Prévia do material em texto
Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 1a Aula Prática Técnicas de somatório Notação e propriedades: 1) Variáveis e índices: o símbolo xj (leia x índice j) representa qualquer um dos n valores x1, x2, . . ., xn assumidos por uma variável aleatória X na amostra (conjunto de dados). A letra j, usada como índice, indica um dos possíveis valores de 1 a n, assumidos pela variável aleatória. Assim, por exemplo, se for considerada uma amostra de tamanho n = 3 de coelhos ao abate aos noventa dias e se X representa uma variável relativa ao peso em kg, então uma possibilidade de resultados é: 2,56, 2,43 e 2,60. Logo, x1 = 2,56, x2 = 2,43 e x3 = 2,60. Os valores da variável aleatória são representados por letras minúscula e as variáveis aleatórias, por letras maiúscula. 2) Notação por somatório: para representarmos a soma de n variáveis aleatórias podemos utilizar o símbolo ∑ , letra grega maiúscula sigma. Assim, x1 +x2 + . . . +xn pode ser representada por ∑n j=1 xj , ou seja, n∑ j=1 xj =x1 + x2 + · · ·+ xn. A variação do índice j pode não ir de 1 a n, mas estar em qualquer subintervalo desses limites. 3) Algumas propriedades: a) n∑ j=1 axj = ax1 + ax2 + . . . + axn = a n∑ j=1 xj b) n∑ j=1 xjyj = x1y1 + x2y2 + . . . + xnyn 6= n∑ j=1 xj n∑ j=1 yj c) n∑ j=1 (axj + byj) = a n∑ j=1 xj + b n∑ j=1 yj d) n∑ j=1 k = nk em que a, b e k são constantes. Exercícios propostos: 1) Sejam as amostras de tamanho n = 5 dadas por: X = {2,7,4,3,2} Y = {1,2,3,6,5} , obter: 2 a) 4∑ j=1 xj b) 5∑ j=1 yj c) 5∑ j=1 2x2j d) 5∑ j=1 xjyj e) 5∑ j=1 (3xj + 2yj) f) 4∑ j=2 xjyj + 5∑ j=1 y2j 2) Sejam X¯ = n∑ j=1 Xj n e S2 = 1 n− 1 n∑ j=1 X2j − n∑ j=1 Xj 2 n , os estimadores da média e da variância, respectivamente, obtidos em uma amostra aleatória de tamanho n. Considerando o conjunto de dados X = {2, 4, 5, 6, 1, 8}, calcular a média e a variância. 3) Mostrar numericamente, a partir do conjunto X do exercício proposto número 2 e de forma algébrica, para qualquer amostra de tamanho n, que ∑n j=1(Xj − X¯) = 0. 4) Demonstrar que o valor de Q = n∑ j=1 (Xj −A)2 n− 1 representa um ponto de mínimo se o valor de A for igual a X¯. Representar em um gráfico o esboço da função Q. 5) Criar dois conjuntos de valores de tamanho n = 5 para que seguinte igualdade se verifique: Q = n∑ j=1 ( Xj − X¯ )2 n− 1 = 0. 6) Desenvolver a expressão Q = n∑ j=1 ( Xj − X¯ )2 n− 1 considerando as propriedades de somatório e mostrar que Q = S2. A partir deste resultado e daquele obtido no exercício 4, qual é o significado que você atribui à variância S2? Estatística Básica - GEX112 Ferreira, D.F. 3 Resolução 1) Sejam as amostras de tamanho n = 5 dadas por: X = {2,7,4,3,2} Y = {1,2,3,6,5} , então: a) 4∑ j=1 xj = x1 + x2 + x3 + x4 = 2 + 7 + 4 + 3 = 16; b) 5∑ j=1 yj = y1 + . . . + y5 = 1 + 2 + . . . + 5 = 17; c) 5∑ j=1 2x2j = 2 5∑ j=1 x2j = 2× (22 + 72 + . . . + 22) = 2× 82 = 164; d) 5∑ j=1 xjyj = 2× 1 + 7× 2 + . . . + 2× 5 = 2 + 14 + . . . + 10 = 56; e) 5∑ j=1 (3xj + 2yj) = 3 5∑ j=1 xj + 2 5∑ j=1 yj = 3× 18 + 2× 17 = 88; e f) 4∑ j=2 xjyj + 5∑ j=1 y2j = 44 + (1 2 + 22 + . . . + 52) = 44 + 75 = 119. 2) Considerando o conjunto de dados X = {2, 4, 5, 6, 1, 8}, a média e a variância são: X¯ = n∑ j=1 Xj n = 2 + 4 + · · ·+ 8 6 = 26 6 = 4,3333 e S2 = 1 n− 1 n∑ j=1 X2j − n∑ j=1 Xj 2 n = 1 5 [ 146− 26 2 6 ] = 6,6667. 