Baixe o app para aproveitar ainda mais
Prévia do material em texto
Estatística Descritiva Professora conteudista: Marisa Rezende Bernardes Sumário Estatística Descritiva Unidade I 1 ESTATÍSTICA DESCRITIVA .................................................................................................................................1 1.1 Introdução à estatística ........................................................................................................................1 1.2 Panorama histórico ................................................................................................................................2 1.3 Definições ...................................................................................................................................................4 1.4 Organização e apresentação dos dados ...................................................................................... 17 1.4.1 Tabelas ......................................................................................................................................................... 17 1.4.2 Histogramas .............................................................................................................................................. 23 1.4.3 Polígonos de frequência ....................................................................................................................... 27 1.5 Medidas de posição ou tendência central ................................................................................. 28 1.5.1 Média aritmética (x) .............................................................................................................................. 29 1.5.2 Mediana ...................................................................................................................................................... 34 1.5.3 Moda ............................................................................................................................................................ 35 1.6 Medidas de dispersão ......................................................................................................................... 37 1.6.1 Variância e desvio padrão ................................................................................................................... 37 1.6.2 Variância e desvio padrão para dados isolados ponderados ................................................. 41 1.6.3 Variância e desvio padrão para dados agrupados em classes .............................................. 44 1.6.4 Medida de dispersão relativa – coeficiente de variação (Cv) ................................................. 48 Unidade II 2 PROBABILIDADE ............................................................................................................................................... 67 2.1 Panorama histórico ............................................................................................................................. 67 2.2 Definições ................................................................................................................................................ 68 2.2.1 Experimentos aleatórios ....................................................................................................................... 68 2.2.2 Espaço amostral ...................................................................................................................................... 69 2.2.3 Evento .......................................................................................................................................................... 69 2.2.4 Probabilidade de um evento .............................................................................................................. 70 2.2.5 Propriedade da união ............................................................................................................................ 75 2.3 Distribuições de probabilidades ...................................................................................................... 77 2.3.1 Distribuição binomial de probabilidades ....................................................................................... 77 2.3.2 Distribuição Poisson de probabilidades ......................................................................................... 81 2.3.3 Distribuição normal de probabilidades .......................................................................................... 83 1 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Unidade I5 10 15 20 25 30 35 APRESENTAÇÃO A primeira consideração a ser feita sobre este texto se refere ao fato de ter sido elaborado para um curso de educação a distância. Esse é um posicionamento importante, uma vez que estabelece um ambiente de aprendizagem diferente daquele utilizado pelo ensino presencial e, portanto, tem exigências diferenciadas. Essa modalidade de educação caracteriza-se como uma prática educativa que exige do estudante, mais do que em outra modalidade, construir conhecimentos, participar efetivamente de seu próprio crescimento. Esse modelo implica, obviamente, em um processo de ensino próprio, uma vez que modifica, ou mesmo suprime, o físico e o estrutural do ensino presencial. Assim, a função docente sofre um deslocamento, seu papel é descentralizado e a forma de atenção ao aluno está mais próxima do que se entende por pesquisa em meios acadêmicos. É um novo formato de ensino-aprendizagem na graduação, no qual os estudantes, assim como aqueles que se iniciam em pesquisas acadêmicas, devem aprender a estudar sozinhos, buscar informações com base em indicações do docente responsável pelo curso (orientador) e ser capazes de fazer inferências na produção do seu conhecimento. 1 ESTATÍSTICA DESCRITIVA 1.1 Introdução à estatística Para a realização de pesquisas são necessários alguns conceitos estatísticos básicos, que serão apresentados no 2 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 decorrer deste texto. Mas inicialmente apresentaremos alguns esclarecimentos sobre a importância da estatística nas profissões. • Qual a definição de estatística? • Qual é a sua utilidade na minha vida profissional? • Em que situações ela pode e deve ser aplicada? • Por que é importante estudar estatística? 1.2 Panorama histórico As ciências têm suas origens na própria história do homem. A estatística, que é uma parte da matemática aplicada, teve origem semelhante à matemática, cuja raiz está associada às contagens de caráter prático e utilitário. Na Antiguidade, muitos povos já registravam o número de habitantes, de nascimentos, de óbitos, faziam estimativas das riquezas individuais e sociais, cobravam taxas de impostos e realizavam inquéritos quantitativos por técnicas que, atualmente, são chamadas de “estatísticas”. Na Idade Média coletavam-se informações, normalmente com finalidades tributárias. A partir do século XVI, as análises sistemáticas de fatos sociais, como nascimentos, batizados, casamentos e funerais, originaram as primeiras tábuas e tabelas e os primeiros números relativos. Mas foi no século XVIII que o estudo de fatos como esses foram adquirindo características verdadeiramente científicas. A nova ciência (ou método) foi denominada Estatística por Godofredo Achenwall, que relacionou o seu objetivo com o das ciências. Dessa forma, as tabelas foram complementadas e surgiram outras formas de representação,como gráficos e cálculos de probabilidades, permitindo assim que a estatística proporcionasse conclusões sobre uma população (universo) a partir de uma amostra (parte desse universo). 