Baixe o app para aproveitar ainda mais
Prévia do material em texto
Mauricio Martins do Fanno Medidas de Dispersão Objetivos do módulo As medidas de dispersão completam a informação contida nas medidas de posição, revelando o afastamento ou desvio dos elementos do valor central. Quanto menor for a dispersão de uma amostra maior será a qualidade da informação contida na medida de posição, ou em outras palavras, menor a margem de erro que será assumido considerando a medida de posição como representante de toda a amostra. Existem basicamente dois grandes grupos de medidas de dispersão: · Medidas de dispersão absolutas – levam em conta a dispersão propriamente dita · Medidas de dispersão relativas – levam em conta simultaneamente uma medida de posição e a medida de dispersão correspondente. São úteis para efetuarmos comparações entre amostras. O objetivo deste capítulo é tomarmos contato com ambos os grupos. 4.1 – Medidas de dispersão absolutas 1.1.1 – Amplitude total A amplitude total (At) já é nossa conhecida e é a mais elementar das medidas de dispersão. È extremamente fácil de ser calculada, mas de difícil interpretação, em especial quando os dados extremos são muito grandes ou muito pequenos. São mais utilizadas, portanto, quando as distribuições apresentam certa homogeneidade. Por exemplo, suponha que tenhamos as valorizações mensais das ações de duas diferentes empresas A e B, com os seguintes valores (em porcentagem): Empresa A = {21,5; 18,0; 26,3; 32,4; 45,1; 18,6; 37,6} Empresa B = {15,3; 19,7; 23,9; 16,7; 25,9; 14,6; 18,9; 25,8} As amplitudes seriam respectivamente de 45,1 - 18,0 = 27,1% para a s ações da empresa A e de 25,9 – 14,6 = 11,3% para a empresa B. Em outras palavras as variações máximas seriam de 27,1% para as ações da empresa A e de 11,3% para a empresa B. Logo, o risco de oscilação é maior para a empresa A do que para a empresa B. 1.1.2 – Desvio Médio É definido como a média aritmética do módulo dos desvios dos elementos em relação à média dos mesmos. Entende-se por desvio a diferença entre o valor de um elemento da amostra para a média dessa mesma amostra: 27 8 216 = Þ = Þ S = X X N x X i Portanto o desvio médio será dado pela fórmula: O exemplo abaixo deixará mais claro esse processo. Exemplo 1 Calcular o desvio médio da amostra {18; 21; 22; 27; 28; 29; 32; 37}. O primeiro passo será calcular a média aritmética destes valores e em seguida os desvios de cada um dos valores. Em seguida somaremos o módulo destes valores dividindo-os pelo número total de elementos da amostra. O quadro abaixo mostra passo a passo esses cálculos: Valores Módulo dos desvios 11818 - 27 =-99 22121 - 27 =-66 32222 - 27=-55 42727 - 27=00 52828 - 27=11 62929 - 27 =22 73333 - 27=66 83838 - 27=1111 Soma21640 40/8 = 5 Ordem dos Elementos Média 216/8=27 Desvios 0 Desvio médio (dm) )(X Xxd ii || Xxd ii Observe que a soma dos desvios é zero, o que é evidente. O próprio conceito de média (valor eqüidistante de todos os elementos da amostra) nos conduz a isso. O conceito de desvio médio só tem sentido quando utilizamos o módulo dos desvios. Para ficar mais claro veja abaixo os cálculos feitos, utilizando-se das fórmulas informadas: Cálculo da média: Cálculo do desvio médio: Quando trabalhamos com dados agrupados em classes ou não utilizaremos exatamente o mesmo processo de cálculo, evidentemente com alterações nas fórmulas de cálculos introduzindo-se o conceito de freqüência simples, como se mostra a seguir: Observar que para dados agrupados em classes o cálculo dos desvios é dado por: X pm d i i - = Os exemplos a seguir demonstram esses cálculos. Exemplo 2 Calcular o desvio médio da amostra de distribuição abaixo, relativa ao número de acidentes diários numa estrada federal. Número de Acidentes Diários Dias pesquisados ValorFrequencia xi.fi 0120-3,63,643,5 11515-2,62,639,4 22856-1,61,645,6 423920,40,48,6 519951,41,426,1 68482,42,419,0 86484,44,426,2 104406,46,425,5 112227,47,414,7 121128,48,48,4 Somas118428257,0 Média3,62,2Desvio Médio DISTRIBUIÇÃO DE ACIDENTES POR DIA - ESTRADA X Valor x frequencia Desvios Módulo dos desvios Módulo dos desvios x frequencia Xxd ii || Xxd ii Exemplo 3 Calcular o desvio médio da amostra de distribuição