Vous êtes sur la page 1sur 45

PROBABILIDADE E ESTATÍSTICA

APRESENTAÇÃO DO CURSO &


INTRODUÇÃO À ESTATÍSTICA DESCRITIVA

20%
25%
45%
10%

Estatística - Aula 1

SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas de Assimetria e Achatamento
3.4. Gráficos

1
Apresentação do Curso
Professores
Maj Marcos José Pio
Cap Paulo Henrique Maranhão
Cap Aderson Campos Passos

Livro Texto
Autor: Montgomery. Preço: R$ 90 a 100 reais.
Estatística Aplicada e Probabilidade para Engenheiros.
Editora LTC.

Apresentação do Curso
Bibliografia Complementar
• Autor: Barry James. ± R$ 30,00 no IMPA.
Probabilidade: um curso em nível intermediário.
• Autor: Bertsekas e Tsitsiklis. ± R$ 60,00 (por
encomenda). Introduction to Probability

• Autor: William Feller vol 1. (disponível na biblioteca


em inglês). Introdução à teoria das probabilidades e
suas aplicações.

• Autor: Marcos Nascimento Magalhães. Probabilidade


e Variáveis Aleatórias. ± R$ 30,00 (pela internet)

2
Apresentação do Curso
Estrutura do Curso
O curso será montado sobre três pilares:

1. Apresentações 2. Livro Texto 3. Listas de Exercícios

Avaliações
O curso terá quatro avaliações:
VE1 + VE2
MVE =
1. VE de Probabilidade 2. VC 2
Obs: As questões serão
3. VE de Estatística 4. VF parecidas mas não iguais
às da lista.

O Papel da Probabilidade e da
Estatística

O que é Estatística?

Área da Matemática que se preocupa


com a organização, coleta e resumo dos
dados, para auxílio na tomada de
decisões.

3
O Papel da Probabilidade e da
Estatística
Estatística Descritiva
Organização e Resumo dos Dados :
Ex: Medidas Descritivas, Histogramas, “Box Plot” etc.

Estatística Inferencial
Técnicas para obtenção de conclusões sobre a
população a partir da amostra.
Ex: Amostragem, Testes de Hipótese, Regressão,
Correlação etc.

O Papel da Probabilidade e da
Estatística
O que é população, o que é amostra?
População é o universo de estudo e amostra
é um subconjunto desse universo.

Subconjunto

4
O Papel da Probabilidade e da
Estatística

O que é Probabilidade?

Área da Matemática que se preocupa


com o estudo da incerteza.

O Papel da Probabilidade e da
Estatística
Objetivos da Estatística e da Probabilidade

 O objetivo é aprender a lidar com a


VARIABILIDADE e com a INCERTEZA.

 Essas duas grandezas podem ser medidas:


- A Estatística possui ferramentas para
quantificar e analisar a VARIABILIDADE
- A Probabilidade possui ferramentas para
quantificar e analisar a INCERTEZA.

5
O Papel da Probabilidade e da
Estatística
Exemplo da Presença da Variabilidade
DESEMPENHO DO CONSUMO DE GASOLINA EM UM CARRO
O consumo nem sempre será o mesmo e dependerá de muitos
fatores:
Tipo de Estrada (rodovia ou cidade)
Desgaste do Veículo
Tipo e qualidade do combustível
Condições climáticas (?)

Para esse exemplo foram citadas as Fontes Potenciais de


Variabilidade do sistema. Com os métodos da estatística é possível
formular modelos para quantificar e estudar as fontes de
variabilidade.

O Papel da Probabilidade e da
Estatística
Exemplo da Presença da Incerteza

PROSPECÇÃO DE POÇOS DE PETRÓLEO

 Empresas como a PETROBRÁS quando procuram novos poços


de petróleo, utilizam informações coletadas do seu serviço
geológico sobre características do terreno que possam indicar a
presença do óleo. Com esses dados, também é possível quantificar
a extensão do poço. Porém, existe a possibilidade dessas
informações não corresponderem às expectativas. Para quantificar
a incerteza são utilizados dados passados que mostram
características das áreas que possuem petróleo. Quanto maior a
semelhança, maior a chance de existir o recurso na área em
estudo.

