Baixe o app para aproveitar ainda mais
Prévia do material em texto
TRATAMENTO DE DADOS QUANTITATIVOS INTRODUÇÃO As medidas de tendência central são estatísticas, aplicadas às variáveis quantitativas, que representam a distribuição e resumem informações. Recebem esse nome porque, ao representar um conjunto de dados, tendem a localizar-se no centro. Dentre estas, destacamos: Média ( ); Mediana ( ou Md); Moda (Mo). Assim, para uma distribuição como a do exemplo inicial {1, 3, 4, 5, 5, 6}, teremos: = 4; = 4,5 e Mo = 5 MÉDIAS (aritmética, geométrica, harmônica e quadrática) MÉDIA ARITMÉTICA ( ) É uma das principais medidas de tendência central, cuja aplicação é seguramente a mais usada, sendo que podem ser simples (dados não agrupados em classe) e ponderadas (dados agrupados em classe). MÉDIA ARITMÉTICA SIMPLES A média aritmética simples será o quociente entre a soma de todos os valores assumidos pela variável que traduz o fenômeno analisado (x1, x2, x3,..., xn) e o número de valores n assumidos pela variável: Ex: Determine a média aritmética simples dos valores {3, 7, 8, 10, 11} MÉDIA ARITMÉTICA PONDERADA O cálculo da média aritmética será efetuado considerando-se os pesos (número de vezes com que eles se repetem), que se denominam freqüências (fi). Assim, quando as medidas x1, x2, x3, ..., xn tiverem, respectivamente, freqüências ou pesos f1, f2, f3, ..., fn, a média aritmética será: MÉDIA ARITMÉTICA PONDERADA PARA DADOS TABULADOS SEM INTERVALOS DE CLASSE Ex: Determine a média aritmética (xi) (fi) xifi 1 2 3 4 1 3 5 1 1 6 15 4 ( 10 26 MÉDIA ARITMÉTICA PONDERADA PARA DADOS TABULADOS COM INTERVALOS DE CLASSE Ex: Determine a média aritmética para a distribuição abaixo. i CLASSES fi xi xifi 1 2 3 4 5 2 |- 4 4 |- 6 6 |- 8 8 |- 10 10 |- 12 5 10 14 8 3 3 5 7 9 11 15 50 98 72 33 ( 40 268 PROPRIEDADES DA MÉDIA ARITMÉTICA: 1.a) A soma dos desvios tomados em relação à média é nula. Denominamos desvio em relação à média a diferença entre cada elemento de um conjunto de valores e a média aritmética, ou seja, . Ex: { 2, 3, 5, 7, 8 } (-3) + (-2) + 0 + 2 +3 = 0 2.a) Somando-se (ou subtraindo-se) uma constante c de todos os valores de uma variável, a média do conjunto fica aumentada (ou diminuída) dessa constante. yi = xi ( c ( Ex: Dados { 2, 3, 5, 7, 8 } com c = 5 xi 2 3 5 7 8 yi = xi + c 7 8 10 12 13 Assim, e ( 3.a) Multiplicando-se (ou dividindo-se) todos os valores de uma variável por uma constante c ( 0, a média do conjunto fica multiplicada (ou dividida) por essa constante. yi = xi.c ( ( Ex: Dados { 2, 3, 5, 7, 8 } com c = 5 xi 2 3 5 7 8 yi = xi.c 10 15 25 35 40 Assim, e ( CÁLCULO DA MÉDIA PELA VARIÁVEL TRANSFORMADA: O processo da variável transformada para o cálculo da média é útil de ser aplicado quando os valores de x forem grandes e a amplitude entre tais valores for constante. O uso desse processo oferece-nos rapidez e facilidade nos cálculos. Fases para o cálculo da média pela Variável Transformada: 1.a) Abrimos uma coluna para os valores de x; 2.a) Escolhemos um dos pontos médios (geralmente o de maior frequência) para os valores de x 0; 3.a) Abrimos uma coluna para os valores de yi e escrevemos zero na linha correspondente à classe onde se encontra o valor de x 0; a sequência -1, -2, -3, ..., logo acima do zero, e a sequência 1, 2, 3, ..., logo abaixo; 4.a) Abrimos uma coluna para os valores do produto yifi, conservando os sinais + ou -, e, em seguida, somamos algebricamente esses produtos; 5.a) Aplicamos a fórmula . Ex: Determine a média aritmética da distribuição pelo processo breve. i CLASSES fi xi yi yifi 1 2 3 4 5 2 |- 4 4 |- 6 6 |- 8 8 |- 10 10 |- 12 5 10 14 8 3 3 5 7 9 11 -2 -1 0 +1 +2 -10 -10 0 +8 +6 ( 40 -6 Observação: A média é extremamente influenciada por valores acentuados, muito altos ou muito baixos. Ex: { 1, 2, 3, 10} { 1, 2, 3, 1.000} MÉDIA GEOMÉTRICA (Mg) Denominamos