3 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Atualmente o público leigo posiciona-se de duas formas opostas quanto à validade das conclusões estatísticas: ou crê que são infalíveis ou afirma que elas não provam nada. Na verdade, as duas formas de pensar estão erradas. Os que pensam de forma extrema não conhecem os objetivos, o campo e as exigências do método estatístico; ignoram as limitações da estatística, sejam teóricas ou práticas, ou a conhecem de forma apenas superficial. Exemplos de aplicações da estatística • A classe C consumiu 41,35% do total de bens e serviços nas áreas urbanas em 2010, aponta pesquisa do DataFolha Popular. As classes A e B, juntas, consumiram 42,9%. O estudo mostra o crescimento ocorrido no consumo da chamada nova classe média: em 2002 ela era responsável por 25,8% do total de compras de bens e serviços. Já as classes A e B, em 2002, participavam de 58,1% do mercado consumidor.1 Este exemplo mostra a importância da estatística, quando auxilia na percepção das modificações ocorridas no cotidiano das pessoas. Os dados fornecidos mostram ao leitor o desaparecimento da classe B ou, se preferir, o surgimento de uma nova classe social. Exemplos como esse muitas vezes estão em nosso cotidiano, mas sem as ferramentas adequadas não temos a percepção clara dos fatos. • Com base nas estatísticas do Departamento de Polícia Rodoviária Federal (DPRF), o número de acidentes em rodovias federais apresentou, entre 2004 e 2009, uma elevação de 41,7%, atingindo o quantitativo de 159,4 mil em 2009. 1 Fonte: Folha de Londrina, Caderno de Economia, edição 24 dez. 2010. 4 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Como você pode perceber, essa é uma estatística importante: ela pode servir de alerta aos nossos governantes quanto à necessidade de se analisar as leis de trânsito, o estado geral das rodovias ou, até mesmo, se a fiscalização nas estradas tem sido feita a contento. • Segundo o F/Nazca, entre os brasileiros com mais de 12 anos, 54% costuma acessar a internet (81,3 milhões de pessoas). O principal local de acesso são as lan houses (31%), seguidas da própria casa (27%) e das casas de parentes e amigos com 25% (abril/2010). O Brasil é o 5º país com o maior número de conexões à internet.2 Os exemplos mencionados acima se referem a um levantamento de dados acerca de algum assunto ou tema. 1.3 Definições Algumas variáveis, como grau de escolaridade, gênero (masculino, feminino) ou estado civil, são atributos ou qualidades do indivíduo pesquisado. Portanto, são chamadas de variáveis ou dados qualitativos. Por outro lado, renda, número de carros, número de filhos e idade são resultantes de uma mensuração ou contagem, sendo dessa maneira chamados de variáveis quantitativas ou dados quantitativos. Após a coleta de dados, os mesmos devem passar por um processo de organização para que possam ser analisados. Dados brutos são os dados coletados inicialmente na pesquisa e que ainda não passaram por nenhum processo de organização. 2 Disponível em: < http://www.fnazca.com.br/index.php/2010/ 11/29/brasil-tem-813-milhoes-de-internautas-em-acao/>. Acesso em: 18 dez. 2011. Dados são informações obtidas a partir de pesquisas sobre determinado tema, nas quais se efetuou contagens, observações ou medidas. 5 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Rol refere-se aos dados brutos já organizados em ordem crescente ou decrescente de valor. A organização desses dados pode ser feita com a utilização de um simples rol (lista de dados) ou de tabelas ou gráficos. Exemplos: • Rol 25, 25, 28, 29, 30, 31, 32, 33, 35, 35, 37, 38, 39, 40, 41, 43, 45, 47, 48, 49, 49, 49, 50, 50, 50, 50, 51, 51, 52, 53, 54, 55, 55, 56, 56, 57 Os dados foram listados em ordem crescente, sem nenhuma organização maior, como, por exemplo, acusar dados que se repetem, como é o caso dos números 25, 55 etc. • Tabela Pesos (kg) de alunos da academia de ginástica X: Pesos Frequência de alunos 50| ------55 5 55| ------60 10 60| ------65 18 65| ------70 22 70| ------75 17 Observe que neste caso houve um agrupamento dos dados por intervalos. Desta forma, os dados repetidos aparecem na coluna de frequências. Esse tipo de organização dos dados, como será visto posteriormente, é de grande utilidade nos cálculos estatísticos. 6 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 • Gráfico 40 30 20 10 0 Mortes cometidas por policiais ... Mortes cometidas por policiais ... Rio de Janeiro São Paulo Estados Unidos Fonte: imagem obtida blog Estadão (2009)3 Os gráficos normalmente são mais acessíveis ao público leigo, uma vez que apresentam as informações normalmente de forma mais imediata. A palavra estatística é derivada da palavra status, que significa “estado”, o que é justificado em razão dos dados estatísticos estarem associados aos censos realizados na antiga Babilônia, no Egito e no Império Romano. À época, o objetivo principal desses levantamentos era prover o Estado de informações sobre a população, como, por exemplo, nascimentos e mortes. No entanto, nos dias atuais a estatística não se limita a levantamento de dados, cálculos de médias e apresentação de dados em tabelas e gráficos. De que maneira a estatística pode ser definida então? Estatística é um conjunto de métodos e processos quantitativos que visam a estudar e a medir fenômenos coletivos. Esses métodos são utilizados para a coleta, classificação, apresentação, análise e interpretação de dados quantitativos, possibilitando assim conclusões e decisões pautadas e validadas por esses dados. 3 Disponível em: <http://blogs.estadao.com.br/crimes-no-brasil/2 009/12/>. Acesso em: 09 jan. 2011. 7 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 O estudo da estatística divide-se em duas classificações principais, a estatística descritiva e a estatística inferencial. Estatística descritiva é a parte da estatística que tem por objetivo a coleta, descrição e apresentação dos dados observados, porém sem tirar conclusões mais genéricas (tabelas e gráficos). Estatística inferencial é a parte da estatística que tem por objetivo tirar conclusões a respeito da população, a partir da amostra utilizada. Precisamos saber então o que é população e amostra para o cálculo estatístico! Conjunto de dados Em um conjunto de dados podemos definir dois tipos distintos de conjuntos: população e amostra. Levando-se em consideração que na maioria dos levantamentos de dados é impossívelou impraticável (o custo torna proibitivo, por exemplo) o tratamento de todos os dados da população, retira-se uma amostra. Nesse caso, admite-se que a amostra tenha sido escolhida conforme alguma técnica de amostragem. População: a totalidade dos indivíduos (pessoas, animais ou objetos) com atributos comuns, sobre a qual se faz alguma inferência recebe o nome de população ou universo. Ou seja, é o conjunto de todos os resultados que podem ser encontrados. Amostra é uma parcela dessa população, utilizada para fazer a pesquisa e destacada segundo normas apropriadas. Importante: como as conclusões relativas à população serão baseadas nos resultados encontrados nas amostras escolhidas, 8 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 é necessário garantir que a amostra seja representativa da população. Ou seja, esse conjunto de dados deve possuir as mesmas características básicas da população, no que diz respeito ao que vai ser pesquisado. x1 x2 x3x3 ... xn Amostra (parte) População (todo) Inferência estatística Exemplos de identificação de conjunto de dados, amostra e população: 1 Em um levantamento recente, perguntou-se a 3002 adultos nos EUA se eles liam notícias na internet pelo menos uma vez por semana. Seiscentos adultos responderam que sim. Identifique a população e a amostra. Descreva o conjunto de dados (Fonte: Pew Research Center).4 Solução: a população neste caso corresponde às respostas de todos os adultos dos EUA, enquanto a amostra consiste na resposta dos 3.002 adultos dos EUA envolvidos no levantamento. O conjunto de dados consiste nas 600 respostas positivas (“sim”) e em 2402 respostas negativas. Observe: a amostra é um subconjunto das respostas de todos os adultos dos EUA. 4 Disponível em: <http://people-press.org/>. Acesso em: 09 jan. 2011. 