3) Mostrar numérica e algebricamente que as somas de desvios em relação a média aritmética é nula, qualquer que seja a amostra. a) Numericamente n∑ j=1 (Xj − X¯) = (2− 13/3) + (4− 13/3) + . . . + (8− 13/3) = (−7− 1 + 2 + 5− 10 + 11)/3 = 0; Estatística Básica - GEX112 Ferreira, D.F. 4 b) algebricamente n∑ j=1 (Xj − X¯) = n∑ j=1 Xj − n∑ j=1 X¯ = n∑ j=1 Xj − nX¯ = n∑ j=1 Xj − �n n∑ j=1 Xj �n = n∑ j=1 Xj − n∑ j=1 Xj = 0 C.Q.M. 4) Expandindo o somatório e derivando Q em relação a A tem-se: Q = 1 n− 1 n∑ j=1 (Xj −A)2 = 1 n− 1 n∑ j=1 (X2j − 2AXj + A2) = 1 n− 1 n∑ j=1 X2j − n∑ j=1 2AXj + n∑ j=1 A2 = 1 n− 1 n∑ j=1 X2j − 2A n∑ j=1 Xj + nA 2 dQ dA = 1 n− 1 −2 n∑ j=1 Xj + 2nA Igualando a derivada a zero, e resolvendo em relação a A, tem-se: dQ dA = 1 n− 1 −2 n∑ j=1 Xj + 2nA = 0 2nA = 2 n∑ j=1 Xj A = n∑ j=1 Xj n = X¯ O ponto ótimo, obtido igualando a derivada primeira a zero, pode ser de máximo, de mínimo ou de inflexão. Para certificar-se de que o valor de Q é um valor mínimo, quando A é igual à média amostral, basta mostrar que a segunda derivada é positiva. A segunda derivada de Q em relação a A é dada por: d2Q dAdA = 2n n− 1 > 0 ou seja, a segunda derivada para qualquer tamanho de amostra será positiva, ficando concluída assim a demonstração. Veja o gráfico da função a seguir, em que Qmin = S2. Estatística Básica - GEX112 Ferreira, D.F. 5 A Q X¯ Qmin 5) Para que o somatório em questão seja nulo é necessário que cada parcela seja igual a zero. Para isso acontecer é preciso que cada valor xj seja igual a média da amostra, ou seja, xj = X¯. Assim, concluímos que os n valores da amostra têm de ser iguais. Logo, podemos construir quaisquer amostra de tamanho n = 5 com valores iguais, como, por exemplo, X = {1,1,1,1,1} ou Y = {5,5,5,5,5}. 6) Desenvolvendo Q = n∑ j=1 ( Xj − X¯ )2 n− 1 = 1 n− 1 n∑ j=1 (X2j − 2X¯Xj + X¯2) = 1 n− 1 n∑ j=1 X2j − n∑ j=1 2X¯Xj + n∑ j=1 X¯2 = 1 n− 1 n∑ j=1 X2j − 2X¯ n∑ j=1 Xj + nX¯ 2 = 1 n− 1 n∑ j=1 X2j − 2 n∑ j=1 Xj n n∑ j=1 Xj + n n∑ j=1 Xj n 2 = 1 n− 1 n∑ j=1 Xj 2 − 2 n∑ j=1 Xj 2 n + �n n∑ j=1 Xj 2 n�2 = 1 n− 1 n∑ j=1 X2j − n∑ j=1 Xj 2 n = S2 Assim, a variância é função da soma de quadrados de desvios em relação a média e é um valor mínimo, se for considerada outra constante no lugar da média. Se tomarmos Q como uma função de A, que representa uma parábola, a variância representa o ponto de mínimo desta parábola, quando A = X¯. A variância é tanto menor, próximo de zero, quanto maior for a semelhança dos dados amostrais, ou seja, em amostras com pouca variação. Crescerá para infinito, quando a variabilidade aumentar. Estatística Básica - GEX112 Ferreira, D.F. Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 2a Aula Prática Coleta, organização e apresentação de dados 1) Os dados apresentados a seguir referem-se ao tempo que uma bateria levou para apresentar uma falha grave, em anos, ou seja, para descarregar completamente. A amostra de tamanho n = 20 foi obtida com objetivo de caracterizar a robustez das baterias e é dada por: 8,52 4,19 2,52 1,91 8,78 5,91 0,76 12,04 2,60 1,69 5,63 6,36 5,07 3,03 1,13 1,39 12,58 2,03 0,60 0,45 a) Agrupar os dados do tempo até a falha das baterias em uma distribuição de frequências, deter- minando o número de classes pelo critério k = √ n. Dado: A = X(n)−X(1) (amplitude total), c = A/(k−1) (amplitude de casse), LI1 = X(1)−c/2, LS1 = LI1 + c, LI2 = LS1, etc.; computar as frequências a partir dos dados originais(de preferência dos dados elaborados, ordenados). b) Obter o histograma (classes na abscissa e frequências na ordenada) e o polígono de frequência (linha poligonal unindo os centros dos retângulos) em um mesmo gráfico. c) Construir as distribuições de frequências acumuladas: utilizar os limites de classes e calcular as frequências acumuladas abaixo e acima destes limites e construir a tabela correspondente. d) Traçar as ogivas no mesmo plano cartesiano. As ogivas são os gráficos correspondentes às frequências acumuladas abaixo e acima (ordenada) dos limites de classes (abscissa). e) Qual é a porcentagem de baterias com tempo até falhar superior a 3 anos? Utilizar as ogivas (leitura gráfica) e a interpolação algébrica na distribuição de frequência para responder a esta pergunta. Comparar e discutir os resultados obtidos com a proporção obtida diretamente na amostra. f) Acima de qual valor em anos estão 50% das baterias? g) Qual a porcentagem de baterias com tempo até falhar inferior a 8 anos? h) Obtenha o tempo em que 20% das baterias falham antes deste valor? Determine também o tempo em que apenas 20% das baterias falham além deste valor. Obs. Utilize nos casos 1f, 1g e 1h a distribuição de frequência para realizar os cálculos. 