Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Herondino IV - Descrição e Apresentação dos Dados Dados A palavra "dados" é um termo relativo, tratamento de dados comumente ocorre por etapas, e os "dados processados" a partir de uma etapa podem ser considerados os "dados brutos" do próximo. (Wikipédia) Dados Brutos Em informática dados brutos (raw data) designam os dados/valores recolhidos e estocados tal qual foram adquiridos, sem terem sofrido o menor tratamento (Wikipédia) Dados Brutos Suponhamos o seguintes dados Brutos como sendo a idade de alunos de uma turma de informática 14 12 13 11 12 13 16 14 14 15 17 14 11 13 14 15 13 12 14 13 14 13 15 16 12 12 Frequência A frequência de uma observação é o número de repetições dessa observação no conjunto de observações, ou ainda, é o número de vezes que conjuntos de dados aparecem em uma “população”. Distribuição de Frequência Simples ( ) 11 2 12 5 13 6 14 7 15 3 16 2 17 1 Dados ou variável (Idade) Frequência (nº de Alunos) Frequências Relativas A frequência relativa é o valor da frequência absoluta dividido pelo número total de observações. Variável (idade) frequência absoluta (Nº de alunos) frequência relativa 11 2 2/26 = 0,0769 12 5 5/26 = 0,1923 13 6 6/26 = 0,2308 14 7 7/26 = 0,2692 15 3 3/26 = 0,1154 16 2 2/26 = 0,0769 17 1 1/26 = 0,0385 TOTAL = 26 1,0000 Frequência Acumulada Variável freqüência absoluta freqüência relativa frequência absoluta acumulada frequência relativa acumulada 11 2 2/26 = 0,0769 2 2/26 = 0,0769 12 5 5/26 = 0,1923 7 7/26 = 0,2692 13 6 6/26 = 0,2308 13 13/26 = 0,5000 14 7 7/26 = 0,2692 20 20/26 = 0,7692 15 3 3/26 = 0,1154 23 23/26 = 0,8846 16 2 2/26 = 0,0769 25 25/26 = 0,9615 17 1 1/26 = 0,0385 26 26/26 = 1,0000 TOTAL = 26 =1,0000 Regras de arredondamento na Numeração Decimal Norma ABNT NBR 5891 1) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for inferior a 5, o último algarismo a ser conservado permanecerá sem modificação Exemplo: 1,333 3 arredondado à primeira decimal tornar-se-á 1,3 Regras de arredondamento na Numeração Decimal 2) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for superior a 5, ou, sendo 5, for seguido de no mínimo um algarismo diferente de zero, o último algarismo a ser conservado deverá ser aumentado de uma unidade Exemplo 1,666 6 arredondado à primeira decimal tornar-se-á: 1,7. 4,850 5 arredondados à primeira decimal tornar-se-ão : 4,9. Regras de arredondamento na Numeração Decimal 3) Quando o algarismo imediatamente seguinte ao último algarismo a ser conservado for 5 seguido de zeros, dever-se-á arredondar o algarismo a ser conservado para o algarismo par mais próximo. Consequentemente, o último a ser retirado, se for ímpar, aumentará uma unidade. Exemplo: 4,550 0 arredondados à primeira decimal tornar-se-ão: 4,6. Regras de arredondamento na Numeração Decimal 4) Quando o algarismo imediatamente seguinte ao último a ser conservado for 5 seguido de zeros, se for par o algarismo a ser conservado, ele permanecerá sem modificação. Exemplo: 4,850 0 arredondados à primeira decimal tornar-se-ão: 4,8. Atividade - III Verificar a altura em centímetro de cada aluno da turma e construir uma sequência