9 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 2 Uma pesquisa foi feita para se obter informações sobre as massas corporais de 12.000 crianças. Para tanto, foram selecionadas dessa população apenas 100 crianças. Solução: tamanho da população é 12.000 e o tamanho da amostra é 100. A seguir vamos definir dois termos importantes que serão utilizados em todo o curso: parâmetro e estatística. Parâmetro é uma descrição numérica estabelecida para toda uma população. Estatística é uma característica numérica estabelecida para uma amostra. Exemplos de distinção entre parâmetro e estatística: Para os exemplos abaixo analise se o valor numérico descreve um parâmetro populacional ou uma estatística amostral. Justifique. 1 Foi feito um levantamento envolvendo 100 indivíduos, residentes no bairro X em São Paulo, do sexo masculino, com menos de 40 anos, que já foram internados com problemas cardiovasculares em um hospital X. Solução: uma vez que a medida numérica 100 refere-se a um subconjunto de São Paulo, ela é uma estatística amostral. 2 Em uma pesquisa aleatória sobre condições de higiene das lanchonetes de certo shopping, verificou-se que 23% não estavam dentro das condições básicas de saneamento estabelecidas pela lei. Solução: como a medida numérica de 23% refere-se a um subconjunto da população, ela é um parâmetro amostral. O termo “pesquisa aleatória”, neste caso, significa que a escolha das lanchonetes foi feita ao acaso. 10 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 3 A média final dos 200 estudantes formados pela universidade X em certo ano foi de 85 pontos. Solução: como a medida de 85 pontos refere-se a todos os estudantes formados, ela é um parâmetro populacional. EXERCÍCIOS 1 O que é estatística? Por que é importante estudar estatística? 2 Em que situações devemos usar uma amostra, ou seja, uma parcela da população para fazer uma pesquisa? 3 Quais cuidados devem ser tomados ao selecionar essa amostra? 4 De que trata a estatística inferencial? 5 Qual a origem da palavra estatística? Nos exercícios 6 a 8 classifique o conjunto de dados em população ou amostra. Justifique. 6 Foi feito um levantamento sobre 100 funcionários de uma indústria que possui 1000 funcionários. 7 Uma pesquisa listou todas as notas de cada aluno de uma escola. 8 Um grupo de senhoras listou o preço de 500 produtos de uma loja que tem 2.000 produtos. 9 Diferencie estatística descritiva e estatística diferencial. Uma amostra grande de homens com 48 anos de idade foi estudada durante 18 anos. Entre 60% e 70% dos homens solteiros estavam vivos aos 65 anos de idade. Entre os Vamos conversar a respeito de algumas nuances importantes para a continuidade do nosso estudo! 11 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 homens casados, 90% estavam vivos aos 65 anos de idade. Que parte do estudo representa o ramo descritivo da estatística? Que conclusões podem ser tiradas desse estudo usando a estatística diferencial (Larson & Farber, 2007)? 10 Uma pesquisa realizada em um campus da Unip mostrou que 90% dos estudantes tinham um grau de aversão por matemática (em consequência, por estatística). Isso significa que a maioria dos estudantes tem aversão à estatística? Observe que os métodos estatísticos fornecem um razoável grau de certeza sobre particularidades de uma população, a partir do cuidado com a seleção da amostra. No entanto, quando a amostra não se confunde com a população (a amostra não é a população e, sim, parte dela) qualquer afirmação a respeito da população (ou seja, da totalidade) é uma inferência – uma possibilidade com razoável grau de certeza, mas não absoluta. Por hora só estamos analisando as possibilidades que as ferramentas estatísticas apresentam. Tanto elas podem ser ferramentas preciosas em pesquisas científicas quanto podem ser mal utilizadas, com o intuito de distorcer dados da realidade. Portanto, o leitor deve estar sempre atento ao contexto de uma informação, não apenas em resultados prontos apresentados, por exemplo, pela mídia ou por publicações que não foram auditadas por pessoas capacitadas. Resolução dos exercícios 1 É um conjunto de métodos e processos quantitativos utilizados para estudar e medir fenômenos coletivos. É importante o seu estudo porque fornece ferramentas adequadas para que se tenha a percepção clara dos fatos 12 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 do cotidiano permitindo, portanto, conclusões e decisões por meio de pesquisas. 2 Quando for impossível ou impraticável o tratamento de todos os dados da população (o que acontece na maioria das vezes). Neste caso, seleciona-se uma amostra, segundo métodos que serão apresentados posteriormente. 3 A amostra deve ser escolhida conforme alguma técnica de amostragem, para que seja representativa da população. 4 É a parte daestatística que tem por objetivo tirar conclusões a respeito da população, a partir da amostra utilizada. 5 A palavra estatística é derivada da palavra status, que significa “estado”, o que é justificado em razão dos dados estatísticos estarem associados aos censos realizados na antiga Babilônia, no Egito e no Império Romano, cujo objetivo era fazer o levantamento de dados sobre assuntos relacionados ao Estado, como nascimentos e mortes. 6 Os 100 funcionários constituem uma amostra do universo (todo) de 1.000 funcionários da indústria. Ou seja, os 100 funcionários constituem uma amostra porque representam apenas uma parcela da população (1.000) de funcionários da indústria. 7 Este levantamento corresponde aos dados da população porque foram listadas as notas de todos os alunos da escola e não apenas de parte deles (o que corresponderia a uma amostra). 8 Os 500 produtos correspondem a uma amostra, uma vez que a loja possui 2.000 produtos. 13 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 9 A estatística descritiva inclui informações tais como “entre 60% e 70% dos homens solteiros estavam vivos aos 65 anos de idade” e “entre os homens casados, 90% estavam vivos aos 65 anos”. Uma possível inferência tirada desse estudo é a de que o fato de ser casado está associado com uma vida mais longa para os homens. 10 Esta questão foi colocada com o propósito de mostrar o quanto podem ser perigosas as ferramentas estatísticas quando utilizadas erroneamente, ou até mesmo com más intenções. Foi frisada acima a importância de uma amostra ser representativa em relação à população. Não há indicativos na questão proposta de como a amostra foi selecionada nem das condições conhecidas de antemão sobre o campus. Vamos considerar as seguintes possibilidades: a) é sabido de antemão que o campus só abriga cursos da saúde; b) o percentual de cursos do ICET neste campus é pequeno. Nestas duas possibilidades (existem outras, é um bom exercício para o leitor pensar nas nuances possíveis deste campus imaginário), uma pesquisa precisa de condições especiais de verificação, tanto em relação à seleção da amostra quanto à forma como os estudantes serão abordados e à forma de análise dos dados obtidos (conteúdo da disciplina do próximo período, estatística indutiva). Uma das medidas estatísticas que veremos a seguir neste texto é a média aritmética simples. Como você já sabe de sua experiência como estudante, a média aritmética simples é obtida a partir do quociente entre a soma de dados obtidos (no caso, suas notas em dada matéria) e o número de vezes que os dados aparecem (quantas provas você realizou). 