Cincias Contbeis Disciplina: Estatstica Bsica

Prof. Silvio Russi do Nascimento

2011

Prof. Silvio Russi

Apresentao

Seja bem vindo.

Nesta nossa disciplina estaremos tratando de assuntos que auxiliam o estudante a coletar, organizar, descrever, analisar e interpretar dados experimentais. Entender a verdadeira essncia da estatstica como uma ferramenta importante em processos como a tomada de deciso, ajudar o aluno a saber utiliz-la de maneira eficaz nos diferentes nveis da organizao (estratgico, ttico e operacional) para processos em que se necessite conhecer determinado objeto de estudo. Aprendendo a utilizar esta importante ferramenta, o aluno ter maior apoio em seus processos de tomada de deciso, entre outros, e consequentemente chegar a resultados mais eficazes e adequados em momentos de tomada de deciso, por estar-se utilizando informaes tratadas e pertinentes sobre a situao em questo. Porm, esta disciplina exige empenho e dedicao. Seu sucesso depender do nvel de comprometimento seu com voc mesmo. nossa expectativa que voc aprenda bastante. Considerando-se que ser voc quem administrar seu prprio tempo, nossa sugesto que voc dedique ao menos 2h30min horas por semana para esta disciplina, estudando os textos sugeridos e realizando os exerccios propostos. Uma boa forma de fazer isso j ir planejando o que estudar, semana a semana. Voc dever buscar entender bastante bem o contedo da leitura fundamental, s que essa compreenso ser maior, se voc acompanhar, tambm, a leitura complementar. Voc mesmo perceber isso, ao longo dos estudos. uma disciplina fascinante e til para voc que em breve ser um gestor.

Os contedos esto apresentados de forma didtica e por meio de exemplos. Sugere-se, como complemento a utilizao de outras bibliografias.

Ento, vamos ao trabalho.

Prof. Silvio Russi

Sumrio

Parte I

Unidade 1- Introduo Unidade 2- Coletas de Dados. Unidade 3- Tipos de variveis. Unidade 4- Distribuio de freqncias.

Parte II

Unidade 5- Representao grfica. Unidade 6- Medidas de posio. Unidade 7- Medidas de disperso.

Prof. Silvio Russi

PARTE I

Prof. Silvio Russi

Unidade 1- Introduo

Podemos considerar a estatstica como a cincia que se preocupa com a coleta, organizao, descrio, anlise e interpretao dos dados experimentais. Ouvimos com frequncia falar em estatstica da bolsa de valores, estatstica da loteria esportiva, estatstica do crescimento populacional, etc. Normalmente esta parte da estatstica diz respeito apenas parte da descrio e organizao dos dados observados. H ainda todo um campo de atuao da estatstica que se refere anlise e interpretao destes dados observados. Os dois modos de estatstica so importantes. Para poder-se analisar e interpretar os dados, necessrio que antes seja feita a organizao e descrio destes dados. A Estatstica se divide em dois modos Estatstica Descritiva Estatstica Indutiva

A parte da coleta, organizao, descrio faz parte da Estatstica Descritiva, enquanto que a anlise e interpretao dos dados experimentais faz parte da Estatstica Indutiva, como veremos na ilustrao abaixo:

ESTATSTICA

DESCRITIVA

INDUTIVA

coleta

organizao

resumo

anlise

interpretao

Prof. Silvio Russi

A Estatstica Descritiva um ramo da estatstica que estar descrevendo e resumindo um conjunto de dados. O objetivo da Estatstica Indutiva o de tirar concluses sobre as populaes com base nos resultados observados em amostras extradas dessas populaes e que foram sumarizadas na Estatstica Descritiva. Um processo de induo nunca exato. Estamos sempre sujeitos a erro. A Estatstica Indutiva nos dir at que ponto poderemos estar errando em nosso raciocnio, e com que probabilidade. Em resumo, a Estatstica Descritiva trabalha os dados observados para a Estatstica Indutiva que busca obter resultados sobre as populaes a partir das amostras, dizendo tambm qual a preciso desses resultados e com que probabilidade se pode confiar nas concluses obtidas. A Cincia Estatstica de muita importncia em qualquer ramo do conhecimento, sendo uma ferramenta de muito valor e fundamental importncia no processo de tomada de deciso em qualquer setor de atividade. reas como cincias contbeis, engenharia, cincias mdicas, finanas entre outros, tendem a usar cada vez mais a estatstica como ferramenta de trabalho, da sua grande e crescente importncia. Sero apresentados, a partir de agora, dois conceitos fundamentais para o entendimento da estatstica. Populao, ou universo amostra.

