias devolvidas
chegam para pagar as quantias a receber.
Graficamente temos
15
13.2
10
quantia a receber
quantia a devolver
Jos Joana
Maria Joo
Lus
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
2 feira
3 feira
4 feira
5 feira
6 feira
Sbado
Domingo
11
170
sem atraso
10
3.2.2 - Mediana
A mediana uma medida de localizao do centro da distribuio dos dados, definida do
seguinte modo: ordenados os elementos da amostra, a mediana o valor (pertencente
ou no amostra) que a divide ao meio, isto , 50% dos elementos da amostra so menores ou iguais mediana e os outros 50% so maiores ou iguais mediana.
Para a determinao da mediana, utiliza-se a seguinte regra, depois de ordenada a
amostra de n elementos:
- Se n mpar, a mediana o elemento mdio.
- Se n par, a mediana a semi-soma dos dois elementos mdios.
Uma forma simples de aplicar a regra anterior considerar o quociente :
- Se este quociente for um n inteiro, considera-se para mediana o elemento
nessa posio;
- Se este quociente terminar em 0.5, considera-se a sua parte inteira e faz-se a
semi-soma do elemento a que corresponde essa ordem, com o seguinte.
Exemplo 2: Considere o seguinte conjunto de notas de um aluno do 10 ano
10
10
10
11
11
11
11
12
m = 11
Admitamos que uma das notas de 10 foi substituda por uma de 18. Ento neste caso a
mediana continuaria a ser 11, enquanto que a mdia subiria para 11.75!
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
45
60
70
80
120
380
N empregados
23
58
50
20
10
10
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Clculo da mediana:
Como n par, a mediana a semi-soma dos elementos mdios
m = semi-soma dos elementos de ordem 80 e 81
= 60
A mdia muito superior mediana, pois 2 dos valores do conjunto de dados so muito
grandes, quando comparados com os restantes, tendo assim inflacionado a mdia.
Efectivamente, dos 160 empregados, s 29 que tm salrio superior mdia.
A mediana d-nos uma ideia mais correcta do nvel dos salrios, que so de um modo
geral muito baixos. Assim, d-nos a indicao de que 50% dos salrios so menores ou
iguais a 20 mil escudos, enquanto que os restantes so maiores ou iguais quele valor.
Dados originais
(5,2,10,6,9)
6.4
6
Dados copiados
(5,2,50,6,9)
14.4
6
mediana
mdia
10
mediana
20
30
40
20
30
40
mdia
50
10
11
50
11
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Resumindo, como a mdia influenciada quer por valores muito grandes, quer por
valores muito pequenos, se a distribuio dos dados for enviesada para a direita (alguns
valores grandes como outliers), a mdia tende a ser maior que a mediana; se for
aproximadamente simtrica, a mdia aproxima-se da mediana e se for enviesada para a
esquerda (alguns valores pequenos como outliers), a mdia tende a ser inferior
mediana. Representando as distribuies dos dados ( esta observao vlida para as
representaes grficas na forma de diagrama de barras ou de histograma) na forma de
uma mancha, temos, de um modo geral:
mdia mediana
Deve ser ento chamada a ateno que o simples clculo da mdia e da mediana nos
pode dar informao sobre a forma da distribuio dos dados.
Rep. classe
5
15
25
35
45
55
65
Freq. abs.
21
7
9
7
3
0
3
50
12
Freq. rel.
0.42
0.14
0.18
0.14
0.06
0.00
0.06
1.00
Freq.rel.acum
0.42
0.56
0.74
0.88
0.94
0.94
1.00
-
12
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Considerando a coluna correspondente s frequncias relativas acumuladas, verificamos que a frequncia de 50% corresponde classe [10, 20[, sendo ento esta a classe
que contm a mediana: classe mediana. Para obter um valor aproximado para a
mediana, partimos do princpio que a frequncia de 14% correspondente a esta classe
se distribui uniformemente sobre o intervalo de amplitude 10. Assim, fazendo uma regra
de trs simples, como j exemplificmos com a funo cumulativa, vamos a esta classe
procurar o valor a que corresponda uma frequncia de 8%:
8%
6%
20
10
* *
10
*
*
20
Ainda para este exemplo, vamos calcular o valor aproximado para a mdia a partir dos
dados agrupados. Substituimos os elementos de cada classe pelo ponto mdio da
classe, que elegemos como ponto representativo :
x 5 6 0.42 + 15 6 0.14 +25 6 0.18 +35 6 0.14 +45 6 0.06+65 6 0.06
x 20.02
13
13
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Freq. abs.
