Baixe o app para aproveitar ainda mais
Prévia do material em texto
Assimetria José Tadeu de Almeida Introdução Nesta aula, aprofundaremos nosso conhecimento sobre a assimetria. Para isso, verificare- mos quais as situações em que, utilizando-nos de uma distribuição de dados, é possível identificar se há uma tendência de distribuição de dados ao longo da média, ou se o conjunto possui alguma desigualdade. Assim, entenderemos o conceito e as características das distribuições simétricas e assimétricas. Objetivos de aprendizagem Ao final desta aula, você será capaz de: • identificar os tipos de assimetria baseados na posição relativa entre a média e a mediana. 1 Conceito de assimetria Quando pensamos em assimetria, normalmente, estamos considerando uma desigualdade, uma discrepância, uma tendência. Já a simetria, por sua vez, pressupõe uma organização de ele- mentos que segue uma ordem, uma coincidência de informações (CRESPO, 2005). Além disso, na Estatística, quando analisamos uma distribuição de dados associada a uma amostra ou a uma população, é comum efetuarmos alguns cálculos denominados medidas de posição, como a média (que denota o ponto equidistante entre os dois extremos de uma distribuição), a mediana (que divide os dados do conjunto em duas partes iguais) e a moda (o elemento que se repete com maior frequência). Deste modo, quando analisamos graficamente esta distribuição, verificamos se ela é simé- trica, ou seja, igualmente distribuída em relação à média, ou assimétrica, quando há uma diferença em relação à distribuição de dados em torno da média. Assim, quanto maior for esta diferença, pode-se dizer que a distribuição é mais assimétrica (CRESPO, 2005). Para entender melhor o conceito de assimetria, tomemos um exemplo. Um aluno, ao anali- sar um conjunto de dados, constrói um histograma - uma representação gráfica em colunas, em que o eixo horizontal apresenta as classes (intervalos de valores) e o eixo vertical apresenta as frequências (o número de vezes em que se visualizou um certo dado) - verificando como se dá a distribuição dos valores para uma característica de interesse. Figura 1 – HistogramaHistograma Classe Fr eq uê nc ia 1 2 3 4 5 5 4 3 2 1 0 Fonte: elaborada pelo autor, 2016. No exemplo, vimos que a distribuição dos dados é simétrica, pois, em cinco classes, há o mesmo número de dados distribuídos em torno da média. Mas, como verifi car a simetria de uma distribuição de dados de um conjunto, ou de uma amostra de várias classes? Nestes casos, utili- zamos o primeiro Coefi ciente de Assimetria de Pearson (Ap), um valor adimensional que permite a verifi cação da assimetria, conforme a equação: = X Mo-X Mo-Ap s Em que: Ap = coefi ciente de assimetria; S = desvio padrão, que é dado pela equação ( )22 1 n ii x Xix Xi n = x X−x X∑ cujo quadrado corresponde à variância; O somatório ( )∑ n 2 i i=1 x X−x X−ix Xi mostra os quadrados dos desvios, ou seja, as diferenças de cada dado xi, sendo i =1, 2, 3... até o último dado, n, em relação à média; x = média das observações, dada pela fórmula ni=1 /∑ iX x n nX x nn /X x n/X x n=X x n=∑X x n∑ iX x ni ; Mo = Moda, ou seja, o elemento que apresenta maior frequência; = n – número de observações. Caso um conjunto de dados não possua moda, utilizamos o segundo coefi ciente de assime- tria de Pearson dado por: ( )3× −(× −( = X Md× −X Md× − Ap s Em que Md representa a mediana, o valor que separa os 50% menores dos 50% maiores valores. 