Baixe o app para aproveitar ainda mais
Prévia do material em texto
Medidas de Assimetria e Curtose Núcleo de Educação a Distância www.unigranrio.com.br Rua Prof. José de Souza Herdy, 1.160 25 de Agosto – Duque de Caxias - RJ Reitor Arody Cordeiro Herdy Pró-Reitoria de Programas de Pós-Graduação Nara Pires Pró-Reitoria de Programas de Graduação Lívia Maria Figueiredo Lacerda Produção: Gerência de Desenho Educacional - NEAD Desenvolvimento do material: Jhoab Pessoa de Negreiros, Sergio Ricardo Pereira de Mattos e Tereza Luzia de Mello Canalli 1ª Edição Copyright © 2019, Unigranrio Nenhuma parte deste material poderá ser reproduzida, transmitida e gravada, por qualquer meio eletrônico, mecânico, por fotocópia e outros, sem a prévia autorização, por escrito, da Unigranrio. Pró-Reitoria Administrativa e Comunitária Carlos de Oliveira Varella Núcleo de Educação a Distância (NEAD) Márcia Loch Sumário Medidas de Assimetria e Curtose Para início de conversa… .................................................................. 04 Objetivos .......................................................................................... 05 1. Assimetria .......................................................................... 06 2. Curtose .............................................................................. 13 Referências ....................................................................................... 17 Exercícios ......................................................................................... 18 4 Estatística Para início de conversa… Para analisarmos estatisticamente o formato de uma distribuição contínua de dados, utilizamos as medidas de assimetria e de curtose. Neste capítulo, estudaremos essas medidas, assim como seus significados e importância. A assimetria mede o grau de deslocamento lateral (em relação a uma curva normal) de uma distribuição. Já a curtose mede o grau de “achatamento” da curva em relação à curva normal (ou Gaussiana). Essas medidas nos mostram o quão próximo uma distribuição está do modelo normal, permitindo-nos (ou não) tratá-la como se assim o fosse. 5Estatística Objetivos ▪ Identificar a distribuição por meio da Assimetria. ▪ Identificar, classificar e utilizar as estatísticas na resolução de exercícios. 6 Estatística 1. Assimetria Antes de falarmos de Assimetria e Curtose, precisamos apresentar uma distribuição denominada normal. Esse tipo de distribuição tem um papel fundamental na Estatística Inferencial, pois diversas variáveis aleatórias (por exemplo, o peso de recém-nascidos e pressão arterial) podem ser descritas pelo seu padrão de comportamento. A sua representação é chamada de curva normal e tem a forma de um sino. Em razão de sua importância, ela já foi totalmente tabelada e seus valores são conhecidos – como esses valores foram obtidos, inicialmente, com base em observações relativas à população de determinada variável aleatória, utilizamos o símbolo para representar média, e para o desvio padrão. Assim, sempre que uma distribuição for normal (ou se aproximar disso), já sabemos seu