Populao e Amostra

Uma populao ou universo, de maneira geral, um conjunto de elementos, com pelo menos uma caracterstica em comum. Para que um conjunto de elementos seja considerado uma populao, esta caracterstica comum dever definir, sem erros, quais os elementos que pertencem a esta populao e quais no pertencem. Os dados que sero observados, na tentativa de se tirar concluses sobre o fenmeno que nos interessa, sero referentes aos elementos desta populao. As populaes podem ser finitas, como o conjunto de clientes de uma determinada empresa, ou infinita, como o nmero de vezes possveis em que se pode jogar um dado. Para certas finalidades, as populaes finitas podem ser consideradas infinitas de acordo com seu tamanho. Como exemplo, considere as pessoas do sexo feminino, com mais de 50 anos de idade residentes na cidade de Minas Gerais. O nmero dessas pessoas matematicamente finito, mas to grande que um

Prof. Silvio Russi

pesquisador, ao analisar uma amostra de 500 pessoas, pode considerar a populao como infinita. Assim, por exemplo, estamos interessados em fazer uma pesquisa sobre a idade e o sexo dos estudantes universitrios da UNIP. Logo, a populao fsica que queremos estudar aquela constituda pela totalidade dos estudantes universitrios da UNIP. Isso parece ser extremamente simples, mas na verdade ainda no temos exatamente caracterizada a populao que nos interessa. Ser ela constituda apenas de estudantes atuais. Ou deveremos incluir tambm aqueles que j foram estudantes desta instituio? Alm de tudo, ainda teremos o problema de definir qual a caracterstica comum que distingue perfeitamente cada um dos elementos da populao que realmente nos interessa pesquisar. Quando so coletadas as informaes de toda a populao, dizemos que foi feito um Recenseamento. Censo o conjunto de dados obtidos atravs do recenseamento. Muitas vezes, por motivos como tempo, oramento, recursos disponveis, dificuldades de coleta de dados entre outros, no possvel colher todos os dados de uma populao. Por isso, muito comum fazer-se pesquisas baseadas em amostras desta populao que est sendo estudada. Portanto, quando so recolhidas informaes de apenas parte da populao, diz-se que foi feita uma amostragem. Alm deste fato, importante citar que nem sempre necessrio se examinar toda a populao para se chegar s concluses desejadas. Desde que o tamanho da amostra necessria seja convenientemente determinado, indues suficientemente precisas e confiveis podem ser realizadas, no havendo necessidade de se onerar o estudo estatstico pelo exame de uma amostra maior ou de toda a populao. Portanto, podemos estabelecer que uma amostra o subconjunto de uma populao, necessariamente finito . Exemplo de Populao: Idades de todos os alunos da Universidade Paulista. Exemplo de Amostra: Idades de 2.500 alunos da Universidade Paulista.

intuitivo que, quanto maior a amostra, mais precisas devero ser as anlises e interpretaes realizadas sobre as populaes. Levando este raciocnio ao extremo, concluiramos que os resultados mais perfeitos seriam obtidos pelo exame completo de toda a populao. Esta concluso vlida em teoria, mas na prtica muitas vezes no se verifica. De fato, o emprego de amostras pode ser feito de modo tal que se obtenham resultados confiveis, em termos prticos equivalentes, ou at mesmo melhores do que os que seriam conseguidos atravs de um senso. Parmetros so valores tericos correspondentes a populao.

Prof. Silvio Russi

Estatsticas so funes dos valores amostrais.

Unidade 2- Coletas de Dados.

Os dados so registros obtidos por meio de observaes, medidas, respostas a pesquisas ou contagens em geral.

Classificao dos Dados

DADOS

QUANTITATIVOS

QUALITATIVOS

VALORES

TIPOS OU ATRIBUTOS

Dados Brutos So aqueles valores a que se chegou pela simples coleta, sem qualquer preocupao quanto sua ordenao.

Exemplo:
Tabela 1 Consumo Mensal de Energia Eltrica, por 50 Usurios Particulares KWH(quilowatts-hora)

58 90 66 50 09

62 80 57 08 86 38 94 82 95 121 158 64 92 60 52 89 75 72 157 125

126 136 75 148 118 73 58 10 76 88

96 144 19 114 131 28 83 81 74 105 90 94 78 84 36

Como se pode ser observado, as cifras esto dispostas de forma desordenada. Em razo disso, pouca informao se consegue obter inspecionando os dados Prof. Silvio Russi 7

anotados. Mesmo uma informao to simples como a de saber os consumos mximo e mnimo requer um certo exame dos dados da tabela. Tcnicas de amostragem

Como podemos determinar quantas pessoas em uma populao apresentam certa caracterstica? Por exemplo, quantas so as consumidoras de um determinado estado que comprariam determinado produto? Ou ento, da populao de determinado estado, quantas pessoas so idosas, qual a incidncia de fumantes que desenvolvem doenas pulmonares, quantas pessoas esto desempregadas no pas? Uma forma de responder a essas questes consiste em fazermos um recenseamento, ou seja, colher dados de todos os elementos da populao. Mas este um processo demorado e caro, como citamos anteriormente. Outra maneira possvel consiste, ento, em colher de um subgrupo desta populao em estudo, ou seja, elementos de uma amostra, dados necessrios pesquisa. Se a amostra representa de fato toda a populao, podemos utilizar as caractersticas dos seus elementos para estimar as caractersticas de toda populao. Apresentaremos a seguir algumas tcnicas de amostragem: Amostragem Aleatria Simples (AAS): A amostragem aleatria simples a maneira mais fcil para selecionarmos uma amostra probabilstica de um populao. Para entendermos melhor, usemos como exemplo um sorteio a ser feito dentro de um Shopping. Os clientes (elementos) deste Shopping preenchem um cupom e colocam na urna. Misturando os cupons nesta urna e sorteando tantos cupons quantos desejarmos na amostra. Importante salientar que todos os elementos tm a mesma probabilidade de ser selecionados. Repete-se o procedimento at que sejam sorteadas todos as unidades estabelecidas da amostra (tamanho da amostra). Podemos ter uma AAS com reposio, se for permitido que uma unidade possa ser sorteada mais de uma vez, e sem reposio, se a unidade sorteada for removida da populao. Do ponto de vista da quantidade de informao contida na amostra, amostragem sem reposio mais adequada. A amostragem sem reposio mais eficiente que a amostragem com reposio e reduz a variabilidade uma vez que no possvel retirar elementos extremos mais do que uma vez. Amostragem Estratificada: Se a populao pode ser dividida em subgrupos que consistem, todos eles, em indivduos bastante semelhantes entre si, podese obter uma amostra aleatria de pessoas em cada grupo. Esse processo pode gerar amostras bastante precisas, mas s vivel quando a populao pode ser dividida em grupos homogneos.