2) Os dados a seguir referem-se ao número de empresas/ano que decretaram falência observadas em n = 85 anos na cidade de Lavras, MG. Empresas Frequências 0 36 1 19 2 16 3 7 4 4 5 2 6 1 a) Obter o gráfico da ocorrência de empresas falidas. b) É possível, em sua opinião, encontrar uma ano em que mais de seis empresas venham a falir? Justificar sua resposta. c) Qual é a natureza da distribuição de frequências? (simétrica, assimétrica à direita ou à esquerda) d) Existe diferença entre a variável apresentada neste exercício e a do exercício 1? Se afirmativo , qual é a diferença? 2 Resolução 1) Antes de realizar-se qualquer análise, ordena-se o conjunto de dados, obtendo: 0,45 0,60 0,76 1,13 1,39 1,69 1,91 2,03 2,52 2,60 3,03 4,19 5,07 5,63 5,91 6,36 8,52 8,78 12,04 12,58 a) Para agrupar os dados deve-se obter: O número de classe é dado por k = √ n = √ 20 ≈ 4 e amplitude total por A = x(20) − x(1) = 12,58−0,45 = 12,13. Assim, a amplitude de classe é dada por c = A/(k−1) = 12,13/3 ≈ 4,04 e o limite inferior da primeira classe por LI1 = x(1)−c/2 = 0,45−4,04/2 = −1,57. Os demais limites de classe são obtidos somando-se c = 4,04 aos limites anteriormente obtidos. A distribuição de frequências obtida desta forma é: Classes dos tempos X¯i Fi Fri Fpi(%) −1,57 ` 2,47 0,45 8 0,40 40 2,47 ` 6,51 4,49 8 0,40 40 6,51 ` 10,55 8,53 2 0,10 10 10,55 ` 14,59 12,58 2 0,10 10 b) O histograma e o polígono de frequências foram plotados em um mesmo gráfico, obtendo: x Fi −3,59 0,45 4,49 8,53 12,58 16,62 2 8 0 c) A distribuição de frequência acumuladas abaixo de e acima de é Limites FC(X < Xi) FC(X ≥ Xi) −1,57 0 20 2,47 8 12 6,51 16 4 10,55 18 2 14,59 20 0 d) As ogivas são: Estatística Básica - GEX112 Ferreira, D.F. 3 x Fc −1,57 2,47 6,51 10,55 14,59 2 4 6 8 10 12 14 16 18 20 0 Fc ↓ Fc ↑ e) Acima de 3 anos, pela ogiva, estão aproximadamente 10,5 baterias. Se 20 baterias correspondem a 100%, então 10,5 correspondem a 10,5× 100/20% = 52,5%. Utilizando a interpolação na distribuição de frequências, tem-se: As duas últimas classes possuem tempos de falhas superiores a 3. Se as suas frequências forem somadas, têm-se 4 baterias, certamente com tempo de falha superior a 3 anos. Assim, tem-se a segunda classe que possui 8 baterias com valores entre 2,47 e 6,51. É necessário identificar quantas das 8 são superiores a 3 anos, ou seja, quantas possuem tempo de falha entre 3 e 6,51. Para isso faz-se a suposição que a distribuição dos dados em cada classe é uniforme e estima-se a frequência de baterias que superam o tempo de 3 anos na classe em questão. A variação na classe toda é de 4,04 e corresponde a uma frequência de 8 baterias. A variação de 3 a 6,51, que corresponde a variação de tempo de falhas das baterias que possuem valores superiores a 3 anos, é 6,51 − 3 = 3,51. Assim, Variação Frequências 4,04 8 3,51 x Logo, x = (8 × 3,51)/4,04 = 6,95. Portanto, têm-se 6,95 + 4 = 10,95 baterias com tempo de falha superior a 3 anos, o que corresponde a 10,95× 100/20% = 54,75%. Finalmente, pode-se obter a contagem direta na amostra original. O número de baterias com tempo de falha superior a 3 anos é 10, correspondendo a 10× 100/20% = 50,0%. Os três métodos apresentaram resultados parecidos. A contagem direta na amostra é a mais precisa, mas pode-se observar que a utilização da tabela de frequências e o gráfico das ogivas são, relativamente, eficientes, pois a diferença em pontos percentuais não ultrapassou 5%. É natural que, ao se simplificar a informação por meio de tabelas e