comportamento e temos suas probabilidades calculadas. A Figura 1 exibe uma distribuição unimodal, simétrica e centrada no valor da média. A proporção de observações contidas no intervalo ( μ-σ , μ+σ ) é de 68,3%. Se aumentarmos para uma distância de dois desvios padrão, a mais ou a menos que a média, ou seja, no intervalo ( μ-2σ , μ+2σ ), esse valor subirá para 95,4% do total de observações. No intervalo ( μ-3σ , μ+3σ ), encontram-se 99,7% do total de observações. No jargão Estatístico, dizemos que valores abaixo ou acima de três desvios são os outliers, ou seja, são dados que diferem totalmente de todos os outros. μ + 3σμ -3σ μ -2σ 68,3% μ - σ μ μ + σ μ + 2σ 95,4% 99,7% Em que μ representa a média, e σ o desvio padrão. (Quando estivermos trabalhando com uma amostra, utilizaremos para média e para desvio padrão.) Figura 1: Distribuição unimodal. Fonte: Elaborado pelos autores. 7Estatística A função densidade de probabilidade de uma distribuição normal é dada por: f (x,μ,σ2) = Em que: -∞ < x < ∞; -∞ < μ < ∞; σ > 0. Mas como saber se uma distribuição é normal ou o quão próxima ela está disso? Para tal finalidade, utilizamos as medidas de Assimetria e Curtose. Elas nos fornecem critérios para definirmos a razoabilidade, ou não, de tratarmos uma distribuição como se ela fosse normal. No que diz respeito à assimetria, uma distribuição unimodal pode ser classificada em simétrica, assimétrica à direita (ou positiva) ou assimétrica à esquerda (ou negativa). Na simétrica, os valores da média, da moda e da mediana coincidem (e, por isso, x̅ -Mo=0). No caso da assimétrica positiva, a média é maior do que a moda (daí, x̅ -Mo>0). Na assimétrica negativa, a média é menor do que a moda (daí, x̅ -Mo<0) A Figura 2 nos mostra as posições de média, moda e mediana, nas três classificações citadas acima: Assimétrica à esquerda (ou negativa) Mediana Moda Média Simétrica Média, moda e mediana Assimétrica à direita (ou positiva) Moda Média Mediana Figura 2: Posições de média, moda e mediana na assimetria. Fonte: Elaborado pelos autores. Vamos ver alguns exemplos? Exemplo 1: De acordo com os valores dados, classifique as distribuições a seguir em simétrica, assimétrica positiva ou assimétrica negativa: - (x-μ)2 1 e 202 σ√2π 8 Estatística a. Média: 18 Moda: 12 Como x̅ -Mo = 18-12 = 6, ela é assimétrica positiva. b. Média: 11 Moda: 11 Como x̅ -Mo = 11-11 = 0, é simétrica. c. Média: 8,9 Moda: 11 Como x̅ -Mo = 8, 9-11 = -2,1, é assimétrica negativa. Como o critério de classificação baseado apenas na diferença entre a média e a moda é absoluto, não podemos utilizá-lo para comparar as medidas de duas (ou mais) distribuições. Para a comparação entre distribuições, existem alguns métodos. Optamos pelo uso do Coeficiente de Assimetria de Pearson ( As ), descrito a seguir: 3.( x̅ -Md )As = s O resultado desse coeficiente ( As ) nos permite classificar uma assimetria quanto ao tipo e quanto a sua intensidade, como veremos no Quadro 1: Quanto ao tipo Quanto à intensidade da Assimetria Assimétrica negativa As < 0 Assimetria muito fraca 0 < | As |≤< 0,5 Simétrica As = 0 Assimetria fraca 0,5 < | As | <≤1,5 Assimétrica positiva As > 0 Assimetria forte | As | > 1,5 Quadro 1: Classificação de assimetria. Fonte: Elaborado pelos autores. 