6
O Papel da Probabilidade e da
Estatística
Exemplo da Presença da Incerteza

DURAÇÃO DE ATIVIDADES – GERÊNCIA DE PROJETOS

 Para reduzir a incerteza associada a previsão da duração


das atividades de um projeto são utilizadas estimativas
pessimistas, normal e otimistas para o término dessas
atividades. Essas estimativas, geralmente fornecidas por
especialistas ou pessoas experientes, irão compor o Valor
Esperado para o término da atividade. Essas estimativas
reduzem a incerteza no planejamento do cronograma e
contribuem para o sucesso do projeto.

O Papel da Probabilidade e da
Estatística
Aplicações
Engenharia

Economia Marketing

Logística Finanças

Controle de
Qualidade

7
SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas de Assimetria e Achatamento
3.4. Gráficos

Estatística Descritiva
Distribuições de Freqüência

O que são Distribuições de Freqüência ?


É a forma de organização de dados mais
importante da estatística. Nela os valores e as
suas respectivas freqüências estão posicionados
lado a lado. Os dados e as variáveis utilizados
podem ser discretos ou contínuos. Isso fará com
que seja mudada a forma de representar a
distribuição.

8
Estatística Descritiva
Distribuições de Freqüência - Exemplos

variáveis discretas variáveis contínuas


Classes fi salários No de
xi fi empregados
35 a 45 5
5 2 80 a 180 70
45 a 55 12
7 3 180 a 250 140
55 a 65 18
8 4 250 a 300 140
65 a 75 14
9 5 300 a 500 60
75 a 85 6
11 2 85 a 95 3 Suponha:
Σ 16 Σ 58 Classes = faixa etária
fi = no de pessoas

Estatística Descritiva
Distribuições de Freqüência - Observações
• Limites das Classes
A representação do limite das classes poderá trazer diferentes
significados quanto a inclusão ou não dos elementos extremos.
a) 10 12 – Classe compreende os dois valores extremos
b) 10 12 – Classe compreende todos os valores excluindo o
último.
c) 10 12 – Classe compreende todos os valores excluindo o
primeiro.
Por simplificação a notação utilizada na apresentação será a e terá
o mesmo significado do item b).

9
Estatística Descritiva
Distribuições de Freqüência – Observações (Cont.)
• Pontos médios das classes (xi)
1. É a média aritmética entre o limite inferior e o superior da
classe. Dessa forma na classe 10 a 12, seu ponto médio será 11.
2. Esse ponto médio será muito útil para o cálculo de medidas
descritivas que serão vistas posteriormente.

• Freqüência Acumulada (Fac)


É a soma das freqüências dos valores inferiores ou iguais ao valor dado.

Exemplo: xi 0 1 2 Σ
fi 3 5 2 10
Fac 3 8 10

Estatística Descritiva
Definição

O que são Medidas Descritivas ?

São medidas que podem ser obtidas sobre


conjuntos de dados numéricos, de forma a
trazer informações sobre esses dados.

10
Estatística Descritiva
Tipos de Medidas Descritivas

Posição Dispersão Assimetria Achatamento

Estatística Descritiva
Medidas de Posição

Média Aritmética
Média para dados agrupados
Mediana
Moda

Média Geométrica
Percentil, Decil, Quartil
Escore Z

11
Estatística Descritiva
Medidas de Posição - Média Aritmética

∑X i
Média ( µ ) = i =1
n
Exemplo:

Estatística Descritiva
Medidas de Posição - Média para Dados
Agrupados
n

∑X
i =1
i × fi
Média = n

∑fi =1
i

Onde fi são as freqüências absolutas de cada categoria

12
Estatística Descritiva
Medidas de Posição - Média para Dados
Agrupados
Exemplo 1
Retorno de Carteiras: Calcular o retorno total de uma
carteira de investimentos que possui a seguintes
características: Carteira formada pelas ações A, B, C
e D nas proporções 10%, 15%, 30%, 45%,
respectivamente. Os retornos obtidos em cada ação
foram respectivamente 2%, 5%, -3%, 10%.
Solução: O cálculo a ser feito segue a fórmula.
(10x 2 + 15x 5 + 30x (-3) + 45x 10) / 100 = 4,55%

Estatística Descritiva
Medidas de Posição - Mediana
• Posição central da seqüência, para número ímpar de
elementos
• Média aritmética dos dois elementos na posição central
da seqüência, para número par de elementos.
• Os números devem estar dispostos em ordem crescente
Exemplo 2:
A = {24, 27, 32, 34, 34, 34, 56} Mediana !!