gráficos, haja uma perda de precisão, mas espera-se que ainda seja confiável utilizar os dados sumariados para extrair informações úteis a respeito do que se está estudando. f) A percentagem de 50% corresponde a 10 baterias. Se for utilizado o seguinte raciocínio: acima de 10,55 estão apenas 2 baterias, acima de 6,51, estão 4 baterias, as duas da classe e as duas da classe posterior, e acima de 2,47 estão 12 baterias, as 8 da classe e as 4 das classes posteriores. Assim, pode-se concluir que o tempo de falha que deixa 10 baterias acima dele está entre 2,47 e 6,51. Se este número for denominado de y, concluí-se que entre y e 6,51 tem-se 6 baterias, pois acima de y, sem limite superior, há 10 baterias e acima de 6,51 há 4. Logo, basta realizar uma regra de três simples. Se a variação entre y e 6,51 for denominada de x, o valor de y poderá ser calculado por y = 6,51 − x. Entre 2,47 e 6,51 há uma variação de 4,04 (amplitude de classe) e corresponde a 8 baterias e entre y e 6,51 há uma variação de x, correspondendo a 6 baterias. Logo, Variação Frequências 4,04 8 x 6 Estatística Básica - GEX112 Ferreira, D.F. 4 Logo, x = (6× 4,04)/8 = 3,03. Portanto, têm-se y = 6,51− 3,03 = 3,48 anos. Portanto 50% das baterias possuem tempo de falha superior a 3,48 anos. g) A porcentagem de baterias com tempo de falha inferior a 8 anos pode ser computada da seguinte forma. O valor 8 anos pertence a terceira classe e todas as baterias das duas primeiras classes, 16, possuem tempos de falha inferiores a 8. É necessário determinar na terceira classe, quantas das duas baterias possuem tempos de falhas inferiores a 8 anos. Assim, realiza-se a seguinte regra de três: Variação Frequências 4,04 2 8− 6,51 = 1,49 x Logo, x = (2×1,49)/4,04 = 0,74 baterias possuem tempo de falha entre 6,51 e 8 anos. Portanto, tem-se 16 + 0,74 = 16,74 baterias com tempo de falha inferior a 8 anos, totalizando 100 × 16,74/20 = 83,7% das baterias. h) Para se determinar tempo de falha que deixa 20% das baterias, 4, abaixo dele, tem-se que aplicar regras de três semelhantes às anteriores. Verifica-se que abaixo de 2,47 anos tem-se 8 baterias, indicando que o tempo de falha almejado está na primeira classe. Assim, Variação Frequências 4,04 8 x 4 Logo, x = (4×4,04)/8 = 2,02 representa a variação em tempo de falha das baterias entre −1,57 e y anos. Portanto, tem-se 20% das baterias com tempo de falha inferior a y = −1,57+2,02 = 0,45 anos. Para se determinar tempo de falha que deixa 20% das baterias, 4, acima dele, verifica-se que além dos 6,51 anos existem 4 baterias, indicando que o tempo de falha almejado é exatamente este limite. Assim, tem-se que 20% das baterias possuem tempo de falha superior a 6,51 anos. 2) A variável número de empresas falidas por ano foi analisada da seguinte forma: a) O gráfico da ocorrência de empresas falidas/ano é dado por: x Fi 0 1 2 3 4 5 6 0 36 19 16 7 4 2 b) É possível encontrar tal ano, mesmo em uma região (município) que tem baixa incidência de falências deempresas como essa. Para isso é necessário apenas aumentar o tamanho da amos- tra, pois anos com tal número de falência, pelo que indica os dados e o gráfico anterior, são potencialmente pouco prováveis na população amostrada. Estatística Básica - GEX112 Ferreira, D.F. 5 c) A natureza da distribuição é assimétrica à direita. d) Sim, a variável do exercício 1 é quantitativa contínua e a variável do exercício atual é quantitativa discreta. Estatística Básica - GEX112 Ferreira, D.F. Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 3a Aula Prática Medidas de Posição 1) Os dados apresentados a seguir referem-se ao tempo que um determinado computador levou para apresentar a primeira falha grave, em anos, obtidos em uma amostra de n = 30 computadores realizada na região de Lavras, MG. Os resultados do tempo de falhas em anos são dados por: 8,13 8,23 8,60 8,80 8,97 9,05 9,12 9,30 9,35 9,78 9,80 9,86 9,90 9,95 10,00 10,11 10,13 10,15 10,16 10,23 10,31 10,33 10,40 10,46 10,50 11,14 11,29 11,46 12,05 12,14 a) Obter a média aritmética X¯. b) Calcular a mediana md. c) Se o tempo de falha de cada computador for multiplicada pela constante 0,27, qual será o valor médio amostral da variável transformada? d) Agrupar os dados em uma tabela de distribuição de frequências e estimar a média, a mediana e a moda. 2) Os dados a seguir referem-se ao número de empresas falidas por ano observadas em uma amostra de n = 85 anos obtida em Lavras, MG. Empresas falidas Frequências 0 36 1 19 2 16 3 7 4 4 5 2 6 1 Determinar: a) A média. b) A mediana e a moda. c) Qual dessas medidas você considera melhor para representar o número de empresas falidas/ano? Por quê? 2 Resolução 1) As medidas de posição e as demais quantidades solicitadas a respeito dos dados dos tempos de falhas dos computadores são: a) A média aritmética é dada por: X¯ = n∑ i=1 xi n = x1 + x2 . . . + x30 30 = 8,13 + 8,23 + . . . + 12,14 30 = 299,7 30 = 9,99 anos b) Como n é par, a mediana é dada por: md = x(n 2 ) + x(n+2 2 ) 2 = x( 30 2 ) + x( 32 2 ) 2 = x(15) + x(16) 2 = 10,00 + 10,11 2 = 10,0550 c) Utilizando as propriedades da média, a nova média X¯∗ é dada por: X¯∗ =kX¯ = 0,27× 9,99 = 2,6973 =2,70 d) Calcular as medidas de posição: média, mediana e moda. i) Para agrupar os dados deve-se obter: O número de classe é dado por k = √ n = √ 30 ≈ 5 e amplitude total por A = x(30)−x(1) = 12,14−8,13 = 4,01. Assim, a amplitude de classe é dada por c = A/(k−1) = 4,01/4 ≈ 1,00 e o limite inferior da primeira classe por LI1 = x(1) − c/2 = 8,13 − 1,00/2 = 7,63. Os demais limites de classe são obtidos somando-se c = 1,00 aos limites anteriormente obtidos. A distribuição de frequências obtida desta forma é: Classes de tempo X¯i Fi Fri Fpi(%) 7,63 ` 8,63 8,13 3 0,10 10,00 8,63 ` 9,63 9,13 6 0,20 20,00 9,63 ` 10,63 10,13 16 0,53 53,33 10,63 ` 11,63 11,13 3 0,10 10,00 11,63 ` 12,63 12,13 2 0,07 6,67 ii) A média aritmética é dada por: X¯ = k∑ i=1 FiX¯i n = 8,13× 3 + 9,13× 9 + 10,13× 16 + 11,13× 3 + 12,13× 2 30 = 298,9 30 =9,9633 A diferença encontrada para a média dos dados não agrupados pode ser atribuída ao agru- pamento. Toda forma de representar os dados de uma maneira mais simplificada conduz a algum tipo de perda de precisão. Mas o que deve ficar claro é que apesar de menos precisa, a estimativa obtida a partir dos dados agrupados é uma “estimativa confiável” da média Estatística Básica - GEX112 Ferreira, D.F. 3 populacional, tanto quanto a estimativa dos dados originais. A perda de precisão é, em geral, pequena e pode ser considerada desprezível. iii) A mediana é obtida da seguinte maneira. A classe mediana é aquela que contém a posição número n/2 = 30/2 = 15. Portanto, a classe mediana é a terceira, pois as frequências acumuladas das duas primeiras classes somam apenas 9, que é inferior a 15. Logo, md =LImd + n 2 − FA Fmd cmd = 9,63 + 15− 9 16 × 1,00 =10,0050 A mesma observação feita para a diferença das estimativas da média vale para a mediana. iv) Para obter a moda, é necessário determinar a classe de maior frequência, ou seja, a classe modal. A classe modal neste exercício é a terceira. A diferença das frequências da classe modal e classe anterior é ∆1 = 16− 6 = 10 e a diferença das frequências da classe modal e classe posterior é ∆2 = 16− 3 = 13. Assim, tem-se mo =LImo + ∆1 ∆1 + ∆2 cmo = 9,63 + 10 10 + 13 × 1,00 =10,0648. As três medidas, média, mediana e moda, estão muito próximas e isso é um indicativo que a distribuição dos dados deve ser aproximadamente simétrica. 