de Dados Brutos; A partir dos Dados Brutos obtidos, construir a distribuição de frequência absoluta simples, a frequência relativa, frequência acumulada e frequência relativa acumulada. Para o arredondamento utilize a regra da ABNT 5891. Apresentação dos dados Quando se dispõe de um grande número de observações, torna-se extremamente difícil a leitura de valores colocados em tabela. Histograma Um histograma é uma representação gráfica de uma única variável que representa a frequência de ocorrências (valores dos dados) dentro de categorias de dados. O histograma tanto pode ser representado para as frequências absolutas como para as frequências relativas. Nota nº de Alunos 0 1 1 1 2 2 3 4 4 6 5 8 6 12 7 10 8 3 9 2 10 1 Total 50 0 1 2 3 4 5 6 7 8 9 10 1 1 2 4 6 8 12 10 3 2 1 Polígono de Frequência O Polígono de frequências é obtido ligando-se os pontos médios dos topos dos retângulos de um histograma. 0 1 2 3 4 5 6 7 8 9 10 1 1 2 4 6 8 12 10 3 2 1 Sobrepondo 0 1 2 3 4 5 6 7 8 9 10 1 1 2 4 6 8 12 10 3 2 1 0 1 2 3 4 5 6 7 8 9 10 1 1 2 4 6 8 12 10 3 2 1 Histograma de frequência acumulada (ou ogiva) histograma de frequência acumulada (ou ogiva) é a representação gráfica do comportamento da frequência acumulada. Distribuição por Frequência Acumulada 0 1 2 3 4 5 6 7 8 9 10 1 2 4 8 14 22 34 44 47 49 50 Frequência Acumulada Gráfico de Setores É designado por um círculo, onde cada classe é representada por um setor circular, cujo ângulo é proporcional ao tamanho da amostra. Gráfico de Setores 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 0 1 2 3 4 5 6 7 8 9 10 1 1 2 4 6 8 12 10 3 2 1 Distribuição de Frequência agrupadas em Classe Para a determinação de classes não existe uma regra pré estabelecida, sendo necessário um pouco de tentativa e erro para a solução mais adequada. 1. Definir o número de classes Se n representa o número de observações (na amostra ou na população, conforme for o caso) o número aproximado de classes pode ser calculado por Número de Classes = arredondando os resultados. Quando tratamos de variáveis quantitativas contínuas os valores observados devem ser tabulados em intervalos de classes. 19 Exemplo Nº de Classes = Fonte: Marques, 2013 Fazendo arredondamento para 6 Altura em cm da Turma CA 2013 2. Calcular a amplitude das classes Essa será obtida conhecendo-se o número de classes e amplitude total dos dados. A amplitude total dos dados é o resultado da subtração valor máximo - valor mínimo da série de dados Distribuição de Frequência agrupadas em Classe Exemplo Rol Fonte: Vaz,2013 3. Distribui a frequência dos dados agrupados por classe O limite superior de cada classe é aberto (e consequentemente, o limite inferior de cada classe é fechado), ou seja, cada intervalo de classe não inclui o valor de seu limite superior, com exceção da última classe. (Nº de Ordem) (Altura em cm) ( Nº de alunos) 01 152 158 02 158 164 03 164 170 04 170 176 05 176 182 06 182 188 Total Limite Inferior Limite Superior Distribuição de Frequência agrupadas em Classe Distribuição de Frequência agrupadas em Classe (Nº de Ordem) (Altura em cm) ( Nº de alunos) 01 152 158 9 02 158 164 8 03 164 170 5 04 170 