abaixo, relativa ao tempo de mão de obra gasto com a manutenção dos aviões de uma empresa aérea Pontos médios de classe Manutenções pesquisadas ValorFrequencia li lspmi pmi.fi 10|---31,52639-4,14,1106,0 23|---64,52090-1,11,121,5 36|---97,5161201,91,930,8 49|---1210,5101054,94,949,2 512|--|1513,56817,97,947,5 Somas78435255,1 Média5,63,3 Classes Limites de classes DISTRIBUIÇÃO DAS HORAS DE MANUTENÇÃO - AERO X Desvio Médio Valor x frequencia Desvios Módulo dos desvios Módulo dos desvios x frequencia || Xxd ii Xxd ii 1.1.3 – Variância A definição de desvio médio leva em consideração os desvios dos elementos tomados a 1ª potencia. Matematicamente demonstra-se que os efeitos de desvio são mais bem representados quando tomados ao quadrado. Essa consideração nos leva à definição das duas mais importantes medidas de variabilidade absolutas: a variância e o desvio padrão que veremos em seguida. A variância é o somatório dos desvios tomados ao quadrado, ou seja, é basicamente a mesma definição do desvio médio alterando-se apenas a potencia dos desvios : No caso em que estivermos trabalhando com dados agrupados a forma naturalmente deverá incluir o conceito de freqüência simples, ou seja: Os exemplos de 1 a 3 no próximo item mostram o cálculo da variância nos vários casos possíveis. 1.1.4 – Desvio Padrão O cálculo ou análise da variância tem um grande inconveniente prático: Ela apresenta unidades ao quadrado em relação à medida de tendência central. Por exemplo, suponha que queremos descrever uma amostra de salários de uma empresa. Poderíamos afirmar que o salário médio da empresa é de 1340 reais e a variância de 11025 reais ao quadrado. Observe a estranheza que causa a unidade: “reais ao quadrado”. Sem falar do número extravagante que resultou dos cálculos. Para contornar-se esse problema define-se a mais utilizada das medidas de variabilidade: o desvio padrão. Conceitualmente o desvio padrão é a raiz quadrada da variância e é simbolizado pela letra S maiúscula. Dessa forma é calculado pelas fórmulas: Para dados isolados, e Para dados agrupados em classes ou não. Nos exemplos de 1 a 3 a seguir são calculados os valores do desvio padrão e da variância, de maneira semelhante ao que foi feito anteriormente para o desvio médio. Observe que o cálculo segue os seguintes para em ambos os casos: 1. Calcular a média da distribuição. 2. Calcular os desvios de cada elemento 3. Calcular o quadrado dos desvios 4. Somar o quadrado dos desvios (usando o conceito de freqüência caso sejam dados agrupados) 5. Dividir a soma obtida pelo número de elementos menos 1, obtendo-se a variância, e 6. Extrair a raiz quadrada, obtendo-se o desvio padrão. Exemplo 1 Calcular a média e o desvio padrão da amostra {18; 21; 22; 27; 28; 29; 32; 37}. Valores Desvios ao quadrado 11818 - 27 =-981 22121 - 27 =-636 32222 - 27=-525 42727 - 27=00 52828 - 27=11 62929 - 27 =24 73333 - 27=636 83838 - 27=11121 Soma216304 304/7 = 43,4 6,6 Ordem dos Elementos Média 216/8=27 Desvios 0 Variância Desvio padrão )(X Xxd ii 27 8 216 = Þ = Þ S = X X N x X i 27 8 216 XX N x X i Cálculo da média: Cálculo da Variância: Cálculo do Desvio Padrão: Exemplo 2 Calcular a variância e o desvio padrão da amostra de distribuição abaixo, relativa ao número de acidentes diários numa estrada federal. Número de Acidentes Diários Dias pesquisados ValorFrequencia xi.fi x 0120-3,613,2157,9 11515-2,66,9103,5 22856-1,62,674,1 423920,40,13,2 519951,41,935,8 68482,45,645,0 86484,419,1114,7 104406,440,6162,5 112227,454,4108,7 121128,470,170,1 Somas118428875,6 Média3,67,5 2,7Desvio Médio VariânciaDISTRIBUIÇÃO DE ACIDENTES POR DIA - ESTRADA X Valor x frequencia Desvios Quadrado dos desvios Quadrado dos desvios x frequencia Xxd ii Cálculo da variância: Cálculo do Desvio padrão: Exemplo 3 Calcular o desvio padrão da amostra de distribuição abaixo, relativa ao tempo de mão de obra gasto com a manutenção dos aviões de uma empresa aérea Pontos médios de classe Manutenções pesquisadas ValorFrequencia li lspmi pmi.fi x 10|---31,52639-4,116,6432,2 23|---64,52090-1,11,223,2 36|---97,5161201,93,759,2 49|---1210,5101054,924,2242,4 512|--|1513,56817,962,8376,7 Somas784351133,5 Média5,614,7 3,8Desvio Padrão Classes