Prof. Silvio Russi

Amostragem Sistemtica: Quando se cria um sistema para a coleta de dados. Os elementos da populao se apresentam ordenados e a retirada dos elementos da amostra feita periodicamente, temos uma amostragem sistemtica. Assim, por exemplo, em uma linha de produo, podemos, a cada dez itens produzidos, retirar um para pertencer a uma amostra da produo diria. Amostragem a esmo: a amostragem em que o observador, para simplificar o processo, procura ser aleatrio sem, no entanto, realizar propriamente o sorteio usando algum dispositivo aleatrio confivel. Por exemplo, se desejarmos retirar uma amostra de 100 grampos de uma caixa contendo 10.000, evidentemente no faremos uma AAS, pois seria muito trabalhosa, por este motivo, retira-se os grampos simplesmente a esmo. Os resultados da amostragem a esmo so, em geral, equivalentes aos da amostragem probabilstica se a populao homognea e se no existe a possibilidade de o observador ser inconscientemente influenciado por alguma caracterstica dos elementos da populao. Amostragens intencionais: Enquadram-se aqui os diversos casos em que o observador deliberadamente escolhe certos elementos para pertencer amostra, por julgar tais elementos bem representativos. O perigo desse tipo de amostragem grande, pois o Observador pode facilmente se enganar em seu pr-julgamento. Amostragem por voluntrios: Ocorre, por exemplo, no caso da aplicao experimental de uma nova droga em pacientes, quando a tica obriga que haja concordncia dos escolhidos. Amostragem por convenincia A amostra de convenincia formada por elementos que esto disponveis para o pesquisador. Por exemplo, um mdico que quer realizar uma pesquisa sobre determinado medicamento, para sua convenincia, realiza a pesquisa com pacientes do hospital em que trabalha.

Prof. Silvio Russi

Unidade 3 - Tipos de variveis.

Chamamos de Varivel uma caracterstica de interesse que medida em cada elemento da amostra ou populao. Como o nome diz, seus valores variam de um elemento para o outro. As variveis podem ser numricas ou no numricas. Variveis podem ser classificadas da seguinte forma: Variveis Quantitativas: quando os dados podem ser distribudos em categorias mutuamente exclusivas. So as caracterizados por no possurem valores quantitativos, mas, ao contrrio, so definidas por vrias categorias. Assim, o sexo, por exemplo, uma varivel qualitativa, pois permite distinguir duas categorias: masculino e feminino. Outro exemplo de varivel qualitativa cor: ou vermelho ou preto, etc. As variveis quantitativas podem ser nominais ou ordinais: Variveis nominais: no existe ordenao dentre as categorias. Exemplos: sexo, cor dos olhos, fumante/no fumante, doente/sadio. Variveis ordinais: existe uma ordenao entre as categorias. Exemplos: escolaridade (1o, 2o, 3o graus), estgio da doena (inicial, intermedirio, terminal), ms de observao (janeiro, fevereiro,..., dezembro).

Ex: Qualidade (defeituosa ou no defeituosa) de peas produzidas por uma mquina. Grupo sanguneo (A, B, AB ou O) dos alunos doadores de sangue da Universidade. Variveis Quantitativas: so as variveis expressas por nmeros. So variveis quantitativas: idade, estatura, peso corporal, etc. Podem ser Variveis quantitativas contnuas ou discretas. Variveis discretas: caractersticas mensurveis que podem assumir apenas um nmero finito ou infinito contvel de valores e, assim, somente fazem sentido valores inteiros. Geralmente so o resultado de contagens. Exemplos: nmero de filhos, nmero de bactrias por litro de leite, nmero de cigarros fumados por dia. Variveis contnuas, caractersticas mensurveis que assumem valores em uma escala contnua (na reta real), para as quais valores fracionais fazem sentido. Usualmente devem ser medidas atravs de algum instrumento. Exemplos: peso (balana), altura (rgua), tempo (relgio), presso arterial, idade.

Prof. Silvio Russi

10

Exemplo: O peso lquido de cada um dos sabonetes produzidos por uma empresa. A altura dos alunos do 1 ano do Ensino Mdio. O dimetro de parafusos produzidos por uma mquina.

Prof. Silvio Russi

11

Unidade 4- Distribuio de freqncias.

Distribuio de frequncias uma tcnica estatstica para apresentar uma coleo de elementos classificados de modo a mostrar o nmero existente em cada segmento.