176 4 05 176 182 3 06 182 188 1 Total Fonte: Tillmann, 2013 Medidas de posição ou tendência central 1. Média Aritmética Exemplo: A nota final (NF) do curso será dada pela fórmula: Em que: AP – Avaliação Parcial AF – Avaliação Final Sendo AP (Avaliação Parcial) a média aritmética das atividades propostas (AT1, AT2,...,ATn) A cada AT será atribuído valores de 1 a 5. Exemplo: Medidas de posição ou tendência central Propriedades da média aritmética A média é um valor típico, ou seja, ela é o centro de gravidade da distribuição, um ponto de equilíbrio. Seu valor pode ser substituído pelo valor de cada item na série de dados sem mudar o total. Simbolicamente temos: 2. A soma dos desvios das observações em relação a média é igual a zero. A soma dos desvios elevados ao quadrado das observações em relação a média é menor que qualquer soma de quadrados de desvios em relação a qualquer outro número. Em outras palavras, é um mínimo. Exemplo 2. Média Ponderada Medidas de posição ou tendência central Onde é o peso da observação i A universidade definiu que as avaliações parciais teriam peso de 30% e a prova final teria peso de 40% no cálculo dos rendimentos dos alunos. Veja o quadroabaixo e calcule a média do aluno. Exemplo 8,0 0,30 0,30 Ap 2 9,0 9,6 Ap nota peso Ap 1 Final 0,40 Média aritmética Ponderada em dados agrupados (Nº de Ordem) (Altura em cm) ( Nº de alunos) 01 152 158 9 02 158 164 8 03 164 170 5 04 170 176 4 05 176 182 3 06 182 188 1 Total ( Ponto médio) Média aritmética Ponderada em dados agrupados (Nº de Ordem) (Altura em cm) ( Nº de alunos) 01 152 158 9 02 158 164 8 03 164 170 5 04 170 176 4 05 176 182 3 06 182 188 1 Total ( Ponto médio) 155 1395 161 1288 167 835 173 692 179 537 185 185 4932 Mediana (Md) A mediana é o valor do item central da série quando estes são arranjados em ordem de magnitude Exemplo: 2, 4, 5, 7, 8 Md=5 2, 5, 6, 9, 10, 13, 15 Md=9 3, 5 ,8 ,10, 15 ,21 Md=9 Para o calculo da mediana, têm-se: Se a série for ímpar sua posição será dada por ou se for Par a sua posição é dada por Mediana (Md) Cálculo da mediana Se série ímpar Ex: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 2, 5 } Md=2 1ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 0 0 1 1 2 2 3 4 5 Mediana (Md) Cálculo da mediana Se a sequência for par Ex: Calcule a mediana da série { 1, 3, 0, 0, 2, 4, 1, 3, 5, 6 } 1ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª 9ª 10ª 0 0 1 1 2 3 3 4 5 6 Mediana (Md) para valores agrupados A partir da distribuição de frequência acumulada ou ogiva, inicialmente determina-se a classe que contem a mediana. (Nº de Ordem) (Altura em cm) 01 152 158 9 02 158 164 8 03 164 170 5 04 170 176 4 05 176 182 3 06 182 188 1 Total 9 30 17 57 22 73 26 87 29 97 30 100 Mediana (Md) para valores agrupados mmm 17 9 158 164 Md = limite de classe inferior da classe da mediana; = frequência acumulada da classe imediatamente anterior à classe da mediana; = frequência absoluta simples da classe da mediana, = amplitude (tamanho) da classe da mediana. Mediana (Md) para valores agrupados Exemplo: Moda (Mo) É o valor que ocorre com maior frequência em uma série de valores. Exemplos: a){ 7 , 8 , 9 , 10 , 