B = {12, 13, 14, 15, 16, 17} Mediana = 14,5 !!

13
Estatística Descritiva
Medidas de Posição - Mediana
• É o valor que divide a amostra ou população em duas
partes iguais.
Exemplo 3:
n (número de elementos) = 11 é
xi fi ímpar. Assim, o elemento
central será o 6º. Nesse caso a
1 1
mediana será 3.
2 3
3 5 6º elemento, classe que
4 2 contém a mediana
Σ 11

Estatística Descritiva
Medidas de Posição – Mediana variável
contínua
1º Passo: Calcula-se a ordem n/2. Como a variável é contínua, não se
preocupe se n é par ou ímpar.
2º Passo: Utiliza-se a fórmula:
Onde:
lMd = limite inferior da classe Md.
n 
 − ∑ f ⋅h n = tamanho da amostra.

+ 
2 Σf = soma das freqüências
Med = lMd
FMd anteriores à classe Md.
h = amplitude da classe Md.
FMd= Freqüência da classe Md.

14
Estatística Descritiva
Medidas de Posição – Mediana variável
contínua
Exemplo 4: Dada a distribuição amostral, calcular a mediana
Classes Fi 1º Passo: Como n = 58 a mediana será o 29º
elemento. A classe da mediana Md será a 3ª, pois
35 a 45 5
contém o 29º elemento.
45 a 55 12
55 a 65 18 2º Passo: Utiliza-se a fórmula.

65 a 75 14 lMd = 55, n = 58, Σf = 17, h = 10; FMd = 18


75 a 85 6
 58 
85 a 95 3  − 17  ⋅10
Md = 55 +  
Σ 2
58 = 61,67
18

Estatística Descritiva
Medidas de Posição – Quartil, Decil, Percentil
Após formadas as seqüências de números, dos
percentis, decis e quartis poderá ser dito:

• O quartil divide a seqüência em 4 partes

• Os decis em 10 partes (cada uma contendo


10% dos elementos)
• Os percentis em 100 partes (cada uma
contendo 1% das observações)

15
Estatística Descritiva
Medidas de Posição – Quartil
O% 25% 50% 75% 100%

Q1 Q2 Q3

Q1 = 1º Quartil, deixa 25% dos elementos.

Q2 = 2º Quartil, coincide com a mediana, deixa 50% dos elementos.

Q3 = 3º Quartil, deixa 75% dos elementos.

Obs: Os elementos da amostra devem estar em ordem crescente

Estatística Descritiva
Medidas de Posição – Decil

0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

D1 D2 D3 D4 D5 D6 D7 D8 D9

São os valores que dividem a série em 10 (dez) partes


iguais. Os procedimentos de cálculo são muito parecidos
com os quartis.

16
Estatística Descritiva
Medidas de Posição – Percentil

0% 1% 2% 3% ..... 50% ..... 97% 98% 99% 100%

P1 P2 P3 P50 P97 P98 P99

São os valores que dividem a série em 100 (cem) partes


iguais. Os procedimentos de cálculo são muito parecidos
com os quartis e decis.

Estatística Descritiva
Percentis – Variáveis Discretas
1. Observe que quartis e decis podem ser vistos como percentis. Por
isso, se você aprende a calcular os percentis também aprenderá a
calcular os decis e quartis.

2. Percentis de N medidas podem ser estimados da seguinte


maneira: para o p-ésimo percentil (90% ~ 0,9, p.ex.) faça o produto
p(N+1) igual a um número da forma k + d onde k é um inteiro e d
um número decimal.
Onde:

Y ( p ) = Y[ k ] + d × (Y[k +1] − Y[K ] ) Y[k] indica o k-ésimo elemento


ordenado.
Y(p) indica o p-ésimo
percentil.