14 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Por exemplo: vamos considerar que você seja um aluno da UNIP. Na prova P1 sua nota em Estatística foi 6,0 e na prova P2 foi 8,0. Como a média de aprovação na UNIP, sem exame, é 7,0, você foi aprovado, uma vez que sua média final é 7,0. MF = + =6 0 8 0 2 7 0 , , , • No exemplo acima, sua média final mostra que você sabe exatamente 70% do conteúdo dado? • Quais serão os critérios para se estabelecer “notas de corte” em concursos vestibulares e os critérios de aprovação? • Qual a razão de um jovem precisar ter ao menos 18 anos para se submeter a um exame que permita dirigir? Pensou a respeito? Percebeu que muitos critérios que regem nossas vidas são estabelecidos a partir de uma avaliação geral do comportamento das pessoas? Estes critérios, denominados arbitrários, não são estabelecidos “por gosto” e, sim, por estudos estatísticos que possibilitam estabelecer que, a partir de certos índices, a maioria das pessoas está apta a exercer certas atividades. Isso não significa que todas as pessoas estão aptas. Esse critério, evidentemente, como todas as decisões humanas, pode abrigar injustiças. Alguns estudantes podem saber mais do que 70% do conteúdo da disciplina e não serem aprovados sem exame porque houve alguma interferência externa quando das avaliações (doenças, morte de familiares etc.); o mesmo pode ocorrer por ocasião de concursos. Adultos podem ter comportamentos irresponsáveis que jovens de menor idade não teriam. Mas, neste caso, outras habilidades também são consideradas a partir de análises estatísticas (como reflexos, por exemplo). 15 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Entendeu o recado? Você estuda também para estar mais capacitado a tomar decisões de razões práticas em seu cotidiano e não apenas para se formar profissionalmente. Pense nisso quando se sentir tentado a ultrapassar os limites de velocidade estabelecidos para ruas e rodovias (por que eles existem? Quais as condições que interferiram nestas demarcações?). • O que significam os limites estabelecidos em seus exames de sangue? • Por que você atravessa a rua mesmo visualizando um carro em sua direção? Você saberá detectar inúmeras situações equivalentes a partir deste curso. Há uma conhecida ironia estatística, perfeita para uma montagem com os personagens vividos por Paulo Gracindo (primo rico) e Brandão Filho (primo pobre), no quadro humorístico Primo rico, primo pobre. A anedota foi montada a partir de uma imagem antiga. Cena 1: Hoje eu comi um faisão inteiro. Nada como um charuto cubano para complementar o prazer de uma refeição assim. Que bom, primo. Eu, em compensação, não comi nada desde ontem. 16 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Cena 2: Primo, você precisa olhar a vida pelo seu lado bom. Na média, nós comemos meio faisão cada um. Pense bem: eu comi um faisão, você não comeu nenhum. Mas nós somos duas pessoas, portanto: MF = + =1 0 2 1 2 Fonte: imagens disponíveis em: <http://www.biografia.inf.br/paulo-gracindo-ator. html>. Acesso em: 09 jan. 2011. Sugestão de leitura A anedota mostra como o saber pode manipular a favor do poder. Em minha Dissertação de Mestrado (Bernardes, 2003) tratei de questões impostas e também reguladoras do exercício da profissão docente. No entanto, o leitor interessado nas articulações existentes entre o poder e o saber poderá generalizar para qualquer profissão as discussões estabelecidas neste texto. Nele, o profissionalismo é tratado como um discurso próprio do capitalismo, pautado no saber, mas, simultaneamente, proporcionando condições para o avanço do saber. A articulação de duas técnicas de poder, as disciplinas do corpo e a regulação da população têm se constituído, segundo Foucault (1988), na grande tecnologia do poder da atualidade. Porém, estas técnicas não são negativas, mas positivas, quando delas se extrai qualquer valor moral ou político e observa-se apenas a tecnologia empregada: não seria possível uma população como a atual, nas condições existentes, sem determinadas técnicas empregadas na produção de alimentos, por exemplo. Desta forma, o poder disciplinar não destrói o indivíduo, ao contrário, ele é uma produçãodo poder e do saber. 17 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 As contingências impõem a necessidade do poder ser competente e buscar a produção, o acúmulo e a transmissão do saber. Em contrapartida, o saber, ao instrumentar o poder, assegura o exercício de um poder para quem o detém: é o domínio do perito. É, portanto, a partir destas práticas disciplinares que Foucault (1996) sugere a busca do porquê do aparecimento dos domínios de saber: poder e saber implicam-se mutuamente. Uma perspectiva, portanto, como apontou Freidson (1998), para o entendimento da multiplicidade de formas históricas assumidas pela definição de profissão. As profissões, observa o autor, têm sido agentes que criam e fazem avançar o conhecimento incorporado nas disciplinas, quando seus membros projetam esse conhecimento nos assuntos humanos e do Estado. 1.4 Organização e apresentação dos dados 1.4.1 Tabelas A apresentação dos dados em uma tabela é um dos métodos estatísticos mais utilizados. Uma tabela estatística consegue expor os resultados de determinada pesquisa sinteticamente, na qual se tem uma visão mais clara e fácil dos resultados obtidos. Ao se dispor os dados em linhas e colunas distribuídos de forma ordenada, segundo regras estabelecidas, tem-se as tabelas estatísticas. 1.4.1.1 Elementos de uma tabela • Título: precede a tabela e contém a designação do fato observado, o local e a época em que foi registrado; • Corpo: contém os dados pesquisados; • Cabeçalho: é a parte superior da tabela que especifica o conteúdo das colunas; • Fonte: é situada no rodapé da tabela e especifica a entidade responsável. Como você pode observar, a tabela deve ser autoexplicativa, ou seja, deve conter todas as informações importantes a respeito do que está sendo pesquisado, sem que seja necessário ler todo o trabalho. 18 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 1.4.1.2 Distribuição de frequência Distribuição de frequência: as distribuições de frequências podem ser divididas em duas categorias, de acordo com o tipo de variável em estudo. Ou seja, variável discreta ou variável contínua. Variável discreta: quando a amostra é grande, mas o número de observações distintas é pequeno. Para se construir uma distribuição de frequências, basta dispor os dados em duas colunas: uma para os dados observados e outra para as frequências correspondentes a cada valor. Exemplo: notas dos alunos da turma X em Estatística. Notas Frequência de alunos 50 10 60 8 65 10 70 9 80 8 90 10 95 5 Fonte: Secretaria da UNIP, campus de Bauru. Variável contínua: quando o tamanho da amostra é grande e o número de observações distintas também. Para construir a distribuição de frequências devemos dispor os dados em classes que possuam amplitude dentro das quais se incluirão os dados. Exemplo: volume exportado ($) de empresas eletrônicas, país X, ano 2010. 19 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Volume exportado Número de empresas 5000|----------6000 1 6000|----------7000 3 7000|----------8000 8 8000|----------9000 8 9000|---------10000 11 10000|----------11000 6 11000|---------12000 3 Fonte: dados fictícios 1.4.1.3 Construção de tabelas de distribuição de frequência (dados isolados) Frequência absoluta (fi): coluna que apresenta os dados coletados de acordo com o número de ocorrências em relação à particularidade a ser estudada. Observe que a somatória das frequências fi deverá coincidir com o número de dados coletados. Frequência relativa absoluta (fri): é a razão entre a frequência relativa e o número total de dados coletados. f f nri i= Observe que a somatória das frequências fri deverá resultar 1. A=]0,2] A=]0,2] A Frequência relativa absoluta percentual (fri %): é a razão entre a frequência relativa e o número total de dados coletados, apresentados em forma de percentagem. f f nri i(%) .