9Estatística Se uma distribuição tiver uma assimetria muito fraca, para efeito de análise, ela poderá ser tratada como normal. Se uma distribuição de frequência tiver uma assimetria muito forte, ou seja, o módulo do coeficiente for maior do que 1,5, a medida de posição mais adequada para representá-la será a mediana. Exemplo 2: A Figura 3 exibe uma comparação entre três distribuições, com seus respectivos valores de média ( μ ) e desvio ( σ ). μ = 0 | σ = 1 μ = 0 | σ = 0.447214 μ = 1 | σ = 2.23607 0.8 0.6 0.4 0.2 0.0 -4 -2 0 2 4 6 Figura 3: Comparação entre distribuições. Fonte: Elaborado pelos autores. Quanto mais simétricos os dados forem, mais o valor do coeficiente de assimetria se aproximará de zero. Porém, o fato de o coeficiente de assimetria ser próximo de zero (ou nulo) não nos garante que a distribuição seja normal. A distribuição a seguir tem assimetria nula, porém, não é uma distribuição normal. Por isso, é recomendável, sempre que possível, a construção do gráfico da distribuição. Importante Importante 10 Estatística 10 20 30 40 50 60 70 80 Fre qu ên cia 0 10 20 30 40 50 60 70 80 90 100 110 120 130 140 150 160 Figura 4: Distribuição. Fonte: Elaborado pelos autores. Exemplo 3: A distribuição de frequências a seguir representa a idade dos participantes de um determinado jogo. Ela tem o valor de média igual a 19,04, mediana 19 e desvio padrão 5,80. Determine o coeficiente deAssimetria de Pearson e classifique quanto ao tipo e a intensidade. Classes Frequência simples ( fi ) Frequência acumulada ( Fi ) 10 |– 14 21 21 14 |– 18 12 33 18 |– 22 18 51 22 |– 26 15 66 26 |– 30 6 7 30 |– 34 3 75 ∑ fi = 75 Tabela 1: Distribuição de frequências. Fonte: Elaborado pelos autores. 11Estatística Substituindo os valores na fórmula, temos: 3 .( x̅ - Md ) 3. (19,04 - 19) 3.(0,04) 0,12As = = = = = 0,020 s 5,80 5,80 5,80 Como As é um valor maior do que zero (0,020), ela é assimétrica positiva. Em relação a sua intensidade, ela é muito fraca, pois 0 < | As | ≤ 0,5. Exemplo 4: Um administrador decidiu fazer um plano de cargos e salários, de acordo com o número de anos de serviço de cada funcionário. Após consulta ao DRH, construiu a seguinte tabela de distribuição de frequências. Classifique o tipo de assimetria e sua intensidade. Classes (em anos de firma) Frequência simples ( fi ) Frequência acumulada ( Fi ) Ponto médio da classe ( xi ) fi . xi 2xi . fi 1 |– 3 21 21 2 42 84 3 |– 5 12 33 4 48 192 5 |– 7 18 51 6 108 648 7 |– 9 4 55 8 32 256 9 |– 11 2 57 10 20 200 11 |– 13 1 58 12 12 144 ∑ fi = 58 ∑ fi . xi = 262 2∑ (xi . fi ) = 1.524 Tabela 2: Tabela de distribuição de frequências. Fonte: Elaborado pelos autores. ▪ Calculando a média, obtemos: ∑ ( xi . fi ) 262 x̅ = = = 4,51 n 58 12 Estatística ▪ Calculando a mediana, ou seja, o percentil 50, obtemos: x . ∑ fi - Fi - 1 ( 100 ) . hPx = li +[ ] fi 50 . 58 - 21 (29) - 21 ( 100 ) . 2 = 3 + . 