17
Estatística Descritiva
Quartil – Variáveis Discretas - Exemplo
Exemplo 5: Determinar Q1 e Q3 da seqüência abaixo:
B = {12, 13, 14, 15, 16, 17}
1º Passo: Calcula-se p (n +1). É fácil ver que n = 6 e os valores de p de
referência são 0,25 e 0,75.
Para p = 0,25, teremos 0,25(6+1) = 1,75
Para p = 0,75, teremos 0,75(6+1) = 5,25

2º Passo: Assim, 1,75º elemento será a referência para Q1. Da mesma


forma o 5,25º elemento será a referência para Q3. Entretanto, o que
está sendo procurado são os valores em que, abaixo deles, teremos
aproximadamente 25% e 75% das observações, respectivamente. Para
achar esses valores utilizamos a fórmula sugerida.

Estatística Descritiva
Quartil – Variáveis Discretas - Exemplo
3º Passo: Aplica-se a fórmula para Q1e Q3

Q1 = Y[1] + (0,75)× (Y[2 ] − Y[1] )

Q1 = Y[1] + (0,75)× (Y[ 2 ] − Y[1] ) = 12 + (0,75) = 12,75

Q3 = Y[5] + (0,25)× (Y[6 ] − Y[5] )

Q3 = Y[ 5] + (0,25)× (Y[ 6 ] − Y[ 5] ) = 16 + (0,25) = 16,25

Calcule Q2 como exercício e verifique o resultado.

18
Estatística Descritiva
Quartil – Variáveis Contínuas
Determinação de Q1:
n 
1º Passo: Calcula-se n / 4
 − ∑ f ⋅h
Q1 = lQ1 +  
2º Passo: Identifica-se a classe Q1. 4
3º Passo: Aplica-se a fórmula FQ1

Determinação de Q3:

 3n 
1º Passo: Calcula-se 3n / 4
 −∑ f ⋅h
Q3 = lQ3 +  
2º Passo: Identifica-se a classe Q3. 4
3º Passo: Aplica-se a fórmula FQ3

Estatística Descritiva
Quartil – Variáveis Contínuas
Exemplo 6: Dada a distribuição, determinar os quartis (Q1 e Q3) e a mediana.
1º Passo: Calcula-se n / 4, n / 2 e 3n / 4.
Classes fi
n = 56 >>>> 56/4 =14º (Q1) >> 56/2 = 28º (Md) >>
7 a 17 6
3.56/4 = 42º (Q3)
17 a 27 15
27 a 37 20 2º Passo: Identifica-se a classe Q1, Q3 e Mediana.
37 a 47 10
3º Passo: Usam-se as fórmulas.
47 a 57 5
Σ 56 Para Q1 temos: lQ1= 17, n = 56, Σf = 6, h = 10, FQ1= 15

Para Md temos: lMd= 27, n = 56, Σf = 21, h = 10, FMd= 20

Para Q3 temos: lMd= 37, n = 56, Σf = 41, h = 10, FQ3= 10

19
Estatística Descritiva
Quartil – Variáveis Contínuas
Determinação de Q1: Determinação de Q3:

 56   3 ⋅ 56 
 − 6  ⋅10  − 41 ⋅10
Q1 = 17 +   = 22,33 Q3 = 37 +  
4 4
= 38
15 10
Determinação da Mediana

 56 
 − 21 ⋅10
M d = 27 +  
2
= 30,5
20

Estatística Descritiva
Decil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 10, 2º Passo: Identifica-se a classe Di
onde i = 1, 2, 3, …, 9

3º Passo: Aplica-se a fórmula


Onde:
 i⋅n  lDi = limite inferior da classe Di.
 −∑ f ⋅h i = 1, 2, …,9
Di = l Di +  
10
n = tamanho da amostra.
FDi
Σf = soma das freqüências anteriores
à classe Di.
h = amplitude da classe Di.
FDi= Freqüência da classe Di.

20
Estatística Descritiva
Percentil – Variáveis Contínuas
1º Passo: Calcula-se i · n / 100, 2º Passo: Identifica-se a classe Pi
onde i = 1, 2, 3, …, 99

3º Passo: Aplica-se a fórmula


Onde:
 i⋅n  lDi = limite inferior da classe Pi.
 −∑ f ⋅h i = 1, 2, …,9
Pi = l Pi +  
100
n = tamanho da amostra.
FPi
Σf = soma das freqüências anteriores
à classe Pi.
h = amplitude da classe Pi.
FPi= Freqüência da classe Pi.