Elementos de uma distribuio de freqncias a) Freqncia Absoluta: o nmero de observaes correspondentes a essa classe ou a esse valor. Smbolo fi b) Amplitude Total: a diferena entre o maior e o menor valor observado da varivel em estudo. Smbolo At c) Classe estatstica: conjunto de valores numricos agrupados, caracterizado por um certo intervalo de variao que definido pelos limites de classe, resultante da subdiviso de uma varivel; d) Limites de Classe:os limites de classes so seus valores extremos. A segunda classe do exemplo e) Amplitude de Classe: a distncia entre os limites inferiores (LI) de classes consecutivas Existem dois modos de distribuies de freqncias: Distribuio de Freqncias de dados tabulados no-agrupados e Distribuio de Freqncias de dados agrupados em classes Quando nos referimos ao tipo de apresentao de Distribuio de Freqncias de dados tabulados no-agrupados utilizamos para representar uma varivel discreta (que s assume valores pontuais).

Critrio para definir uma Varivel Discreta

Devemos optar por uma varivel discreta na representao de uma srie de valores quando o nmero de elementos distintos da srie for pequeno. Suponha que observamos o nmero de irmos de 50 alunos da turma U de estatstica

Prof. Silvio Russi

12

Nmero de irmos dos alunos da turma U - disciplina Estatstica

Tabela Distribuio de freqncias por ponto ou valores do nmero de irmos dos alunos da turma U. Disciplina Estatstica

Observamos pouca variedade na quantidade do nmero de irmos dos alunos da turma U, por isso fizemos uma distribuio discreta de freqncias.

Agora, observemos a idade, em meses, dos 50 alunos da turma U de estatstica.

Idade (em meses) dos alunos da turma U - Disciplina Estatstica

Prof. Silvio Russi

13

Observando estes valores notamos grande nmero de elementos distintos, o que significa que neste caso a varivel discreta no aconselhvel na reduo dos dados. Utilizaremos, ento, a distribuio contnua,como mostraremos a seguir.

Critrio para definir uma Varivel Contnua

Devemos optar por uma varivel contnua na representao de uma srie de valores quando o nmero de elementos distintos da srie for grande.
Distribuio de Freqncias por classes ou intervalos. Idades dos alunos da turma U Disciplina Estatstica

Tabela de distribuio de freqncias

Para construirmos uma tabela de distribuio de freqncias, precisamos entender alguns tpicos importantes: Neste momento, precisamos recordar de alguns smbolos que aprendemos ao longo de nossa vida escolar:

Prof. Silvio Russi

14

O smbolo

significa:

Est contido

No est contido

Ou seja, valores que sejam exatamente iguais aos valores mostrados do lado esquerdo do smbolo, entram na contagem da classe. Os valores que estiverem com o mesmo valor do lado direito da do smbolo, no entram naquela classe, e sim na prxima. Vamos a um exemplo: no momento de classificar os valores nas classes, utilizando o exemplo da tabela anterior, o valor 230, sempre que aparecer na coleta destes dados ser classificado na classe 1. J o valor 250, sempre que aparecer nesta coleta de dados, ser contabilizado na classe 2,onde ele est contido. O nmero 250 no est contido na classe 1 e sim na classe 2. Ainda no exemplo de distribuio de freqncias acima, so 7 classes , cada uma com um limite inferior (LI) e um limite superior (LS) da classe. importante ressaltar que toda classe possui um limite inferior (LI) e um limite superior (LS), como veremos a seguir. Vejamos um exemplo. Considere a distribuio de freqncias abaixo.

Limite inferior da classe

Limite superior da classe

Cada Classe possui um limite inferior (LI) e um limite superior (LS). Prof. Silvio Russi 15

Amplitude de classes a distncia entre os limites inferiores (LI) de classes consecutivas A amplitude de classes no exemplo citado Ac = 1000-500 Ac = 500 A diferena entre o mximo e o mnimo das entradas de dados chamada Amplitude Total (At).

At = xmax xmin
Ex: Se a entrada mxima de dados for 29 e a entrada mnima for 1 a amplitude total ser

29 1 = 28

A Amplitude de Classes pode ser calculada pela seguinte frmula:

AC =

At n de classes
=

n de classes

=
Sendo n o tamanho da amostra, ou se preferir, a somatria das frequncias A partir destes tpicos que comearemos a construir uma tabela de distribuio de freqncias. Pra entendermos melhor este conceito vamos a um exemplo desde o comeo, no momento em que os dados ainda no esto agrupados em uma tabela de freqncias. Temos abaixo, dados dos salrios de funcionrios de um determinado setor de uma empresa. Foi coletada esta amostra de salrios, e o que temos so apenas valores coletados. Chamamos estes dados de dados no agrupados.

Prof. Silvio Russi

16

Utilizandose do exemplo destes dados no agrupados vamos calcular, antes de mais nada, a Amplitude de Classes (AC).

AC =

At n de classes
=

n de classes

Como vimos, para calcular a amplitude de classes preciso primeiro calcular a amplitude total (At), conforme pedido na frmula da amplitude de classes

At = xmax xmin
At = 3900 520 At = 3380

Em seguida, precisamos calcular o nmero de classes que teremos na tabela. Isso se consegue a partir da raiz quadrada do nmero de elementos da amostra: 50 = 7,07 N de classes = 7

AC =

At n de classes

Prof. Silvio Russi

17

Portanto,
AC = 3380 = 482,85 ~ 483 7

AC =

3380 = 482,85 ~ 483 7

Arredondar para o primeiro nmero inteiro superior.

