Baixe o app para aproveitar ainda mais
Prévia do material em texto
ESTATÍSTICA DEFINIÇÃO PODEROSA FERRAMENTA DA MATEMÁTICA APLICADA QUE FORNECE MÉTODOS PARA A COLETA, ORGANIZAÇÃO, DESCRIÇÃO, ANÁLISE E INTERPRETAÇÃO DE DADOS QUE SERÃO UTILIZADOS NA TOMADA DE DECISÕES. -> LARGAMENTE UTILIZADA NA ECONÔMIA, ENGENHARIA, MEDICINA, FÍSICA, AGRICULTURA. UTILIZANDO MEIOS DA INFORMÁTICA, A ESTATÍSTICA TEM SIDO FUNDAMENTAL NO AUXILIO A TOMADA DE DECISÕES ESTRATÉGICAS. A PARTIR DAS ANÁLISES DE DADOS ORGANIZADOS PODEMOS: FAZER DIAGNÓSTICO DETERMINAR TENDÊNCIAS ELABORAR PLANEJAMENTO PRECISO O CONCEITO ESTATÍSTICO MAIS UTILIZADO NO DIA A DIA É A MÉDIA. O CONHECIMENTO DA MÉDIA DE UMA DISTRIBUICAO NÃO NOS DÁ MUITAS INFORMAÇÕES E PODE INCLUSIVE GERAR INTERPRETAÇÕES ERRADAS. POR EXEMPLO, VOCE CONHECERÁ A HISTÓRIA DE UM HOMEM QUE TINHA 1,90m DE ALTURA E QUE MORREU AFOGADO AO TENTAR ATRAVESSAR UM RIO, POIS DISSERAM A ELE QUE A PROFUNDIDADE MÉDIA DO LOCAL ERA DE 1,50m. COMO ?! VOCÊ VAI FICAR SABENDO A SEGUIR. MÉTODO ESTATÍSTICO METODO EXPERIMENTAL CONSISTE EM MANTER CONSTANTES TODAS AS CAUSAS (FATORES), MENOS UMA, E VARIAR ESTA CAUSA DE MODO QUE O PESQUISADOR POSSA DESCOBRIR SEUS EFEITOS, CASO EXISTAM. -> FÍSICA, QUÍMICA, ETC. METODO ESTATÍSTICO MUITAS VEZES HÁ NECESSIDADE DE DESCOBRIR FATOS EM UM CAMPO EM QUE O METODO EXPERIMENTAL NÃO SE APLICA, POIS VÁRIOS FATORES AFETAM O FENÔMENO EM ESTUDO E NÃO PERMANECEM CONSTANTES ENQUANTO FAZEMOS VARIAR A CAUSA QUE NOS INTERESSA. POR EXEMPLO, O PREÇO DE UMA MERCADORIA É INFLUENCIADO PELA CARGA TRIBUTÁRIA, CUSTO DE LOGÍSTICA, DEMANDA DO CONSUMIDOR, INFLAÇÃO. -> IMPOSSÍVEL MÉTODO EXPERIMENTAL. O MÉTODO ESTATÍSTICO: DIANTE DA VARIAÇÃO DE DIVERSOS FATORES EM UMA ANÁLISE OU PROCESSO, ADMITIMOS TODAS ESTAS CAUSAS PRESENTES, VARIANDO-AS E REGISTRANDO TODAS ESSAS VARIAÇÕES, PROCURANDO DETERMINAR DE MODO CLARO E OBJETIVO, NO RESULTADO FINAL, QUE INFLUÊNCIAS CABEM A CADA UMA DELAS. *ESTATÍSTICA DESCRITIVA: COLETA, ORGANIZAÇÃO E DESCRIÇÃO DE DADOS. *ESTATÍSTICA INDUTIVA OU INFERENCIAL: ANÁLISE E INTERPRETAÇÃO DESSES DADOS, VISANDO DIAGNÓSTICO E TOMADA DE DECISÕES -> ASPECTO ESSÊNCIAL DA ESTATÍSTICA. FASES DO MÉTODO ESTATÍSTICO COLETA DE DADOS – CONTINUA, PERIÓDICA, OCASIONAL. CRÍTICA DE DADOS – PROCURA FALHAS / IMPERFEIÇÕES APURAÇÃO DE DADOS – MANUAL OU ELETRÔNICA EXPOSIÇÃO DOS DADOS – TABELAS / GRÁFICOS ANÁLISE DOS RESULTADOS – ESTATÍSTICA INFERENCIAL POPULAÇÃO A ESTATÍSTICA PARTE DA OBSERVAÇÃO DE GRUPOS, GERALMENTE NUMEROSOS, AOS QUAIS DAMOS O NOME DE POPULAÇÃO OU UNIVERSO ESTATÍSTICO. UNIDADE ESTATÍSTICA: CADA ELEMENTO DA POPULAÇÃO POPULAÇÃO UNIDADE ESTATÍSTICA 50 ALUNOS ESTUDAM NO CURSO DE ENGENHARIA. CADA ALUNO DO CURSO DE ENGENHARIA 100.000 PEÇAS PRODUZIDAS POR UMA INDÚSTRIA ELETRO-ELETRÔNICA. CADA PEÇA PRODUZIDA. AMOSTRA A POPULACAO ESTATÍSTICA PODE SER FINITA OU INFINITA. FINITA: NOTAS DE MATEMÁTICA DOS ALUNOS DA FIB NO SEMESTRE INFINITA: TEMPERATURAS NOS DIVERSOS PONTOS DO BRASIL EM DETERMINADO MOMENTO -> QUANDO O UNIVERSO ESTATÍSTICO A SER ANALISADO É MUITO GRANDE, UTILIZAMOS A TÉCNICA DA AMOSTRAGEM: MAIS ECONÔMICA E RÁPIDA. TIPOS DE AMOSTRAGEM AMOSTRAGEM: TÉCNICA QUE VISA GARANTIR O ACASO NA ESCOLHA DA AMOSTRA -> PRECISAO DE RESULTADO/ANÁLISE. AMOSTRAGEM CASUAL OU ALEATÓRIA – NA PRATICA PODE SER REALIZADA NUMERANDO-SE A POPULAÇÃO DE 1 A n, SORTEANDO-SE POR MEIO DE UM DISPOSITIVO ALEATÓRIO QUALQUER, K NÚMEROS DESSA SEQUÊNCIA, OS QUAIS CORRESPONDERÃO AOS ELEMENTOS PERTENCENTES A AMOSTRA. EX: OBTER AMOSTRA REPRESENTATIVA PARA PESQUISA DA ESTATURA DE 90 ALUNOS DE UMA ESCOLA: A – NUMERAMOS OS ALUNOS DE 01 A 90 B – SORTEAMOS 9 NÚMEROS DA AMOSTRAGEM: 10% POPULACAO -> MEDINDO AS ALTURAS DOS ALUNOS CORRESPONDENTES AOS NÚMEROS SORTEADOS, OBTEREMOS UMA AMOSTRA DAS ESTATURAS DOS 90 ALUNOS. AMOSTRAGEM PROPORCIONAL ESTRATIFICADA – MUITAS VEZES A POPULACAO SE DIVIDE EM SUBPOPULACOES: ESTRATOS. UMA VEZ QUE CADA VARIÁVEL EM ESTUDO PODE APRESENTAR, DE ESTRATO EM ESTRATO, COMPORTAMENTO HETEROGÊNEO, E DENTRO DE CADA ESTRATO, UM COMPORTAMENTO HOMOGÊNEO, CONVÉM QUE O SORTEIO DOS ELEMENTOS DA AMOSTRA LEVE EM CONSIDERAÇÃO TAIS ESTRATOS. CONSIDERA A EXISTÊNCIA DE ESTRATOS. OBTÉM ELEMENTOS DA AMOSTRA PROPORCIONAL AO NÚMERO DE ELEMENTOS DOS MESMOS. EXEMPLO: SUPONDO, NO EXEMPLO ANTERIOR, QUE DOS 90 ALUNOS, 54 SEJAM MENINOS E 36 SEJAM MENINAS, VAMOS OBTER AMOSTRA PROPORCIONAL ESTRATIFICADA. EXISTEM DOIS ESTRATOS: MASCULINO E FEMINO VISAMOS OBTER UMA AMOSTRA DE 10% DA POPULAÇÃO ASSIM, DEVEMOS SELECIONAR 5 MENINOS E 4 MENINAS. RESOLVA: EM UMA FACULDADE EXISTEM 150 ALUNOS, SENDO 37 DO CURSO DE ENGENHARIA, 21 DE ECONÔMIA, 49 DE ADMINISTRAÇÃO, 18 DE BIOLOGIA E 25 DE SOCIOLOGIA. OBTENHA UMA AMOSTRAGEM DE 16% DO TOTAL DE ALUNOS E FAÇA A DISTRIBUIÇÃO PROPORCIONAL ESTRATIFICADA. CURSO POPULACAO CÁLCULO PROP. AMOSTRA ENG. 37 5,9 -> 6,0 ADM. 49 7,8 -> 8,0 ECON. 21 3,3 -> 3,0 BIOL. 18 2,8 -> 3,0 SOCIO. 