Estatística Descritiva
Medidas de Posição: Exemplo Decil e Percentil
Exemplo 7: Determinar o 4o decil e 72o percentil da seguinte distribuição

classes fi 1º Passo: Calcula-se i · n / 10


4a9 8 e i · n / 100.
9 a 14 12 Classe D4 i ⋅ n 4 ⋅ 40
Para D4 , = = 16o
14 a 24 14 Classe P72 10 10
19 a 24 3 i ⋅ n 72 ⋅ 40
Para P72 , = = 28,8o
Σ 40 100 100

2º Passo: Identifica-se a classe Pi

Analisando a quantidade de elementos é possível identificar


facilmente as classes que contém os percentis e decis.

21
Estatística Descritiva
Medidas de Posição: Exemplo Decil e Percentil
Exemplo 7: Determinar o 4o decil e 72o percentil da seguinte distribuição

3º Passo: Aplicam-se as fórmulas

Para D4 : l D4 = 9, ∑ f = 8, n = 40, h = 5, FD4 = 12

Para P72 : lP72 = 14, ∑ f = 20, n = 40, h = 5, FD4 = 17

 4 ⋅ 40   72 ⋅ 40 
 − 8 ⋅ 5  − 20  ⋅ 5
  = 12,33
P72 = 14 +   = 16,89
10 100
D4 = 9 +
12 17

Estatística Descritiva
Medidas de Posição: Exemplo Decil e Percentil
Exemplo 6: Determinar o 4o decil e 72o percentil da seguinte distribuição

classes fi Conclusão:
4a9 8
Nessa distribuição o valor 12,33 divide a
9 a 14 12 amostra em duas partes: uma com 40% dos
14 a 24 14 elementos e outra com 60% dos elementos. O
19 a 24 3 valor 16,89 indica que 72% da distribuição está
abaixo dele e 28% acima
Σ 40

22
Estatística Descritiva
Medidas de Posição - Moda
Valor mais freqüente na seqüência
Exemplo 8:
C = {3, 5, 9, 9, 6, 9} A moda dessa seqüência é o número 9.

Exemplo 9:

xi 243 245 248 251 307


fi 7 17 23 20 8

A moda dessa distribuição é o número 248.

Estatística Descritiva
Medidas de Posição - Moda
Para dados agrupados em classes existem alguns
métodos. Nos focaremos na Fórmula de Czuber.
1º - Fórmula de Czuber
1º Passo: Identifica-se a classe modal (que possui maior freqüência)
2º Passo: Utiliza-se a fórmula.
l = limite inferior da classe Modal.

∆1 ∆1 = diferença entre a freqüência da classe


Mo = l + ⋅h modal e a imediatamente anterior.
∆1 + ∆ 2 ∆2 = diferença entre a freqüência da classe
modal e a imediatamente posterior.
h = amplitude da classe.

23
Estatística Descritiva
Medidas de Posição - Moda
Exemplos – Fórmula de Czuber
Exemplo 10 - Determinar a moda para a distribuição

classes 0a1 1a2 2a3 3a4 4a5 Σ


fi 3 10 17 8 5 43

1º Passo: Identifica-se a classe modal, no caso a 3ª.

2º Passo: Utiliza-se a fórmula.


7
l = 2, ∆1 = 17 - 10 = 7
Mo = 2 + ⋅1 = 2,44
h = 1, ∆2 = 17 - 8 = 9 7+9

Estatística Descritiva
Medidas de Posição - Moda
Exemplo 11 - Determinar a moda para a distribuição
salários 80 a 180 180 a 250 250 a 300 300 a 500

Nº empregados 70 140 140 60

Como as amplitudes das classes são diferentes é preciso calcular as


densidades modais (fi / hi). O maior valor de densidade determinará a
classe modal.
salários fi fi / h
80 a 180 70 70/100 = 0,7
180 a 250 140 140/70 = 2,0
250 a 300 140 140/50 = 2,8 classe modal.
300 a 500 60 60/200 = 0,3

24
Estatística Descritiva
Medidas de Posição - Moda
Exemplo 11 - Determinar a moda para a distribuição (Cont.)
salários 80 a 180 180 a 250 250 a 300 300 a 500

Nº empregados 70 140 140 60

1º Passo: Identifica-se a classe modal, no caso a 3ª.