21
4
12
7
3
0
3
50
Freq. rel.
0.42
0.08
0.24
0.14
0.06
0.00
0.06
1.00
Freq.rel.acum
0.42
0.50
0.74
0.88
0.94
0.94
1.00
-
Classes
0
1
2
3
4
Total
Freq. abs.
4
6
5
3
2
20
Tabela de frequncias
Freq. rel.
Freq.rel.acum
0.20
0.20
0.30
0.50
0.25
0.75
0.15
0.90
0.10
1.00
1
-
O valor 1 satisfaz a condio para ser mediana, mas qualquer valor entre 1 e 2 tambm
satisfaz essas condies! ou no verdade que se escolhessemos para mediana 1.2,
14
14
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
E, E, E, E, E, E, E, D, D, D, D, C, B, B, A
mediana
Se a amostra anterior no tivesse o elemento A, ento a mediana seria o posto de
trabalho E, pois 50% dos elementos da amostra tm categoria inferior ou igual a E.
3. 2.3 - Quartis
A noo de quartil j foi abordada, quando falamos no diagrama de extremos e quartis.
Assim o quartil de ordem 1 ou 1 quartil (respectivamente ordem 3 ou 3 quartil), Q 1
15
15
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
(Q3), ser o valor tal que 25% (75%) dos elementos da amostra so menores ou iguais a
ele e os restantes so maiores ou iguais.
H vrios processos para a determinao dos quartis, que nem sempre conduzem aos
mesmos resultados. Um dos processos pode ser o de utilizar a mesma metodologia
aplicada para a obteno da mediana, isto , consideram-se os quartis como as
medianas das duas partes em que ficou dividida a amostra inicial pela mediana. A parte
inferior dividida pelo 1 quartil, enquanto que a parte superior dividida pelo 3 quartil.
Exemplo 4: Dada a seguinte amostra
12
10
11
17
18
14
13
10
15
12
15
17
18
10
11
12
12
13
14
2 - Depois, uma vez que o nmero de elementos 10 (par), a mediana ser a semisoma dos elementos de ordem 5 e 6:
1 quartil=11
10
10
11
12
3quartil=15
12
13
14
15
15
18
mediana = 12.5
3 - Finalmente o 1 quartil (3 quartil) ser a mediana da parte inferior (parte superior)
em que ficou dividida a amostra pela mediana.
Suponhamos que a amostra tinha mais 3 elementos (n mpar de elementos):
16
16
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
1 quartil=12
10
10
11
12
3quartil=18
12
13
14
15
15
18
19
20
20
mediana = 14
Comentrio: Mesmo na utilizao deste processo podem-se levantar algumas dvidas,
quando o nmero de elementos da amostra mpar. Efectivamente pode-se optar por
considerar o elemento da amostra, seleccionado para mediana, como no pertencente a
nenhuma das partes, ao contrrio do que foi feito no exemplo, em que a mediana conta
para as duas partes.
Exemplo 5: Tendo-se decidido registar os pesos dos alunos de uma determinada turma
de Matemtica do 12 ano, obtiveram-se os seguintes valores (em kg):
52 56 62 54 52 51 60 61 56 55 56 54 57 67 61 49
Um aluno com o peso de 62kg, pode ser considerado "normal" , isto nem demasiado
magro, nem demasiado gordo?
Ordenando a amostra anterior, cuja dimenso 16, temos
49 51 52 52 54 54 55 56 56 56 57 60 61 61 62 67
1quartil=53
mediana= 56
3quartil=60.5
Um aluno com o peso de 62 Kg um bocado forte, pois s 25% dos alunos que tm
um peso superior ou igual a 60.5 Kg.
3.2.4 -Moda
Para um conjunto de dados, define-se moda como sendo o valor que surge com mais
frequncia, se os dados so discretos, ou o intervalo de classe com maior frequncia, se
os dados so contnuos e esto agrupados.
17
17
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Esta medida merece referncia por ser especialmente til para reduzir a informao de
conjuntos de dados qualitativos, portanto apresentados sob a forma de nomes ou
categorias, para os quais no se pode calcular a mdia e por vezes nem a mediana ( se
no forem susceptveis de ordenao).