2) Para a variável número de empresas falidas por ano tem-se: a) A média aritmética: X¯ = n∑ i=1 xi n = x1 + x2 . . . + x85 85 = 0 + 0 + . . . + 5 + 6 85 = 0× 36 + 1× 19 + . . . + 6× 1 85 = 104 85 =1,2235 empresas falidas/ano b) Como n = 85 é ímpar, a mediana é obtida por md =x(n+1 2 ) = x( 86 2 ) = x(43) = 1, pois da posição 37 até a posição 45, na amostra ordenada, está o valor 1. A moda é o valor mais frequente, pois os dados são quantitativos discretos. Assim, a moda é dada por mo = 0, que é o valor que repete mais vezes, ou seja, possui frequência 36 que é a maior de todas. c) A distribuição é assimétrica à direita, portanto, a média não é uma boa medida para representar estes dados, uma vez que é influenciada por valores extremos. Assim, pode-se utilizar tanto a mediana, quanto a moda para isso. Estatística Básica - GEX112 Ferreira, D.F. Universidade Federal de Lavras Departamento de Ciências Exatas Prof. Daniel Furtado Ferreira 4a Aula Prática Medidas de Dispersão 1) Os dados apresentados a seguir referem-se ao levantamento dos intervalos de parto em meses para uma amostra em n = 20 produtores rurais atendidos pelo plano “Panela Cheia” (Roesler, 1997), realizado na região oeste do Paraná, no município de Marechal Cândido Rondon, em 1992. Os resultados dos intervalos entre partos em meses são dados por: 11,80 11,90 12,00 12,30 12,80 12,99 13,10 13,50 13,80 14,10 14,55 14,65 14,70 15,00 15,10 15,20 15,50 15,80 15,90 15,96 a) Obter a amplitude total (A). Qual é o seu significado e suas limitações? b) Obter a variância S2 e o desvio padrão S. c) Determinar o coeficiente de variação CV . Qual é seu significado? Qual é a principal diferença entre o desvio padrão e de variância? d) Erro padrão da média. A média do intervalo entre parto foi calculada com alta ou baixa precisão? e) Se você fosse solicitado a apresentar duas medidas (estatísticas) para sintetizar os dados, quais você recomendaria? f) Se cada dado for dividido por 12, para se obter o intervalo entre partos em anos, quais serão os novos valores da amplitude, variância, desvio padrão, CV e erro padrão da média? 2) Agrupar os dados do intervalo entre partos em classes (distribuição de frequências), resolver e responder as questões apresentadas a seguir. (a) Determinar a média, a mediana e a moda. (b) Calcular a amplitude, variância, desvio padrão, CV , erro padrão da média e CP . (c) Após o programa Panela Cheia o intervalo de partos apresentou média de 13,85 e desvio padrão de 2,00 meses. Qual é a situação que apresentou maior variabilidade, anterior ou posterior ao Plano Governamental? Em qual caso a média foi calculada com maior precisão? Justifique sua resposta com os cálculos apropriados. 3) Os dados a seguir referem-se ao número empresas falidas/ano observadas em n = 85 anos. A amostra foi obtida em Lavras, MG. Empresas falidas Frequências 0 36 1 19 2 16 3 7 4 4 5 2 6 1 Determinar: a) Calcular: a amplitude, variância, desvio padrão e o erro padrão da média. b) Determinar: CV e CP . c) Se os dados forem multiplicados por k = 10, quais são osnovos valores de todas estas medidas de dispersão? 2 Resolução 1) As medidas de dispersão e as demais quantidades solicitadas a respeito dos dados dos intervalos de partos do município de Marechal Cândido Rondon são: a) A amplitude é dada por: A =x(n) − x(1) = 15,96− 11,80 = 4,16 meses. A amplitude total representa a variação entre o menor e o maior valor, sendo simples de calcular e interpretar. Possui a limitação de tender a aumentar com o aumento da amostra, pois quanto maior a amostra maior a chance de amostrar valores extremos da população que ocorrem com baixa frequência. Também é influenciada por valores extremos, os outliers, pois envolve apenas o valor mínimo e máximo da amostra. Da mesma forma, por considerar apenas os dois valores extremos da amostra, pode não retratar a real variabilidade do conjunto de dados. Veja o exemplo: 2, 4, 4, 4, 4, 4, 4, 10. A amplitude total é igual a 8, mas os dados intermediários da amostra não apresentam