2 Tipos de assimetria Uma distribuição de frequências pode ser classifi cada como simétrica, assimétrica posi- tiva ou assimétrica negativa, em função de como os dados e frequências são distribuídos (CRESPO, 2005). FIQUE ATENTO! A distribuição simétrica não é preferível à distribuição assimétrica, ou seja, não há um critério de qualidade em relação à simetria de um conjunto de dados, uma vez que as características de interesse devem ser fi xadas pelo pesquisador. Quando o Coefi ciente de Assimetria de Pearson é igual a zero, observamos que a média é igual a moda, logo, o ponto que contém a maior frequência corresponde à média, e a distribuição é perfeitamente simétrica. Na fi gura anterior, temos um exemplo de distribuição simétrica, uma vez que a moda, a mediana e a média são iguais e estão na terceira classe. Assim, há o mesmo número de dados à esquerda e à direita desta classe. Caso haja uma tendência de acumulação das frequências à esquerda ou à direita da moda, observaremos que esta distribuição possui uma assimetria. Trata-se do chamado “encauda- mento” (CRESPO, 2005). 3 Distribuições simétricas - características A distribuição simétrica ocorre quando uma amostra possui uma característica de interesse que tenha valores igualmente dispostos em torno da moda e da média. Para Stevenson (2001, p. 48) a distribuição é simétrica quando “a metade esquerda é a imagem refl exa da metade direita”. A fi gura a seguir representa uma distribuição simétrica. Figura 2 – Distribuição simétrica -3 -25 -2 -1.5 -1 -0.5 0 0.5 1 1.5 2 2.5 3 Fonte: elaborada pelo autor, 2016. FIQUE ATENTO! Em uma distribuição de frequências, a chamada ‘curva normal’ possui uma distri- buição simétrica, sendo que cerca de 95% dos dados encontra-se em uma distân- cia inferior a dois desviospadrões em relação à média. A distribuição simétrica possui as seguintes características: • x Md Mox Md Mox Md Mo= =x Md Mo , ou seja, a média, mediana e moda se equivalem; • Ap = 0, o coefi ciente de assimetria é nulo; • metade do gráfi co é a imagem-espelho da outra. Portanto, há uma pequena probabilidade de visualização de frequências baixas ou altas nas primeiras e últimas classes destas distribuições, fazendo com que este tipo de distribuição tenha a forma de um “sino”. EXEMPLO Calculemos o coefi ciente de assimetria do conjunto de dados A = {1,2,2,3,3,3,4,4,5}. Primeiro, precisamos obter a média, que é dada por: ( )1 2 2 3 3 3 4 4 5/ 3(/ 3( )/ 3)1 2 2 3 3 3 4 4 5/ 31 2 2 3 3 3 4 4 5 9 / 3 9 / 3 1 2 2 3 3 3 4 4 5+ + + + + + + +1 2 2 3 3 3 4 4 51 2 2 3 3 3 4 4 5 / 3 1 2 2 3 3 3 4 4 5+ + + + + + + +1 2 2 3 3 3 4 4 5 / 3 1 2 2 3 3 3 4 4 5 / 3= = =/ 3(/ 3(= = =(/ 3( )/ 3)= = =)/ 3)/ 3= = =/ 3∑ iX x n/ 3X x n/ 3X x n/ 3X x n/ 3= = =X x n= = =/ 3= = =/ 3X x n/ 3= = =/ 3X x n= = =X x n= = =∑X x n∑= = =∑= = =X x n= = =∑= = =iX x ni= = =i= = =X x n= = =i= = =nX x nnX x ni=1 A moda é o elemento com a maior repetição: Mo 3Mo 3=Mo 3 A variância desta amostra é dada por: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2 2 2 2 2 2(2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) 2 2 2 2(2 2 2( )2 2 2) (2 2 2( )2 2 2)2 1 1 3 2 3 2 3 3 3 3 3 3 3)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 21 3 2 3 2 3 3 3 3 3 3 32 2 2 2 2 2(2 2 2 2 2 2(1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 2( )2 2 2 2 2 2)1 3 2 3 2 3 3 3 3 3 3 3)2 2 2 2 2 2) (2 2 2 2 2 2(1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 2( )2 2 2 2 2 2)1 3 2 3 2 3 3 3 3 3 3 3)2 2 2 2 2 2) (2 2 2 2 2 2(1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 2( )2 2 2 2 2 2)1 3 2 3 2 3 3 3 3 3 3 3)2 2 2 2 2 2) (2 2 2 2 2 2(1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 2( )2 2 2 2 2 2)1 3 2 3 2 3 3 3 3 3 3 3)2 2 2 2 2 2) (2 2 2 2 2 2(1 3 2 3 2 3 3 3 3 3 3 3(2 2 2 2 2 2( 4 3 4 3 5 3)4 3 4 3 5 3) (4 3 4 3 5 3( )4 3 4 3 5 3) (4 3 4 3 5 3(2 2 24 3 4 3 5 32 2 2(2 2 2(4 3 4 3 5 3(2 2 2( )2 2 2)4 3 4 3 5 3)2 2 2) (2 2 2(4 3 4 3 5 3(2 2 2( 12 1,500 1 9 1 8 = 1 3 2 32 3 3 3 3 3 3 3− + − + − + − + − + −1 3 2 3 2 3 3 3 3 3 3 3)1 3 2 3 2 3 3 3 3 3 3 