25 4,0 TOTAL 150 - 24 AMOSTRAGEM SISTEMÁTICA – ELEMENTOS DA POPULACAO JÁ SE ACHAM ORDENADOS: PRONTUÁRIOS MÉDICOS, LINHAS DE PRODUÇÃO. NO CASO DA LINHA DE PRODUÇÃO, PODEMOS, A CADA 10 ITENS PRODUZIDOS, RETIRAR UM PARA PERTENCER A UMA AMOSTRA DIÁRIA, OU SEJA, FIXAMOS A AMOSTRAGEM DENTRO DOS CRITÉRIOS DE QUALIDADE DEFINIDOS PELA EMPRESA. VARIÁVEL PODE SER DEFINIDA COMO O CONJUNTO DE RESULTADOS POSSÍVEIS DE UM FENÔMENO VARIÁVEL QUALITATIVA – SE OS VALORES TOMADOS NÃO SÃO NÚMERICOS: RAÇA, ÁREA DE ESTUDO, CONDIÇÃO SOCIAL. VARIÁVEL QUANTITATIVA - SE OS VALORES TOMADOS SÃO NÚMERICOS – PREÇO, TEMPERATURA, PESO, VOLUME. IMPORTANTE: CARACTERÍSTICA QUANTITATIVA TAMBEM SE CHAMA VARIAVEL ESTATISTICA OU SIMPLESMENTE VARIÁVEL - > CADA VALOR QUE ESSA VARIÁVEL PODE ASSUMIR CHAMA-SE DADO ESTATÍSTICO. AS VARIÁVEIS PODEM SER: VARIÁVEL CONTÍNUA – QUANDO PODE ASSUMIR QUALQUER VALOR NO INTERVALO DE VARIAÇÃO. EX: MEDIÇÕES GERAM VARIÁVEIS CONTÍNUAS -> TEMPERATURA (90,5°C), ESTATURA (1,77m) VARIÁVEL DISCRETA – QUANDO SÓ PODE ASSUMIR VALOR INTEIRO. EX: CONTAGENS OU ENUMERAÇÕES GERAM VARIÁVEIS DISCRETAS -> NÚMERO DE EMPRESAS DE GRANDE PORTE DE UM ESTADO (1,2,3...). FREQUÊNCIA ABSOLUTA. VAMOS ANALISAR A SEGUINTE SITUAÇÃO: O QUADRO SEGUINTE MOSTRA AS NOTAS DE MATEMÁTICA DOS ALUNOS DO CURSO DE ADMINISTRAÇÃO DE UMA FACULDADE: DISCIPLINA: MATEMÁTICA CURSO: ADMINISTRAÇÃO NÚMERO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 NOTA 5 4 6 8 3 5 7 6 8 4 6 9 7 5 7 5 6 8 9 6 NESSE CASO, TEMOS: POPULAÇÃO ESTATÍSTICA: GRUPO DOS 20 ALUNOS DE ADM UNIDADE ESTATÍSTICA: CADA ALUNO DE ADM VARIÁVEL ESTATÍSTICA: AS NOTAS DA PROVA VEJAMOS AGORA A TABELA: i NOTAS ( Xi ) CONTAGEM N° DE ALUNOS ( fi ) 1 0 0 2 1 0 3 2 0 4 3 I 1 5 4 I I 2 6 5 I I I I 4 7 6 I I I I I 5 8 7 I I I 3 9 8 I I I 3 10 9 I I 2 11 10 0 N = 20 FREQUÊNCIA ABSOLUTA ( fi ) DO VALOR Xi É O NÚMERO DE VEZES QUE A VARIÁVEL ESTATÍSTICA ASSUME O VALOR DE Xi. A FREQUÊNCIA ABSOLUTA DA NOTA 5,0 É 4 A FREQUÊNCIA ABSOLUTA DA NOTA 6,0 É 5 O TOTAL DAS FREQUÊNCIAS ABSOLUTAS É: N= f1+f2+f3+...+f11, OU SEJA: N = = 20 (NÚMERO DE ELEMENTOS DA POPULAÇÃO ESTATÍSTICA) UTILIZANDO O SOMATÓRIOO SÍMBOLO : USADO PARA ESCREVER ABREVIADAMENTE EXPRESSÕES QUE ENVOLVEM ADIÇÃO. NO EXEMPLO DAS NOTAS DE MATEMÁTICA, O DESENVOLVIMENTO DO SOMATÓRIO DO É DADO POR: = f1+f2+f3+f4+f5+f6+f7 = 0+0+0+1+2+4+5= 12 FREQUÊNCIA ABSOLUTA ACUMULADA. A DISTRIBUIÇÃO DAS FREQUÊNCIAS ABSOLUTAS PODE SER COMPLETADA COM MAIS UMA COLUNA, CHAMADA FREQUÊNCIA ABSOLUTA ACUMULADA ( fia ), CUJOS VALORES SÃO OBTIDOS ADICIONANDO A CADA FREQUÊNCIA ABSOLUTA OS VALORES DAS FREQUÊNCIAS ANTERIORES. VEJAMOS A SEGUINTE TABELA: i NOTAS ( Xi ) ( fi ) ( fia ) 1 0 0 0 2 1 0 0 3 2 0 0 4 3 1 1 5 4 2 1+2=3 6 5 4 3+4=7 7 6 5 7+5=12 8 7 3 12+3=15 9 8 3 15+3=18 10 9 2 18+2=20 11 10 0 20 USANDO A DEFINIÇÃO DE FREQUÊNCIA ACUMULADA, PODEMOS OBSERVAR: 7 ALUNOS NÃO OBTIVERAM NOTA SUPERIOR A 5. 20 – 15 = 5 ALUNOS OBTIVERAM NOTA 8 OU ACIMA DE 8. f6a = = 7 EXERCÍCIO: O PESO (KGS) DE 20 TRABALHADORES DE UMA EMPRESA COM 100 FUNCIONÁRIOS ESTA REGISTRADO A SEGUIR: COM BASE NOS DADOS OBTIDOS, RESPONDA: QUAL A POPULAÇÃO E A UNIDADE ESTATÍSTICA DESSA PESQUISA? 100 FUNCIONÁRIOS DA EMPRESA; CADA TRABALHADOR. QUAL É A SUA AMOSTRA ? 20 FUNCIONÁRIOS ESCOLHIDOS AO ACASO QUAL É A VARIÁVEL NESSA PESQUISA ? É DISCRETA OU CONTÍNUA ? PESO DO TRABALHADOR; VARIÁVEL CONTÍNUA QUE FREQUÊNCIAS ABSOLUTAS TEM OS VALORES 65KG,75KG,80KG,91KG QUANTOS TRABALHADORES TEM PESO < DE 70 KGS? ≥ 70 KGS? > 70 KGS? 7 TRABALHADORES 20 – 7 = 13 20 – 10 = 10 RESPOSTAS: PESO (Xi) (fi) (fia) 50 1 1 52 2 1+2=3 65 3 3+3=6 68 1 6+1=7 70 3 7+3=10 73 1 10+1=11 75 2 11+2=13 77 1 13+1=14 80 3 14=3=17 82 1 17+1=18 86 1 18+1=19 91 1 19+1=20 FREQUÊNCIA RELATIVA. CHAMA-SE FREQUÊNCIA RELATIVA (fr) DO VALOR Xi DA VARIÁVEL, O QUOCIENTE ENTRE A FREQUÊNCIA ABSOLUTA (fi ) E O NÚMERO DE ELEMENTOS N DA AMOSTRA, OU SEJA: fr = TOMANDO COMO EXEMPLO O QUADRO DE NOTAS DE MATEMÁTICA DOS ALUNOS DE ENGENHARIA, PODEMOS COMPLETA-LO COM MAIS 2 COLUNAS: A COLUNA DAS FREQUÊNCIAS RELATIVAS (fr) E A COLUNA DAS FREQUÊNCIAS RELATIVAS ACUMULADAS (fra). NOTAS ( Xi ) ( fi ) ( fia ) ( fr ) ( fra ) 3 1 1 5% 5% 4 2 1+2=3 10% 15% 5 4 3+4=7 20% 35% 6 5 7+5=12 25% 60% 7 3 12+3=15 15% 75% 8 3 15+3=18 15% 90% 9 2 18+2=20 10% 100% OBSERVANDO A TABELA TEMOS: 15% DOS ALUNOS OBTIVERAM MÉDIA 7,0 60% DOS ALUNOS OBTIVERAM MÉDIA INFERIOR A 7,0. 100% - 60% = 40% OBTIVERAM MÉDIA IGUAL OU SUPERIOR A 7,0. DISTRIBUIÇÃO DE FREQUÊNCIAS. O NÚMERO DE VARIÁVEIS ENVOLVIDAS EM UMA ANÁLISE ESTATÍSTICA PODE SER ÀS VEZES MUITO AMPLA E DIFERENTE, SENDO NECESSÁRIO AGRUPAR OS VALORES DA VARIÁVEL EM INTERVALOS, QUE EM ESTATÍSTICA, PREFERIMOS CHAMAR DE CLASSES. DEVE-SE ESCOLHER CONVENIENTEMENTE A AMPLITUDE DOS INTERVALOS. AO AGRUPARMOS OS VALORES DA VARIÁVEL EM CLASSES, GANHAMOS EM SIMPLICIDADE E CLAREZA, MAS PERDEMOS EM PORMENORES. EX: TABELA DE ESTATURAS DE 40 ALUNOS DE UM COLÉGIO ELEMENTOS DE UMA DISTRIBUIÇÃO DE FREQUÊNCIAS. CLASSES DE FREQUÊNCIA OU, SIMPLESMENTE, CLASSES SÃO INTERVALOS DE VARIAÇÃO DA VARIÁVEL. AS CLASSES SÃO REPRESENTADAS SIMBOLICAMENTE POR i, SENDO i = 1,2,3,..., K ( K -> É O NÚMERO TOTAL DE CLASSES DE UMA DISTRIBUIÇÃO ). EM NOSSO EXEMPLO, O INTERVALO DE 154 - 158 DEFINE A SEGUNDA CLASSE ( i = 2 ). COMO A DISTRIBUICAO É FORMADA DE SEIS CLASSES, PODEMOS AFIRMAR QUE K=6. LIMITES DE CLASSE SÃO OS EXTREMOS DE CADA CLASSE. RESOLUÇÃO 886/66 DO IBGE. O MENOR NÚMERO É O LIMITE INFERIOR DA CLASSE ( L i ) E O MAIOR NÚMERO, O LIMITE SUPERIOR DA CLASSE ( L i ). NA SEGUNDA CLASSE, TEMOS: L 2 = 154 E L2 = 158 AMPLITUDE DE UM INTERVALO DE CLASSE OU, SIMPLESMENTE INTERVALO DE CLASSE, É A MEDIDA DO INTERVALO QUE DEFINE A CLASSE. OBTIDA PELA DIFERENÇA ENTRE OS LIMITES SUPERIOR E INFERIOR DESSA CLASSE E INDICADA POR: hi. ASSIM: hi = Li - L i NA DISTRIBUIÇÃO DA TABELA ANTERIOR TEMOS: h2 = L2 - L 2 -> h2 = 158 – 154 = 4 h2 = 4 AMPLITUDE TOTAL DA DISTRIBUIÇÃO (AT) É A DIFERENÇA ENTRE O LIMITE SUPERIOR DA ÚLTIMA CLASSE E O LIMITE INFERIOR DA PRIMEIRA CLASSE. AT = L( MÁX.) – L ( MÍN.) EM NOSSO TABELA ANTERIOR, TEMOS: AT = 174 – 150 = 24 -> AT = 24 cm OBS: FICA CLARO QUE SE AS CLASSES POSSUEM O MESMO INTERVALO, VERIFICAMOS A RELAÇÃO: = K DO NOSSO EXEMPLO, CONCLUIMOS: = 6 -> A DISTRIBUIÇÃO É FORMADA DE 6 CLASSES. AMPLITUDE AMOSTRAL (AA) É A DIFERENÇA ENTRE O VALOR MÁXIMO E MÍNIMO DA AMOSTRA: AA = L X(MÁX.) – X(MÍN.) DO NOSSO EXEMPLO, TEMOS: AA = 173 – 150 = 23 AA = 23 cm OBS: NOTAMOS QUE A AMPLITUDE TOTAL DA DISTRIBUIÇÃO (AT) JAMAIS COINCIDE COM A AMPLITUDE AMOSTRAL (AA). PONTO MÉDIO DE UMA CLASSE (Xi) É, COMO O PRÓPRIO NOME INDICA, O PONTO QUE DIVIDE O INTERVALO DE CLASSE EM DUAS PARTES IGUAIS. Xi = ASSIM, O PONTO MÉDIO DA SEGUNDA CLASSE EM NOSSO EXEMPLO É: X2 = -> X2 = = 156 -> X2 = 156 cm OBS: O PONTO MÉDIO DE UMA CLASSE É O VALOR QUE A REPRESENTA DETERMINAÇÃO DO NÚMERO DE CLASSES. A PRIMEIRA PREOCUPAÇÃO QUE TEMOS NA CONSTRUÇÃO DE UMA DISTRIBUIÇÃO DE FREQUÊNCIA, É A DETERMINACAO DO NÚMERO DE CLASSES E CONSEQUENTEMENTE DA AMPLITUDE E DOS LIMITES DOS INTERVALOS DE CLASSE. REGRA DE STURGES: NOS DÁ O NÚMERO DE CLASSES EM FUNÇÃO DO NÚMERO DE VALORES DA VARIÁVEL. i = 1 + 3,3 ● LOG n ONDE: i É O NÚMERO DE CLASSES n É O NUMERO TOTAL DE DADOS ESSA REGRA NOS PERMITE OBTER A SEGUINTE TABELA : n i 3 I—I 5 6 I—I 11 12 I—I 22 23 I—I 46 47 I—I 90 91 I—I 181 181 I—I 392 3 4 5 6 7 8 9 OBS: VALE RESSALTAR QUE A REGRA DE STURGES E A REGRA DA RAIZ, NÃO NOS LEVAM A UMA DECISÃO FINAL; ESTA VAI DEPENDER DE UM JULGAMENTO PESSOAL, QUE DEVE ESTAR LIGADO A NATUREZA DOS DADOS, DA UNIDADE USADA PARA EXPRESSÁ-LOS E DO OBJETIVO QUE SE TEM EM VISTA, PROCURANDO EVITAR CLASSE COM FREQUÊNCIA NULA OU FREQUÊNCIA RELATIVA MUITO EXAGERADA. DETERMINAÇÃO DA AMPLITUDE. DECIDIDO O NÚMERO DE CLASSES QUE DEVE TER A DISTRIBUIÇÃO, RESTA-NOS RESOLVER O PROBLEMA DA DETERMINAÇÃO DA AMPLITUDE DO INTERVALO DE CLASSE, O QUE CONSEGUIMOS DIVIDINDO A AMPLITUDE TOTAL PELO NÚMERO DE CLASSES: h = OS LIMITES DOS INTERVALOS DEVERÃO, SE POSSÍVEL, FORNECER, PARA PONTOS MÉDIOS, NÚMEROS QUE FACILITEM OS CÁLCULOS. EM NOSSO EXEMPLO, TEMOS: PARA n = 40, PELA TABELA DE STURGES, i = 6 h = = 4 ISTO É, SEIS CLASSES DE INTERVALOS IGUAIS A 4. EXERCÍCIOS 1) AS NOTAS OBTIDAS POR 50 ALUNOS DE UMA CLASSE FORAM: 1 2 3 4 5 6 6 7 7 8 2 3 3 4 5 6 6 7 8 8 2 3 4 4 5 6 6 7 8 9 2 3 4 5 5 6 6 7 8 9 2 3 4 5 5 6 7 7 8 9 COMPLETE A DISTRIBUIÇÃO DE FREQUÊNCIAS ABAIXO: i NOTAS Xi fi 1 0 - 2 1 1 2 2 - 4 3 11 3 4 - 6 5 13 4 6 - 8 7 16 5 8 – 10 9 9 = 50 QUAL A AMPLITUDE AMOSTRAL? 9 – 1 = 8 QUAL A AMPLITUDE DA DISTRIBUIÇÃO?10 – 0 = 10 QUAL O NÚMERO DE CLASSES? 5 QUAL É LIM.INF. 4 CLASSE? 6 QUAL É LIM.SUP. 2 CLASSE? 4 QUAL A AMPLITUDE DO 2 INTERVALO CLASSE? 4 – 2 = 2 n = ? 50 REPRESENTAÇÃO GRÁFICA DE UMA DISTRIBUIÇÃO. UMA DISTRIBUIÇÃO DE FREQUÊNCIA PODE SER REPRESENTADA GRAFICAMENTE PELO HISTOGRAMA, POLÍGONO DE FREQUÊNCIA E PELO POLÍGONO DE FREQUÊNCIA ACUMULADA. O HISTOGRAMA É UM GRÁFICO FORMADO POR UM CONJUNTO DE COLUNAS RETANGULARES. NO EIXO DAS ABCISSAS MARCAMOS AS CLASSES, CUJAS AMPLITUDES CORRESPONDEM ÀS BASES DOS RETÂNGULOS. NO EIXO DAS ORDENADAS MARCAMOS AS FREQUÊNCIAS ABSOLUTAS, QUE CORRESPONDEM ÀS ALTURAS DOS RETÂNGULOS. OS PONTOS MÉDIOS DAS BASES COINCIDEM COM OS PONTOS MÉDIOS DOS INTERVALOS DE CLASSE. NOTA: A ÁREA DE UM HISTOGRAMA É PROPORCIONAL A SOMA DAS FREQUÊNCIAS O POLIGONO DE FREQUÊNCIA É UM GRÁFICO EM LINHA, SENDO AS FREQUÊNCIAS MARCADAS SOBRE PERPENDICULARES AO EIXO HORIZONTAL, LEVANTADAS PELOS PONTOS MÉDIOS DOS INTERVALOS DE CLASSE. PARA OBTERMOS O POLIGONO, DEVEMOS UNIR POR MEIO DE SEGMENTOS DE RETAS, TODOS OS PONTOS MÉDIOS DAS CLASSES. O POLIGONO DE FREQUÊNCIA ACUMULADA É TRAÇADO MARCANDO-SE AS FREQUENCIAS ACUMULADAS SOBRE PERPENDICULARES AO EIXO HORIZONTAL, LEVANTADAS NOS PONTOS CORRESPONDENTES AOS LIMITES SUPERIORES DOS INTERVALOS DE CLASSE. A CURVA DE FREQUÊNCIA. COMO, EM GERAL, OS DADOS PERTENCEM A UMA AMOSTRA EXTRAÍDA DE UMA POPULAÇÃO, PODEMOS IMAGINAR AS AMOSTRAS CADA VEZ MAIS AMPLAS E A AMPLITUDE CADA VEZ MENOR, O QUE NOS PERMITE CONCLUIR QUE A LINHA POLIGONAL TENDE A SE TRANSFORMAR EM UMA CURVA – CURVA DE FREQUÊNCIA, MOSTRANDO DE MODO MAIS EVIDENTE A VERDADEIRA NATUREZA DA DISTRIBUIÇÃO DA POPULAÇÃO. PODEMOS DIZER QUE, ENQUANTO O POLÍGONO DE FREQUÊNCIA NOS DÁ A IMAGEM REAL DO FENÔMENO ESTUDADO, A CURVA DE FREQUÊNCIA NOS DÁ A IMAGEM TENDÊNCIAL. APÓS O TRAÇADO DE UM POLÍGONO DE FREQUÊNCIA É NECESSÁRIO QUE SE FAÇA UM POLIMENTO – CURVA POLIDA, DE MODO A MOSTRAR O QUE SERIA TAL POLÍGONO COM UM NÚMERO MAIOR DE DADOS. MEDIDAS DE POSIÇÃO O ESTUDO SOBRE DISTRIBUIÇÃO DE FREQUÊNCIAS PERMITE-NOS DESCREVER E LOCALIZAR OS GRUPOS DOS VALORES QUE UMA VARIÁVEL PODE ASSUMIR, VERIFICANDO SE ELA SE LOCALIZA NO INÍCIO, NO MEIO, NO FINAL OU SE HÁ UMA DISTRIBUIÇÃO POR IGUAL. PARA RESSALTAR AS TENDÊNCIAS CARACTERÍSTICAS DE CADA DISTRIBUIÇÃO, NECESSITAMOS INTRODUZIR CONCEITOS QUE SE EXPRESSEM ATRAVÉS DE NÚMEROS E QUE NOS PERMITAM SINTETIZAR E TRADUZIR ESSAS TENDÊNCIAS. ESSES CONCEITOS SÃO: MEDIDAS DE POSIÇÃO MEDIDAS DE VARIABILIDADE MEDIDAS DE ASSIMETRIA MEDIDAS DE CURTOSE. MEDIDAS DE POSIÇÃO: NOS ORIENTAM QUANTO A POSIÇÃO DA DISTRIBUIÇÃO EM RELAÇÃO AO EIXO HORIZONTAL (EIXO DAS ABSCISSAS). AS PRINCIPAIS MEDIDAS DE POSIÇÃO SÃO AS MEDIDAS DE TENDÊNCIA CENTRAL, QUE RECEBEM ESTA DENOMINAÇÃO PELO FATO DE OS DADOS OBSERVADOS TENDEREM, EM GERAL, A SE AGRUPAR EM TORNO DE VALORES CENTRAIS. AS PRINCIPAIS MEDIDAS DE TENDÊNCIA CENTRAL SÃO: MÉDIA ARITMÉTICA MEDIANA MODA SEPARATRIZES NO CÁLCULO DE VÁRIAS MEDIDAS ESTATÍSTICAS, VAMOS UTILIZAR SOMAS DE UM GRANDE NÚMERO DE PARCELAS. PARA FACILITAR A REPRESENTAÇÃO DESTAS SOMAS, INTRODUZIREMOS O CONCEITO DE SOMATÓRIO. QUANDO QUEREMOS REPRESENTAR UMA SOMA DE n VALORES DO TIPO X1+X2+...+Xn, PODEMOS CODIFICÁ-LA ATRAVÉS DA EXPRESSÃO: X1+X2+...