18
18
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
exames nacionais como provas especficas. Como nota mnima, exigiu-se para cada
prova a nota correspondente ao percentil 25. Isto significava que os 75% melhores
alunos dessa prova se poderiam candidatar.
b) 1 - Considere os seguintes conjuntos de nmeros:
1 2 3 4 5
2 3 4 5 6
3 5 7 9 11
Para cada um destes conjuntos calcule a mdia. Identifique qual a relao existente
entre os conjuntos e diga como poderia obter a mdia do ltimo conjunto, a partir da
mdia dos dois primeiros conjuntos.
2 - Considere os seguintes diagramas de barras:
12
10
5
4
0
6 0
6
5
4
3
2
1
0
19
3 4 5 6 7 8 9
10
19
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
6
5
4
3
2
1
0
0
4
8
12
16
20
7
6
2 4 5
6
0 1 2 3 4 5 6 7 8 9
7
6
4 5
4
0 1 2 3 4 5 6 7 8
90
0 1 2 3 4 5 6 7 8 9
20
20
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Pluv.
(mm)
[0,5[
[5,10[
[10,15[
[15,20[
[20,25[
[25,30[
[30,35[
[35,40
N dias
105
148
220
193
184
123
95
27
Suponha que s se deve introduzir a cultura no caso de, em pelo menos 50% dos dias a
pluviosidade ultrapassar os 18 mm. Ser ou no razovel, cultivar nesta regio o produto
em causa?
15
21
15
15
15
15
21
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Conjunto 2
10
13
15
17
20
Conjunto 3
15
23
30
Embora tenham a mesma mdia e mediana, tm um aspecto bem diferente no que diz
respeito variabilidade.
15
10
0
13 15
17
20
15
23
30
Como a medida de localizao mais utilizada a mdia, ser relativamente a ela que se
define a principal medida de disperso - o desvio padro, apresentado a seguir.
Comeamos, no entanto, por definir varincia, que serve de base definio de desvio
padro.
3.3.1 - Varincia
Define-se a varincia, e representa-se por s2, como sendo a medida que se obtm
somando os quadrados dos desvios das observaes, relativamente mdia, e
dividindo pelo nmero de observaes:
s2 =
Estamos a utilizar a notao j introduzida anteriormente, para representarmos a
amostra.
Quais as razes que nos levam a considerar aquela definio para a varincia?
- Se afinal pretendemos medir a disperso relativamente mdia, porque que no
somamos simplesmente os desvios, em vez de os quadrar?
O que acontece que a soma dos desvios igual a zero, como j vimos no estudo da
mdia
(x1 - x) + (x2 - x) + (x3 - x) + .... +(xn - x ) = 0
22
22
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Poderamos ter utilizado mdulos, para evitar que a soma dos desvios positivos
cancelasse com a dos desvios negativos, mas pode-se mostrar que, sob o ponto de
vista estatstico, prefervel trabalhar com os quadrados do que com os mdulos!
Nota: Por vezes utiliza-se uma outra frmula, muito semelhante anterior, mas em que
a soma dos quadrados dos desvios aparece a dividir por (n-1):
s*2 =
23
23
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
s=
ou
s* =
O desvio padro uma medida que s pode assumir valores no negativos e quanto
maior for, maior ser a disperso dos dados.
Relativamente aos trs conjuntos de dados apresentados no incio do estudo das
medidas de disperso, verificamos que:
- O conjunto 1 apresenta um desvio padro igual a zero, como seria de esperar,
pois se os valores so todos iguais, a disperso nula.
- Os conjuntos 2 e 3 apresentam um desvio padro s igual, respectivamente a
3.4 e 10.8.
24
24
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Comentrio: o resultado da experincia mostra que intuitivamente os estudantes entendem, de um modo garal, a variabiliadde em termos de "mais ou menos iguais uns relativamente aos outros", independentemente de considerarem um ponto padro como
referncia, nomeadamente a mdia.
25
25
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
Freq.abs.
1
10
20
30
40
50
10
60
20
30
20
30
A
Freq.abs.
Freq.abs.
1
10
20
30
40
50
60
10
40
50
60
40
50
60
Pedindo para calcular o desvio padro das alturas de cada um dos conjuntos os
estudantes facilmente verificam que:
desvio padro de A = desvio padro de B
desvio padro de C < desvio padro de D
Confrontados com os resultados intuitivos, os estudantes concluem que o desvio padro
uma medida muito especfica da variabilidade.