Caso o resultado da amplitude de classes de um valor no inteiro, seja ele qual for, sempre deve ser arredondado este valor para o primeiro nmero inteiro superior. Portanto, sabemos que nossa tabela ter uma amplitude de classe igual a 483.

Prof. Silvio Russi

18

Sempre a menor entrada

Classes de Salrios (em reais)

483 483 483 483 520 1003 1486 1969 2452 2935 3418 1003 1486 1969 2452 2935 3418 3901

Nmero de funcionrios
8 3 9 8 10 5 7 f= 50

Tipos de freqncias Trabalharemos com trs tipos de freqncia: Freqncia Simples : Absoluta (fi) Freqncia Acumulada: Absoluta (Fi) Relativa (Frel ou Frel%)

Prof. Silvio Russi

19

A tabela acima mostra o nmero de pessoas matriculadas em cada modalidade de ensino; este nmero denominado freqncia Absoluta (fi)

Em Estatstica denomina-se freqncia relativa, o resultado obtido da diviso entre a freqncia que o valor observado na populao e a quantidade de elementos da populao. Geralmente apresentada na forma de porcentagem Podemos encontrar a freqncia relativa apresentada em um trabalho estatstico; para cada modalidade

Para isso basta dividir a freqncia absoluta de cada modalidade pelo total de freqncias ( f)

fr =

fabs f

Prof. Silvio Russi

20

Para encontrarmos a frequncia acumulada das classes devemos, antes de mais nada, repetir a frequencia absoluta da primeira classe. Em seguida, comeamos a somar a freqncia absoluta de cada uma das classes frequencia acumulada anterior. Por fim, a ltima soma deve ser igual somatria das freqncias absolutas.

Prof. Silvio Russi

21

Exemplo:

Continuemos

do

exemplo

anteriormente

apresentado:

Vamos encontrar agora as freqncias relativas de cada classe:

Prof. Silvio Russi

22

Vamos encontrar agora as freqncias acumuladas de cada classe:

Vamos a mais um exemplo. Considere a tabela de dados abaixo:

A partir da tabela acima, poderemos encontrar as freqncias relativa e acumulada:

Prof. Silvio Russi

23

Prof. Silvio Russi

24

Parte II

Prof. Silvio Russi

25

Unidade 5- Representao grfica.

atravs do histograma que representamos uma distribuio de freqncias. Este tipo de grfico formado por um conjunto de retngulos agrupados, de maneira que cada rea de cada um dos retngulos seja correspondente freqncia da classe a qual ele representa. Desta maneira, a soma dos valores que correspondem s reas dos retngulos ser sempre igual somatria de todas as freqncias. Para se construir um histograma, toma-se como referncia os eixos Coordenados das ordenadas e das abcissas . No eixo horizontal, so considerados os valores individuais de cada varivel em estudo, ou os limites de cada classe. A base horizontal de cada retngulo corresponde a classe. No eixo vertical, ou seja, eixo das ordenadas, sero posicionados os valores de escala onde se identificar os valores relativos ao nmero de observaes ou freqncias da classe. A rea correspondente a cada um dos retngulos deste grfico corresponde freqncia da classe que o retngulo representa.

Prof. Silvio Russi

26

Tambm podemos fazer a representao grfica de dados estatsticos em outros tipos de grficos, como por exemplo os que mostraremos a seguir. Um destes tipos de grficos o grfico de barras, muito parecido com o histograma, porm, possuem caractersticas diferentes, como por exemplo, no existe fronteira entre uma barra e outra, e no se trabalha por classes de freqncias, e sim, por varivel.

Exemplo:

nmero de pessoas matrculadas

Nmero de Matrculas de Educao Bsica no Brasil, por Etapas e Modalidade de Ensino, segundo a regio Geogrfica em 29/03/2006.
( em milhes de alunos) 35 30 25 20 15 10 5 0

Prof. Silvio Russi

E d. En In si fa no nt il Fu nd am en ta l E ns in o M d io E d. E d. E sp de ec Jo ia ve l ns e A du lto E s d. P ro fis si on al
modalidade de ensino

27

Mais um exemplo de representao grfica muito til para a interpretao de dados estatsticos o Diagrama de Pareto, que permite ao observador, por exemplo, a priorizao de problemas. Exemplo:

Os dados a seguir foram coletados por determinado mtodo de coleta de dados.

Em seguida, transformam-se as freqncias em freqncias relativa.

Prof. Silvio Russi

28

E em seguida, transforma a tabela em um grfico:

Prof. Silvio Russi

29

Tambm podemos citar o grfico de setores, vulgo grfico de pizza. Exemplo:

Total (100% - 360 graus)

Prof. Silvio Russi

30

E por fim:

Prof. Silvio Russi

31

Existem mais tipos de grficos que representam os dados de um estudo estatstico, mas exemplificaremos apenas estes que foram citados.