= 100 20 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Ou: fri(%)=fri.100 Observe que a somatória das frequências fri deverá resultar 100. Frequências absolutas cumuladas (Fac): trata-se da adição da frequência absoluta adicionada às suas anteriores. Observe que o resultado final deverá coincidir com o número de dados coletados. Exemplos: 1 Sejam os dados referentes às idades de um grupo de adolescentes: 12, 14, 14, 14, 15, 15, 17, 17, 17,17. Construir uma tabela por distribuição de frequências, indicando as frequências absolutas (fi), frequências relativas absolutas (fri), frequências relativas absolutas percentuais (fri%) e frequências absolutas acumuladas (Fac) Idade (xi) Frequência Absoluta (fi) Frequência relativa abs. (fri) Frequência relativa abs. percentual (fri %) Frequências abs. acumuladas (Fac) 12 1 1/10= 0,1 10% 1 14 3 3/10= 0,3 30% 4 15 2 2/10= 0,2 20% 6 17 4 4/10= 0,4 40% 10 Total 10 1,0 100% - Se a população ou a amostra em questão é muito grande, torna-se difícil observar as diferentes características ou mesmo calcular os estimadores da amostra. Nesse caso, pode ser interessante organizar ou agrupar os dados originais em classes e determinar o número de indivíduos pertencentes a cada 21 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 classe. Este número obtido é chamado de frequência de classe. A frequência de classe é determinada pela soma das frequências de todos os valores existentes dentro da classe. 2 Construção de tabelas de distribuição de frequência (dados agrupados em classes). Os dados a seguir representam o consumo anual (toneladas) de inseticida de uma amostra aleatória de lavradores de certa região durante um ano. Amostragem: 11, 12, 15, 18, 22, 27, 32, 35, 38, 40, 42, 48, 50, 56, 63, 67, 70, 70, 75, 80, 87, 90, 97, 100, 105, 110, 115, 120, 120, 125, 125, 126, 127, 130, 130, 130, 132, 138, 142, 145, 150, 155. 155, 160, 160, 170, 170, 175, 178. O rol já está disposto em ordem crescente. Caso não estivesse, seria necessário ordenar os dados de forma a destacar os limites inferiores e superiores. a) Tamanho da amostra: n = 49. O número de classes deve ser escolhido de acordo com a conveniência, levando-se em conta a utilização de arredondamento de números ou outros fatores de interesse, como o desejo ou a necessidade de se resumir mais a tabela ou de expandi-la. Uma sugestão de literatura é k n= , em que k seria o número de classes ou intervalos a serem utilizados na construção da tabela. No exemplo do consumo anual de inseticida: b) Número de classes: 22 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11/ / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 k = 49 K = 7 classes c) Amplitude de cada classe Amplitude de cada classe Ac = At / K Onde At = limite superior do rol – limite inferior do rol Prosseguindo no exemplo dado, como os dados obtidos já foram dispostos em ordem crescente, observa-se que o limite superior do rol é 178 e o limite inferior é 11. Como o número de classes escolhido foi 7, temos: Ac = (178 – 11) / 7 Ac = 23,86 (ou seja, arredondando, 24) d) Construção da tabela por classes de valores (dados agrupados em classes). Na construção da tabela por classes, elege-se como representante de classe o ponto médio. Consumo anual (toneladas) de inseticida de uma amostra aleatória de lavradores de certa região durante um ano. Classe Freq. abs. (fi ) Ponto médio da classe (PMi) Freq. rel. abs. percent. (fri%) Freq. acum. (Fac) 11|--------35 7 (11+35)/2 = 23 (7/49) x 100=14,29 7 35|--------59 7 (35+59)/2= 47 (7/49) x 100=14,29 14 59|--------83 6 (59+83)/2= 71 (6/49) x 100=12,24 20 83|-------107 5 (83+107)/2= 95 (5/49) x 100=10,20 25 107|-----131 8 (107+131)/2=119 (8/49) x 100=16,33 33 131|-----155 8 (131+155)/2=143 (8/49) x 100=16,33 41 155|-----179 8 (155+179)/2=167 (8/49) x 100=16,33 49 Total 49 23 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Atenção: utilizando-se o valor do ponto médio (PMi) como o único representante de cada classe presume-se, no entanto, perda de precisão. 1.4.2 Histogramas 1.4.2.1 Gráficos de barras São formas de apresentação da frequência dos dados de um levantamento, nas quais a visualização é a partir de um gráfico constituído por barras. Programas como o Excel fornecem diversos modelos de gráficos de barras, inclusive em três dimensões. As imagens a seguir foram obtidas com o auxílio da ferramenta do Word “inserir gráfico”, que abre uma série de possibilidades de gráficos: Quando se opta pelo modelo coluna (vide figuras a seguir), abre-se uma planilha do Excel para a inserção dos dados: 24 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Os dados inseridos na planilha do Excel foram retirados da tabela: Série 1 Série 2 Série 3 Categoria 1 4,3 2,4 2 Categoria 2 2,5 4,4 2 Categoria 3 3,5 1,8 3 Categoria 4 4,5 2,8 5,0 E apresentados no gráfico gerado pelo próprio Excel: 6 5 4 3 2 1 0 Categoria 1 Categoria 2 Categoria 3 Categoria 4 Série 1 Série 2 Série 3 25 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 O programa oferece outras formas de visualização, como a da figura a seguir, que apresenta os mesmos dados da figura anterior: 5 Categoria 1 Categoria 2 Categoria 3 Categoria 4 Série 1 Série 2 Série 3 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 1.4.2.2 Gráficos de barras de dados agrupados Uma boa representação gráfica para dados agrupados é o histograma. Este gráfico de barras é usado para a representação de frequências. Normalmente são usadas frequências relativas por sua relação com probabilidades. Exemplo: A tabela apresenta os resultados de um hipotético estudo da durabilidade de uma ferramenta. Escolhido um intervalo de tempo (10 horas, neste caso), as peças da amostra (150, neste caso) foram agrupadas de acordo com a faixa de durabilidade, resultando na coluna Quantidade da tabela. 26 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Tabela: vida útil da ferramenta Vida em horas Xm Quantidade Frequência relativa % Frequência relativa acumulada % 50-60 55 5 3,3 3,3 60-70 65 7 4,7 8,0 70-80 75 10 6,7 14,7 80-90 85 21 14,0 28,7 90-100 95 33 22,0 50,7 100-110 105 32 21,3 72,0 110-120 115 22 14,7 86,7 120-130 125 13 8,7 95,3 130-140 135 2 1,3 96,7 140-150 145 3 2,0 98,7 150-160 155 2 1,3 100 Freq. relativa % valores 30 20 10 0 40 50 60 70 80 90 100 110 120 130 140 150 160 Gráfico de frequências relativas 27 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Freq. relat. acumul. 40 50 60 70 80 90 100 110 120 130 140 150 160 Valores 100 90 80 70 60 50 40 30 20 10 0 Gráfico de frequências relativas acumuladas Fonte: exemplo e figuras obtidas em MSPC – Informações Técnicas (2009).5 Ogiva: é o gráfico de linha que passa pelos valores superiores das faixas do histograma de frequências acumuladas (indicado em linhas tracejadas na figura que representa o gráfico de frequências relativas acumuladas). 1.4.3 Polígonos de frequência Os dados de um levantamento podem ser representados por intermédio de um polígono de frequência, que nada mais é do que a união dos pontos médios de cada coluna do histograma (coluna xm ). Exemplo: Utilizando a mesma tabela do exemplo anterior, insere-se duas linhas (faixas 40-50 e 160-170) com quantidades zero para fechar o polígono. Este é então representado a partir do histograma ou somente por um gráfico de linha. 5 Disponível em: < http://www.mspc.eng.br/matm/prob_est300. shtml>. Acesso em: 27 jan. 2011. 28 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Tabela: vida útil da ferramenta Vida em horas Xm Quantidade Frequência relativa % 40-50 45 0 0 50-60 55 5 3,3 60-70 65 7 4,7 70-80 75 10 6,7 80-90 85 21 14,0 90-100 95 33 22,0 100-110 105 32 21,3 110-120 115 22 14,7 120-130 125 13 8,7 130-140 135 2 1,3 140-150 145 3 2,0 150-160 155 2 1,3 160-170 165 0 0 Freq. relativa % valores 30 20 10 0 40 50 60 70 80 90 100 110 120 130 140 150 160 1.5 Medidas de posição ou tendência central São medidas que fornecem uma ideia sobre o comportamento do conjunto de dados estudado. É uma forma de resumir o conjunto através de um valor único, que representa em termo “médio” todo o conjunto. 