10 , 10 , 11 , 12 } a moda é igual a 10. b){ 3 , 5 , 8 , 10 , 12 } não apresenta moda. A série é amodal. c){ 2 , 3 , 4 , 4 , 4 , 5 , 6 , 7 , 7 , 7 , 8 , 9 } apresenta duas modas: 4 e 7. A série é bimodal. Moda (Mo) – Dados agrupados Sem intervalo de classe: é o valor da variável de maior frequência. Exemplo: Nota nº de Alunos 0 1 1 1 2 2 3 4 4 6 5 8 6 12 7 10 8 3 9 2 10 1 Total 50 Moda (Mo) – Dados agrupados Com intervalos de classe: A classe que apresenta a maior frequência é denominada classe modal. Nesta, é o valor dominante que está compreendido entre os limites da classe modal. O cálculo da moda consiste em tomar o ponto médio da classe modal (Moda Bruta). (Nº de Ordem) (Altura em cm) 01 152 158 9 02 158 164 8 03 164 170 5 04 170 176 4 05 176 182 3 06 182 188 1 Total Método pela fórmula de CZUBER: : limite inferior da classe modal : frequência anterior a classe modal : frequência posterior a classe moda : frequência da classe modal : amplitude da classe modal Moda (Mo) – Classes agrupada 54 58 9 58 62 11 62 66 8 66 70 5 Interpretação Geométrica Atividade IV Referência BERTHOUEX, Paul Mac; BROWN, Linfield C.. Statistics for Environmental Engineers. 2ª Boca Raton London New York Washington, D.c: Lewis Publishers, 2002. MORETTIN, Pedro Alberto; BUSSAB, Wilton de Oliveira. Estatística básica. São Paulo: Saraiva, 2006. TRIOLA, Mario F. Introdução à estatística. Rio de Janeiro: LTC, 1999. image2.jpeg image3.wmf i x image4.wmf i f oleObject1.bin oleObject2.bin oleObject3.bin image5.wmf r f image6.wmf image7.wmf å = i f N oleObject4.bin oleObject5.bin oleObject6.bin oleObject7.bin oleObject8.bin image8.wmf a f image9.wmf ra f image10.wmf å i f image11.wmf å r f oleObject9.bin oleObject10.bin oleObject11.bin oleObject12.bin oleObject13.bin oleObject14.bin oleObject15.bin image12.wmf n oleObject16.bin image13.wmf 47 , 5 30 @ oleObject17.bin image14.png image15.wmf classes de Total Amplitude = classe de Amplitude número image16.wmf Min Valor - Max Valor = Total Amplitude oleObject18.bin oleObject19.bin image17.wmf 6 6 36 = classe de Amplitude = image18.wmf 36 152 - 188 = Total Amplitude = oleObject20.bin oleObject21.bin image19.png image20.wmf i oleObject22.bin oleObject23.bin oleObject24.bin image21.wmf 30 = å i f image22.png oleObject25.bin oleObject26.bin oleObject27.bin oleObject28.bin image23.wmf n x n x x x X n i i n å = = + + + = 1 2 1 ... image24.png oleObject29.bin image25.wmf 2 AF AP NF + = image26.wmf n ATn AT AT AP + + + = ... 2 1 oleObject30.bin oleObject31.bin image27.wmf 164 163,833... 30 188 ... 156 155 154 154 152 152 @ = + + + + + + + = X image28.wmf 164 1 @ = å = n x X n i i oleObject32.bin oleObject33.bin image29.wmf å = - 0 ) ( X x i image30.wmf ) ( 2 å - X x i image31.wmf n x n x X n i i i å å = = = 1 oleObject34.bin oleObject35.bin oleObject36.bin image32.wmf n x n x X n i i i å å = = = 1 image33.wmf å = - 0 ) ( X x i image34.wmf ) ( 2 å - X x i image35.wmf i x image36.wmf X image37.wmf X x i - image38.wmf 2 ) ( X x i - oleObject43.bin image39.png oleObject37.bin oleObject38.bin oleObject39.bin oleObject40.bin oleObject41.bin oleObject42.bin image40.wmf å å = × = + + + + + + = i n