variabilidade. b) A variância e o desvio padrão são: S2 = 1 19 [ (11,802 + . . . + 15,962)− (11,80 + . . . + 15,96) 2 20 ] = 1 19 [ 3975,717− 280,65 2 20 ] = 1,973451 mes2 e S = √ 1,973451 = 1,404796 mes. c) O coeficiente de variação CV é dado por: CV = 1,404796 14,0325 × 100% =10,01102%. O coeficiente de variação expressa a variabilidade da amostra em porcentagem da média, sendo uma medida adimensional que não depende da grandeza dos dados. Já a variância e o desvio padrão, são medidas de variabilidade absoluta dos dados em torno da média. A diferença entre as duas medidas é que a variância é uma grandeza que está na unidade dos dados ao quadrado (meses2) e o desvio padrão, na mesma unidade dos dados, sendo mais fácil de interpretar. d) O erro padrão da média é dado por: SX¯ = S√ n = 1,404796√ 20 = 0,3141219. Para responder a questão formulada, é necessário obter o coeficiente de precisão por CP = SX¯ X¯ × 100% = 0,3141219 14,0325 × 100% = 2,238531%. Como o erro padrão representou apenas 2,24% do valor médio, concluí-se que a média popula- cional foi estimada com alta precisão, pois o erro relativo (CP ) foi muito pequeno. e) Para representar um conjunto de dados com duas medidas descritivas, deve-se utilizar uma medida de posição e outra de dispersão. Se a amostra possuir uma distribuição simétrica ou com Estatística Básica - GEX112 Ferreira, D.F. 3 pequena assimetria apenas, deve-se utilizar a média como medida de posição. Se a distribuição for assimétrica, as medidas de posição robustas, como mediana e moda, devem ser preferidas, pois são pouco influenciadas por valores extremos. Como medida de dispersão, podemos utilizar ou a variância, ou o desvio padrão ou o coeficiente de variação, se o interesse for retratar a variabilidade entre os elementos da amostra em relação a sua média. Se por outro lado, o interesse for na precisão da estimativa da média populacional, ou o erro padrão ou o CP devem ser utilizados. A escolha entre uma medida absoluta e relativa fica a critério do pesquisador, pois podemos facilmente migrar de uma para outra. f) As novas medidas de variabilidade após a divisão dos dados originais pela constante k = 12 são: i) A nova amplitude total é: A∗ = A k = 4,16 12 = 0,3466667 ano. ii) A nova variância é: S2∗ = S2 k2 = 1,973451 122 = 0,01370452 ano2. iii) O novo desvio padrão é: S∗ = S k = 1,404796 12 = 0,1170663 ano. iv) O novo CV é: CV ∗ = S∗ X¯∗ × 100% = S/k X¯/k × 100% = CV =10,01102%. Isto indica que a variabilidade relativa não se altera, com a transformação de unidade, mas as variabilidades absolutas são alteradas. v) O novo erro padrão da média e o novo CP são: S∗¯X = SX¯ k = 0,3141219 12 = 0,02617682 e CP ∗ =CP = 2,238531%. 2) Para agrupar os dados deve-se obter: O número de classe é dado por k = √ n = √ 20 ≈ 4 e amplitude total por A = X(20) − X(1) = 15,96 − 11,80 = 4,16. Assim, a amplitude de classe é dada por c = A/(k − 1) = 4,16/3 ≈ 1,39 e o limite inferior da primeira classe por LI1 = x(1) − c/2 = 11,80 − 1,39/2 = 11,11. Os demais limites de classe são obtidos somando-se c = 1,39 aos limites anteriormente obtidos. A distribuição de frequências é: Classes dos tempos X¯i Fi Fri Fpi(%) 11,11 ` 12,50 11,81 4 0,20 20 12,50 ` 13,89 13,20 5 0,25 25 13,89 ` 15,28 14,59 7 0,35 35 15,28 ` 16,67 15,98 4 0,20 20 a) A média aritmética é dada por: Estatística Básica - GEX112 Ferreira, D.F. 4 X¯ = k∑ i=1 FiX¯i n = 11,81× 4 + 13,20× 5 + 14,59× 7 + 15,98× 4 20 = 279,29 20 =13,9645 meses. A diferença encontrada para a média dos dados não agrupados (14,0325) pode ser atribuída ao agrupamento. Toda forma de representar os dados de uma maneira mais simplificada conduz a algum tipo de perda de precisão. Ms o que deve ficar claro é que apesar de menos precisa, a estimativa obtida a partir dos dados agrupados é uma “estimativa confiável” da média popula- cional, tanto