Baixe o app para aproveitar ainda mais
Prévia do material em texto
31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 1/43 ESTATÍSTICA E PROBABILIDADEESTATÍSTICA E PROBABILIDADE APLICADAAPLICADA CONCEITOS BÁSICOS DECONCEITOS BÁSICOS DE ESTATÍSTICAESTATÍSTICA Autor: Me. Raimundo Almeida R e v i s o r : H u g o E s t e v a m D e S a l e s C â m a ra I N I C I A R 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 2/43 introduçãoIntrodução Nesta unidade, vamos trabalhar com os conceitos básicos da estatística descritiva: a distribuição de frequências e histogramas, análise de grá�cos e tabelas, além de medidas de tendência central e dispersão. A partir desse conteúdo você conseguirá analisar grá�cos de relatórios analíticos, compreender diagramas especí�cos da engenharia e ciências a�ns e resumir bases de dados através de grá�cos e tabelas. No �m dessa unidade, você já terá os conceitos básicos para o desenvolver-se na disciplina, realizar os trabalhos acadêmicos ao longo do seu curso e para seu desenvolvimento pro�ssional. Aproveite seu tempo para resolver bastante e aprofundar seus conhecimentos através de pesquisas e outras leituras. Bom estudo! 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 3/43 Antes de iniciarmos nossos estudos, vamos a alguns conceitos que serão importantes para a nossa trajetória. Dados são conjuntos de observações (gênero, respostas de pesquisas, medidas, dentre outros); Estatística é a ciência que descreve procedimentos para coletar, organizar, resumir, analisar e apresentar dados; População é o conjunto de todos os indivíduos sob investigação (pessoas, medidas, escores, dentre outros); Censo é o conjunto dos dados obtidos de todos os membros da população; Amostra é o subconjunto de todas as medidas da população. Na tabela a seguir, você encontrará duas importantes classi�cações dos dados. Ambas serão muito utilizadas ao longo desta e das demais unidades. Conceitos BásicosConceitos Básicos da Estatísticada Estatística 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 4/43 Quadro 1.1 - Classi�cação de dados Fonte: Elaborado pelo autor. Quadro 1.2 - Classi�cação de dados Fonte: Elaborado pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 5/43 A classi�cação das variáveis será utilizada nesta e nas unidades posteriores. É a partir dela que de�niremos os métodos apropriados para tratamento das informações. praticarVamos Praticar Na tabela a seguir estão descritas informações sobre um grupo de quatro amigos. Para cada uma das variáveis, re�ita se estas são qualitativas ou quantitativas e, para o caso das quantitativas, se são discretas ou contínuas. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 6/43 Radio Radio Radio Radio Radio Tabela - Base de dados Fonte: Elaborada pelo autor a) Idade é uma variável quantitativa contínua. b) Peso é uma unidade quantitativa discreta. c) Cidade é uma variável quantitativa. d) Sexo é uma variável quantitativa discreta. e) Idade é uma variável quantitativa discreta. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 7/43 Ao se trabalhar com uma grande massa de dados, é comum categorizá-los e organizá- los em classes. Uma distribuição de frequências é uma tabela que indica a frequência absoluta (número de registros) ou a frequência relativa (percentual de registros) de cada classe. Para exempli�car, considere o conjunto de 30 registros de idades de familiares do professor Paulo Andrade: Distribuição deDistribuição de FrequênciasFrequências 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 8/43 Tabela 1.1 - Registros de idades de familiares do prof. Paulo Andrade Fonte: Elaborada pelo autor. Para o exemplo, consideramos agrupar os dados em 5 classes. Sendo assim, o primeiro passo consiste em calcular a amplitude de classe: Para o nosso exemplo: Determinaremos os limites de classe, iniciando como valor mínimo e somando, sucessivamente, a amplitude de classe. Esses limites servirão para delimitar cada uma das classes da nossa distribuição. Limite 1: 0 Limite 2: 0 + 20 = 20 Limite 3: 20 + 20 = 40 Amplitude de classe = (valor m ximo) − (valor m nimo)á í n mero de classesú Amplitude de classe = = 20100 − 0 5 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 9/43 Limite 4: 40 + 20 = 60 Limite 5: 60 + 20 = 80 Limite 6: 80 + 20 = 100 A partir dos limites, poderemos escrever cada uma das classes: Classe 1: [ 0 , 20 ] Classe 2: ( 20 , 40 ] Classe 3: ( 40 , 60 ] Classe 4: ( 60 , 80 ] Classe 5: ( 80 , 100 ] O intervalo (20 , 40 ] anterior corresponde ao conjunto de valores compreendidos entre 20 e 40, incluindo o 40 e não incluindo o 20. Essa notação é comum na representação de intervalos reais. De modo geral, podemos de�nir matematicamente o intervalo ( a , b ] como: ( a ,b ] = {x ∈R | a<x≤b}. Por �m, contamos a frequência de cada uma das classes, que corresponde ao número de valores que estão situados em cada uma das classes em questão. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 10/43 Tabela 1.2 - Distribuição de frequência absoluta da Idade de 30 familiares do prof. Paulo Fonte: Elaborada pelo autor. Uma outra tabela comum no universo da Estatística Descritiva é a Distribuição de Frequência Relativa, que consiste em tabular a proporção de dados em cada classe. No exemplo anterior, a frequência relativa associada à classe ( 20 , 40 ] é dada por: Realizando os cálculos das frequências relativas para as demais classes, podemos organizar a distribuição desejada. frequ ncia relativa = ê frequ ncia de classeê soma das frequ ncias de todas as classes ê = = 0, 467 = 46, 714 9 + 14 + 2 + 3 + 2 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 11/43 Tabela 1.3 - Distribuição de frequência relativa da idade de 30 familiares do prof. Paulo Fonte: Elaborada pelo autor. Uma última tabela bastante conhecida é a Distribuição de Frequência Acumulada. Para cada classe, associamos o somatório da frequência daquela classe com as frequências das classes anteriores. No exemplo das idades, a classe possui frequência acumulada igual a 83,3% (que é a soma das frequências 30,0%, 46,7% e 6,7%). Sendo assim, observe a distribuição acumulada �nal: 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 12/43 Tabela 1.4 - Distribuição de frequência acumulada das idades de 30 familiares do prof. Paulo Fonte: Elaborada pelo autor. A seguir, trabalharemos com histogramas, que consiste em um modelo de grá�co utilizado para representar distribuições de frequência. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 13/43 Histograma Um histograma é um grá�co que tem por objetivo visualizar o comportamento de uma distribuição de frequências. Para ilustrar, considere o exemplo a seguir. Uma rede de fábricas produz parafusos para distribuição nas cidades da região Norte do Brasil. A seguir, você pode veri�car o número médio de caixas de produtos produzidas diariamente por cada uma das 20 fábricas da rede. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 14/43 Tabela 1.5- Distribuição do número médio de caixas produzidas por dia emcada fábrica Fonte: Elaborada pelo autor. A partir da tabela anterior, categorizaremos os 20 dados em 8 classes com amplitude igual a 5 caixas. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 15/43 Tabela 1.6 - Distribuição de frequência do número médio de caixas produzidas por dia em cada fábrica Fonte: Elaborada pelo autor. A partir do diagrama de frequências, construímos o histograma: 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 16/43 A seguir, você encontrará outros histogramas para auxiliar na compreensão. Para cada exemplo, tente identi�car o número de classes, a amplitude de cada classe, os limites inferiores e superiores de cada classe e a classe que possui maior frequência. Exemplo 1 Figura 1.1 - Distribuição do número de caixas de parafusos produzidas por cada uma das 20 fábricas. Fonte: Elaborada pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 17/43 Esse histograma representa a distribuição da temperatura média diária da câmara de um frigorí�co, as quais foram divididas em 6 classes de amplitude igual a 2ºC. Exemplo 2 Figura 1.2 - Distribuição da temperatura média diária da câmara de um frigorí�co da cidade de Natal - RN - Abril de 2018 (ºC). Fonte: Elaborada pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 18/43 Histograma de 5 classes representando a frequência dos salários dos 132 funcionários da empresa FTW em janeiro de 2020. praticarVamos Praticar Figura 1.3 - Distribuição dos salários dos 132 funcionários da empresa FTW em janeiro de 2020 Fonte: Elaborada pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 19/43 Agora é sua vez de praticar! Utilizando papel milimetrado ou Excel, construa um histograma de frequências absolutas para o conjunto a seguir, utilizando o agrupamento dos dados em 3 classes. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 20/43 Grá�cos e tabelas estão presentes constantemente em nosso dia a dia. Seja nos jornais, na TV ou revistas cientí�cas, o uso dessas ferramentas estatísticas facilita a nossa compreensão quanto à informação que se deseja passar. Representar gra�camente signi�ca construir um desenho que compile, de maneira clara, o comportamento e a relação das variáveis em estudo. Para esboçá-los, podemos elaborar tabelas que nos forneçam os valores que estarão presentes na representação. A seguir, você verá uma sequência de tipos de grá�cos e uma recomendação quanto ao seu uso. Polígono de Frequência Grá�cos e TabelasGrá�cos e Tabelas 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 21/43 É obtido ao ligarmos os pontos médios das classes de um histograma. O exemplo a seguir corresponde ao polígono de frequência obtido a partir do exemplo dos 30 parentes de Andrade (2018), apresentado anteriormente. Polígono de Frequência Relativa 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 22/43 É uma variação do polígono de frequência no qual utilizamos a frequência relativa no eixo vertical. Muito útil quando queremos comparar mais de um dado. Nesse caso, é sugerido esboçar os polígonos no mesmo plano. Ogiva 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 23/43 Dessa vez, no eixo horizontal, consideramos o limite superior das classes do histograma e, no eixo vertical, consideramos as frequências acumuladas. Na �gura a seguir, por exemplo, concluímos que 25 dos parentes de Andrade (2018) têm idade inferior a 60 anos. Grá�icos de Barras 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 24/43 Usado para representação da frequência de dados qualitativos. Esses dados qualitativos são listados no eixo vertical e a frequência no eixo horizontal. Nesses casos, a frequência pode ser absoluta (número inteiro) ou relativa (em dados percentuais). Grá�icos de Colunas 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 25/43 Análogo ao grá�co de barras, porém, com dados qualitativos no eixo horizontal. A frequência deve ser indicada no eixo vertical. Nesses casos, a frequência pode ser absoluta (número inteiro) ou relativa (em dados percentuais), conforme ilustra o grá�co. Grá�ico de Setores (ou de Pizza) 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 26/43 Representa frequências de dados qualitativos a partir de setores de um círculo. Cada setor possui área proporcional à frequência relativa de cada um dos dados. Na �gura acima, por exemplo, podemos concluir que aproximadamente metade dos médicos do Brasil estava na região Sudeste em 2012. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 27/43 Diagrama de Dispersão 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 28/43 Grá�co utilizado para representação de dados quantitativos, no qual, em cada um dos eixos, representamos uma das variáveis. Os pares de dados são representados por pontos no grá�co. Esse tipo de grá�co é muito útil quando queremos veri�car a existência de relação entre duas variáveis. No exemplo acima, podemos perceber a existência de uma relação quadrática entre as variáveis tempo e altura. ti Figura 1.10 - Dados experimentais de tempo e altura de um corpo em um lançamento vertical para cima Fonte: Elaborada pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 29/43 praticarVamos Praticar O condomínio Viver Bem realizou uma pesquisa de intenção de votos para os candidatos (X e Y) para síndico. Na �gura a seguir, você veri�cará o número de condôminos que possuem intenção de voto para cada um dos candidatos. Avalie as asserções a seguir e a relação existente entre elas. I. O grá�co apresentado está incorreto. PORQUE II. É inadequado para representação dos dados de intenção de votos, uma vez que leva o eleitor a entender que o candidato X está com grande quantidade de votos acima do candidato Y. A respeito dessas asserções, assinale a alternativa correta. Figura - Número de Moradores que Declararam Intenção de Voto por Candidato a Síndico do Condomínio VIVERBEM Fonte: Elaborada pelo autor. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 30/43 Radio Radio Radio Radio Radio a) As asserções I e II são corretas, e II é uma justi�cativa da I. b) As asserções I e II são corretas, e II não é uma justi�cativa da I. c) A asserção I é falsa e a asserção II é verdadeira. d) A asserção I é verdadeira e a asserção II é falsa. e) As asserções I e II são falsas. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 31/43 As medidas estudadas nesta seção servem para descrever, de forma geral, nosso conjunto e dados. As medidas de tendência central resumem, em um só número, nosso conjunto. As medidas de dispersão servem para “quanti�car” a variação dos meus dados. Medidas de Tendência Central As medidas de tendência central são aquelas que buscam representar o ponto de equilíbrio dos dados. São números que resumem, de alguma forma, o nosso conjunto. As mais importantes medidas de tendência central são a média, a mediana e a moda. Média MedidasdeMedidas de Tendência Central eTendência Central e DispersãoDispersão 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 32/43 A média aritmética é a mais utilizada das medidas para a representação de um conjunto de dados, podendo ser facilmente calculada conforme fórmula a seguir: Exemplo: Catarina realizou quatro provas de Espanhol no decorrer do ano em um curso de Idiomas, com as notas a seguir: 1ª prova = 8,0; 2ª prova = 7,7; 3ª prova = 9,0; 4ª prova = 6,3. Para encontrar a média aritmética simples, somamos todas as notas e dividimos pela quantidade de provas realizadas. Dessa forma, a média das notas de Catarina foi 7,75. Média Ponderada A média ponderada é baseada na multiplicação de um peso a cada observação do conjunto de dados dividido pela soma dos pesos, ou seja, pode ser encontrada através da seguinte fórmula: Exemplo: X = + +...+x1 x2 xN N X = = 7, 75 8,0 + 7,7 + 9,0 + 6,3 4 X = ( )+ ( )+...+ ( )x1 P1 x2 P2 xN PN + + ... + P1 P2 PN 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 33/43 Roberto participou de um concurso onde foram realizadas provas de Português, Matemática, História e Inglês. Essas provas tinham peso 4, 3, 2 e 1, respectivamente. Sabendo que Roberto tirou 9,0 em Português, 8,5 em Matemática, 6,0 em História e 7,5 em Inglês, qual foi a média? Dessa forma, a média das notas de Roberto foi 8,1. Mediana A mediana é o valor que está no centro de um conjunto de valores ordenados. Dessa forma, 50% dos elementos da amostra são menores ou iguais à mediana e os outros 50% são maiores ou iguais à mediana. Se o número de elementos da amostra é ímpar, a mediana é dada pelo valor central do conjunto de dados ordenados. Por exemplo, o conjunto {6, 2, 3, 11, 1, 8, 13}. Devemos ordenar os elementos e, em seguida, determinar o ponto central. { 1, 2, 3, 6, 8, 11, 13} Logo, a mediana para este conjunto de elementos é igual a 6. Se o número de elementos da amostra é par, a mediana é dada pela média dos valores centrais. Considerado o conjunto de dados anterior, se acrescentarmos o valor 16, teremos os seguintes valores centrais: {1, 2, 3, 6, 8, 11, 13, 16} Logo, a mediana é dada por: Dessa forma, a mediana para este conjunto de elementos é igual a 7. X = = = 8, 1 9,0(4)+8,5(3)+6,0(2)+7,5(1) 4 + 3 + 2 + 1 36+25,5+12+7,5 10 M = = 7d 6 + 8 2 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 34/43 Moda A última medida de tendência central a ser abordada neste capítulo é a moda. Moda é de�nida como o valor mais frequente de um conjunto de dados, ou seja, o valor de maior ocorrência dentre os valores observados. Caso não exista um valor mais frequente, o conjunto de dados é denominado amodal. A representação da moda é dada por Mo. Exemplos: Considere o conjunto de dados a seguir: A = {3, 25, 7, 3, 1} A moda para esse conjunto é: Mo = 3. É o número que aparece o maior número de vezes. B = {19, 25, 3, 25, 10, 19} Neste exemplo, a moda é: Mo = 19 ou 25. Dessa forma, podemos dizer que o conjunto B é bimodal, pois possui duas modas. Medidas de Dispersão Medidas de dispersão são parâmetros estatísticos usados para determinar o quanto nossos dados variam. Esse indicador nos permite analisar a amostra de uma forma mais assertiva, uma vez que as medidas de tendência central, em alguns casos, escondem o nível de variação dos dados. Por exemplo, para de�nir uma brincadeira adequada para uma festa de aniversário, não podemos considerar apenas a média de idade dos convidados, uma vez que a variação das idades pode ser grande, o que deve pesar no momento da escolha da diversão. As medidas de dispersão mais usadas são: amplitude, variância, desvio padrão, coe�ciente de variação, percentis e quartis. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 35/43 Amplitude Essa medida de dispersão é de�nida como a diferença entre a maior e a menor observação de um conjunto de dados, isto é: A = Xmaior - Xmenor A amplitude é a medida de dispersão menos utilizada, uma vez que não leva em consideração os dados intermediários do conjunto. Exemplo: As notas do aluno Matheus no ano de 2019 foram 4,0; 5,0; 9,0 e 10,0. Sendo assim, a amplitude das notas deles é: A = Xmaior - Xmenor = 10,0 – 4,0 = 6,0 Variância e Desvio Padrão A variância consiste na média dos quadrados, das diferenças entre cada uma das observações e a média aritmética da amostra. Considere uma amostra representada por {x1, x2, …, xn} de n observações numéricas. Existem duas fórmulas para calcular a variância. A variância populacional é de�nida por: onde ▁X é a média aritmética da distribuição. Já a variância amostral é de�nida por: onde ▁X é a média aritmética da distribuição. V ar (x) = +... + ( − )x1 X −− 2 +( − )x2 