2º Passo: Utiliza-se a fórmula.

l = 250, ∆1 = 2,8 – 2,0 = 0,8 0,8


Mo = 250 + ⋅ 50 = 262,12
h = 50, ∆2 = 2,8 – 0,3 = 2,5 0,8 + 2,5

Estatística Descritiva
Medidas de Posição – Média Geométrica

1
  n n
MG =  ∏ X i 
 i =1 

25
Estatística Descritiva
Medidas de Posição – Escore Z

O escore z associado a X, irá medir a distância entre X e a


média (m) em unidades de desvio padrão (s)

X −µ
z=
σ
Ou seja, quantos desvios padrões (σ) X está distante
da média (µ).

SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas
Gráficos de Assimetria e Achatamento
3.4. Gráficos

26
Estatística Descritiva
Medidas de Dispersão

• Amplitude
• Desvio Médio
• Variância e Desvio Padrão

Estatística Descritiva
Medidas de Dispersão - Amplitude

Para uma seqüência de valores, a


Amplitude será a diferença entre
o maior e o menor valor.

27
Estatística Descritiva
Medidas de Dispersão – Desvio Médio
O desvio médio para uma seqüência com
n elementos e média µ será:

∑X i −µ
DM = i =1
n

Estatística Descritiva
Medidas de Dispersão – Variância
A variância será determinada pela equação abaixo
n

∑ i
( X − µ ) 2

σ2 = i =1

Onde:
N
N = número de elementos existente na população.
µ = média da população
σ2 = variância da população

28
Estatística Descritiva
Medidas de Dispersão – Variância Amostral
A variância da amostra será determinada pela equação
abaixo n

∑(X i − x )2
s2 = i =1
Onde: n −1
S2 = variância amostral
n = é o número de elementos da amostra em estudo

x = média da amostra

Estatística Descritiva
Medidas de Dispersão – Variância para dados
agrupados
A variância será determinada pela equação abaixo
n n

∑(X i − µ ) ⋅ fi
2
∑(X i − x )2 ⋅ fi
σ2 = i =1
s2 = i =1

Onde: N n −1
N = número de elementos existente na população.

µ = média da população n = tamanho da amostra.


σ2 = variância da população
fi = freqüência de cada um dos elementos Xi

29
Estatística Descritiva
Medidas de Dispersão – Variância para dados
agrupados
Desenvolvendo as fórmulas anteriores é possível chegar
aos seguintes resultados.

1 
σ = ∑ X i f i −
2 2
(∑ X i fi ) 
2


Essas fórmulas
N facilitarão bastante

N 
o cálculo manual

s =
2 1 
∑ X i f i −
2
(∑ X i fi ) 
2


n −1  n 

Estatística Descritiva
Medidas de Dispersão – Desvio-Padrão
O DESVIO PADRÃO SERÁ DADO PELA RAIZ
QUADRADA DA VARIÂNCIA
1 1
 n  2
 n  2
 ∑ ( X i − µ )2   ∑ ( X i − x )2 
σ =  i =1  s =  i =1 
 N   n −1 
   
   
O resultado será válido também para o desvio-padrão
amostral.

30
Estatística Descritiva
Variância Amostral versus Variância da População

Na prática o valor de µ raramente é conhecido.


Por isso, o valor x é utilizado como substituto. No
entanto, as observações xi, tendem a ser mais
próximas do seu valor x , do que da média
populacional µ. Para compensar isso, usa-se n -1
como divisor em vez de n. A utilização de n traria
distorções na medida de variabilidade.

Estatística Descritiva
Exemplo de Aplicação do Desvio-Padrão

Risco de Ações
O Risco das ações no mercado é
calculado como o Desvio Padrão dos
retornos dessa ação para um
determinado período.

31
Desvio Padrão dos Retornos dos Ativos

Risco de Ações
Observe que as ações apresentam
O Risco das ações novariações
maiores mercado é
nos retornos quando
comparadas aos fundos de renda fixa
calculado como o Desvio Padrão dos
retornos dessa ação para um
determinado período.

AÇÕES RENDA FIXA

Estatística Descritiva
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11
fi 2 3 4 5 2

Solução: Para calcular a variância amostral será utilizado o


resultado a seguir, já conhecido.
A tabela será montada
1  (∑ )
X i f i  de forma a facilitar os
2

s2 =
n −1 

 X i2 f i −
n
 cálculos e as
 substituições na

fórmula.