quanto a estimativa dos dados originais. A perda de precisão é, em geral, pequena e pode ser considerada desprezível. A mediana é obtida da seguinte maneira. A classe mediana é aquela que contém a posição número n/2 = 20/2 = 10. Portanto, a classe mediana é a terceira, pois as frequências acumuladas das duas primeiras classes somam apenas 9, que é inferior a 10. Logo, md =LImd + n 2 − FA Fmd cmd = 13,89 + 10− 9 7 × 1,39 =14,08857 meses. Para obter a moda, é necessário determinar a classe de maior frequência, ou seja, a classe modal. A classe modal neste exercício é a terceira. A diferença das frequências da classe modal e classe anterior é ∆1 = 7 − 5 = 2 e a diferença das frequências da classe modal e classe posterior é ∆2 = 7− 4 = 3. Assim, tem-se mo =LImo + ∆1 ∆1 + ∆2 cmo = 13,89 + 2 2 + 3 × 1,39 =14,446 meses. As três medidas, média, mediana e moda, estão muito próximas e isso é um indicativo que a distribuição dos dados deve ser aproximadamente simétrica. b) As medidas de dispersão para os dados agrupados são dadas na sequência. A amplitude total é dada por A =X¯k − X¯1 = 15,98− 11,81 = 4,17 meses, a variância, por S2 = 1 n− 1 k∑ i=1 X¯2i Fi − ( k∑ i=1 X¯iFi )2 n = 1 19 [ 11,812 × 4 + 13,202 × 5 + 14,592 × 7 + 15,982 × 4− − (11,81× 4 + 13,20× 5 + 14,59× 7 + 15,98× 4) 2 20 ] = 1 19 ( 3940,623− 279,29 2 20 ) =2,130394 meses2, Estatística Básica - GEX112 Ferreira, D.F. 5 o desvio padrão, por S = √ 2,130394 = 1,459587 meses, o CV , por CV = 1,459587 13,9645 × 100% = 10,45213%, o erro padrão da média, SX¯ = S√ n = 1,459587√ 20 = 0,3263736 mes, e o CP , por CP = SX¯ X¯ × 100% = 0,3263736 13,9645 × 100% = 2,337166%. c) Para responder estas questões é necessário determinar o CV e o CP , antes e após o plano panela cheia. Na tabela seguinte foram resumidas as informações necessárias. Medida de variabilidade Antes do plano Após o plano CV 10,01% 14,44% CP 2,24% 3,23% Como o CV do pós plano é maior do que o CV pré plano, há uma maior variabilidade dos intervalos de parto após o plano panela cheia ter sido implementado. Da mesma forma, houve uma menor precisão na estimativa da média populacional na situação pós plano, pois o erro padrão expresso em porcentagem da média (CP ) foi maior do que na situação pré plano. 3) Para a variável número de empresas falidas por ano tem-se: a) As medidas de dispersão para este conjunto de dados são apresentadas na sequência. A amplitude total é A =x(n) − x(1) = x(85) − x(1) = 6− 0 = 6 empresas falidas/ano. A variância é S2 = 1 n− 1 k∑ i=1 x2iFi − ( k∑ i=1 xiFi )2 n = 1 84 [ 02 × 36 + 12 × 19 + . . . + 62 × 1− (0× 36 + 1× 19 + . . . + 6× 1) 2 85 ]= 1 84 ( 296− 104 2 85 ) =2,008964 (empresas falidas/ano)2, em que k é o número de categorias da variável, 7 no caso; o desvio padrão é S = √ 2,008964 = 1,417379 empresa falida/ano e o erro padrão da média SX¯ = S√ n = 1,417379√ 85 = 0,1537364 empresa falida/ano. Estatística Básica - GEX112 Ferreira, D.F. 6 b) O CV e o CP são CV = S X¯ × 100% = 1,417379 1,223529 × 100% =115,8435% e CP = SX¯ X¯ × 100% = 0,1537364 1,223529 × 100% =12,56499%, respectivamente. Estes valores indicam que há uma grande variabilidade dos dados em torno da média e que a precisão da estimativa da média populacional não é muito alta, embora seja boa. Convém salientar que, tanto para o CV quanto para o CP , o pesquisador deve buscar na literatura experimentos semelhantes ao seu, ou seja, com as mesmas características utilizadas e com a mesma variável, entre outros fatores, para fazer uma comparação da variabilidade e da precisão adequadamente. c) Utilizando a constante de multiplicação k = 10, tem-se: A∗ =kA = 10× 6 = 60, S2∗ =k2S2 = 100× 2,008964 = 200,8964, S∗ =kS = 10× 1,417379 = 14,17379, S∗¯X =kSX¯ = 10× 0,1537364 = 1,537364, CV ∗ =CV = 115,8435% e CP ∗ =CP = 12,56499%. Estatística Básica - GEX112 Ferreira, D.F.