Baixe o app para aproveitar ainda mais
Prévia do material em texto
© E. Novaes 1 Universidade Federal de Goiás Escola de Agronomia e Engenharia de Alimentos Engenharia Florestal Disciplina: Estatística e Experimentação Florestal Professor: Evandro Novaes Estatística Descritiva – medidas de dispersão Capítulo 2 © E. Novaes Resumo das Esta1s2cas Medidas de Posição Dispersão -‐ Moda -‐ Média -‐ Mediana -‐ Percen2l -‐ Amplitude total -‐ Variância -‐ Desvio-‐padrão -‐ Coeficiente de variação © E. Novaes © E. Novaes 2 Medidas de dispersão ou de variação © E. Novaes Importância das medidas de dispersão • A variância dos erros amostrais é fundamental para determinar a confiança de se rejeitar ou não uma hipótese. uro gran uro gran 33 42 33 42 © E. Novaes © E. Novaes 3 • Medida de dispersão mais simples de ser es2mada Amplitude total (“range”) Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 A = 32,1 – 24,1 = 8,0 © E. Novaes • Amplitude é altamente influenciada por medidas extremas (“outliers”) • Não leva em consideração todas as observações • conjuntos de dados podem ter a mesma amplitude mas serem completamente diferentes com relação a dispersão dos dados Problemas © E. Novaes © E. Novaes 4 Amplitude total (“range”) Conjunto 1 Conjunto 2 0.1 0.1 0.4 0.8 0.6 1.2 0.8 1.4 0.9 1.6 1.2 1.8 1.3 1.9 1.5 1.9 1.6 2.2 1.8 2.3 1.9 2.4 2.1 2.4 2.3 2.5 2.5 2.5 2.6 2.6 2.8 2.6 2.9 2.7 3 2.8 3.2 2.9 3.4 3 3.6 3.2 3.8 3.4 3.9 3.7 4.4 3.8 4.5 3.8 4.7 4.2 4.9 4.9 © E. Novaes Precisamos de uma medida melhor Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 € y = 28,35 m3/ha.ano © E. Novaes © E. Novaes 5 © E. Novaes Variância Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 € s2 = yi2 − yi i=1 n ∑ $ % & ' ( ) 2 ni=1 n ∑ n −1 © E. Novaes © E. Novaes 6 Variância Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 580,81 660,49 696,96 739,84 772,84 789,61 800,89 835,21 841 870,25 930,25 961 1030,41 € yi € yi2 € s2 = yi2 − yi i=1 n ∑ $ % & ' ( ) 2 ni=1 n ∑ n −1 € ∑ 368,6 10.509,56 € = 10509,56 − 368,6 2 13 13 −1 = 58,33 12 = 4,86 (m 3/ha.ano)2 © E. Novaes © E. Novaes © E. Novaes 7 Desvio padrão Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 € s = s2 = 4,86 = 2,20 (m3/ha.ano) © E. Novaes Inconveniente • A magnitude da variância e do desvio padrão dependem da unidade de medida; – Isso dificulta comparações Variável Observações Média Desvio padrão Altura de árvores (m) 15,2 20,3 35,2 34,1 27,2 26,4 m 8,66 m Altura de árvores (dm) 152 203 352 341 272 264 dm 86,61 dm Altura de arbustos (m) 2,1 1,0 3,5 5,2 4,7 3,3 m 1,76 m © E. Novaes © E. Novaes 8 © E. Novaes Coeficiente de variação • Permite comparações pois é sempre dado em %, independente da unidade das observações Variável Observações Média Desvio padrão CV(%) Altura de árvores (m) 15,2 20,3 35,2 34,1 27,2 26,4 m 8,66 m 32,80% Altura de árvores (dm) 152 203 352 341 272 264 dm 86,61 dm 32,80% Altura de arbustos (m) 2,1 1,0 3,5 5,2 4,7 3,3 m 1,76 m 53.33% © E. Novaes © E. Novaes 9 Coeficiente de variação Produ&vidade de 13 árvores de E. urophylla 24,1 25,7 26,4 27,2 27,8 28,1 28,3 28,9 29,0 29,5 30,5 31,0 32,1 € y = 28,35g s = 2,20g € CV% = 7,76% © E. Novaes Es2mar variância, desvio padrão e CV% Conjunto 1 Conjunto 2 0.1 0.1 0.4 0.8 0.6 1.2 0.8 1.4 0.9 1.6 1.2 1.8 1.3 1.9 1.5 1.9 1.6 2.2 1.8 2.3 1.9 2.4 2.1 2.4 2.3 2.5 2.5 2.5 2.6 2.6 2.8 2.6 2.9 2.7 3 2.8 3.2 2.9 3.4 3 3.6 3.2 3.8 3.4 3.9 3.7 4.4 3.8 4.5 3.8 4.7 4.2 4.9 4.9 © E. Novaes © E. Novaes 10 Tipos de esta1s2cas • Esta1s2ca Descri2va Univariada – Medidas de posição – Medidas de dispersão • Esta1s2ca Descri2va Bivariada – Covariância © E. Novaes Medidas descri2vas bivariadas Covariância © E. Novaes © E. Novaes 11 © E. Novaes Covariância • Idealizadores: Francis Galton & Karl Pearson – Mede o grau de associação linear entre variáveis – Ou seja, se as variáveis mudam juntas (co-‐ variam)ou não. € Cov(X,Y ) = (x − x )(y − y )∑ n −1 = xy − x∑( )∗ y∑( ) n∑ n −1 © E. Novaes © E. Novaes 12 Exemplo QI 1. Represente os dados através de um gráfico de dispersão 2. Es2me a covariância entre a década e o nota de QI © E. Novaes Exemplo QI 60 65 70 75 80 85 90 95 100 105 110 1910 1920 1930 1940 1950 1960 1970 1980 1990 2000 2010 Score de QI médio € Cov(X,Y ) = 257,50 © E. Novaes © E. Novaes 13 Exemplo soja Teor de proteína (%) Teor de óleo (%) 35.8 24.2 38.5 21 40.2 20.5 42.7 18.8 45.7 16.4 1. Represente os dados através de um gráfico de dispersão 2. Es2me a covariância entre a década e o nota de QI A tabela abaixo representa o teor médio de proteína e óleo de 5 cul2vares de soja © E.Novaes Exemplo soja 10 12 14 16 18 20 22 24 26 30 32 34 36 38 40 42 44 46 48 Te or d e ól eo (% ) Teor de proteína (%) € Cov(X,Y ) = −10,83 © E. Novaes © E. Novaes 14 Problemas da covariância • Assim como o desvio padrão, sua magnitude muda de acordo com a unidade; • Possui importantes pressuposições, para es2mar corretamente o grau de associação: – Variáveis precisam ter uma distribuição aproximadamente normal; – Relação deve ser linear; © E. Novaes
Compartilhar