Limites de classes DISTRIBUIÇÃO DAS HORAS DE MANUTENÇÃO - AERO X Variância Valor x frequencia Desvios Quadrado dos desvios Quadrado dos desvios x frequencia Xxd ii Cálculo da variância: Cálculo do Desvio padrão: O desvio padrão é a mais utilizada medida de dispersão e quando relacionada com a média informar a quantidade de elementos da amostra ou da população que se situam em torno da média. O mais comum, na Estatística é que essa relação entre média e desvio padrão seja feita pela chamada distribuição normal, a qual nós voltaremos no curso de Estatística para Administradores. Nessa relação, valida na maior parte dos casos práticos, segue-se os seguintes Intervalos: 1. Entre a média mais uma vez o desvio padrão e a média menos uma vez o desvio padrão estão contidos 68% dos elementos da amostra ou da população. 2. Entre a média mais duas vezes o desvio padrão e a média menos duas vezes o desvio padrão estão contidos 85% dos elementos da amostra ou da população. 3. Entre a média mais três vezes o desvio padrão e a média menos três vezes o desvio padrão estão contidos 99,74% dos elementos da amostra ou da população. 4. Entre a média mais quatro vezes o desvio padrão e a média menos quatro vezes o desvio padrão estão contidos 100% dos elementos da amostra ou da população. Exemplo: Um estudo estatístico com 4850 alunos de Administração da Produção de uma Universidade mostrou que a nota final média deles foi de 5,3 com desvio padrão 1,2. Quantos alunos tiveram médias finais entre 4,1 e 6,5? Observe que as notas: 4,1 e 6,5 correspondem exatamente à média menos um desvio padrão (5,3 – 1,2 = 4,1) e à média mais um desvio padrão (5,3 + 1,2 = 6,5). Portanto 68% dos alunos estão contidos nesse intervalo, ou seja: 68% de 4850 são 3280 alunos. Podemos, portanto afirmar que 3280 alunos tiveram notas entre 4,1 e 6,5. 4.2 – Medidas de dispersão relativas A maneira mais comum de se informar de maneira sintética (resumida) dados quantitativos é através de uma medida de posição (média, mediana ou moda) em conjunto com uma medida de dispersão absoluta (desvio médio, variância ou desvio padrão). O mais comum é o par de informações: média - desvio padrão. Freqüentemente, no entanto, é interessante utilizar-se as chamadas medidas de dispersão relativas que analisam simultaneamente uma medida de posição e a mediada de dispersão correspondente. São especialmente interessantes essas medidas quando fazemos comparações entre amostras diferentes. A rigor podemos obter essas medidas, costumeiramente chamadas de coeficientes de variação, dividindo uma medida de dispersão por uma medida de posição, no entanto, as mais comuns são: 1. Coeficiente de variação de Pearson: divisão do desvio padrão pela média: 100 ou ´ = = X S Cv X S Cv p p 2. Coeficiente de variação de Thorndike: divisão do desvio padrão pela mediana: 100 ou ´ = = Me S Cv Me S Cv p p O exemplo a seguir mostra uma aplicação dos coeficientes de variação, num caso de ordem prática: Um especialista estudou, estatisticamente, dois tipos de investimentos chegando às conclusões do quadro abaixo. Qual é o investimento que apresenta menor risco? XY RETORNO ESPERADO12%20% DESVIO PADRÃO9%10% O especialista teria chegado a essas conclusões através de um estudo estatístico no qual pesquisou e resumiu os retornos ocorridos no passado, conforme vimos no item 3.1 Analogamente o especialista teria calculado o devio padrão conforme vimos no item 4.1.4 APLICAÇÕES ESTATÍSTICASOBSERVAÇÕES Observe que se o especialista comparasse as aplicações somente com base em seus desvios padrões, ele preferiria a aplicação X, uma vez que essa aplicação tem um desvio padrão menor que Y (9% versus 10%). Essa comparação seria baseada no fato de que sendo mais homogênea a aplicação A “daria menos sustos”. No entanto, se ele calculasse e comparasse os coeficientes de variação, chegaria a conclusões diferentes: XY RETORNO ESPERADO12%20% DESVIO PADRÃO9%10% COEFICIENTE DE VARIAÇÃO DE PEARSON 75%50% APLICAÇÕES ESTATÍSTICAS A Comparação dos coeficientes de variação das aplicações mostra que o especialista estaria cometendo um erro sério se escolhesse a aplicação X em vez da aplicação Y, já que a dispersão relativa, ou risco, das