média geométrica a raiz n-ésima do produto de n valores de um conjunto. A média geométrica deve ser utilizada quando os dados se desenvolvem segundo uma progressão geométrica, como é o caso dos preços num período de inflação galopante. MÉDIA GEOMÉTRICA SIMPLES Sejam x1, x2, x3, ..., xn, valores de x. A média geométrica simples será definida pela expressão: Ex: Calcule a média geométrica dos valores { 2, 4, 8, 16, 32 }. MÉDIA GEOMÉTRICA PONDERADA Sejam x1, x2, x3, ..., xn, valores de x associados às freqüências absolutas f1, f2, f3,..., fn, respectivamente. A média geométrica ponderada será definida pela expressão: Ex: Calcule a média geométrica para a distribuição: xi 2 8 32 fi 3 2 1 MÉDIA HARMÔNICA (Mh) É o inverso da média aritmética dos inversos dos valores. A média harmônica é recomendada para séries de valores que são inversamente proporcionais, como para o cálculo de velocidade média, tempo médio de escoamento de estoques, custo médio de bens comprados com uma quantia fixa, etc. MÉDIA HARMÔNICA SIMPLES Sejam x1, x2, x3, ..., xn, valores de x. A média harmônica simples será definida pela expressão: Ex: Calcule a média harmônica dos valores { 2, 5, 7, 9 }. MÉDIA HARMÔNICA PONDERADA Sejam x1, x2, x3, ..., xn, valores de x associados às freqüências absolutas f1, f2, f3,..., fn, respectivamente. A média harmônica ponderada será definida pela expressão: Ex: Calcule a média harmônica para a distribuição: xi 2 4 5 fi 1 3 4 MÉDIA QUADRÁTICA (Mh) É a raiz quadrada da média aritmética dos quadrados dos “n” valores. A) MÉDIA QUADRÁTICA SIMPLES Seja um conjunto de “n” valores x1, x2, x3, ..., xn, a média quadrática será definida pela expressão: Ex: Calcule a média quadrática dos valores {10, 15, 16, 18} B) MÉDIA QUADRÁTICA ´PONDERADA Sejam x1, x2, x3, ..., xn, valores de x associados às frequências absolutas f1, f2, f3,..., fn, respectivamente. A média quadrática ponderada será definida pela expressão: = Ex: Calcule a média quadrática para a distribuição: xi fi xi2 xi2fi 2 5 7 8 4 6 7 3 4 25 49 81 16 150 343 243 ∑ 20 752 MEDIANA ( ou Md ) É o valor que ocupa a posição central de um conjunto de dados ordenados. MEDIANA PARA UM ROL Dado um conjunto qualquer de valores, o primeiro passo é ordenar estes valores em ordem crescente ou decrescente. O segundo passo é verificar se o número de elementos que compõe este conjunto é par ou ímpar. No caso de n ímpar, a posição da mediana é determinada por . No caso de n par, a posição da mediana é determinada por e . Ex1: Calcule a mediana da série { 2, 5, 6, 9, 10, 13, 15, 16, 18 }. Neste caso, n = 9 (ímpar) e a posição do elemento central é dada por ( 5º termo da série). Assim, = 10. Ex2: Calcule a mediana da série { 2, 6, 7, 10, 12, 13, 18, 21 }. Neste caso, n = 8 (par) e as posições dos elementos centrais são dadas por ( 4º termo da série) e ( 5º termo da série). Assim, a mediana corresponde à média aritmética entre os valores centrais . MEDIANA PARA DADOS TABULADOS SEM E COM INTERVALOS DE CLASSE O cálculo da mediana se processa de modo semelhante àquele dos dados não-tabulados, implicando, porém, a determinação prévia das freqüências acumuladas crescentes. MEDIANA PARA DADOS TABULADOS SEM INTERVALOS DE CLASSE Neste caso, é preciso verificar se o númerode observações é ímpar ou par, e, para cada caso, aplicar os critérios anteriores. No caso de n ímpar: Ex: Calcule a mediana da distribuição abaixo. (xi) (fi) faci 1 2 3 4 1 3 5 2 1 4 9 11 ( n = 11 n = 11 (ímpar), logo será o elemento de ordem , ou seja, o 6º termo. Para identificá-lo, abre-se a coluna da freqüência acumulada crescente (faci) e através dela encontra-se o valor ( xi ) correspondente à mediana. Neste exemplo = 3. No caso de n par: Ex: Calcule a mediana da distribuição abaixo. (xi) (fi) faci 4 5 6 8 10 3 7 6 4 4 3 10 16 20 24 ( n = 24 n = 24 (par), logo será a média entre os elementos de ordem e , ou seja, o 12º e o 13º termos. Para identificá-lo, abre-se a coluna da freqüência acumulada crescente (faci). Neste exemplo, os elementos de ordem 12 e 13 correspondem a 6 e 6. Logo, . MEDIANA PARA DADOS TABULADOS COM INTERVALOS DE CLASSE Neste caso, usamos o seguinte procedimento: 1.