32
Estatística Descritiva
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 12: Calcule a variância e o desvio-padrão para
a seguinte distribuição amostral.
xi 5 7 8 9 11 Σ
fi 2 3 4 5 2 16
xi⋅ fi 10 21 40 36 22 129
xi2⋅ fi 50 147 320 324 242 1.083

1 
∑ X i f i −
(∑ X i fi )  2
2

 s =
1  (129) 
2
s = 1.083 −  = 2,86
2 2

n −1  n  16 − 1  16 
 
s = 2,86 = 1,69

Estatística Descritiva
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 2a4 4a6 6 a 8 8 a 10 10 a 12
fi 2 4 7 4 3
Solução:
classes 2a4 4a6 6a8 8 a 10 10 a 12 Σ
fi 2 4 7 4 3 20
xi 3 5 7 9 11
xi⋅ fi 6 20 49 36 33 144
xi2⋅ fi 18 100 343 324 363 1.148

33
Estatística Descritiva
Exemplo de Aplicação do Desvio-Padrão e Variância
Exemplo 13: Calcule a média e o desvio-padrão para a
seguinte distribuição amostral.
classes 2a4 4a6 6 a 8 8 a 10 10 a 12
fi 2 4 7 4 3

Solução (Cont.):
144 s =
1  (144 ) 
2

1.148 −  = 5,86
2
x= = 7,2
20 20 − 1  20 

s = 5,86 = 2,42

SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas de Assimetria e Achatamento
3.4. Gráficos

34
Estatística Descritiva
Medidas de Assimetria
• Denomina-se assimetria o grau de afastamento de uma
distribuição da unidade de simetria

Eixo de simetria

Média = Mediana = Moda

Estatística Descritiva
Medidas de Assimetria
• Em uma distribuição assimétrica positiva, ou assimétrica à
direita:

Moda < Mediana < Média

35
Estatística Descritiva
Medidas de Assimetria
• Em uma distribuição assimétrica negativa, ou assimétrica
à esquerda:

Média < Mediana < Moda

Estatística Descritiva
Medidas de Assimetria
• Para calcular a assimetria existem duas fórmulas
principais:
1º Coeficiente de Pearson

x − Mo x − Mo
AS = AS =
σ s
Se a distribuição é simétrica:
2º Coeficiente de Pearson
• AS = 0, simétrica
Q1 + Q3 − 2 M d
AS = • AS > 0, assimétrica positiva
Q3 − Q1 • AS < 0, assimétrica negativa

36
Estatística Descritiva
Medidas de Assimetria – Cálculo de AS
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson

Classes fi Do exemplo 5 já temos os valores de Q1, Md e Q3

7 a 17 6 Q1= 22,33 Md = 30,5 Q3 = 38


17 a 27 15
Para calcular a moda usamos a fórmula de Czuber
27 a 37 20
5
37 a 47 10 Mo = 27 + ⋅10 = 30,33
47 a 57 5 5 + 10
Σ 56 Para calcular o desvio-padrão será necessário
montar a tabela de cálculo:

Estatística Descritiva
Medidas de Assimetria – Cálculo de AS
Exemplo 14: Dada a distribuição, determinar os 2 Coeficientes de Pearson

tabela de cálculo:

Classes fi xi xi fi xi2fi
s =
1  (1722) 
2

69268 −
2

7 a 17 6 12 72 10368 160 − 1  160 
17 a 27 15 22 330 7260
27 a 37 20 32 640 20480 s 2 = 319,08
37 a 47 10 42 420 17640
47 a 57 5 52 260 13520
Σ 56 160 1722 69268

37
Estatística Descritiva
Medidas de Assimetria – Cálculo de AS
Para achar os dois Coeficientes de Pearson:

x − Mo 10,76 − 30,33
AS = AS = = −0,061
s 319,08

Q1 + Q3 − 2 M d 22,33 + 38 − 2 × 30,5
AS = AS = = −0,0427
Q3 − Q1 38 − 22,33

Conclusão: A distribuição é assimétrica negativa.

Estatística Descritiva
Medidas de Achatamento - Curtose
Denomina-se curtose o grau achatamento de uma
distribuição.

• Uma distribuição nem chata nem delgada é chamada de


mesocúrtica.