+Xn = ONDE: - É UTILIZADO PARA REPRESENTAR A OPERAÇÕES DE ADIÇÃO ENTRE AS PARCELAS. Xi - É A PARCELA GENÉRICA EXEMPLOS: X1 + X2 + X3 + X4 + X5 = + + + = X3 + X4 + X5 + X6 = MÉDIA ARITMÉTICA MÉDIA ARITMÉTICA É O QUOCIENTE ENTRE A SOMA DOS VALORES DA VARIÁVEL Xi PELO NÚMERO TOTAL n: �� EMBED Equation.3 = SENDO: - A MÉDIA Xi - VALORES DA VARIÁVEL n - O NÚMERO DE VALORES EXEMPLO 1: SABENDO QUE A PRODUÇÃO DIÁRIA DE AÇO DE UMA INDÚSTRIA SIDERÚRGICA A, DURANTE UMA SEMANA, FOI DE 10, 14, 13, 15, 16, 18, 12 TONELADAS, TEMOS A PRODUÇÃO MÉDIA DA SEMANA: = = = 14 TONELADAS -> SINTETIZA E REPRESENTA A SÉRIE DE VALORES DESVIO EM RELACAO À MÉDIA - di DENOMINAMOS DESVIO EM RELACAO A MÉDIA, A DIFERENCA ENTRE CADA ELEMENTO DE UM CONJUNTO DE VALORES E A MÉDIA ARITMÉTICA. PARA O EXEMPLO ACIMA, TEMOS: d1 = x1 - -> d1 = 10 - 14 = - 4 d2 = x2 - -> d2 = 14 - 14 = 0 d4 = x4 - -> d4 = 15 - 14 = 1 d7 = x7 - -> d7 = 12 - 14 = -2 EXEMPLO 2: UMA LIVRARIA VENDE A SEGUINTE QUANTIDADE DE LIVROS DE LITERATURA DURANTE UMA CERTA SEMANA: 2° FEIRA 3° FEIRA 4° FEIRA 5° FEIRA 6° FEIRA SABADO 28 23 22 27 25 13 QUAL FOI A MÉDIA DE LIVROS VENDIDOS DURANTE ESSA SEMANA? = = 23 -> = 23 A MÉDIA ARITMÉTICA SIGNIFICA QUE, SE A VENDA DIÁRIA DESSA SEMANA FOSSE SEMPRE A MESMA, OU SEJA, 23 LIVROS POR DIA, IRÍAMOS OBTER O MESMO TOTAL DE LIVROS VENDIDOS: 138 VERIFICAMOS QUE NA 4° FEIRA E NO SÁBADO A VENDA FOI ABAIXO DA MEDIA, ENQUANTO NA 2°, 5° E 6° FOI ACIMA DA MÉDIA. VEJAMOS O GRÁFICO: MÉDIA ARITMÉTICA PONDERADA SEM INTERVALOS DE CLASSE TABELA DE SALÁRIOS DE UMA EMPRESA Xi - SALÁRIO ( R$ ) fi - N° DE FUNCIONÁRIOS 600,00 12 900,00 7 1200,00 5 1800,00 6 4500,00 8 TOTAL = 38 QUAL A MÉDIA SALARIAL DE FUNCIONÁRIOS DESTA EMPRESA ? 12 GANHAM 600,00 12 X 600,00 -> Xi x fi 7 GANHAM 900,00 5 GANHAM 1200,00 6 GANHAM 1800,00 8 GANHAM 4500,00 8 X 4500,00 -> Xi x fi A MÉDIA SALARIAL DESSES FUNCIONÁRIOS PODE SER CALCULADA DA SEGUINTE FORMA: = -> = R$ 1744,73 A MÉDIA ARITMÉTICA PONDERADA FACILITA O CÁLCULO DE MÉDIAS, QUANDO HÁ VALORES QUE SE REPETEM VÁRIAS VEZES. NESSE CASO MULTIPLICAMOS OS VALORES PELO N° DE VEZES ( PESO ) QUE ELES OCORREM: = = MÉDIA ARITMÉTICA PONDERADA COM INTERVALOS DE CLASSE NESSE CASO, CONVENCIONAMOS QUE TODOS OS VALORES INCLUIDOS EM UM DETERMINADO INTERVALO DE CLASSE COINCIDEM COM SEU PONTO MÉDIO. ABRIMOS UMA COLUNA PARA OS PTOS MÉDIOS COLUNAS PARA Xi fi NESTE CASO OBTEMOS A MÉDIA PONDERADA: = = 6440 = 40 = = 161 = 161 cm MEDIANA – Md É UM VALOR REAL QUE SEPARA OS VALORES DA SÉRIE EM ANÁLISE EM DUAS PARTES, DEIXANDO A SUA ESQUERDA O MESMO NÚMERO DE ELEMENTOS QUE A SUA DIREITA. PORTANTO, A MEDIANA (Md) É UM VALOR QUE OCUPA A POSIÇÃO CENTRAL EM UMA SÉRIE. CÁLCULO DA MEDIANA COM DADOS BRUTOS: INICIALMENTE DEVEMOS ORDENAR OS DADOS BRUTOS EM ORDEM CRESCENTE. EM SEGUIDA DETERMINAMOS O NÚMERO n DE ELEMENTOS DA AMOSTRAGEM. SE n É IMPAR – A AMOSTRAGEM ADMITE APENAS UM TERMO CENTRAL QUE OCUPA A POSIÇÃO ( ) . O VALOR DO ELEMENTO QUE OCUPA ESTA POSIÇÃO É A MEDIANA. EX: DETERMINAR A MEDIANA DA SÉRIE: X: 2,20,12,23,20,8,12 RESP: ORDENANDO ESTES ELEMENTOS, OBTEMOS -> 2,8,12,12,20,20,23 O NÚMERO DE ELEMENTOS É n = 7 (ÍMPAR). A POSIÇÃO DO TERMO CENTRAL É = 4 , OU SEJA, A 4° POSIÇÃO. DESTA FORMA, A MEDIANA É O QUARTO ELEMENTO DA SÉRIE -> Md = 12. 4° 2,8,12 – 12 – 20,20,23 50% 12 50% 12 SE n É PAR – A AMOSTRAGEM ADMITE DOIS TERMOS CENTRAIS QUE OCUPAM POSIÇÕES ( ) E ( )+1. A MEDIANA É CONVENCIONADA COMO SENDO A MÉDIA DOS VALORES QUE OCUPAM ESTAS POSIÇÕES CENTRAIS. EX: DETERMINAR A MEDIANA DA SÉRIE: X: 7,21,13,15,10,8,9,13 RESP: ORDENANDO ESTES ELEMENTOS, OBTEMOS -> 7,8,9,10,13,13,15,21O NÚMERO DE ELEMENTOS É n = 8 (PAR). AS POSIÇÕES DOS TERMOS CENTRAIS SÃO: = 4° E +1= 5°. O ELEMENTO QUE OCUPA A QUARTA POSIÇÃO NA SÉRIE É 10 E O QUE OCUPA A QUINTA POSIÇÃO É 13. PORTANTO: 4° 5° Md = = 11,5 7,8,9,10 – 11,5 – 13,13,15,21 50% 11,5 50% 11,5 OBS 1: A MEDIANA NÃO PRECISA SER NECESSARIAMENTE UM ELEMENTO DA SÉRIE ANALISADA. OBS 2: A MEDIANA DEPENDE DA POSIÇÃO E NÃO DOS VALORES DOS ELEMENTOS NA SÉRIE. ESSA É UMA DAS GRANDES DIFERENÇAS ENTRE MEDIANA E A MÉDIA ( QUE SE DEIXA INFLUENCIAR MUITO POR VALORES EXTREMOS). VEJAMOS O EXEMPLO A SEGUIR: 5,7,10,13,15 -> = 10 E Md=10 5,7,10,13,65 -> = 20 E Md=10 CÁLCULO DA MEDIANA NA VARIÁVEL DISCRETA SE OS DADOS ESTÃO APRESENTADOS NA FORMA DE UMA VARIÁVEL DISCRETA, ELES JÁ ESTÃO NATURALMENTE ORDENADOS. ASSIM, BASTA VERIFICAR SE O NÚMERO DE ELEMENTOS DA SÉRIE É IMPAR OU PAR E APLICAR O MESMO RACIOCÍNIO DOS EXEMPLOS ANTERIORES. EX: DETERMINAR A MEDIANA DA SÉRIE: LOCALIZA COM FACILIDADE AS POSIÇÕES DOS ELEMENTOS DA SÉRIE Xi fi fia POSIÇÃO 2 1 1 1° 5 4 5 2° A 5° 8 10 15 6° A 15° 10 6 21 16° A 21° 12 2 23 22° A 23° n = 23 POSIÇÕES DAS VARIÁVEIS: 2,5,5,5,5,8,8,8,8,8,8,8,8,8,8,10,10,10,10,10,10,12,12 1° 5° 15° 21° SOLUÇÃO: DETERMINAR O NÚMERO DE ELEMENTOS n = fi = 23 -> ÍMPAR , OU SEJA , A SÉRIE ADMITE APENAS UM TERMO CENTRAL QUE OCUPA A POSIÇÃO ( ) = = 12° -> DESTA FORMA, A MEDIANA OCUPA A 12° POSIÇÃO 12° POSIÇÃO 2,5,5,5,5,8,8,8,8,8,8 – 8 - 8,8,8,10,10,10,10,10,10,12,12 Md = 8 EX: CALCULAR A MEDIANA DA SÉRIE: Xi fi 0 3 1 5 2 8 3 10 5 6 SOLUÇÃO: DETERMINAMOS O NÚMERO DE ELEMENTO n = fi = 32 -> PAR A SÉRIE TEM DOIS TERMOS CENTRAIS QUE OCUPAM AS POSIÇÕES =16° E +1=17°. PARA LOCALIZARMOS ESTES ELEMENTOS, INSERIMOS A COLUNA DE FREQ. ACUMULADA DA SÉRIE. Xi fi fia 0 3 3 1 5 8 2 8 16 3 10 26 5 6 32 O ELEMENTO QUE OCUPA A 16° POSIÇÃO = 2 O ELEMENTO QUE OCUPA A 17° POSIÇÃO = 3 Md = = 2,5 Md = 2,5 O,1,2 - 2,5 - 3,5 50% 2,5 50% 2,5 CÁLCULO DA MEDIANA NA VARIÁVEL CONTÍNUA PARA CALCULARMOS A MEDIANA NESSA SITUAÇÃO, PRIMEIRO IDENTIFICAMOS A CLASSE MEDIANA E DEPOIS DETERMINAMOS O VALOR DA MEDIANA ATRAVÉS DE UMA INTERPOLAÇÃO. VEJAMOS O EXEMPLO A SEGUIR: CLASSE INT.CLASSE fi fia 1 3 - 6 2 2 2 6 - 9 5 7 3 9 – 12 CLASSE MEDIANA 8 15 4 12 - 15 3 18 5 15 - 18 1 19 O n DA SÉRIE É = Σ fi = 19 -> NÃO INTERESSA NESSE CASO SE É PAR OU ÍMPAR, POIS TEMOS AGORA UM INTERVALO DE CLASSES (VARIÁVEL CONTÍNUA), E