º) Calculamos a ordem (independendo de n ser ímpar ou par); 2.º) Determinamos as freqüências acumuladas crescentes (faci) e identificamos a classe que contém a mediana (classe mediana); 3.º) Aplicamos a fórmula . Onde: l* = limite inferior da classe mediana; n = tamanho da amostra ou número de elementos; fac (ant) = freqüência acumulada até a classe anterior à classe mediana; h* = amplitude do intervalo da classe mediana; f* = freqüência simples ou absoluta da classe mediana. Ex: Calcule a mediana da distribuição abaixo. i CLASSES fi faci 1 2 3 4 2 |- 12 12 |- 22 22 |- 32 32 |- 42 3 8 7 2 3 11 18 20 ( n = 20 Procedimento: 1.º) Como n = 20, temos = 10 (10º termo); 2.º) Neste caso, a classe mediana é a 2.a; 3.º) MODA ( Mo ) Denominamos moda o valor que ocorre com maior freqüência em uma série de valores. MODA PARA UM ROL Neste caso, a moda é facilmente reconhecida. Basta procurar o valor que mais se repete. Ex1: { 3, 5, 8, 10, 12, 13 } (conjunto amodal) Ex2: { 7, 8, 9, 10, 10, 10, 11, 12, 13, 15 } Mo = 10 (conjunto unimodal) Ex2: { 2, 3, 4, 4, 4, 5, 6, 7, 7, 7, 8, 9 } Mo = 4 e Mo = 7 (conjunto bimodal) MODA PARA DADOS TABULADOS SEM E COM INTERVALOS DE CLASSE MODA PARA DADOS TABULADOS SEM INTERVALOS DE CLASSE Quando os dados estiverem dispostos em uma tabela de freqüência, não agrupados em classe, a localização da moda é imediata, bastando, para isso, verificar na tabela o valor da variável de maior freqüência. Ex: Calcule a moda da distribuição abaixo. (xi) (fi) 2 4 5 7 3 5 10 8 ( n = 26 Mo = 5 (Notem que esse número é o mais comum nesta distribuição) MODA PARA DADOS TABULADOS COM INTERVALOS DE CLASSE Tratando-se de dados agrupados em classe, a moda não é percebida tão facilmente como nos casos anteriores. Para tal, utilizamos diversos processos na sua obtenção. Mas qualquer que seja o processo adotado, o primeiro passo é identificar a classe que contém a maior freqüência. A esta classe denominamos classe modal. MODA BRUTA De todos os processos, este é o mais elementar, bastando, para isso, tomar o ponto médio da classe modal. A moda bruta será definida pela expressão: onde: l* é o limite inferior da classe modal; L* é o limite superior da classe modal. Ex: Calcule a moda bruta da distribuição abaixo. i CLASSES fi 1 2 3 4 0 |- 10 10 |- 20 20 |- 30 30 |- 40 12 5 15 8 ( n = 40 A classe modal é i = 3, l*= 20 e L*= 30 Logo: MODA PELO PROCESSO DE CZUBER O processo utilizado por Czuber leva em consideração as freqüências anterior e posterior à classe modal. O ponto correspondente à moda divide o intervalo em partes proporcionais às diferenças da freqüência da classe modal com as freqüências anterior e posterior, respectivamente. Passos: 1.º) Identificamos a classe modal (aquela que possui maior freqüência); 2.º) Aplicamos a fórmula onde: l* é o limite inferior da classe modal; (1 é a diferença entre a freqüência da classe modal e a freqüência da classe imediatamente anterior; (2 é a diferença entre a freqüência da classe modal e a freqüência da classe imediatamente posterior; h* é a amplitude da classe modal. Ex: Calcule a moda da distribuição abaixo pelo processo de Czuber. i CLASSES fi 1 2 3 4 0 |- 10 10 |- 20 20 |- 30 30 |- 40 2 8 10 4 ( n = 24 Passos: 1.º) A 3.a classe é a classe modal; 2.º) . MODA PELO PROCESSO DE KING No processo proposto por King, é considerada a influência sobre a classe modal das frequências das classes anterior e posterior, fazendo com isto que a moda se desloque dentro do intervalo de classe para um ponto tal que as distâncias deste ponto aos limites da classe sejam inversamente proporcionais às frequências anterior e posterior. A inconveniência deste processo é justamente não levar em consideração a frequência máxima ou frequência da classe modal. Passos: 1.