3)− + − + − + − + − + −)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(− + − + − + − + − + −(1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3)− + − + − + − + − + −)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(− + − + − + − + − + −(1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3)− + − + − + − + − + −)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(− + − + − + − + − + −(1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3)− + − + − + − + − + −)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(− + − + − + − + − + −(1 3 2 3 2 3 3 3 3 3 3 3( )1 3 2 3 2 3 3 3 3 3 3 3)− + − + − + − + − + −)1 3 2 3 2 3 3 3 3 3 3 3) (1 3 2 3 2 3 3 3 3 3 3 3(− + − + − + − + − + −(1 3 2 3 2 3 3 3 3 3 3 3( + − + − + −(+ − + − + −(4 3 4 3 5 3+ − + − + −4 3 4 3 5 3)4 3 4 3 5 3)+ − + − + −)4 3 4 3 5 3) (4 3 4 3 5 3(+ − + − + −(4 3 4 3 5 3( )4 3 4 3 5 3)+ − + − + −)4 3 4 3 5 3) (4 3 4 3 5 3(+ − + − + −(4 3 4 3 5 3( = = = == = = = ( = = = = ( ) = = = = ) ( = = = = ( ) = = = = ) ( = = = = ( ) = = = = ) = = = == = = = − −1 9 1 8− −1 9 1 8 ∑ k ii x X−x X−ix Xis n Deste modo, temos que o desvio padrão amostral é dado pors 2 1,500 1,225= == =2= =2 1,500 1,225= =1,500 1,225 Assim, o coefi ciente de assimetria é 3 3 1,225 − −3 3− −3 3 = = == = == = = X Mo− −X Mo− −Ap s . Logo, a distribuição de fre- quências associado ao conjunto A é simétrica. SAIBA MAIS! Na Estatística, as distribuições simétricas associadas a uma curva normal são muito utilizadas para a formulação de Testes de Hipóteses. Esses testes procuram validar o comportamento de características de uma população a partir de uma amostra representativa da mesma. 4 Distribuições assimétricas positivas A distribuição assimétrica positiva é conhecida pelo nome de distribuição assimétrica à direita, devido ao fato de a assimetria ser visualizada na parte direita do gráfi co. Na fi gura a seguir, a distribuição possui um encaudamento (distorção) à direita, indicando que há pequenas probabi- lidades de ocorrência de valores mais altos em uma distribuição de dados associada a esta curva. Figura 3 – Distribuição assimétrica positiva -1.5 -1 -0.5 0 0.5 1 1.5 Fonte: elaborada pelo autor, 2016. A distribuição assimétrica positiva possui as seguintes características: • Mo Md xMo Md xMo Md x< <Mo Md x , ou seja, a moda é menor que a mediana, que é menor que a média; • Ap > 0, ou seja, o coefi ciente de assimetria é maior do que zero; • o gráfi co não cria imagem-espelho entre as metades. EXEMPLO Vamos calcular o coefi ciente de assimetria do conjunto de dados de uma amostra dado por: B = {1,1,1,2,2,5,16}. A média é dada por ( )1 1 1 2 2 5 16/ 4(/ 4( )/ 4) 7 1 1 1 2 2 5 16+ + + + + +1 1 1 2 2 5 16 / 4= = =/ 4/ 4= = =/ 4∑ iX x n/ 4X x n/ 4X x n/ 4X x n/ 4X x n= = =X x n= = =/ 4= = =/ 4X x n/ 4= = =/ 4= = =X x n= = =∑X x n∑= = =∑= = =X x n= = =∑= = =iX x ni= = =i= = =X x n= = =i= = =nX x nnX x ni=1 A moda é o elemento que apresenta a maior repetição, logo Mo 1Mo 1=Mo 1 A variância amostral é dada por ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2 2 2 2 2 2(2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) 2 2 2 1 1 4 1 4 1 4 2 4 2 4 5 4)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 21 4 1 4 1 4 2 4 2 4 5 42 2 2 2 2 2(2 2 2 2 2 2(1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 2( )2 2 2 2 2 2)1 4 1 4 1 4 2 4 2 4 5 4)2 2 2 2 2 2) (2 2 2 2 2 2(1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 2( )2 2 2 2 2 2)1 4 1 4 1 4 2 4 2 4 5 4)2 2 2 2 2 2) (2 2 2 2 2 2(1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 2( )2 2 2 2 2 2)1 4 1 4 1 4 2 4 2 4 5 4)2 2 2 2 2 2) (2 2 2 2 2 2(1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 2( )2 2 2 2 2 2)1 4 1 4 1 4 2 4 2 4 5 4)2 2 2 2 2 2) (2 2 2 2 2 2(1 4 1 4 1 4 2 4 2 4 5 4(2 2 2 2 2 2( 16 4 180 30 1 7 1 6 = 1 4 1 4 1 4 2 4 2 4 5 4− + − + − + − + − + −1 4 1 4 1 4 2 4 2 4 5 4)1 4 1 4 1 4 2 4 2 4 5 