Prof. Silvio Russi

32

Unidade 6- Medidas de Posio

Dizemos como sendo medidas de posio valores que auxiliam na anlise da posio da distribuio de freqncias em relao aos valores observados da varivel observada. As medidas de posio so divididas em medidas de tendncia central, caracterizadas pela tendncia dos dados se concentrarem em valores centrais. Medidas de Tendncia Central. Existem vrias medidas de tendncia central, porm, trabalharemos nesta apostila com as trs medidas mais conhecidas e utilizadas, Mdia, Mediana e Moda. Como dito, as trs medidas de tendncia central mais usadas so : Mdia Mediana Moda

Mdia A mdia representa o ponto em que os valores um conjunto de dados ou uma seqncia numrica se concentram. Podem ocorrer duas situaes: 1 caso: Dados no agrupados So os dados que ainda no foram agrupados em uma distribuio de freqncia, ou seja, os dados esto brutos. Neste caso, utilizamos a mdia aritmtica simples:

= Onde, n o n de elementos do conjunto

x
n

Prof. Silvio Russi

33

Vamos entender como esta mesma frmula de mdia poder ser utilizada em uma situao em que os dados j esto distribudos em uma tabela de freqncia:

Prof. Silvio Russi

34

2 caso: Dados agrupados sem intervalos (varivel discreta) Utilizamos a mdia aritmtica ponderada: = Onde, n o n de elementos do conjunto

( x. f )
n

Exemplo: Dada a amostra, distribuir em uma tabela de frequncia: 2, 5, 5, 5, 5, 6, 6, 6, 8, 8 xi 2 5 6 8 fi xifi 1 2 4 20 3 18 2 16

Total 10 56

Prof. Silvio Russi

35

Ento a mdia ser :

( x. f ) =
n

56 10 = 5,6

3 caso: Dados agrupados com intervalos (varivel contnua) Neste caso, tambm utilizaremos a frmula anterior, porm com um detalhe muito importante: como em um intervalo de classe, no se sabe quais so os elementos constantes em cada classe, calculamos o seu ponto mdio, que representar a classe como sendo o valor de x. Vejamos um exemplo:

Prof. Silvio Russi

36

Prof. Silvio Russi

37

Vamos a outro exemplo para entendermos melhor:

Classe 1 2 3 4 Total

Intervalos 2 |--- 5 5 |--- 8 8 |--- 11 11 |--- 14

f 1 10 8 1 20

PM
(X)

PM . f
(X . f)

3,5 6,5 9,5 12,5

3,5 65 76 12,5 157

Foi introduzida a coluna do ponto mdio da classe (Pm), obtido assim:

Portanto: =

( x. f ) =
n

157 20 = 7,85

Interpretao: O valor mdio desta srie 7,85, isto , o valor em torno do qual os elementos desta srie se concentram. Vamos praticar um pouquinho, resolvendo alguns exerccios: Exerccios: 1) Calcule a mdia aritmtica das sries abaixo: a) 1, 2, 8, 10, 12, 16, 21, 30 b) 5, 6, 6, 10, 11, 11, 20 2) Calcule a mdia para as tabelas abaixo:

xi 2 3 4 5 Total

fi 1 4 3 2

Prof. Silvio Russi

38

xi 17 18 19 20 21 Total

fi 3 18 17 8 4

3) O salrio de 39 funcionrios de um escritrio est distribudo segundo o quadro abaixo. Calcule o salrio mdio destes funcionrios.

classe 1 2 3 4 5

Salrios (R$) 400 |--- 500 500 |--- 600 600 |--- 700 700 |--- 800 800 |--- 900

n func. 12 15 8 3 1

4) Uma imobiliria gerencia o aluguel de residncias particulares, segundo o quadro abaixo. Calcule a mdia: classe 1 2 3 4 5 Total Aluguel (R$) 0 |--- 200 200 |--- 400 400 |--- 600 600 |--- 800 800 |--- 1000 n casa 30 52 28 7 3

Prof. Silvio Russi

39

5) Em uma empresa temos 4 operrios com salrio de R$850,00, 2 supervisores com salrio de R$1.200,00, 1 gerente com salrio de R$2.000,00 e 6 vendedores com salrio de R$1.100,00. Qual a mdia salarial dessa empresa? Respostas dos exerccios anteriores: 1) a) 12,5 2) a) 3,6 3) 562,82 b) 9,86 b) 8,84 4) 335 5) R$1.107,69

Moda (Mo)

A moda de um conjunto de dados o valor que ocorre com maior freqncia. Um conjunto de dados pode ser: Amodal Nenhum elemento tem a freqncia maior do que os outros elementos Modal apenas um elemento tem a freqncia maior do que os outros elementos Bimodal apenas dois elementos tem a freqncia maior do que os outros elementos Trimodal apenas trs elementos tem a freqncia maior do que os outros elementos Polimodal quatro ou mais elementos tem a freqncia maior do que os outros elementos

Vamos a um exemplo:

Como tivemos apenas um elemento se destacando em relao freqncia dos demais, estamos em uma situao MODAL

Prof. Silvio Russi

40

1 Caso: Dados no agrupados: Exemplo: 3, 7, 7, 9, 10, 10, 10, 13, 15.

O elemento que apareceu com maior frequncia o 10, portanto Mo=10 portanto, a srie modal

Ex: 2, 4, 8, 11, 12 e 15

Todos os elementos da srie apresentam a mesma frequncia, logo a srie amodal.