29 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Veja que essas medidas são importantes para situações em que não temos necessidade de mostrar todos os resultados, mas apenas um que nos dê uma posição referente a todo o conjunto. Por exemplo, pode não interessar para a coordenação de um curso saber a média de cada aluno de uma turma, mas sim qual foi a média aritmética das notas daquela turma ou a nota mediana ou a nota modal (maioria). 1.5.1Média aritmética (x) 1.5.1.1 Média aritmética simples Quando desejamos conhecer a média dos dados não agrupados, obtemos a média aritmética simples. Média aritmética é o quociente da divisão da soma dos valores da variável pelo número deles: x x n i i n _ = → ∑ 1 Sendo: x a média aritmética; xi os valores da variável; n o número de valores. Exemplo: Sabendo-se que a produção de suco diária de uma pequena indústria durante uma semana foi de 100, 145, 135, 150, 160, 180 e 100 litros tem-se, para a produção média da semana: 30 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Solução: x x n i i n _ ,= = + + + + + =→ ∑ 1 100 145 155 160 180 100 7 142 14 Logo: x = 142,14 litros 1.5.1.2 Média aritmética ponderada Neste caso, as frequências são números indicadores da intensidade de cada valor da variável; elas funcionam, portanto, como fator de ponderação, o que nos leva a calcular a média aritmética ponderada. Média Aritmética Ponderada Nos cálculos envolvendo média aritmética simples, todas as ocorrências têm exatamente a mesma importância ou o mesmo peso. Dizemos então que elas têm o mesmo peso relativo. Porém, existem casos onde as ocorrências têm importância relativa diferente. Nestes casos, o cálculo da média deve levar em consideração esta importância relativa ou peso relativo. Este tipo de média chama-se média aritmética ponderada. Ponderar significa pesar. No cálculo da média ponderada, multiplicamos cada valor do conjunto por seu “peso”, isto é, por sua importância relativa.6 x x f f i i i n i i n _ . = → → ∑ ∑ 1 1 Sendo fi o peso de cada variável xi 6 Disponível em: < http://www.somatematica.com.br/fundam/ medias.php>. Acesso em: 27 jan. 2011. 31 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Exemplos: 1 Os dados a seguir mostram os preços correspondentes a um mesmo produto em 20 locais diferentes: 5, 5, 6, 6, 6, 7, 7, 8, 9, 9, 9, 9, 10, 10, 10, 10, 10, 11, 11, 12. Solução: o modo mais prático de obtenção da média ponderada é abrir, na tabela, uma coluna correspondente ao produto xi.fi: Preço (xi) Número de locais (fi) xi.fi 5 2 10 6 3 18 7 2 14 8 1 8 9 4 36 10 5 50 11 2 22 12 1 12 fi i n = → ∑ 20 1 x fi i i n . → ∑ = 1 170 Logo: x x f f i i i n i i n _ . ,= = =→ → ∑ ∑ 1 1 170 20 8 5 Portanto, o preço médio do produto nos 20 locais pesquisados é de R$ 8,50, ou seja, x = R$ 8,50 32 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 2 Um professor passou um trabalho para ser feito em casa e que deveria ser entregue no dia da prova do mês. Ele atribuiu pesos diferentes para as duas avaliações. Se a prova e o trabalho tiverem pesos 3 e 1, respectivamente, e se um aluno tirar 70 na prova e 90 no trabalho, qual será a média do aluno? Solução: x x f f i i i n i i n _ . . .= = + =→ → ∑ ∑ 1 1 70 3 90 1 4 75 Portanto, a média do aluno será de 75 pontos, ou seja, x = 75 pontos Observe que a nota da prova tinha maior peso (peso 3) e o trabalho, menor peso (peso 1). Em decorrência dessa diferença de peso, a média final teve maior influência da nota da prova (70), resultando no valor final de 75. 1.5.1.3 Média aritmética para dados agrupados numa distribuição de frequências Nesse caso, as variáveis (xi) serão representadas pelos pontos médios de cada classe da tabela. Média aritmética para dados agrupados em classes é utilizada quando é possível estabelecer classes de valores. Então é necessário obter o ponto médio que represente cada intervalo. Esse ponto médio (Pmi) é a média aritmética simples dos valores extremos que compõem cada classe ou intervalo. No cálculo da média aritmética para dados agrupados em classes, multiplicamos cada ponto médio do conjunto por seu “peso”, isto é, por sua importância relativa. 33 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 x P f f mi i i n i i n _ . = → → ∑ ∑ 1 1 Sendo fi o peso de cada variável Pmi Exemplo: Calcular a média aritmética das estaturas do grupo de crianças recém-nascidas, apresentadas na tabela abaixo. Classificação das crianças recém-nascidas por estatura: Estatura (cm) fi Pmi Pmi. fi 32�|--------- 34 2 33 66 34|----------36 9 35 315 36|----------38 15 37 555 38|----------40 25 39 975 40|----------42 10 41 410 42|----------44 7 43 301 fi i n = → ∑ 68 1 Pm fi i i n . = → ∑ 2622 1 Assim: x P f f mi i i n i i n _ . ,= = =→ → ∑ ∑ 1 1 2622 68 38 56 Portanto, a estatura média deste grupo de crianças recém-nascidas é 38,56 cm. Lembre-se de que a média aritmética deve estar sempre entre os valores estudados. Nesse caso, como as médias de estaturas variavam de 32 a 44 cm, a média obrigatoriamente deve estar dentro desse intervalo. 34 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 1.5.2 Mediana A mediana de uma série de n dados dispostos em ordem crescente ou decrescente é o elemento que fica na posição central. Caso o número de dados seja par, a mediana será a média entre os dois pontos centrais do conjunto. Exemplos: 1 As estaturas (m) de 9 pacientes que frequentam uma clínica nutricional são dadas pelos seguintes valores: 1,48 1,50 1,52 1,55 1,57 1,60 1,63 1,65 1,67 Obter a mediana do conjunto. Solução: uma vez que o número de dados é 9 (um número ímpar), a mediana é o ponto médio, ou seja, a estatura mediana é 1, 57m. 2 Um paciente cuja estatura é 1,60m deixa de frequentar a clínica nutricional do exemplo acima. Qual a estatura mediana dos pacientes restantes? Solução: as estaturas restantes são: 1,48 1,50 1,52 1,55 1,57 1,63 1,65 1,67. Uma vez que o número de dados é 8 (um número par), a mediana é a média entre os dois pontos médios. (1,55 + 1,57) / 2 = 1,56m Assim, a mediana das estaturas dos pacientes remanescentes da clínica é de 1,56m. 3 Calcule a mediana da distribuição a seguir. Ela representa o número de erros cometidos por dia pelo sistema 35 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 computacional, em um departamento de auditoria. Foram registrados os dados por um período de112 dias. Número de erros cometidos por um sistema de computador: Número de erros Frequência de dias Frequências acumuladas 0 21 21 1 1536 2 20 56 3 15 71 4 20 91 5 20 111 fi i n = → ∑ 111 1 Solução: uma vez que o número de dados é ímpar (que nesse caso é dado pela soma das frequências), o valor mediano será dado pelo ponto médio da soma das frequências (55,5). Ou seja, a mediana corresponde ao número 2. Portanto, a mediana é igual a 2 erros. 1.5.3 Moda A moda de um conjunto de dados é o valor com maior frequência, ou seja, o valor que mais se repete. Se dois ou mais valores se repetirem com a mesma frequência, cada valor é uma moda e os dados são chamados de bimodais (duas modas) ou polimodais (várias modas). Exemplo: 1 Sejam os números 3, 5, 5, 5, 5, 9, 10, 10, 10, 10, 15 correspondentes às idades (meses) de certo grupo de bebês. Encontre a moda das idades dos bebês. Importante! Um conjunto de números pode não ter moda (amodal), quando todos os valores ocorrerem com a mesma frequência. 36 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Idades Frequência 3 1 5 4 9 1 10 4 15 1 Solução: as idades 5 meses e 10 meses aparecem quatro vezes, enquanto as demais idades aparecem somente uma vez. Assim, as modas das idades dos bebês são 5 meses e 10 meses. 