O desvio padro, da mesma forma que a mdia, muito sensvel presena de outliers,
sendo portanto uma medida de disperso pouco resistente. Assim, um valor elevado
para o desvio padro pode ser devido ou a uma grande variabilidade nos dados, ou
ento a uma pequena variabilidade com a existncia de um ou mais outliers.
26
26
CARACTERSTICAS AMOSTRAIS
_________________________________________________________________
A medida mais simples para medir a variabilidade a amplitude, que se representa por
um R (range) e se define como a diferena entre o mximo e o mnimo da amostra:
R = mximo - mnimo
27
27
20
30
30
30
30
30
30
40
50
- Se a distribuio enviesada pode acontecer que o desvio padro seja muito superior
amplitude inter-quartil, sobretudo se se verificar a existncia de "outliers".
Sugestes didcticas e comentrios
1. INFLUNCIA DA ALTERAO DOS VALORES DA VARIVEL NA MDIA E NO
DESVIO PADRO
Os 30 alunos de uma turma tiveram de fazer um trabalho de Histria. O
professor resolveu ver quantas pginas tinha cada trabalho e obteve a seguinte lista:
20
16
22
24
26
30
26
18
23
35
22
42
23
8
28
20
40
29
26
15
33
27
26
25
14
16
28
19
19
14
Podemos fazer um estudo estatstico sobre esta situao.
A populao constituda pelos 30 trabalhos da turma.
A varivel em estudo o nmero de pginas.
Introduzimos os dados nu-ma
calculadora grfica e rapida-mente
obtemos as medidas estats-ticas
desta distribuio.
A mdia 23.8.
O desvio padro 7.512.
A mediana 23.5.
dos diagramas de
criar,
partir
da
correspondente
por
1.1
somando 5.
A mdia 23.8 x 1.1 + 5 = 31.18.
O desvio padro 7.512 x 1.1
8.263.
A mediana passou para 25.85.
A sobreposio no mesmo ecr dos diagramas de
extremos e quartis para os dois casos mostra que o segundo
diagrama sofreu um alongamento e um deslocamento.
No caso geral, se todos os valores de um conjunto de dados sofrerem uma
transformao do tipo ax+ b, a mdia sofre uma transformao idntica enquanto que o
desvio padro aparece multiplicado por a.
2 - Suponha que adicionou 100, a cada um dos valores de uma amostra. O que
acontece ao:
a) Desvio padro
b) Amplitude inter-quartil
c) Amplitude
d) Mdia
e) Mediana
3 - Suponha que obteve o valor -40.5 para a varincia. O que conclui?
4 - Suponha que a amplitude de uma amostra 105.4 e que ao calcular o desvio padro
obteve o valor 160.6. O que conclui?
5 - Suponha que tem os nmeros 0, 1, 2, 3, , 8, 9, 10. Pretende-se que escolha 4
destes nmeros, sendo permitidas repeties, tal que (Moore, 1995):
a) i) Os 4 nmeros escolhidos tenham o menor desvio padro possvel.
ii) Os 4 nmeros escolhidos tenham o maior desvio padro possvel.
b) Haver mais do que uma escolha possvel em i) e ii)?
6 - O Sr. Malaquias, cujas habilitaes literrias no vo alm do 4 ano de escolaridade, respondeu a 2 anncios de ofertas de emprego. As empresas trabalhavam no
mesmo ramo, pelo que o servio que o Sr. Malaquias iria fazer seria semelhante em
qualquer das empresas. Resolveu perguntar alguma coisa sobre os ordenados
processados nos dois stios, tendo obtido a seguinte informao:
Mdia
Mediana
Desvio padro
Empresa A
89 000$00
80 000$00
3 200$00
Empresa B
95 000$00
70 000$00
3 800$00
Standarddeviation=22.64
N=20
Median=152.5
Min=111
Max=190
Quartiles=140,178.5
Carnedeporco:
Mean=158.7
Standarddeviation=25.24
Min=107
Max=195
N=17
Median=153
Quartiles=139,179
Standarddeviation=25.48
Min=87
Carnedeaves:
Mean=122.5
Max=170
N=17
Median=129
Quartiles=102,143