38
Estatística Descritiva
Medidas de Achatamento - Curtose
• Uma distribuição delgada é chamada de leptocúrtica.

• Uma distribuição achatada é chamada de platicúrtica.

Estatística Descritiva
Medidas de Achatamento - Curtose
• Para medir o grau de achatamento (Curtose) utiliza-se o
coeficiente Onde:
Q3 − Q1 P90 = 90º percentil
K=
2 ⋅ (P90 − P10 ) P10 = 10º percentil

Se K = 0,263 diz-se que a curva corresponde à distribuição de


freqüência mesocúrtica.
Se K > 0,263 diz-se que a curva corresponde à distribuição de
freqüência platicúrtica.
Se K < 0,263 diz-se que a curva corresponde à distribuição de
freqüência leptocúrtica.

39
SUMÁRIO
1. Apresentação do Curso
2. O papel da Probabilidade e da Estatística
3. Estatística Descritiva
3.1. Medidas de Posição
3.2. Medidas de Dispersão
3.3. Medidas de Assimetria e Achatamento
3.4. Gráficos

Estatística Descritiva
Gráficos

• Histogramas

• Gráficos Ogiva (Freqüência Cumulativa)

• Gráficos Setoriais

• “Boxplot”

40
Estatística Descritiva
Gráficos – Histograma
O Histograma é a representação gráfica dos Diagramas de
Freqüência.

Classes 20
fi
18
35 a 45 5 16
14
45 a 55 12
12
55 a 65 18 10
8
65 a 75 14
6
75 a 85 6 4
85 a 95 3 2
0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95

Estatística Descritiva
Gráficos – Histograma
Polígono de freqüência

Classes fi 20
18
35 a 45 5 16
45 a 55 12 14
12
55 a 65 18 10
65 a 75 14 8
6
75 a 85 6 4
85 a 95 3 2
0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95

41
Estatística Descritiva
Gráficos – Histograma
Polígono de freqüência Acumulada

70
Classes fi Fac
60
35 a 45 5 5
50
45 a 55 12 17
40
55 a 65 18 35 30
65 a 75 14 49 20
75 a 85 6 55 10
85 a 95 3 58 0
Σ 58 35 40 45 50 55 60 65 70 75 80 85 90 95

Estatística Descritiva
Gráficos – Gráficos Setoriais (“Pizza”)

20%
25%
45%
10%

42
Estatística Descritiva
Gráficos – “Boxplot”

O BoxPlot é uma representação


gráfica que fornece várias
características importantes de um
conjunto de dados tais como:
centro, dispersão, desvio da
simetria, e “outliers” (observações
longe do seio dos dados).

“Box Plot” Distância do


último ponto
inferior a 1,5IQR
depois de q3

Terceiro Quartil (q3)

Segundo Quartil (Mediana)


“Outliers”
Primeiro Quartil (q1)

Faixa interquartil (IQR) = q3-q1

Distância do
primeiro ponto
superior a 1,5IQR
antes de q1

43
Estatística Descritiva
Gráficos – “Boxplot” - Exemplo
Exemplo 15: Para a seqüência de dados abaixo, desenhar o “Boxplot”
B = {12, 13, 14, 15, 16, 17}
Vale observar que essa é a mesma seqüência de dados do exemplo 5 e
para ela já foram calculados todos os quartis. Assim:

Q1 = 12,75 ; Q2 = 14,5 ; Q3 = 16,25

1,5(IQR) ∴ 1,5(Q3 - Q1) ∴ 1,5(16,25 – 12,75) ∴ 1,5(IQR) = 5,25

O último elemento da seqüência (17) estará abaixo de 1,5(IQR) depois


de Q3. E o primeiro (12) estará acima de 1,5(IQR) antes de Q1. Assim,
será possível desenhar o gráfico seguinte.

Estatística Descritiva
Gráficos – “Boxplot” - Exemplo

17 Q3 = 16,25

Q2 = 14,5

12 Q1 = 12,75

44
Estatística Descritiva
Gráficos – “Boxplot” - Exemplo
Exemplo 16: Interprete os dados representados pelo “Boxplot” abaixo
1. 50% do conjunto de
dados (entre Q1 e Q3) está
entre ± 16 e ± 25.
2. Presença de assimetria
positiva.

3. Presença de “outliers”

4. Outras

45