2 Encontre a moda correspondente às massas corporais dos alunos relacionados na tabela abaixo. Massa corporal (kg) dos alunos do 2o grau do colégio X. Massa corporal (kg) Frequencia (fi) 40 35 45 47 46 36 57 20 62 3 Solução: para a obtenção da moda, inicialmente identifica-se qual a maior frequência, que no caso é 47. Este valor corresponde à massa corporal de 45 kg. Portanto, a massa corporal mais frequente nesta amostra é 45 kg. 3 Sejam os números: 1, 2, 3, 4, 5, 7, 8, 9, 10. Encontre o valor correspondente à moda desse conjunto. Solução: como todos os valores têm a mesma frequência, ou seja, todos aparecem uma única vez, não existe moda, portanto o conjunto é amodal. Veja que nesse caso temos duas modas (dois valores com maior frequência), o que indica um conjunto bimodal. 37 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 1.6 Medidas de dispersão Para se avaliar quantitativamente o grau de variabilidade ou dispersão dos valores de um conjunto de números em torno do valor médio usamos as medidas de dispersão. Entre as principais que estudaremos estão: a variância, o desvio padrão e o coeficiente de variação. O grau de dispersão de um conjunto de observações pode ser obtido pela média dos desvios dos dados em relação à média do conjunto de observações feita. Veja que quanto maior o grau de dispersão de um conjunto de dados mais heterogêneo ele se apresenta. Se compararmos vários conjuntos, o que tiver menor dispersão será o mais homogêneo; ou seja, seus dados estão apresentando menor variação em relação à medida central. 1.6.1 Variância e desvio padrão 1.6.1.1 Variância e desvio padrão para dados isolados simples Orientações para o cálculo da variância e do desvio padrão amostral e populacional – Dados Isolados Simples. 1 Calcular a média aritmética amostral: x x n i i n _ = → ∑ 1 Ou populacional: µ _ = → ∑ x N i i N 1 38 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 2 Calcular o desvio de cada dado em relação à média amostral ou populacional: ( ) _ x xi − (xi — µ) 3 Elevar ao quadrado cada desvio em relação à média amostral ou populacional: ( ) _ x xi − 2 (xi — µ)2 4 Somar os resultados para obter a soma dos quadrados. ( ) _ x xi i n − → ∑ 2 1 ou ( )xi i N − → ∑ µ 2 1 5 Dividindo-se por n-1 (n é o número de dados da amostra) o resultado anterior obtêm-se a variância amostral e por N-1 (N é o número de dados da população) obtêm-se a variância populacional, respectivamente: s x x n i i n 2 2 1 1 = − − → ∑ ( ) _ σ µ 2 2 1 1 = − − → ∑ ( )x N i i N 6 Determinando a raiz quadrada encontramos o desvio padrão: 39 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 amostral s s= 2 ou populacional σ σ= 2 Exemplo: Determinar a variância e o desvio padrão amostrais da massa corporal inicial (kg) de adolescentes submetidos a uma dieta especial. Massas corporais iniciais: 37 38 39 41 41 41 42 44 45 47 Solução: determinar o desvio de cada massa inicial em relação à massa média do grupo de adolescentes. Em relação às massas iniciais a média é: x x n i i n _ ,= = + + + + + + + + + = =→ ∑ 1 37 38 39 41 41 41 42 44 45 47 10 415 10 415 Logo x = 41,5 Kg. Para se determinar como cada massa individual se desvia da média do grupo é só subtrair 41,5 dela. Por exemplo, o desvio de 41 kg é: 41 – 41,5 = – 0,5. Depois, esse resultado deve ser elevado ao quadrado: (-0,5)2 = 0,25. 40 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 A tabela a seguir mostra os desvios e os quadrados dos desvios de cada uma das dez massas corporais iniciais. Massa (Kg) xi Desvio (xi—x) Quadrados Desvio (xi—x) 2 37 - 0,5 0,25 38 -3,5 12,25 39 -2,5 6,25 41 -0,5 0,25 41 -0,5 0,25 42 0,5 0,25 44 2,5 6,25 45 3,5 12,25 47 5,5 30,25 xi i n = → ∑ 415 1 ( ) _ x xi i n − = → ∑ 0 1 ( ) , _ x xi i n − = → ∑ 2 1 88 5 Como s x x n i i n 2 2 1 1 = − − → ∑ ( ) _ s2 88 5 10 1 88 5 9 9 83= − = =, , , s = 9 83, s ≈ 314, Logo, a variância amostral das massas corporais iniciais é 9,83 e o desvio padrão é de 3,14 Kg. 41 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 1.6.2 Variância e desvio padrão para dados isolados ponderados Orientações para o cálculo da variância e do desvio padrão amostral e populacional – dados isolados ponderados 1 Calcular a média aritmética amostral x x f f i i i n i i n _ . = → → ∑ ∑ 1 1 ou a média aritmética populacional µ = → → ∑ ∑ x f f i i i N i i N . 1 1 2 Calcular o desvio de cada dado em relação à média amostral ou populacional: ( ) _ x xi − (xi — µ) 3 Elevar ao quadrado cada desvio em relação à média amostral ou populacional: ( ) _ x xi − 2 (xi — µ)2 42 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : Már ci o - 24 /0 2/ 20 11 4 Somar os resultados para obter a soma dos quadrados e multiplicar por cada frequência correspondente. ( ) . _ x x fi i n i− → ∑ 2 1 ou ( ) .x fi i N i− → ∑ µ 2 1 5 Dividindo-se por (n-1) (n é o número de dados da amostra) o resultado anterior obtêm-se a variância amostral e por (N-1) (N é o número de dados da população) obtêm-se a variância populacional, respectivamente: s x x f n i i i n 2 2 1 1 = − − → ∑ ( ) . _ σ µ 2 2 1 1 = − − → ∑ ( ) .x f N i i i N Exemplo: Determinar a variância e o desvio padrão amostrais dos preços (R$) para os produtos a seguir: Preços (R$) xi Frequência fi 5 2 7 3 8 5 9 4 11 2 Total 16 Solução: seguir as orientações dadas no quadro explicativo para o cálculo de variância e desvio padrão para dados isolados 43 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 simples, ou seja, determinar o desvio de cada preço para o grupo de produtos. Preços ($) xi Frequência fi xi.fi (xi—x) 2.fi 5 2 10 (5 – 8,06)2.2 = 18,73 7 3 21 (7 – 8,06)2.3 = 3,37 8 5 40 (8 – 8,06)2.5 = 0,02 9 4 36 (9 – 8,06)2.4 = 3,53 11 2 22 (11 – 8,06)2.2 = 17,29 n f i n i= = → ∑ 1 16 x fi i n i → ∑ = 1 129. ( ) . , _ x x fi i n i− = → ∑ 2 1 42 94 a) Cálculo da média aritmética x x f n i i n i_ . = → ∑ 1 x x f n i i n i_ . ,= = =→ ∑ 1 129 16 8 06 Logo, x= R$8,06 b) Cálculo da variância s x x f n i i i n 2 2 1 1 = − − → ∑ ( ) . _ 44 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 s2 42 94 16 1 = − , s2 42 94 15 = , s2=2,86 c) Cálculo do desvio padrão s2=2,86 s = 2 86, s=1,69 Logo, S = R$1,69 1.6.3 Variância e desvio padrão para dados agrupados em classes Orientações para o cálculo da variância e do desvio padrão de uma amostra – dados agrupados em classes 1 Calcular a média aritmética amostral x Pm f f i i i n i i n _ . = → → ∑ ∑ 1 1 Ou a média aritmética populacional 45 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 µ = → → ∑ ∑ Pm f f i i i N i i N . 1 1 2 Calcular o desvio de cada dado em relação à média amostral ou populacional: (Pmi—x) (Pmi—µ) 3 Elevar ao quadrado cada desvio calculado anteriormente: (Pmi—x) 2 (Pmi—µ)2 4 Somar os resultados para obter a soma dos quadrados e multiplicar por cada frequência correspondente. ( ) . _ Pm x fi i i n − → ∑ 2 1 ( ) .Pm fi i i N − → ∑ µ 2 1 5 Dividindo-se por (n -1) obtêm-se a variância amostral e por (N -1) obtêm-se a variância populacional, respectivamente. s Pm x f n i i i n 2 2 1 1 = − − → ∑ ( ) . _ σ µ 2 2 1 1 = − − → ∑ ( ) .Pm f N i i i N 46 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Sendo: X = (� xifi) ÷ (� fi) X a média aritmética; xi os valores da variável; fi o número de valores. 6 Determinando a raiz quadrada encontramos o desvio padrão amostral s s= 2 Ou populacional σ σ= 2 Obs: n fi i n = → ∑ 1 N fi i N = → ∑ 1 Exemplo: Determinar a variância e o desvio padrão amostrais das massas (g) para as peças a seguir. Faixas de massas (g) Frequência (fi) 2|--------4 2 4|--------6 4 6|--------8 7 8|-------10 4 10|-------12 3 Total = 20 47 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Solução: seguir as orientações dadas no quadro explicativo para o cálculo de variância e desvio padrão para dados agrupados em classes, ou seja, determinar o desvio do valor de cada massa para o grupo de peças. Massas (g) Frequência fi Pmi Pmi.fi (Pmi—x) 2.fi 2|------4 2 3 6 (3 – 7,2)2.2 = 35,28 4|------6 4 5 20 (5 – 7,2)2.4 = 19,36 6|------8 7 7 49 7 – 7,2)2.7 = 0,28 8|------10 4 9 36 (9 – 7,2)2.4 = 12,96 10|----12 3 11 33 (11 – 7,2)2.3 = 43,32 n fi i n = = → ∑ 1 20 Pm fi i i n . = → ∑ 144 1 ( ) . , _ Pm x fi i i n − = → ∑ 2 1 1112 a) Cálculo da média x Pm f f i i i n i i n _ . = → → ∑ ∑ 1 1 x _ ,= =144 20 7 2 x=7,2 b) Cálculo da variância s Pm x f n i i i n 2 2 1 1 = − − → ∑ ( ) . _ s2 1112 20 1 = − , 48 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 s2=5,85 c) Cálculo do desvio padrão s = 5 85, s=2,42 Logo, S =2,42 g 1.6.4 Medida de dispersão relativa – coeficiente de variação (Cv) Nesta modalidade de medida de dispersão, a variação dos dados é apresentada em forma de percentagem. Observação: a dispersão relativa é útil especialmente para estabelecer comparação em termos relativos do grau de concentração em torno da média de séries distintas ou numa mesma série com unidades de medidas diferentes. Por exemplo, se desejamos comparar se uma amostra de estudantes apresenta maior dispersão quanto à massa corporal total ou quanto à massa muscular. Cálculo do coeficiente de variação (em relação à média amostral ou à média populacional): C s x v = _ .100 Cv = σ µ .100 Lembre-se: o coeficiente de variação é expresso em porcentagens. 