4)− + − + − + − + − + −)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(− + − + − + − + − + −(1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4)− + − + − + − + − + −)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(− + − + − + − + − + −(1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4)− + − + − + − + − + −)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(− + − + − + − + − + −(1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4)− + − + − + − + − + −)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(− + − + − + − + − + −(1 4 1 4 1 4 2 4 2 4 5 4( )1 4 1 4 1 4 2 4 2 4 5 4)− + − + − + − + − + −)1 4 1 4 1 4 2 4 2 4 5 4) (1 4 1 4 1 4 2 4 2 4 5 4(− + − + − + − + − + −(1 4 1 4 1 4 2 4 2 4 5 4( + −(+ −(16 4+ −16 4 = = = == = = == = = == = = = − −1 7 1 6− −1 7 1 6 ∑ k ii x X−x X−ix Xis n Como a variância é igual a 30, o desviopadrão associado a esta amostra é 2 30 5,477= == =30 5,477= =30 5,477s Assim, o coefi ciente de assimetria é 4 1 0,548 5,477 − −4 1− −4 1 = = == = == = = X Mo− −X Mo− −Ap s Como o valor é maior que zero, temos que a distribuição é assimétrica positiva. Para descobrir o sinal da assimetria (negativa ou positiva), apenas, não é necessário o cálculo do Coefi ciente de Assimetria, basta observar o sinal da diferença entre a Moda e a Média, uma vez que o Desvio Padrão é sempre maior ou igual a zero. Na Demografi a, área que estuda o comportamento da população sob uma perspectiva esta- tística, podemos encontrar exemplos de distribuições assimétricas. Em muitos países em desen- volvimento, de menor nível de renda, costuma-se observar um predomínio de habitantes de menor idade, uma vez que a baixa expectativa de vida e o crescimento populacional recente fazem com que a porcentagem de idosos nestes grupos seja pequena (CARVALHO, 2004). Assim, quando dis- tribuímos os dados por faixas etárias, percebemos uma participação muito grande de indivíduos com idade inferior à média. FIQUE ATENTO! Valores extremamente desassociados a uma distribuição de frequências, ou seja, atípicos, são denominados outliers. Eles prejudicam a análise estatística, pois inter- ferem no cálculo da média e dos coefi cientes de dispersão e assimetria. 5 Distribuições assimétricas negativas A distribuição assimétrica negativa recebe a denominação de distribuição assimétrica à esquerda, pois o “encaudamento” (distorção) está presente na parte esquerda do gráfi co. Uma distribuição assimétrica negativa pode ser evidenciada quando há dados que estejam mais asso- ciados a um limite inferior, relacionado a classes ou intervalos de classes mais baixos (classes 1, 2, 3...) para uma característica de interesse, de maneira que poucos valores sejam pertencentes a estas classes. Figura 4 – Distribuição assimétrica negativa -1.5 -1 -0.5 0 0.5 1 1.5 Fonte: elaboradapelo autor, 2016. A distribuição assimétrica negativa caracteriza-se por: • x Md Mox Md Mox Md Mo< <x Md Mo , ou seja, a média é menor que a mediana, que é menor que a moda; • Ap < 0, o coefi ciente de assimetria é menor que zero; • o gráfi co não cria imagem-espelho entre as metades. Por exemplo, no conjunto de dados: C = {1,1,2,3,4,4,4}, a média é dada por n i=1 ( )1 1 2 3 4 4 4/ 2,714(/ 2,714( )/ 2,714)1 1 2 3 4 4 4/ 2,7141 1 2 3 4 4 4 7 / 2,714 7 / 2,714 1 1 2 3 4 4 4+ + + + + +1 1 2 3 4 4 4 / 2,714= = =/ 2,714/ 2,714= = =/ 2,714∑ iX x nnX x nn / 2,714X x n/ 2,714X x n/ 2,714X x n/ 2,714X x n= = =X x n= = =/ 2,714= = =/ 2,714X x n/ 2,714= = =/ 2,714= = =X x n= = =∑X x n∑== =∑= = =X x n= = =∑= = =iX x ni= = =i= = =X x n= = =i= = = A moda é 4=Mo A variância da amostra é ( )22 1 1 == − ∑ k ii x X−x X−ix Xis n ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2 2 2 2 2 2(2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) (2 2 2 2 2 2( )2 2 2 2 2 2) 2 1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 21 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,7142 2 2 2 2 2(2 2 2 2 2 2(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 