2 = 3 +1,33 = 4,33 P50 = 3 + [ ] [ ] 12 12 ▪ Calculando o desvio, temos: 2 ∑ (x2 .fi) ∑ fi . xi 1.524 262S2 = 1 - ( )= -( )= 26,27 - 20,40 = 5,87 n n 58 58 s = √5,87=2,42 ▪ Substituindo os valores na fórmula de assimetria de Pearson, temos: 3.( x̅ - Md ) 3.(4,51- 4,33) 3.(0,18) 0,54As = = - = = 0,22 s 2,42 2,42 2,42 De acordo com esse resultado, a assimetria é positiva e muito fraca. Exemplo 5: Uma empresa de empacotamento de grãos vende um produto em embalagens que devem conter 2 kg. Em uma amostra de dados, observou-se uma média aritmética igual a 2,05 kg e um desvio padrão igual 0,05 (conforme apresentado na Figura 5). Se em estudos anteriores realizados na empresa foi constatado que a distribuição dos pesos (em kg) é normal, qual a possibilidade de um pacote ter um peso menor do que 1,90 kg? 13Estatística 8 6 4 2 1.90 1.95 2.00 2.05 2.10 2.15 2.20 (Média - desvio) (Média + desvio) Figura 5: Amostra de dados. Fonte: Elaborado pelos autores. Como a distribuição é normal, a proporção de observações contidas em cada intervalo segue a regra a seguir: ▪ No intervalo ( μ-σ , μ+σ ), temos 68,3 % dos dados. ▪ No intervalo ( μ-2σ , μ+2σ ), temos 95,4% dos dados. ▪ No intervalo ( μ-3σ , μ+3σ ), encontram-se 99,7% dos dados. Por estarmos trabalhando com uma amostra, utilizaremos os símbolos x̅ e s, ao invés de μ e σ, para média e desvio padrão, respectivamente. Como x̅ = 2,05 e s = 0,05, no intervalo (x̅ - 3.s, x̅ + 3.s), ou seja, entre 1,90 e 2,20, temos 99,7% dos dados. Fora desse intervalo há apenas 0,3% dos dados. Dividindo para os dois lados, temos 0,15% de chance de o pacote ter menos do que 1,90 kg e 0,15% dele ter mais do que 2,20 kg. 2. Curtose O coeficiente de curtose de uma distribuição unimodal representa uma 14 Estatística comparação entre a concentração de observações próximas ao valor central e a concentração próxima às suas extremidades. Geometricamente, ele representa o grau de “achatamento” de uma curva em relação à normal. Para calcularmos o coeficiente de curtose de uma distribuição, utilizaremos os valores de seus percentis (10, 25, 75 e 90), de acordo com a fórmula a seguir: P75 - P25 K = 2. ( P90 - P10 ) Para classificarmos uma distribuição em relação à curtose, utilizamos o seguinte critério (baseado no valor de K): Leptocúrtica (achatamento pequeno) Mesocúrtica (achatamento normal) Platicúrtica (achatamento grande) K < 0,263 K = 0,263 K > 0,263 Note que, na leptocúrtica, os dados são muito concentrados ao redor do centro. Na platicúrtica, os dados não são tão concentrados perto do centro. Exemplo 6: A Tabela 3 representa a altura, em centímetros, dos atletas de uma escolinha de futebol. Calcule o coeficiente de Curtose e classifique o tipo. Classes (em centímetros) Frequência simples Frequência acumulada ( Fi ) 130 |– 140 2 2 140 |– 150 5 7 150 |– 160 4 11 Classe do P10 15Estatística 160 |– 170 21 32 170 |– 180 14 46 180 |– 190 10 56 ∑ fi = 56 Tabela 3: Distribuição de frequência. Fonte: Elaborado pelos autores. Calculando os Percentis, de acordo com a fórmula, temos: x . ∑ fi - Fi - 1 ( 100 ) . hPx = li +[ ] fi 10 . 56 - 2 (5,6) - 2 3,6 ( 100 ) . 10 = 140 + . 