i i i n n n P p p x p p p p x p x p x X 1 2 1 2 2 1 1 ... . ... . . image41.wmf i p oleObject44.bin oleObject45.bin image42.wmf 4 , 0 3 , 0 3 , 0 4 , 0 6 , 9 3 , 0 9 3 , 0 8 + + × + × + × = P X oleObject46.bin image43.wmf i x image44.wmf m x image45.wmf i m f x × image46.wmf å å = × = i n i i m f f x X 1 image47.wmf å = n i i m f x 1 . oleObject54.bin oleObject47.bin oleObject48.bin oleObject49.bin oleObject50.bin oleObject51.bin oleObject52.bin oleObject53.bin image48.wmf 2 sup inf L L x m + = image49.wmf 164 30 932 . 4 @ = X oleObject62.bin oleObject63.bin oleObject64.bin oleObject55.bin oleObject56.bin oleObject57.bin oleObject58.bin oleObject59.bin oleObject60.bin oleObject61.bin image50.wmf 2 1 + = n posição image51.wmf 2 1 2 2 ú û ù ê ë é ÷ ø ö ç è æ + + ÷ ø ö ç è æ = n n posição oleObject65.bin oleObject66.bin image52.wmf 2 1 + = n posição image53.wmf ª 5 2 1 9 = + = posição oleObject67.bin oleObject68.bin image54.wmf 2 ª 6 ª 5 2 1 2 10 2 10 + = ú û ù ê ë é ÷ ø ö ç è æ + + ÷ ø ö ç è æ = posição image55.wmf 5 , 2 2 3 2 = + = Md oleObject69.bin oleObject70.bin oleObject71.bin image56.wmf a f image57.wmf î í ì > < fa de Lim fa de Lim _ _ % 50 _ _ % 50 sup inf image58.wmf % ra f oleObject72.bin oleObject73.bin oleObject74.bin oleObject75.bin oleObject76.bin oleObject77.bin oleObject78.bin image59.wmf 5 , 15 2 1 30 2 1 = + = + n image60.wmf 9 17 9 5 , 15 158 164 158 - - = - - Md image61.wmf 158 6 8 5 , 6 + × = Md image62.wmf 8 , 162= Md oleObject79.bin oleObject80.bin oleObject81.bin oleObject82.bin oleObject83.bin oleObject84.bin image63.wmf c f f n L Md Md a Md ú û ù ê ë é - + + = 2 / ) 1 ( inf image64.wmf Md L inf image65.wmf a f image66.wmf Md f image67.wmf c oleObject85.bin oleObject86.bin oleObject87.bin oleObject88.bin oleObject89.bin image68.wmf c f f n L Md Md a Md ú û ù ê ë é - + + = 2 / ) 1 ( inf image77.wmf 87 , 162 = Md image69.wmf 158 inf = Md L image70.wmf 9 = a f image71.wmf 8 = Md f image72.wmf 6 = c image73.wmf 6 8 9 2 / ) 1 30 ( 158 × ú û ù ê ë é - + + = Md image74.wmf 6 8 9 5 , 15 158 × ú û ù ê ë é - + = Md image75.wmf 6 8 5 , 6 158 × ú û ù ê ë é + = Md image76.wmf 87 , 4 158 + = Md oleObject97.bin oleObject98.bin oleObject99.bin oleObject90.bin oleObject91.bin oleObject92.bin oleObject93.bin oleObject94.bin oleObject95.bin oleObject96.bin image78.wmf 155 2 158 152 2 ) ( sup inf = + = Þ + = Mo L L Mo oleObject100.bin oleObject101.bin oleObject102.bin oleObject103.bin image79.wmf h d d d L Mo × ÷ ÷ ø ö ç ç è æ + + = 2 1 1 inf image86.wmf 4 5 2 58 × ÷ ø ö ç è æ + = Mo image87.wmf 6 , 59 6 , 1 58 = + = Mo image88.wmf ant f f d Mo - = 1 image89.wmf post f f d Mo - = 2 image90.wmf post f image80.wmf inf L image81.wmf ant f image82.wmf Mo f image83.wmf h image84.wmf 4 ) 8 11 ( ) 9 11 ( 9 11 58 × ÷ ÷ ø ö ç ç è æ - + - - + = Mo image85.wmf 4 3 2 2 58 × ÷ ø ö ç è æ + + = Mo oleObject111.bin oleObject112.bin oleObject113.bin oleObject114.bin oleObject115.bin oleObject116.bin oleObject117.bin oleObject104.bin oleObject105.bin oleObject106.bin oleObject107.bin oleObject108.bin oleObject109.bin oleObject110.bin image91.wmf Mo oleObject118.bin oleObject119.bin oleObject120.bin
Compartilhar