Ex: 2, 2, 5, 5, 8, 9

Temos Mo=2 e Mo=5 (bimodal)

2 Caso: Dados agrupados sem intervalo de classes S precisamos identificar o elemento que aparece com maior freqncia.

xi 0 2 3 4 6 Portanto Mo=3, situao modal

fi 2 4 5 2 3

Preste ateno que a moda o elemento 3, que tem uma freqncia de 5

Prof. Silvio Russi

41

3 Caso: Dados agrupados com intervalos

Observe a tabela: classe 1 2 3 4 amostra 0 I----- 10 10 I----- 20 20 I----- 30 30 I----- 40 fi 1 3 6 2

Para encontrar a classe modal de dados agrupados em classes, Identificamos aquela que possui maior freqncia Neste caso, a classe 3: classe 1 2 3 4 amostra 0 I----- 10 10 I----- 20 20 I----- 30 30 I----- 40 fi 1 3 6 2

Exerccios: 1) Calcule a moda para as sries abaixo: a) 2, 2, 3, 4, 5, 5, 5, 7 b) 3, 4, 4, 5, 9, 12, 12 Calcule a moda das distribuies abaixo:

xi 2 3 4 5 Total

fi 1 7 2 2

Prof. Silvio Russi

42

xi 17 18 19 20 21 Total

fi 3 18 17 8 4

3) A distribuio abaixo representa o consumo em Kg de um produto colocado em oferta em um supermercado. Calcule a classe modal: classe 1 2 3 4 5 consumo 0 |--- 1 1 |--- 2 2 |--- 3 3 |--- 4 4 |--- 5 n de clientes 12 15 21 32 20

4) A distribuio abaixo representa o nmero de acidentes de trabalho por dia em uma indstria Petroqumica, verificados durante um ms. Calcule a classe modal: classe 1 2 3 4 n de acidentes 0 |--- 2 2 |--- 4 4 |--- 6 6 |--- 8 n de dias 20 6 3 1

Prof. Silvio Russi

43

Respostas: 1) a) 5 b) 4 e 12 2) a) 3 b) 18 3) classe 4 4) classe1

Mediana (Md) A mediana divide um conjunto ordenado de dados em duas partes com igual nmero de elementos, ou seja, 50% de elementos para um lado e 50% dos elementos para o outro lado. 1 caso: Dados no agrupados

O primeiro passo para obtermos a mediana colocamos a seqncia numrica em ordem crescente ou decrescente. Depois, verificamos se a amostra par ou mpar e adotamos um dos procedimentos a seguir.

Se a amostra constituda por um nmero mpar de elementos, a mediana o valor que fica no centro dos dados ordenados.

Exemplo (n mpar): 5, 13, 10, 2, 18, 15, 6, 16 e 9: Colocar os valores em ordem crescente: 2, 5, 6, 9, 10, 13, 15, 16, 18. Se n=9, ou seja, temos nove elementos, sendo a srie composta por um nmero mpar de elementos, logo, o elemento que se encontra na posio central aps colocarmos todos em ordem crescente( ou decrescente) o nmero 10. Portanto Md= 10

Outro exemplo:

Prof. Silvio Russi

44

Porm, se a amostra constituda por um nmero par de elementos, a mediana a mdia aritmtica dos dois valores centrais dos dados ordenados.

Exemplo (n par): 7, 2, 6, 12, 10, 18, 13 e 21 Colocar em ordem crescente: 2, 6, 7, 10, 12, 13, 18 e 21

O nmero de elementos do exemplo n=8, portanto, a mediana est entre o 4 e o 5 elementos, ou seja, 10 e 12. Para encontrarmos a mediana, calculamos a mdia aritmtica dos dois valores centrais, ou seja: 10 + 12 2

Obtemos assim, o valor 11, que , portanto, a mediana desta srie de nmeros Vejamos alguns exemplos.

Prof. Silvio Russi

45

2 Caso: Dados agrupados com intervalos (varivel contnua) Dada a tabela: Classe 1 2 3 4 5 Total Amostra 3 |--- 6 6 |--- 9 9 |--- 12 12 |--- 15 15 |--- 18 fi 2 5 8 3 1 19 Fi 2 7 15 18 19

1 Passo: Antes de mais nada, identificar a posio da mediana. A classe da mediana aquela que contm o elemento de ordem n/2 (na freqncia acumulada) 2 Passo: Pela freqncia acumulada (F) identificamos a classe que contm a mediana (classe da Md). 3 Passo: Utiliza-se a frmula:

Md =

li + n/2 facum ant . h f md

Prof. Silvio Russi

46

Onde: li= limite inferior da classe da mediana n = tamanho da amostra facumant= freqncia acumulada anterior classe da mediana (ou soma dos valores de fi anteriores classe da mediana) h = amplitude da classe da mediana fmd = freqncia da classe da mediana

No exemplo da tabela anterior: 1 Passo: Com n=19, temos 19/2=9,5 2 Passo: Identifica-se a classe da mediana pela facum. Neste caso, a classe da mediana a 3, ou seja na classe 9 |--- 12 (9,5 est entre 9 e 12)

3 Passo: Aplica-se a frmula:

Md =

li + n/2 facum ant . h f md

Md = 9 + 19/2 7 . 3 15 Md = 9 + 0,17 . 3 Md = 9 + 0,51 Md = 9,51

Interpretao: 50% dos valores da srie so valores menores ou iguais a 9,51 e 50% dos valores da srie so valores maiores ou iguais a 9,51.

Prof. Silvio Russi

47

Vamos exercitar um pouco este captulo: Exerccios: 1) Calcule a mdia aritmtica das distribuies abaixo: notas 2 3 5 8 10 Total tabela a fi 5 8 14 10 7 salrios 520 780 940 1.240 1.590 Total tabela b fi 18 31 15 3 1 vendas 145 158 163 175 187 Total tabela c fi 10 9 8 4 2

2) Calcule a moda para as tabelas acima.