10 = 140 + . 10 = 140 + 7,2 = 147,20P10 = 140 + [ ] [ ] [ ] 5 5 5 25 . 56 - 11 (14) - 11 3 ( 100 ) . 10 = 160 + . 10 = 160 + . 10 = 160 + 1,42 = 161,42P25 = 160 + [ ] [ ] [ ] 21 21 21 75 . 56 - 32 42 - 32 10 ( 100 ) . 10 = 170 + . 10 = 170 + . 10 = 170 + 7,14 = 177,14P75 = 170 + [ ] [ ] [ ] 14 14 14 90 . 56 - 46 50,4 - 46 ( 100 ) . 10 = 180 + . 10 = 180 + 4,4 = 184,40 P90 = 180 + [ ] [ ] 10 10 Classe do P25 Classe do P75 Classe do P90 16 Estatística Substituindo os valores desses percentis, na fórmula de curtose, obtemos:P75 - P25 177,14 - 161,42 15,72 15,72K = = = = = 0,191 2.(P90 - P10 ) 2.(184,40 - 147,20) 2. (41,2) 82,4 Como K = 0,370, a distribuição é platicúrtica (K > 0,263). Neste capítulo, estudamos as medidas de assimetria e curtose que, junto com as medidas de posição e dispersão, nos permitem uma melhor descrição e compreensão de uma distribuição de frequências. As medidas de assimetria e curtose nos auxiliam a determinar o quão próximo uma distribuição está da normal. Quanto à assimetria, podemos ter simétrica, assimétrica positiva ou assimétrica negativa. Em relação ao tipo de curtose, podemos ter platicúrtica, mesocúrtica ou leptocúrtica. Ao verificarmos que uma distribuição se aproxima da normal, podemos utilizar os valores tabelados, facilitando os cálculos e permitindo uma tomada de decisão apoiada em parâmetros estatísticos. 17Estatística Referências FONSECA, J. S.; MARTINS, G. A. Curso de estatística. 6 ed. São Paulo: Atlas, 1992. MEYER, P. L. Probabilidade: aplicações à estatística. 2 ed. Rio de Janeiro: LTC, 1983. TOLEDO, G. L.; OVALLE, I. I. Estatística básica. 2 ed. São Paulo: Atlas, 1985. TRIOLA, M. F. Introdução à estatística. 10 ed. Rio de Janeiro: LTC, 2008. 18 Estatística Exercícios 1. Classifique cada distribuição do quadro a seguir, de acordo com o tipo de assimetria e sua intensidade. Distribuição Média Mediana Desvio Padrão A 7 7 3,36 B 96,2 95,8 4,24 C 38,7 40,5 12,6 2. Classifique as asserções em verdadeira (V) ou falsa (F) e marque o item que exibe a ordem correta das respostas. ( ) Em uma distribuição simétrica, os valores da média aritmética e da moda coincidem. ( ) Em uma distribuição assimétrica negativa, o valor da média aritmética é maior do que o da moda. ( ) Em uma distribuição assimétrica positiva, o valor da média aritmética é maior do que o da mediana. a. (F), (F), (F) b. (F), (V), (V) c. (V), (F), (F) d. (F), (F), (V) e. (V), (V), (V) 19Estatística 3. A tabela a seguir exibe o comprimento (em milímetros) do fêmur de 50 fetos em idade gestacional de 20 semanas, em exames realizados no hospital X. Classifique a distribuição quanto ao tipo de curtose. Comprimento do fêmur (em milímetros) Frequência simples Frequência acumulada ( Fi ) 28 |– 30 7 7 30 |– 32 12 19 32 |– 34 14 33 34 |– 36 10 43 36 |– 38 7 50 ∑ fi = 50 Gabarito: 1 - 3.( x̅ - Md ) 3.(7-7) 0Distribuição A: As = = = = 0 s 3,36 3,36 (Distribuição simétrica) 3.( x̅ - Md ) 3.(96,2 - 95,8) 3.(0,4) 1,2Distribuição B: As = = = = = 0,271 s 4,42 4,42 4,42 (Distribuição assimétrica positiva e muito fraca) 3.( x̅ - Md ) 3.(38,7 - 40,5) 3.