O VALOR DA VARIÁVEL QUE OCUPA A POSIÇÃO DE MEDIANA NÃO É IDENTIFICÁVEL. A MEDIANA, POR DEFINIÇÃO, SEPARA O NÚMERO DE ELEMENTOS DA SÉRIE EM DOIS GRUPOS, CADA UM COM 50% DOS ELEMENTOS. ASSIM, A POSIÇÃO DA MEDIANA NA SÉRIE É = = 9,5° , OU SEJA , A CLASSE MEDIANA ESTA ENTRE A 9° E A 10° POSIÇÃO DA SÉRIE. CONSTATAMOS QUE A MEDIANA ESTA NA 3° CLASSE -> É UM VALOR COMPREENDIDO ENTRE 9 E 12. UTILIZANDO A FÓRMULA DA MEDIANA NA VARIÁVEL CONTÍNUA: Md = Md + Md = 9 + Md= 9,93 ONDE: Md= LIMITE INF. DA CLASSE MEDIANA = FREQ. ACUM. DA CLASSE ANT. A CLASSE MEDIANA = FREQ.SIMPLES DA CLASSE MEDIANA = AMPLITUDE MODA – Mo É O VALOR DE MAIOR FREQUÊNCIA DA SÉRIE DE DADOS. CÁLCULO DA MODA COM DADOS BRUTOS: EXEMPLO 1: X: 2,8,3,5,4,5,3,5,5,1 O ELEMENTO DE MAIOR FREQUÊNCIA É 5. PORTANTO Mo=5 -> SEQUÊNCIA UNIMODAL. EXEMPLO 2: X: 1,6,10,5,9,6,10,2,7 ESTA SEQUÊNCIA APRESENTA O ELEMENTO 6 E O 10 COMO ELEMENTOS DE MAIOR FREQUÊNCIA. PORTANTO Mo=6 E Mo=10 -> SEQUÊNCIA BIMODAL. EXEMPLO 3: X: 2,2,5,8,5,8 TODOS OS ELEMENTOS DA SÉRIE APRESENTAM A MESMA FREQUÊNCIA. NÃO HÁ UM ELEMENTO QUE SE DESTAQUE PELA MAIOR FREQUÊNCIA -> SÉRIE AMODAL. CÁLCULO DA MODA NA VARIÁVEL DISCRETA: É O CASO MAIS SIMPLES, POIS NOTAMOS QUE NA APRESENTAÇÃO DA VARIÁVEL DISCRETA, AS FREQUÊNCIAS JÁ ESTÃO COMPUTADAS NA SEGUNDA COLUNA. BASTA IDENTIFICAR O ELEMENTO DE MAIOR FREQUÊNCIA. Xi fi 0 2 2 5 3 8 4 3 5 1 SÉRIE UNIMODAL Mo = 3 CÁLCULO DA MODA NA VARIÁVEL CONTÍNUA: PARA DETERMINAR A MODA DE UMA VARIÁVEL CONTÍNUA, PODEMOS OPTAR POR VÁRIOS PROCESSOS, DO MAIS SIMPLES, QUE CONSISTE EM TOMAR O PONTO MÉDIO DA CLASSE MODAL (MODA BRUTA), A PROCESSOS MAIS BEM ELABORADOS E PRECISOS, COMO POR EXEMPLO A MODA DE PEARSON, A MODA DE KING E A MODA DE CUZBER. MODA BRUTA: Mo = ONDE: = lim. inferior da classe modal = lim. Superior da classe modal EX: CALCULAR À MODA DA SÉRIE: CLASSE i ESTATURAS ( cm ) fi 1 150-154 4 2 154-158 9 3 158-162 11 4 162-166 8 5 166-170 5 6 170-174 3 Σ = 40 CLASSE MODAL É i = 3 = 158 = 162 COMO: Mo = Mo = Mo = 160 cm UTILIZAÇÃO DAS MEDIDAS DE TENDÊNCIA CENTRAL EMPREGAMOS A MEDIANA QUANDO: DESEJAMOS OBTER O PONTO QUE DIVIDE A DISTRIBUIÇÃO EM PARTES IGUAIS HÁ VALORES EXTREMOS QUE AFETAM DE MANEIRA ACENTUADA A MÉDIA EMPREGAMOS A MODA QUANDO: DESEJAMOS OBTER UMA MEDIDA RÁPIDA E APROXIMADA DE POSIÇÃO QUANDO A MEDIDA DE POSIÇÃO DEVE SER O VALOR DE MAIOR FREQUÊNCIA. QUAL MEDIDA DEVE SER UTILIZADA PARA CARACTERIZAR A SÉRIE ? FORTE CONCENTRAÇÃO DE DADOS NA ÁREA CENTRAL: MÉDIA, MEDIANA E A MODA FICAM TAMBÉM SITUADAS EM SUA ÁREA CENTRAL -> OPTAMOS PELA MÉDIA. = Md = Mo CURVA SIMÉTRICA FORTE CONCENTRAÇÃO DE DADOS NO ÍNICIO OU NO FINAL: MEDIANA E A MODA POSICIONADAS MAIS NO ÍNICIO/FINAL. MÉDIA FORTEMENTE AFETADA POR VALORES TAMBÉM POSICIONADOS NO ÍNICIO/FINAL -> OPTAMOS PELA MEDIANA. Mo < Md < CURVA ASSIMÉTRICA POSITIVA < Md < Mo CURVA ASSIMÉTRICA NEGATIVA VEJAMOS OS EXEMPLOS: TEMOS: =12 Kgs =12,9 Kgs =11,1 Kgs Md=12 Kgs Md=13,5 Kgs Md=10,5 Kgs Mo=12 kgs Mo=16 kgs Mo=8 kgs MEDIDAS DE DISPERSÃO OU DE VARIABILIDADE EM MUITAS SITUAÇÕES NÃO É SUFICIENTE SABERMOS UMA DAS MEDIDAS DE POSIÇÃO PARA CARACTERIZAR PERFEITAMENTE UM CONJUNTO DE VALORES, POIS MESMO SABENDO, POR EXEMPLO, QUE A TEMPERATURA MÉDIA DE DUAS CIDADES É A MESMA, E IGUAL A 24° C, AINDA ASSIM SOMOS LEVADOS A PENSAR A RESPEITO DO CLIMA DESSAS CIDADES. EM UMA DELAS PODERÁ HAVER GRANDE VARIAÇÃO ENTRE OS LIMITES DE FRIO E CALOR E MESMO ASSIM TERMOS UMA TEMPERATURA MÉDIA DE 24° C. A OUTRA CIDADE PODERÁ TER UMA VARIAÇÃO PEQUENA DE TEMPERATURA E POSSUIR ASSIM, UM CLIMA MAIS FAVORÁVEL. VAMOS ANALISAR OS SEGUINTES VALORES DAS VARIÁVEIS X,Y,Z: X: 70,70,70,70,70 = 70 Y: 68,69,70,71,72 = 70 Z: 5,15,50,120,160 = 70 OBSERVAMOS: OS TRÊS CONJUNTOS APRESENTAM A MESMA MÉDIA ARITMÉTICA:70 X É MAIS HOMOGÊNEO QUE OS CONJUNTOS Y E Z Y É MAIS HOMOGÊNEO QUE O CONJUNTO Z X APRESENTA VARIABILIDADE NULA Y APRESENTA VARIABILIDADE MENOR QUE Z PORTANTO, PARA QUALIFICAR OS VALORES DE UMA VARIÁVEL, RESSALTANDO A MAIOR OU MENOR DISPERSÃO OU VARIABILIDADE ENTRE ESSES VALORES E A SUA MEDIDA DE POSIÇÃO, A ESTATÍSTICA RECORRE ÀS MEDIDAS DE DISPERSÃO OU DE VARIABILIDADE: AMPLITUDE, DESVIO MÉDIO, VARIÂNCIA E DESVIO PADRÃO, COEFICIENTE DEVARIAÇÃO. AMPLITUDE TOTAL A AMPLITUDE TOTAL É A DIFERENÇA ENTRE O MAIOR E O MENOR VALOR DA SEQUÊNCIA. AT = X(MÁX.) – X(MÍN.) EXEMPLO: PARA OS VALORES: 40, 45, 48, 52, 54, 62, 70 AT = 70 – 40 AT = 30 OBS: QUANTO MAIOR A AMPLITUDE TOTAL, MAIOR A VARIABILIDADE DOS VALORES DA VARIÁVEL. A AMPLITUDE É APENAS UMA INDICAÇÃO APROXIMADA DA VARIABILIDADE, QUE TEM POUCA SENSIBILIDADE ESTATÍSTICA. CÁLCULO DA AMPLITUDE TOTAL NA VARIÁVEL DISCRETA: Xi fi 2 1 3 6 5 10 7 3 AT= 7 - 2 AT= 5 UNID. CÁLCULO DA AMPLITUDE TOTAL NA VARIÁVEL CONTÍNUA: CLASSE Xi fi 1 2 - 4 5 2 4 - 6 10 3 6 - 8 20 4 8 - 10 7 5 10 - 12 2 AT = L( MÁX.) – L ( MÍN.) AT= 12 – 2 = 8 UNID. DESVIO MÉDIO SIMPLES O CONCEITO ESTATÍSTICO DE DESVIO CORRESPONDE AO CONCEITO MATEMÁTICO DE DISTÂNCIA. O DESVIO MÉDIO SIMPLES – DMS, É DEFINIDO COMO SENDO UMA MÉDIA ARITMÉTICA DOS DESVIOS DE CADA ELEMENTO DA SÉRIE PARA A MÉDIA DA SÉRIE. CÁLCULO DO DESVIO MÉDIO SIMPLES CALCULAMOS INICIALMENTE A MÉDIA DA SEQUÊNCIA OBTEMOS A DISTÂNCIA DE CADA ELEMENTO DA SÉRIE PARA SUA MÉDIA FINALMENTE, CALCULAMOS A MÉDIA DESTAS DISTÂNCIAS. DMS = IMPORTANTE: MÓDULO EX: CALCULE O DMS PARA A SEQUÊNCIA: X: 2,8,5,6 SOLUÇÃO: = = 5,25 = = 3,25 = = 2,75 = = 0,25 = = 0,75 O DMS É A MÉDIA ARITMÉTICA SIMPLES DESTES VALORES DMS = = 1,75 INTERPRETAÇÃO: EM MÉDIA, CADA ELEMENTO DA SEQUÊNCIA ESTA AFASTADO DO VALOR 5,25 POR 1,75 UNIDADES. VARIÂNCIA E DESVIO PADRÃO AO OPERARMOS COM O DMS, UTILIZAMOS O MÓDULO DOS NÚMEROS PARA QUE AS DIFERENÇAS