X −− 2 ( − )xn X −− 2 n V ar (x) = +... + ( − )x1 X −− 2 +( − )x2 X −− 2 ( − )xn X −− 2 n − 1 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 36/43 O desvio padrão é outra forma de analisar a regularidade de um conjunto de valores. O desvio padrão de uma população é dado pela raiz quadrada da variância. Coe�iciente de Variação O coe�ciente de variação é utilizado para veri�car a variabilidade do nosso conjunto de dados, calculado através da fórmula: Onde: s = desvio padrão; = média dos dados. Medidas de Posição Relativa Percentis são medidas que dividem os dados em 100 grupos, cada um deles contendo cerca de 1% do conjunto. Por explicar, o décimo segundo percentil, , tem 12% dos dados abaixo dele. De modo geral, para calcular o percentil que corresponde ao valor x, você deve utilizar a seguinte fórmula: Ao aplicar a fórmula, arredonde o resultado para o inteiro mais próximo. Para converter um percentil em um valor de dado, utilizando a fórmula a seguir. =σ2 +... + ( − )x1 X −− 2 +( − )x2 X −− 2 ( − )xn X −− 2 n − −−−−−−−−−−−−−−−−−−−−− √ CV = . 100s X − X − P12 percentil do valor x = ⋅ 100 n mero de valores menores que xú n mero total de valoresú L = ⋅ nk 100 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 37/43 Em que: L= localizador que nos fornece a posição de um valor (ou seja, a posição do dado procurado, uma vez que ordenemos nossa base); = k-ésimo percentil; n= número total de valores do conjunto. Quartis Quartis são medidas que dividem os dados em 4 grupos, cada um contendo cerca de 25% do conjunto. Os três números são denotados por , e . Pk Q1 Q2 Q3 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 38/43 O primeiro quartil ( ) separa os 25% menores valores dos 75% maiores valores. O terceiro quartil ( ) separa os 75% menores valores dos 25% maiores valores. O segundo quartil ( ) sempre coincide com a mediana, pois separa o conjunto em dois grupos de tamanhos iguais. Para calcular algum quartil, aplique a fórmula de cálculo de um percentil, assumindo as seguintes igualdades: , e . praticarVamos Praticar Analise o conjunto de dados: O conjunto de dados “a” contém 25 números listados já em ordem crescente. Utilizando os conceitos já estudados nessa unidade, calcule o valor do segundo quartil do conjunto de dados e assinale a alternativa correspondente: Q1 Q3 Q2 =Q1 P25 =Q2 P50 =Q3 P75 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 39/43 a) 7. b) 15. c) 18. d) 24. e) 26. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 40/43 indicações Material Complementar L I V R O Introdução à Estatística - Atualização da Tecnologia - Capítulos 1, 2 e 3. Mario F. Triola. Editora: LTC.ISBN: 9788521634256. Comentário: Neste livro, você encontrará outros exemplos e aplicações de todo o conteúdo trabalhado na unidade, além de inúmeros exercícios para fortalecer e �xar seu aprendizado. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 41/43 W E B Estatística - Ensinem Estatística antes de Cálculo. Ano: 2009. Comentário: Neste TedTalk, o professor Arthur Benjamin alerta para uma forma de tornar o aprendizado de Matemática essencial na vida das pessoas. Em sua crítica, ele ressalta o fato dos currículos dos cursos superiores em Ciências Exatas dedicarem seu conteúdo de matemática para os pilares que conduzem o Cálculo Diferencial e Integral. Em outras palavras, ele a�rma que o aprendizado de Estatística e Probabilidade é o caminho para um conhecimento mais moderno e alinhado com o que se espera dos pro�ssionais do futuro. A C E S S A R https://www.ted.com/talks/arthur_benjamin_teach_statistics_before_calculus?language=pt-br 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 42/43 conclusão Conclusão A partir de agora, você já apto a trabalhar com distribuições de frequência, realizar a análise de grá�cos e tabelas, além de calcular média, mediana, moda e algumas medidas de dispersão. Para �xar de�nitivamente o conteúdo lido, é importante que você se dedique a realizar exercícios sobre os temas aqui trabalhados. Como toda disciplina da área de exatas, dedicação e aplicação são fundamentais para a otimização do seu aprendizado. Bons estudos! referências Referências Bibliográ�cas DEVORE, J. L. Probabilidade e estatística para engenharia e ciências. São Paulo: Pioneira Thomson Learning, 2006. 31/10/2020 Ead.br https://anhembi.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 43/43 MONTGOMERY, D. C., RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. Rio de Janeiro: LTC - Livros Técnicos e Cientí�cos, 2003. TRIOLA, M. F. Introdução à Estatística: atualização da tecnologia. 11. ed. Rio de Janeiro, LTC, 2013.
Compartilhar