(-1,8) -5,4Distribuição C: As = = = = = 0,428 s 12,6 12,6 12,6 (Distribuição assimétrica negativa, muito fraca) 2 - C 3 - Primeiro, determinamos, usando a fórmula, os percentis 10, 25, 75, e 90. Classe do P10 Classe do P25 Classe do P90 Classe do P75 20 Estatística x . ∑ fi - Fi - 1 ( 100 ) . hPx = li +[ ] fi 10 . 50 - 0 (5) - 0 10 ( 100 ) . 2 = 28 + . 2 = 28 + = 28 + 1,42 = 29,42P10 = 28 +[ ] [ ] [ ] 7 7 7 25 . 50 - 7 (12,5) - 7 ( 100 ) . 2 = 30 + . 2 = 30 + 11 = 30 + 0,91 = 30,91P25 = 30 + [ ] [ ] [ ] 12 12 12 75 . 50 - 33 (37,5) - 33 9 ( 100 ) . 2 = 34 + . 2 = 34 + = 34 + 0,9 = 34,90P75 = 34 +[ ] [ ] [ ] 10 10 10 90 . 50 - 43 (45) - 43 4 ( 100 ) . 2 = 36 + . 2 = 36 + = 36 + 0,51 = 36,51 P90 = 36 + [ ] [ ] [ ] 7 7 7 Ou seja, ela possui os seguintes percentis: P10 = 29,42 P25 = 30,91 P75 = 34,90 P90 = 36,51 Substituindo os valores, na fórmula de Curtose, temos: P75 - P25 34,90 -30,91 3,99 3,99K = = = = = 0,281 2.(P90 - P10) 2.(36,51-29,42) 2.(7,09) 14,18 Como 0,281 é maior do que 0,263, então, a distribuição é classificada como platicúrtica. _gjdgxs _dusx8w7xvgxr _j4xpihe7y0w4 Conceitos Básicos Para início de conversa... Objetivo 1. População 2. Amostra 2.1 Tamanho de uma Amostra 2.2 Amostragem 2.3 Técnicas de Amostragem 3. Variáveis Referências Representação Gráfica e Tabular Para início de conversa… Objetivo 1. Tipos de Gráficos 1.1 Gráficos em Coluna 1.2 Gráfico de Linha 1.3 Gráfico em Setor Circular 1.4 Histograma 1.5 Pictograma 2. Tipos de Tabelas 2.1 Confecção de uma Tabela Simples 2.1.1 Título da Tabela 2.1.2 Cabeçalho 2.1.3 Coluna Indicadora 2.1.4 Corpo da Tabela 2.2 Séries Estatísticas 2.2.1 Histórica, Cronológica ou Temporal 2.2.2 Geográfica, Espacial ou Territorial 2.2.3 Específica ou Categórica 3. Distribuição de Frequência 3.1 Tabela Primitiva 3.2 Rol 3.3 Construção de Distribuição de Frequências Referências _GoBack Medidas de Posição Para início de conversa… Objetivo 1. Média 1.1 Média Aritmética Simples de uma Amostra de Dados 1.1.2 Dados Agrupados em Classes 1.2 Média Aritmética Ponderada 1.3 Média Geométrica (G) 1.4 Média Harmônica Simples (H) 2. Moda 2.1 Dados Não Agrupados em Classes 2.2 Dados Agrupados em Classes 3. Mediana ( Md ) 3.1 Dados Não Agrupados em Classes 3.2 Dados Agrupados em Classes 3.3 Separatriz 3.3.1 Percentil 3.3.1.1 Dados Agrupados em Classes 3.3.2 Decil 3.3.2.1 Dados Agrupados em Classes 3.3.3 Quartil 2.3.3.1 Dados Agrupados em Classes Referências Exercícios Resolvidos MTBlankEqn _GoBack Medidas de Dispersão Para início de conversa… Objetivos 1. Variância e Desvio Padrão 1.1 Variância e Desvio Padrão de Dados Não Agrupados em Classes 1.1.1 Variância e Desvio Padrão de uma População 1.1.2 Variância e Desvio Padrão de uma Amostra de Dados 1.2 Variância e Desvio Padrão de Dados Agrupados em Classes 2. Coeficiente de Variação (CV) 3. Desvio Médio (DM) Referências Exercícios_GoBack Medidas de Assimetria e Curtose Para início de conversa… Objetivos 1. Assimetria 2. Curtose Referências Exercícios _GoBack _Hlk16375251 Correlação e Regressão Linear Para início de conversa… Objetivos 1. Diagrama de Dispersão 