PUDESSEM SER INTERPRETADAS COMO DISTÂNCIAS. ESTE ARTIFÍCIO MATEMÁTICO APRESENTA GRANDES LIMITAÇÕES QUANDO TRABALHAMOS COM UMA ESTATÍSTICA MAIS AVANÇADA. DESTA FORMA, PARA SE CONSEGUIR QUE ESTAS DIFERENÇAS SE TORNEM SEMPRE POSITIVAS, CONSIDERAMOS O SEU QUADRADO , GARANTINDO ASSIM, MAIOR PRECISÃO MATEMÁTICA. A VARIÂNCIA E O DESVIO PADRÃO SÃO MEDIDAS QUE NÃO SÃO INFLUENCIADAS PELOS VALORES EXTREMOS COMO É O CASO DA AMPLITUDE TOTAL, POIS LEVAM EM CONSIDERAÇÃO A TOTALIDADE DOS VALORES DA VARIÁVEL EM ESTUDO, O QUE FAZ DELA ÍNDICES DE VARIABILIDADE BASTANTE ESTÁVEIS E GERALMENTE MAIS EMPREGADOS. VARIÂNCIA É UMA MÉDIA ARITMÉTICA CALCULADA A PARTIR DOS QUADRADOS DOS DESVIOS OBTIDOS ENTRE OS ELEMENTOS DA SÉRIE E A SUA MÉDIA FÓRMULA - DADOS BRUTOS: = O DESVIO PADRÃO É A RAIZ QUADRADA POSITIVA DA VARIÂNCIA FÓRMULA - DADOS BRUTOS: S = EXEMPLO: CALCULE O DESVIO PADRÃO DA SEQUÊNCIA X: 4,5,8,5 SOLUÇÃO: A SEQUÊNCIA CONTÉM n = 4 ELEMENTOS E TEM POR MÉDIA = = 5,5 OS QUADRADOS DAS DIFERENÇAS VALEM: = = 2,25 = = 0,25 = = 6,25 = = 0,25 SOMANDO-SE ESTES VALORES TEMOS: = 9 SUBSTITUINDO ESTES VALORES NA FÓRMULA DE DESVIO PADRÃO, OBTEMOS: S = S = = = 1,50 IMPORTANTE: NO CÁLCULO DA VARIÂNCIA, QUANDO ELEVAMOS AO QUADRADO A DIFERENÇA , A UNIDADE DE MEDIDA DA SÉRIE FICA TAMBÉM ELEVADA AO QUADRADO, OU SEJA, SE OS DADOS DA SÉRIE SÃO EXPRESSOS EM METROS, A VARIÂNCIA É EXPRESSA EM METROS QUADRADOS. CONSEQUENTEMENTE, EM VÁRIOS SITUAÇÕES, A UNIDADE DE MEDIDA DA VARIÂNCIA NÃO FAZ SENTIDO, POIS SE, POR EXEMPLO, OS DADOS FOREM EXPRESSOS EM GRAUS CENTIGRADOS OU LITROS, A VARIÂNCIA NÃO PODERÁ SER EXPRESSA EM �� EMBED Equation.3 OU . ASSIM, CONCLUIMOS QUE O VALOR DA VARIÂNCIA NÃO TEM INTERPRETAÇÃO. EXATAMENTE PARA SUPRIR ESTA DEFICIÊNCIA DA VARIÂNCIA É QUE SE DEFINE O DESVIO PADRÃO, O QUAL TERÁ SEMPRE A MESMA UNIDADE DE MEDIDA DA SÉRIE. FÓRMULA DO DESVIO PADRÃO – VARIÁVEL DISCRETA: S = EXEMPLO: CALCULE O DESVIO PADRÃO DA SÉRIE ABAIXO, REPRESENTATIVA DE UMA AMOSTRA. Xi fi 2 3 3 5 4 8 5 4 SOLUÇÃO: O NUMERO DE ELEMENTOS DA SÉRIE É n = = 20 A MÉDIA DA SÉRIE É = Xi fi Xi.fi 2 3 6 3 5 15 4 8 32 5 4 20 = 20 =73 MÉDIA = = = 3,65 Xi fi Xi.fi 2 3 6 8,1675 3 5 15 2,1125 4 8 32 0,9800 5 4 20 7,2900 = 20 =73 Σ =18,55 ASSIM, O DESVIO PADRAO É S = = = 0,96 FÓRMULA DO DESVIO PADRÃO – VARIÁVEL CONTÍNUA: S = Xi SÃO OS PONTOS MÉDIOS DA CLASSE EXEMPLO: CALCULE O DESVIO PADRÃO DA SÉRIE ABAIXO, REPRESENTATIVA DE UMA AMOSTRA. CLASSE INT.CLASSE fi 1 0 - 4 1 2 4 - 8 3 3 8 - 12 5 4 12 - 16 1 SOLUÇÃO: O NÚMERO DE ELEMENTOS DA SÉRIE É n = = 10 A MÉDIA DA SÉRIE É = Xi SÃO OS PONTOS MÉDIOS CLASSE INT.CLASSE fi Xi Xi.fi 1 0 - 4 1 2 2 2 4 - 8 3 6 18 3 8 - 12 5 10 50 4 12 - 16 1 14 14 =10 =84 = = =8,4 CLASSE INT.CLASSE fi Xi Xi.fi 1 0 - 4 1 2 2 40,96 2 4 - 8 3 6 18 17,28 3 8 - 12 5 10 50 12,80 4 12 - 16 1 14 14 31,36 = 10 =84 Σ = 102,4 O DESVIO PADRAO É S = = = 3,2 DESVIO PADRÃO E O CONTROLE DE PROCESSOS EMPRESA: SIDERÚRGICA GERDAU SETOR: UNIDADE DE PRODUÇÃO DE AÇOS ESPECIAIS PROCESSO: FABRICAÇÃO DE CHAPAS DE AÇO ANÁLISE: CONTROLE DIMENSIONAL DE ESPESSURA (mm) 1° ETAPA SELEÇÃO DE AMOSTRAGEM DO LOTE PARA CONTROLE DIMENSIONAL – 58 CHAPAS � 2° ETAPA DETERMINAÇÃO DA MEDIDA PADRÃO PARA ANÁLISE DE TOLERÂNCIA: = 7,7mm 3° ETAPA ESPECIFICAÇÃO DOS LIMITES - GRAU DE PRECISÃO INDUSTRIAL: S = 1,16mm MEDIDAS ACEITÁVEIS: + S = 8,8mm - S = 6,5mm EXECUÇÃO DE MEDIÇÕES E CÁLCULOS PARA RELATÓRIO OPERACIONAL DINAMIC RANGE – FAIXA DINÂMICA CONCLUSÃO: PODEMOS AFIRMAR QUE 65% DAS PEÇAS TEM 7,7 1,16mm ÍNDICE DE REJEIÇÃO DE PEÇAS ELEVADO: 35% NECESSIDADE URGENTE DE INTERVENÇÃO OPERACIONAL / CALIBRAÇÃO DE EQUIPAMENTOS. DESVIO PADRÃO E O PLANEJAMENTO FINANCEIRO O DEPTO. CONTROLE DE QUALIDADE DA PHILIPS, USANDO MÉTODOS ESTATÍSTICOS, DETERMINOU QUE SUA FÁBRICA DE LÂMPADAS FRIAS PODIA ESPERAR QUE 0,35% 0,17% DAS PEÇAS PRODUZIDAS APRESENTASSEM DEFEITOS. SE A COMPANHIA OFERECE GARANTIA DE DEVOLUÇÃO DA QUANTIA PAGA PELAS UNIDADES DEFEITUOSAS, QUANTO ELA DEVE RESERVAR NO ORÇAMENTO PARA COBRIR GASTOS COM PRODUTOS DEFEITUOSOS RELATIVOS A UMA PRODUÇÃO DE 100.000 UNIDADES ? OBS: PREÇO DE VENDA DO PRODUTO – R$ 8,95. SOLUÇÃO: SEJA r A PORCENTAGEM DE UNIDADES DEFEITUOSAS DISTÂNCIA - 0,0017 r + 0,0035 VARIAÇÃO MÁXIMA 0,35% VARIAÇÃO MÍNIMA 0,17% = MÁX. 0,52% DE PECAS DEFEITUOSAS / MÍN. 0,18% DE PECAS DEFEITUOSAS. 0,0018 100.000 r 0,0052 X É O NÚMERO DE UNIDADES DEFEITUOSAS EM UM TOTAL DE 100.000 180 X 520 CUSTO COM PEÇAS DEFEITUOSAS: 180 X R$ 8,95 = R$ 1.611,00 520 X R$ 8,95 = R$ 4.654,00 PORTANTO A EMPRESA DEVE RESERVAR R$ 4.654,00 NO SEU BUDGET. MEDIDAS DE DISPERSÃO RELATIVA - COEF. DE VARIAÇÃO SE UMA SÉRIE X APRESENTA =10 E S(x)=2 E UMA SÉRIE Y APRESENTA =100 E S(y) = 5, DO PONTO DE VISTA DA VARIABILIDADE ABSOLUTA, A SÉRIE Y APRESENTA MAIOR VARIABILIDADE QUE A SÉRIE X. NO ENTANTO, SE LEVARMOS EM CONSIDERAÇÃO AS MÉDIAS DAS SÉRIES, O DESVIO PADRÃO DE Y QUE É 5 EM RELAÇÃO A 100 É UM VALOR MENOS SIGNIFICATIVO QUE O DESVIO PADRÃO DE X QUE É 2 EM RELAÇÃO A 10. ISTO NOS LEVA A DEFINIR O COEFICIENTE DE VARIAÇÃO RELATIVA: CV = ONDE: S = DESVIO PADRÃO = MÉDIA OBS: O CV, COMO É UMA DIVISAO DE ELEMENTOS DE MESMA UNIDADE, É UMNÚMERO PURO, PORTANTO, PODE SER EXPRESSO EM PERCENTUAL. DESTE MODO, SE CALCULARMOS O CV DA SERIE X CITADA NO INICIO OBTEREMOS: CV(x) = x 100 = 20% CALCULANDO O COEFICIENTE DE VARIACAO DA SERIE Y OBTEREMOS: CV(y) = x 100 = 5% ANALISANDO OS VALORES DOS COEFICIENTES, CONCLUIMOS QUE A SERIE X ADMITE MAIOR DISPERSÃO RELATIVA. A MEDIDA DE DISPERSÃO RELATIVA LEVA EM CONSIDERAÇÃO A MEDIDA DE DISPERSÃO ABSOLUTA E A MÉDIA DA SÉRIE MEDIDA MAIS COMPLETA QUE A MEDIDA DE DISPERSÃO ABSOLUTA. SÉRIE (y): MAIOR DISPERSÃO ABSOLUTA SÉRIE (x): MAIOR DISPERSÃO