2( )2 2 2 2 2 2)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)2 2 2 2 2 2) (2 2 2 2 2 2(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 2( )2 2 2 2 2 2)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)2 2 2 2 2 2) (2 2 2 2 2 2(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 2( )2 2 2 2 2 2)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)2 2 2 2 2 2) (2 2 2 2 2 2(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 2( )2 2 2 2 2 2)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)2 2 2 2 2 2) (2 2 2 2 2 2(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(2 2 2 2 2 2( 4 2,714 7 1 1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714− + − + − + − + − + −1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)− + − + − + − + − + −)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(− + − + − + − + − + −(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)− + − + − + − + − + −)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(− + − + − + − + − + −(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)− + − + − + − + − + −)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(− + − + − + − + − + −(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)− + − + − + − + − + −)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(− + − + − + − + − + −(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( )1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714)− + − + − + − + − + −)1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714) (1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714(− + − + − + − + − + −(1 2,714 1 2,714 2 2,714 3 2,714 4 2,714 4 2,714( + −(+ −(4 2,714+ −4 2,714 = 7 1−7 1 11,429 6 = ( )22 1 11,429 1,904 1 6 == = == = == = = − ∑ k ii x X−x X−ix Xis n Logo, o desvio padrão amostral é 2 1,904 1,38= == =2= =2 1,904 1,38= =1,904 1,38s . Assim, temos que o coefi ciente de assi- metria é 2,714 4 0,932 1,38 − −2,714 4− −2,714 4 = = = −= = = −= = = − X Mo− −X Mo− −Ap s . Como Ap é menor que zero, a distribuição é assimé- trica negativa. Aqui, da mesma forma que no exemplo anterior, não é necessário o cálculo do Coeficiente de Assimetria para saber o sinal da assimetria, pois como a Média (2,714) é menor que a Moda (4), a assimetria é negativa. Para sabermos se uma distribuição é pouco ou muito assimétrica, com base na análise do coefi ciente de assimetria de Pearson, temos de tomar o módulo, que representa os valores abso- lutos, de tal coefi ciente. Assim, temos que, caso o valor, em módulo, para o coefi ciente seja inferior a 1, a distribuição é pouco assimétrica. No entanto, quando o valor é superior a 1, a distribuição é muito assimétrica. SAIBA MAIS! Conheça exemplos de distribuições simétricas e assimétricas no estudo do Instituto Brasileiro de Geografi a e Estatística (IBGE) sobre a população brasileira. Acesse: http://www.ibge.gov.br/home/presidencia/noticias/imprensa/ppts/00000014425 608112013563329137649.pdf . Fechamento Nesta aula, você teve a oportunidade de: • entender o que são distribuições simétricas e assimétricas; • conhecer o Coefi ciente de Assimetria de Pearson; • conhecer a classifi cação das distribuições assimétricas. Referências CARVALHO, José Alberto Magno. Crescimento populacional e estrutura demográfica no Brasil. Texto para Discussão. n. 227, Cedeplar/UFMG, 2004. Disponível em: <http://cedeplar.face.ufmg. br/pesquisas/td/TD%20227.pdf>. Acesso em: 17 fev 2017. CRESPO, Antonio. Estatística Fácil. São Paulo: Saraiva, 2005. INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Projeção da população por sexo e idade: Brasil 2000-2060. Disponível em: <http://www.ibge.gov.br/home/presidencia/noticias/ imprensa/ppts/00000014425608112013563329137649.pdf.>. Acesso em: 13 fev. 2017. STEVENSON, William J. Estatística Aplicada à Administração. São Paulo: Editora Harbra, 2001.
Compartilhar