2. Coeficiente de Correlação Linear de Pearson 2.1 Nível de Significância 3. Equação de Regressão Referências Exercícios Introdução ao Estudo da Probabilidade Para início de conversa... Objetivos 1. Espaço Amostral 2. Evento 3. Definição Clássica de Probabilidade 3.1 Propriedades da Probabilidade Exercícios Propostos: Referências _Hlk17535341 MTBlankEqn Probabilidade Condicional e Teorema de Bayes Para Início de Conversa… Objetivo 1. Probabilidade Condicionada 2. Teorema de Bayes Exercícios Propostos Referências Considerações Finais Apresentação Objetivos Gerais Conceitos Básicos Para início de conversa... Objetivo 1. População 2. Amostra 2.1 Tamanho de uma Amostra 2.2 Amostragem 2.3 Técnicas de Amostragem 3. Variáveis Referências Exercícios Representação Gráfica e Tabular Para início de conversa… Objetivo 1. Tipos de Gráficos 1.1 Gráficos em Coluna 1.2 Gráfico de Linha 1.3 Gráfico em Setor Circular 1.4 Histograma 1.5 Pictograma 2. Tipos de Tabelas 2.1 Confecção de uma Tabela Simples 2.1.1 Título da Tabela 2.1.2 Cabeçalho 2.1.3 Coluna Indicadora 2.1.4 Corpo da Tabela 2.2 Séries Estatísticas 2.2.1 Histórica, Cronológica ou Temporal 2.2.2 Geográfica, Espacial ou Territorial 2.2.3 Específica ou Categórica 3. Distribuição de Frequência 3.1 Tabela Primitiva 3.2 Rol 3.3 Construção de Distribuição de Frequências Referências Medidas de Posição Para início de conversa… Objetivo 1. Média 1.1 Média Aritmética Simples de uma Amostra de Dados 1.1.1 Dados não Agrupados em Classes 1.1.2 Dados Agrupados em Classes 1.2 Média Aritmética Ponderada 1.3 Média Geométrica (G) 1.4 Média Harmônica Simples (H) 2. Moda 2.1 Dados Não Agrupados em Classes 2.2 Dados Agrupados em Classes 3. Mediana ( Md ) 3.1 Dados Não Agrupados em Classes 3.2 Dados Agrupados em Classes 3.3 Separatriz 3.3.1 Percentil 3.3.1.1 Dados Agrupados em Classes 3.3.2 Decil 3.3.2.1 Dados Agrupados em Classes 3.3.3 Quartil 2.3.3.1 Dados Agrupados em Classes Referências Exercícios Resolvidos Medidas de Dispersão Para início de conversa… Objetivos 1. Variância e Desvio Padrão 1.1 Variância e Desvio Padrão de Dados Não Agrupados em Classes 1.1.1 Variância e Desvio Padrão de uma População 1.1.2 Variância e Desvio Padrão de uma Amostra de Dados 1.2 Variância e Desvio Padrão de Dados Agrupados em Classes 2. Coeficiente de Variação (CV) 3. Desvio Médio (DM) Referências Exercícios Medidas de Assimetria e Curtose Para início de conversa… Objetivos 1. Assimetria 2. Curtose Referências Exercícios Correlação e Regressão Linear Para início de conversa… Objetivos 1. Diagrama de Dispersão 2. Coeficiente de Correlação Linear de Pearson 2.1 Nível de Significância 3. Equação de Regressão Referências Exercícios Introdução ao Estudo da Probabilidade Para início de conversa... Objetivos 1. Espaço Amostral 2. Evento 3. Definição Clássica de Probabilidade 3.1 Propriedades da Probabilidade Exercícios Propostos: Referências Probabilidade Condicional e Teorema de Bayes Para Início de Conversa… Objetivo 1. Probabilidade Condicionada 2. Teorema de Bayes Exercícios Propostos Referências Considerações Finais
Compartilhar