RELATIVA CORRELAÇÃO E REGRESSÃO. EM NOSSO DIA A DIA PROFISSIONAL, É MUITO COMUM TERMOS DE ANALISAR E COMPREENDER AS RELAÇÕES QUE EXISTEM ENTRE DUAS OU MAIS VARIÁVEIS. ASSIM, QUANDO CONSIDERAMOS VARIÁVEIS COMO PESO E ALTURA, TEMPERATURA E PRESSÃO, RENDA E ESCOLARIDADE, PROCURAMOS VERIFICAR SE EXISTE ALGUMA RELAÇÃO ENTRE AS VARIÁVEIS DE CADA UM DOS PARES E QUAL O GRAU DESSA RELAÇÃO. SENDO A RELAÇÃO ENTRE VARIÁVEIS DE NATUREZA QUANTITATIVA, A CORRELAÇÃO É O INSTRUMENTO ADEQUADO PARA ANÁLISE DESTA RELAÇÃO. UMA VEZ CARACTERIZADA A RELAÇÃO, PROCURAMOS DESCREVÊ-LA ATRAVÉS DE UMA FUNÇÃO MATEMÁTICA. A REGRESSÃO É O INSTRUMENTO ADEQUADO PARA A DETERMINAÇÃO DOS PARÂMETROS DESSA FUNÇÃO. CORRELAÇÃO COMO SABEMOS, O PERÍMETRO E O LADO DE UMA QUADRADO ESTÃO RELACIONADOS. A RELAÇÃO QUE OS LIGA É PERFEITAMENTE DEFINIDA E PODE SER EXPRESSA POR MEIO DE UMA SENTENÇA MATEMÁTICA: P = 4 L P PERÍMETRO L LADO ATRIBUINDO-SE UM VALOR QUALQUER A L, É POSSÍVEL DETERMINAR EXATAMENTE O VALOR DE P RELAÇÕES FUNCIONAIS. JÁ A RELAÇÃO QUE EXISTE ENTRE, POR EXEMPLO, PESO E ESTATURA, NÃO É DO MESMO TIPO DA ANTERIOR; É BEM MENOS PRECISA RELAÇÕES ESTATÍSTICAS. QUANDO VARIÁVEIS ESTÃO LIGADAS POR UMA RELAÇÃO ESTATÍSTICA, DIZEMOS QUE EXISTE CORRELAÇÃO ENTRE ELAS. DIAGRAMA DE DISPERSÃO CONSIDEREMOS UMA AMOSTRA FORMADA POR 10 DOS 98 ALUNOS DA FACULDADE A E PELAS NOTAS OBTIDAS POR ELES EM MATEMÁTICA E ESTATÍSTICA: REPRESENTANDO, EM UM SISTEMA CARTESIANO ORTOGONAL, OS PARES ORDENADOS ( X,Y), OBTEMOS O DIAGRAMA DE DISPERSÃO, O QUAL NOS FORNECE UMA IDÉIA ÚTIL DA CORRELAÇÃO EXISTENTE. CORRELAÇÃO LINEAR TEM COMO “IMAGEM” UMA RETA GRAU DE INTENSIDADE (FORÇA) DA CORRELAÇÃO PODEMOS DIZER QUE A FORÇA DE CORRELAÇÃO ENTRE VARIÁVEIS X E Y AUMENTA À MEDIDA QUE OS PONTOS NO DIAGRAMA DE DISPERSÃO, MAIS COMPACTAMENTE SE AGRUPAM EM TORNO DE UMA LINHA RETA IMAGINÁRIA. OBSERVAMOS NOS DIAGRAMAS QUE, EM RELAÇÃO A RENDA, OS HOMENS APRESENTAM UMA CORRELAÇÃO MAIS FORTE DO QUE AS MULHERES, EMBORA AMBOS OS DIAGRAMAS INDIQUEM QUE A RENDA TENDE A AUMENTAR COM O AUMENTO DOS ANOS DE ESCOLARIZAÇÃO. SENTIDO DA CORRELAÇÃO A CORRELAÇÃO PODE SER CLASSIFICADA EM POSITIVA OU NEGATIVA. POSITIVA – RETA ASCENDENTE NEGATIVA – RETA DESCENDENTE CORRELAÇÃO POSITIVA ALTO VALOR EM X TENDE A GERAR ALTO VALOR EM Y CORRELAÇÃO NEGATIVA ALTO VALOR EM X TENDE A GERAR BAIXO VALOR EM Y CORRELAÇÃO CURVILÍNEA OU NÃO LINEAR CORRELAÇÕES CURVILÍNEAS SÃO INDICATIVAS QUE UMA VARIÁVEL AUMENTA A MEDIDA QUE A OUTRA TAMBÉM AUMENTA, ATE OCORRER UMA REVERSÃO; A PARTIR DAÍ, UMA DAS VARIÁVEIS COMECA A DECRESCER, ENQUANTO A OUTRA CONTINUA A CRESCER. COEFICIENTE DE CORRELAÇÃO LINEAR O INSTRUMENTO EMPREGADO PARA A MEDIDA DA CORRELAÇÃO LINEAR É O COEFICIENTE DE CORRELAÇÃO r . ESSE COEFICIENTE INDICA O GRAU DE INTENSIDADE E TAMBÉM O SENTIDO DESSA CORRELAÇÃO (POSITIVO OU NEGATIVO). TAL COEFICIENTE DE CORRELAÇÃO OSCILA ENTRE -1,00 E +1,00 CONFORME SE SEGUE: -1 CORRELAÇÃO NEG. PERFEITA -0,95 CORRELAÇÃO NEG. FORTE -0,50 CORRELAÇÃO NEG. MODERADA -0,10 CORRELAÇÃO NEG. FRACA r = 0,00 AUSÊNCIA DE CORRELAÇÃO +1 CORRELAÇÃO POS. PERFEITA +0,95 CORRELAÇÃO POS. FORTE +0,50 CORRELAÇÃO POS. MODERADA +0,10 CORRELAÇÃO POS. FRACA FAREMOS USO DO COEFICIENTE DE CORRELAÇÃO DE PEARSON: r = n É O N° DE OBSERVAÇÕES X E Y SÃO AS VARIÁVEIS ANALISADAS OS VALORES LIMITES DE r SÃO -1 E +1 INTERVALO OBS: PARA QUE UMA RELAÇÃO POSSA SER DESCRITA POR MEIO DO COEFICIENTE DE CORRELAÇÃO DE PEARSON, É IMPRESCINDÍVEL QUE ELA SE APROXIME DE UMA FUNÇÃO LINEAR. VERIFICA-SE A LINEARIDADE DO DIAGRAMA DE DISPERSÃO: SE A ELIPSE APRESENTA SALIÊNCIAS MUITO ACENTUADAS, PROVAVELMENTE TRATA-SE DE CORRELAÇÃO CURVILÍNEA. PARA PODERMOS TIRAR ALGUMAS CONCLUSÕES SIGNIFICATIVAS SOBRE O COMPORTAMENTO SIMULTÂNEO DAS VARIÁVEIS ANALISADAS, É NECESSÁRIO QUE: 0,6 ≤ r ≤ 1 EXEMPLO: CALCULE E INTERPRETE O COEFICIENTE DE CORRELAÇÃO REFERENTE À ANÁLISE ENTRE AS SEGUINTES NOTAS DE MATEMÁTICA E ESTATÍSTICA: O MODO MAIS PRÁTICO PARA OBTERMOS r É ABRIR NA TABELA, COLUNAS CORRESPONDENTES AOS VALORES Xi Yi, Xi Yi ORGANIZANDO OS DADOS, OBTEMOS: n = 10 = 65 = 65 = 473 = 481 = 475 r = r = r = = r = = 0,911 O RESULTADO INDICA UMA CORRELAÇÃO LINEAR POSITIVA ALTAMENTE SIGNIFICATIVA ENTRE AS DUAS VARIÁVEIS. EXERCÍCIO: A TABELA ABAIXO APRESENTA OS VALORES QUE MOSTRAM COMO O COMPRIMENTO DE UMA BARRA DE AÇO VARIA CONFORME A TEMPERATURA: DETERMINE O COEFICIENTE DE CORRELAÇÃO. SOLUÇÃO: OBS: SIMPLIFICAMOS O CÁLCULO, REDUZINDO UMA CASA DECIMAL EM AMBAS AS VARIÁVEIS. TEMPERATURA X COMPRIMENTO Y X Y X Y 10 103 1030 100 10609 15 105 1575 225 11025 20 110 2200 400 12100 25 111 2775 625 12321 30 114 3420 900 12996 Σ= 100 Σ= 543 Σ= 11.000 Σ= 2.250 Σ= 59.051 n = 5 r = r = r = = = 0,98 RESP: O r = 0,98 INDICA UMA CORRELAÇÃO LINEAR POSITIVA E DE ALTO GRAU DE INTENSIDADE ENTRE A TEMPERATURA E O COMPRIMENTO DA BARRA DE AÇO. REGRESSÃO – AJUSTAMENTO DA RETA. SEMPRE QUE DESEJAMOS ESTUDAR DETERMINADA VARIÁVEL EM FUNÇÃO DE OUTRA, FAZEMOS UMA ANÁLISE DE REGRESSÃO. A ANÁLISE DE REGRESSÃO TEM POR OBJETIVO DESCREVER ATRAVÉS DE UM MODELO MATEMÁTICO, A RELAÇÃO ENTRE DUAS VARIÁVEIS, DETERMINANDO A RETA QUE MELHOR SE AJUSTA AOS PONTOS DO GRÁFICO: RETA DE REGRESSÃO. PARA DETERMINAR O AJUSTAMENTO DE UMA RETA A RELAÇÃO ENTRE ESTAS DUAS VARIÁVEIS, GARANTINDO ESTIMATIVAS MAIS PRECISAS, DEVE-SE OBTER UMA FUNÇÃO DEFINIDA POR: Y = aX+b A E B SÃO OS PARÂMETROS PARA CALCULAR OS VALORES DOS PARÂMETROS a E b E ASSIM PODERMOS TRAÇAR A RETA NO GRÁFICO, USAMOS AS FÓRMULAS: a = b = n É O N° DE OBSERVAÇÕES É A MÉDIA DOS VALORES Xi ( = ) É A MÉDIA DOS VALORES Yi ( = ) IMPORTANTE: PARA OBTER A ESTIMATIVA DA VARIÁVEL Y, UTILIZAMOS: = aX+b ONDE É O Y ESTIMADO EXEMPLO: DETERMINE A EQUAÇÃO DE REGRESSÃO E OBTENHA A ESTIMATIVA DE UMA NOTA Y DE ESTATÍSTICA CORRESPONDENTE A UMA NOTA DE MATEMÁTICA X= 4 a = = = = 0,8632 COMO: = = 6,5 E = = 6,5 b = b = 6,5 – 0,8632 X 6,5 = 0,8892 ASSIM: a = 0,86 E b = 0,89 PARA TRAÇARMOS A RETA NO GRÁFICO, BASTA DETERMINAR DOIS DE SEUS PONTOS NA EQUAÇÃO DA RETA: = aX+b = 0,86X+0,89 EQUAÇÃO DA RETA 1° PONTO: X = 0 = 0,89 2° PONTO: X = 5 = 0,86 x 5 + 0,89 = 5,19 DETERMINADOS PONTOS, OBTEMOS A RETA DE REGRESSÃO: 1° PONTO: X = 0 = 0,89 2° PONTO: X = 5 = 5,19 USANDO A EQUAÇÃO DE REGRESSÃO, PODEMOS ESTIMAR A NOTA Y CORRESPONDENTE A UMA EVENTUAL NOTA 4,0 DE MATEMÁTICA: = 0,86X+0,89 X = 4 = 0,86 X 4 + 0,89 = 4,33 O MESMO ACONTECE COM A NOTA 1,0. REPETINDO O PROCEDIMENTO, TEMOS: X = 1 = 0,86 X 1 + 0,89 = 1,75 IMPORTANTE: COMO 4 �� EMBED Equation.3 , DIZEMOS QUE HOUVE UMA INTERPOLAÇÃO. COMO 1 �� EMBED Equation.3 , DIZEMOSQUE HOUVE UMA EXTRAPOLAÇÃO. EXERCÍCIO: CERTA EMPRESA, ESTUDANDO A VARIAÇÃO DA DEMANDA DE SEU PRODUTO EM RELAÇÃO A VARIAÇÃO DO PRECO DE VENDAS, OBTEVE A TABELA: DETERMINE A EQUAÇÃO DA RETA AJUSTADA. ESTIME Y PARA X = 60 E X = 120 SOLUÇÃO: a = = = -1,87 = = 66,3 = = 262,8 b = b = 262,8 – (-1,87) X 66,3 = 386,8 = aX+b = -1,87X+386,8 EQUAÇÃO DA RETA Y ESTIMADO PARA X = 60 = -1,87 60+386,8 = 274,6 Y ESTIMADO PARA X = 120 = -1,87 120+386,8 = 162,4 �PAGE � �PAGE �1� _1219253935.unknown _1223475912.unknown _1224152085.unknown _1224360492.unknown _1224363692.unknown _1224449143.xls Plan1 PRECO (Xi) 38 42 50 56 59 63 70 80 95 110 DEMANDA (Yi) 350 325 297 270 256 246 238 223 215 208 _1224451733.unknown _1224452059.unknown _1224453510.unknown _1224453548.unknown _1224453312.xls Plan1 Xi Yi Xi Yi Xi ² 38 350 13300 1444 42 325 13650 1764 50 297 14850 2500 56 270 15120 3136 59 256 15104 3481 63 246 15498 3969 70 238 16660 4900 80 223 17840 6400 95 215 20425 9025 110 208 22880 12100 663 2,628 165,327 48,719 _1224452041.unknown _1224450570.unknown _1224447709.unknown _1224447836.unknown _1224447584.unknown _1224363281.unknown _1224363414.unknown _1224363676.unknown _1224363345.unknown _1224362164.unknown _1224360274.unknown _1224360376.unknown _1224360483.unknown _1224340280.unknown _1224360009.unknown _1224340448.unknown _1224152101.unknown _1224092610.unknown _1224101578.unknown _1224151365.unknown _1224151540.unknown _1224151583.unknown _1224149653.xls Plan1 TEMPERATURA °C 100 150 200 250 300 COMPRIMENTO (mm) 1030 1050 1100 1110 1140 _1224095127.unknown _1224095192.unknown _1224095081.unknown _1224090867.unknown _1224091675.unknown _1224092376.unknown _1224091360.unknown _1224089512.unknown _1224090791.unknown _1224090851.unknown _1224089439.unknown _1224089486.unknown _1224085114.unknown _1221512394.unknown _1223475489.unknown _1223475633.unknown _1223475827.unknown _1223475874.unknown _1223475675.unknown _1223475507.unknown _1223475584.unknown _1223475498.unknown _1223321964.unknown _1223378442.unknown _1223379125.unknown _1223321991.unknown _1223321670.unknown _1223321860.unknown _1222614319.unknown _1223321337.unknown _1222614759.unknown _1222615261.unknown _1222615352.unknown _1222614849.unknown _1222614355.unknown _1221946201.unknown _1221946232.unknown _1221942949.unknown _1220133307.unknown _1220799743.unknown _1220905102.unknown _1221216830.unknown _1221216886.unknown _1221236635.unknown _1220910283.unknown _1220914479.unknown _1220914505.unknown _1220913558.unknown _1220909440.unknown _1220800622.unknown _1220905012.unknown _1220905039.unknown _1220895377.unknown _1220801928.unknown _1220802355.unknown _1220799985.unknown _1220800614.unknown _1220800146.unknown _1220799815.unknown _1220799506.unknown _1220799693.unknown _1220799737.unknown _1220799582.unknown _1220793254.unknown _1220796618.unknown _1220136916.unknown _1220136934.unknown _1220133392.unknown _1220136029.unknown _1220132782.unknown _1220133095.unknown _1220133238.unknown _1220133255.unknown _1220133202.unknown _1220132959.unknown _1220133004.unknown _1220132874.unknown _1219417914.unknown _1220110943.unknown _1220132591.unknown _1220132607.unknown _1220110971.unknown _1220129130.unknown _1219502558.xls Plan1 DISTRIBUICAO A DISTRIBUICAO B DISTRIBUICAO C PESOS Kg fi PESOS Kg fi PESOS Kg fi 2 - 6 6 2 - 6 6 2 - 6 6 6 - 10 12 6 - 10 12 6 - 10 30 10 - 14 24 10 - 14 24 10 - 14 24 14 - 18 12 14 - 18 30 14 - 18 12 18 - 22 6 18 - 22 6 18 - 22 6 Σ=60 Σ=78 Σ=78 _1219416981.unknown _1219417896.unknown _1219417590.unknown _1219417854.unknown _1219416929.unknown _1219416963.unknown _1219256611.unknown _1218463822.unknown _1218536105.unknown _1219238572.unknown _1219239655.unknown _1219239948.unknown _1219242462.unknown _1219248786.unknown _1219239472.unknown _1219239632.unknown _1219239407.unknown _1218538930.unknown _1218539069.unknown _1218547825.unknown _1218538993.unknown _1218537264.unknown _1218538897.unknown _1218536155.unknown _1218465846.unknown _1218466360.unknown _1218530041.unknown _1218530085.unknown _1218466414.unknown _1218465974.unknown _1218466346.unknown _1218465851.unknown _1218464412.unknown _1218464666.unknown _1218464785.unknown _1218464436.unknown _1218464335.unknown _1218464351.unknown _1218464044.unknown _1217269228.xls Plan1 65 52 73 80 65 50 70 75 80 65 70 77 82 91 75 52 68 86 70 80 - _1217338960.unknown _1217426114.unknown _1217432565.unknown _1218463549.unknown _1217428404.unknown _1217341196.unknown _1217341275.unknown _1217365040.unknown _1217340750.unknown _1217281609.unknown _1217338810.unknown _1217274015.unknown _1217268635.unknown _1217268655.unknown _1217268662.unknown _1217268646.unknown _1217264791.unknown _1217264807.unknown _1217268590.unknown _1216818728.unknown
Compartilhar