49 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Sendo: s= desvio padrão amostral. σ = desvio padrão populacional. µ = média aritmética populacional. x = média aritmética amostral. Exemplo: Em uma indústria, o salário médio das mulheres é de R$ 2.000,00, com desvio – padrão de R$ 800,00, e o dos homens é de R$ 3.000,00, com desvio – padrão de R$ 900,00. Qual salário possui maior dispersão relativa, o das mulheres ou o dos homens? Solução: como os dados são referentes a toda a população de homens e mulheres da indústria e não apenas a uma amostra, o cálculo coeficiente de variação será feito com base na média e no desvio padrão populacionais. Cálculo do Cv para as mulheres: Cv = σ µ .100 Cv = = 800 100 2000 40 . Cv = 40% Cálculo do Cv para os homens: Cv = σ µ .100 50 Unidade IRe vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Cv = = 900 100 3000 30 . Cv = 30% Dessa forma, concluímos que os salários das mulheres apresentam maior dispersão relativa do que os salários dos homens. Exercícios 1 A tabela a seguir apresenta a distribuição das exportações de produtos eletrônicos de empresas em determinado ano. Volume exportado de produtos eletrônicos por empresas: Volume exportado Número de empresas 5000|----------6000 1 6000|----------7000 3 7000|----------8000 8 8000|----------9000 8 9000|----------10000 11 10000|----------11000 6 11000|----------12000 3 Fonte: dados fictícios Considerando-se que no ano anterior ao dos dados tabelados, o volume médio exportado foi de R$ 9.000,00 podemos afirmar que o volume médio exportado no período atual aumentou? a) sim, o volume médio exportado aumentou para R$ 9.100,00. b) sim, o volume médio exportado aumentou para R$ 9.200,00. 51 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 c) o volume médio exportado continuou igual. d) não, o volume médio exportado diminuiu para R$ 8.875,00. e) não, o volume médio exportado diminuiu para R$ 8.000,00. 2 Uma pesquisa realizada em uma indústria durante 27 meses mostrou a distribuição de peças defeituosas fabricadas. Número de peças de precisão defeituosas devolvidas mensalmente pelo controle de qualidade: Número de peças com defeito Número de meses 0 2 1 8 2 6 3 4 4 4 5 2 6 1 Fonte: dados fictícios A mediana (Me) e a moda (Mo) de peças rejeitadas por mês foi: a) Me= 2 e Mo = 1. b) Me= 1 e Mo = 1. c) Me= 2 e Mo = 2. d) Me= 1 e Mo = 6. e) Me= 2 e Mo = 6. 52 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 3 A nota média para aprovação em uma disciplina X é 70 pontos. Se um aluno tirou 60, 75, 80 e 55 pontos no 1o, 2o, 3o e 4o bimestres, respectivamente, e considerando-se que o 3o bimestre tinha peso 2 e os demais bimestres peso 1, o aluno será aprovado? a) sim, com média de 72 pontos. b) sim, com média de 70 pontos. c) sim, com média de 78 pontos. d) não, será reprovado, com média de 68 pontos. e) não, será reprovado, com média de 65 pontos. 4 Qual a posição que o valor 70 ocupa na série 60, 50, 70, 80, 90? a) a média e a moda. b) a média e a mediana. c) a mediana e a moda. d) a média, a mediana e a moda. e) a variância. 5 As fases principais do método estatístico são: a) coleta de dados, amostragem, apresentação tabular e gráfica e definição dos problemas. b) amostragem, apresentação tabular, apuração dos dados, interpretação dos dados e planejamento. 53 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 c) definição do problema, planejamento, coleta dos dados, análise e interpretação dos dados. d) definição do problema, amostragem, apresentação tabular e análise. e) definição do problema, coleta dos dados, conclusão. 6 Um comerciante vende determinado produto em sacas que deveriam conter uma massa mínima média de 16,50 kg como padrão. A avaliação de 40 sacas revelou os resultados apresentados na tabela abaixo: Massas (kg) referentes a 40 sacas do produto X Massas Número de sacas 14,55 1 15,05 3 15,55 8 16,05 9 16,55 10 17,05 6 17,55 3 Fonte: dados fictícios O padrão está sendo respeitado? a) sim, o peso médio é de 16,50 kg. b) sim, o peso médio é de 16,60 Kg. c) não, o peso médio é de 15,00 Kg. d) não, o peso médio é de 15,80 kg. e) não, o peso médio é de 16,23 Kg. 54 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 7 Foram selecionadas amostras aleatórias de ações negociadas para a realização de um estudo do desempenho de duas companhias corretoras de ações. Para isso, considerou-se a porcentagem de lucro para cada ação e as respectivas variações durante um período específico, conforme os dados que seguem abaixo: Corretora A: média de lucro obtido no período foi 4,5 um, com desvio padrão de 0,41 um. Corretora B: lucros obtidos (um): 3,7; 3,8; 3,9; 4,6; 4,9; 5,1. Obs.: um = unidade monetária Qual corretora apresentou resultados mais homogêneos no período? a) Corretora A, com desvio padrão de 0,41 um. b) Corretora B, com desvio padrão de 0,61 um. c) Corretora B, com média de 4,33 um. d) Corretora A, com média de 5,4 um. e) As duas corretoras apresentaram a mesma variabilidade nos lucros. 8 A tabela abaixo mostra as idades de 40 crianças entrevistadas em duas escolas estaduais de certa cidade no ano corrente: Idades Frequência 11 2 12 1 13 9 14 6 15 22 Total 40 55 ESTATÍSTICA DESCRITIVA Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 Qual o percentual de crianças com 14 anos? a) 10% b) 12% c) 20% d) 18% e) 15% 9 Realizou-se uma prova de estatística para duas turmas. Os resultados foram os seguintes: Turma A: µ = 5 e σ = 2,5 Turma B: µ = 4 e σ = 2,0 Com base nesses resultados, podemos concluir que: a) A turma B apresentou maior dispersão absoluta. b) Tanto a dispersão absoluta quanto a relativa são maiores para a turma B. c) A dispersão relativa é igual à dispersão absoluta. d) A dispersão absoluta de A é maior do que a de B, mas em termos relativos as duas turmas não diferem quanto ao grau de dispersão das notas. e) A dispersão absoluta de B é maior do que a de A. 10 A prefeitura de um grande centro quer conhecer o padrão de consumos mensais de energia elétrica e de água de duas de suas regiões: uma delas com residências 56 Unidade I Re vi sã o: E la in e – Di ag ra m aç ão : M ár ci o – 16 /0 2/ 11 / / 2ª R ev is ão : E la in e - Co rr eç ão : M ár ci o - 24 /0 2/ 20 11 de alto padrão de construção e outra com residências de baixo padrão de construção. O estatístico responsável pelo estudo solicitou, junto às companhias de distribuição de energia elétrica e de água, uma amostra aleatória de cada região dos valores de consumo mensal de energia elétrica e de água das residências de cada região. As companhias distribuidoras forneceram um resumo dos dados solicitados, média e desvio padrão do consumo nas residências amostradas, apresentados na tabela a seguir:7 Tamanhos de amostra, média e desvio-padrão das variáveis estudadas Região Consumo Número de residências amostradas Média amostral Desvio padrão amostral Residências de Alto Padrão Energia elétrica (kWh)Água (m3) 400 240 750 60 75 Residências de Baixo Padrão Energia
Compartilhar