3) Calcule a mediana para as tabelas acima. 4) Calcule a mdia para as tabelas apresentadas a seguir:

Salrios(R$) 200 |--- 400 400 |--- 600 600 |--- 800 800 |--- 1.000 1.000 |--- 1.200 total

n funcionrios 15

Estaturas(cm) 150 |--- 158 158 |--- 166

fi 5 12 18 27 8

8 2 1

166 |--- 174 174 |--- 182 182 |--- 190 total

Prof. Silvio Russi

48

Notas 0 |--- 2 2 |--- 4 4 |--- 6 6 |--- 8 8 |--- 10 Total

n alunos 5 8 14 10 7

pesos (Kg) 145 |--- 151 151 |--- 157 157 |--- 163 163 |--- 169 169 |--- 175 Total

Fi 10 9 8 5 3

5) Calcule a mediana para as tabelas acima.

6) Calcule a moda para as tabelas acima. Respostas: 1- a) 5,77 2 a) 5 3 a) 5 4 a) 500 5 a) 466,67 6 - a) 366,67 b) 778,68 b) 780 b) 780 b) 172,40 b) 174 b) 176,57 c) 159,09 c) 145 c) 158 c) 5,27 c) 5,29 c) 5,20 d)156,91 d)156 d)150,45

Prof. Silvio Russi

49

Unidade 7- Medidas de disperso.

As medidas de disperso indicam o quanto os dados variam em torno da regio central.

So medidas de disperso: Amplitude. Varincia. Desvio-padro. Coeficiente de Variao

Amplitude

A amplitude a diferena entre o maior e o menor dado observado.

At = X max X mn Exemplo: No conjunto de dados: 2, 5, 6, 9, 10, 10, 12, 15, 18, 20, a amplitude : 20-2=18.

Varincia

A varincia de uma varivel aleatria uma medida que indica quo longe em geral os seus valores se encontram em relao a sua mdia.

A para dados no agrupados calculada pela frmula S2 =

(x x)
n 1

Prof. Silvio Russi

50

A varincia para dados agrupados calculada pela frmula

S = Onde, S2 = varincia amostral _ X = mdia amostral

(x x)
n 1

X = elemento para varivel discreta, ou Ponto Mdio para varivel contnua n= tamanho da amostra f= freqncia do elemento ou da classe

Desvio Padro a raiz quadrada da varincia.

2

S= Onde, S2 = varincia amostral S = Desvio Padro amostral

Coeficiente de Variao

o coeficiente entre o desvio padro e a mdia entre o Desvio Padro e a mdia. CV =

S x 100 X

Prof. Silvio Russi

51

S =

( x x )2 n 1

Prof. Silvio Russi

52

Exemplo:

Grupo 1 150 150 151 151 151 152 152 152 153 153 x = 1515

Grupo 2 148 150 155 160 165 170 180 190 195 200 x = 1713

Vamos aos clculos de cada grupo, e em seguida comparar seus desvios padres, suas varincias e seus coeficientes de variao:

Prof. Silvio Russi

53

Para o Grupo 1: = 1515 10 = 151,5 cm

S =

( x x )2 n 1

S2 = 1,1664 cm 2 S = 1,08 cm

CV =

S x 100 X

CV = (1,08 151,5 ) . 100 = 0,71%

Para o Grupo 2:

= 1713 10 = 171,3 cm

S =

( x x )2 n 1

S2 = 326,89cm 2 S = 18,98 cm

CV =

S x 100 X

CV = (18,98 171,3 ) . 100 = 11,08%

Prof. Silvio Russi

54

Importante: Quanto maior o desvio padro a variao dos dados em relao mdia ser maior, ou seja, existe uma maior disperso dos dados em relao a quando o resultado do desvio padro menor. Quanto menor o desvio padro, menor a disperso dos dados.

Portanto, o grupo que possui maior disperso dos dados o grupo 2.

Prof. Silvio Russi

55

( x. f ) n

= 2250 reais

S =

(x x)
n 1

S2 = 969.387,76 reais 2 S = 984,58 reais

CV =

S x 100 X

CV = (984,58 2250) . 100 = 43,76%

A partir de agora com voc, aluno. Estude os tpicos trabalhados com bastante ateno. Observe cada detalhe apresentado anteriormente, pois so dicas preciosas para a resoluo dos problemas. Analise os resultados e tente tirar concluses a partir dele. Compreendendo bem a disciplina, temos certeza de que ela ser muito til na sua vida acadmica, profissional e at mesmo pessoal. Lembre-se, a estatstica est presente no dia a dia das pessoas, fique atento a como utiliz-la correta e eficazmente. At breve!

Prof. Silvio Russi

56

Referncias Bibliogrficas

Barrow, Michael - Estatstica para economia , contabilidade e administrao Editora tica, 2007 YE Myers, Walpole Mayers - Probabilidade e Estatstica para egenharia e Cincias 8 Edio Pearson /Prentice Hall, 2008 Sincich, McClave Benson - Estatstica para Administrao e Economia - 10 Edio Pearson /Prentice Hall, 2008 Profa. Mirtes Vitria Mariano - Material Estatstica Descritiva 2008 Profa. Maria Ester Domingues de Oliveira - Material Estatstica Descritiva 2008

Prof. Silvio Russi

57