º) Identificamos a classe modal (aquela que possui maior frequência); 2.º) Aplicamos a fórmula onde: l* é o limite inferior da classe modal; fant é a frequência absoluta simples anterior à classe modal; fpost é a frequência absoluta simples posterior à classe modal; h* é a amplitude da classe modal. Ex: Calcule a moda da distribuição abaixo pelo processo de King. i CLASSES fi 1 2 3 4 0 |- 10 10 |- 20 20 |- 30 30 |- 40 2 8 10 4 ( n = 24 Passos: 1.º) A 3.a classe é a classe modal; 2.º) . MODA PELO PROCESSO DE PEARSON Este processo pressupõe que a distribuição seja aproximadamente simétrica, na qual a média aritmética e a mediana são levadas em consideração. A moda pelo processo de Pearson será definida pela expressão: . Ex: Calcule a moda da distribuição abaixo pelo processo de Pearson. i CLASSES fi xi xifi faci 1 2 3 4 2 |- 12 12 |- 22 22 |- 32 32 |- 42 3 8 7 2 7 17 27 37 21 136 189 74 3 11 18 20 ( n = 20 420 Neste caso: e POSIÇÃO RELATIVA DA MÉDIA, MEDIANA E MODA Quando uma distribuição é simétrica, as três medidas coincidem. Porém, a assimetria torna-as diferentes e essa diferença é tanto maior quanto maior é a assimetria. Assim, em uma distribuição em forma de sino, temos: Curva Simétrica – Apresenta como principal característica o fato das três medidas de tendência central serem iguais. O Gráfico 3.1 ilustra a situação. GRÁFICO 3.1 – CURVA DE FREQÜÊNCIA SIMÉTRICA Curva Assimétrica Positiva – Uma distribuição com deformação positiva se apresenta com uma cauda mais alongada à direita da ordenada máxima (correspondente à moda) do que à esquerda. O Gráfico 3.2 ilustra a situação. Nas distribuições assimétricas positivas, há uma predominância de valores superiores à moda. GRÁFICO 3.2 – CURVA DE FREQÜÊNCIA ASSIMÉTRICA POSITIVA Curva Assimétrica Negativa – Uma distribuição com deformação negativa se apresenta com uma cauda mais alongada à esquerda da ordenada máxima. O Gráfico 3.3 ilustra a situação. Nas distribuições assimétricas negativas, há uma predominância de valores inferiores à moda. GRÁFICO 3.3 – CURVA DE FREQÜÊNCIA ASSIMÉTRICA NEGATIVA Observação: Podemos determinar o tipo de assimetria sem, necessariamente dispor das curvas de freqüência. O tipo de assimetria será dado pelas relações entre as medidas de tendência central. – Mo > 0 ( distribuição assimétrica positiva – Mo = 0 ( distribuição simétrica – Mo < 0 ( distribuição assimétrica negativa �PAGE � �PAGE �1� _1093810809.unknown _1094307398.unknown_1094333005.unknown _1241614662.unknown _1443886484.unknown _1443898913.unknown _1443899972.unknown _1443886961.unknown _1241616989.unknown _1094382052.unknown _1094385021.unknown _1192222624.unknown _1192222653.unknown _1095670600.unknown _1095670708.unknown _1094384154.unknown _1094384549.unknown _1094383316.unknown _1094380729.unknown _1094381271.unknown _1094334669.unknown _1094331197.unknown _1094331725.unknown _1094332460.unknown _1094331248.unknown _1094308537.unknown _1094330391.unknown _1094307674.unknown _1093815060.unknown _1093820567.unknown _1094307071.unknown _1094307095.unknown _1094306980.unknown _1093818927.unknown _1093819307.unknown _1093819593.unknown _1093818695.unknown _1093812328.unknown _1093812726.unknown _1093814544.unknown _1093812524.unknown _1093811350.unknown _1093811915.unknown _1093811984.unknown _1093811853.unknown _1093810865.unknown _1093810433.unknown _1093810782.unknown _1084635107.unknown _1084639315.unknown _1093808703.unknown _1093809827.unknown _1093809897.unknown _1093809168.unknown _1093785384.unknown _1084638418.unknown _1084632192.unknown _1084634802.unknown _1084632146.unknown _957988416.unknown
Compartilhar