aplicações, conforme refletida no coeficiente de variação é menor para o ativo Y do que para o X (50% versus 75%). Evidentemente, o uso do coeficiente de variação para comparar o risco da aplicação é melhor porque este também considera o tamanho relativo, ou retornos esperado, das aplicações 5.1 – Relações Gráficas entre as medidas estatísticas Nos estudos e análises estatísticos é interessante e importante visualizar as informações contidas nos dados através do uso dos diversos gráficos, assunto esse que tratamos no Modulo 2. Quando utilizamos os histogramas é facilmente perceptível que as freqüências dos valores mais centrais tendem a serem maiores que as dos valores extremos. Este comportamento nos permitirá conclusões importantes no capítulo da Estatística Indutiva, porque, via de regra, ocorre de modo repetitivo. Observações do padrão de comportamento das distribuições mostram que grande parte delas tende a se apresentar da maneira conhecida como Distribuição Normal. A figura 5.1 mostra o comportamento estatístico de uma distribuição de freqüências relativa aos pesos de um grupo de pessoas qualquer. Observe que os pesos próximos da média têm maior freqüência e o longe da média menor. Observe também a curva que se forma pela distribuição das colunas. No curso de Estatística para Administradores iremos retornar ao assunto quando diremos, por exemplo, que é pouco provável alguém ter peso acima de 100 kg ou abaixo de 35 kg, e utilizaremos essa curva para determinar qual é essa probabilidade, se houver. Por ora iremos nos preocupar com a variação de formatos desse tipo de curva, chamada de Curva Normal, ou Curva de Gauss ou ainda de Curva do Sino. Em teoria espera-se que essa curva tenha comportamento mostrado nas curvas desenhada em linha continua nas figuras 5.2 e 5.3. Mas na prática ocorrem deformações nessas curvas, demonstradas nas curvas pontilhadas das mesmas figuras. Essas deformações são chamadas respectivamente de Assimetria (figura 5.2) e curtose (figura 5.3). 1.1.1 Assimetria A Assimetria mede o quanto a distribuição se afasta da média. Esse afastamento pode ocorrer para a direita ou para a esquerda, gerando respectivamente as assimetrias positiva e negativa. O grau de assimetria é dado freqüentemente pelo chamado 1º coeficiente de Pearson : S Me X As - = Onde: As = coeficiente de assimetria X = Média Me = Mediana S = Desvio Padrão Caso: As = 0 a distribuição é simétrica As > 0 a distribuição é assimétrica positiva ou à direita As < 0 a distribuição é assimétrica negativa ou à esquerda Por esse critério costuma-se classificar as distribuições da seguinte maneira: Caso As ≤ -1 : assimétrica negativa forte Caso -1 < As < 0 : assimétrica negativa fraca Caso As = 0 : simétrica Caso 0 < As < 1 : assimétrica positiva fraca Caso As ≥ 1 : assimétrica positiva forte 1.1.2 Curtose A Curtose mede o quanto a distribuição se alonga ou achata em relação à curva teórica.. A curva teórica é chamada de mesocúrtica; as mais alongadas de leptocúrtica e as mais achatadasde platicúrtica O grau de curtose é dado freqüentemente pelo coeficiente: Onde: K = coeficiente de curtose = desvios = Desvio Padrão Caso: K = 0 a distribuição é mesocúrtica K > 0 a distribuição é leptocúrtica K < 0 a distribuição é platicúrtica O exemplo a seguir demonstra o cálculo da assimetria e da curtose de uma distribuição referente ao consumo de energia elétrica entre 1245 famílias de determinada região. Observando os cálculos da próxima página notamos que a distribuição (e a curva dela decorrente) é assimétrica negativa fraca, ou seja, ligeiramente deslocada para a esquerda e que é platicúrtica, ou seja, achatada, A curva teria a aparência aproximada abaixo (a curva pontilhada é a do exercício a cheia é a padrão): Número de famílias Frequencia l i l s xxx 10|----50158251583.950-19236.9445.837.1891.364.876.602215.650.503.107 250|----100100752587.500-14220.2232.022.335408.984.00040.898.400.046 3100|----15011212537014.000-928.502952.27772.291.9848.096.702.259 4150|----20016417553428.700-421.782292.1803.174.048520.543.855 5200|----25017522570939.37586110.6233.685644.833 6250|----30028027598977.000583.340935.14911.154.3893.123.228.929 7300|----350843251.07327.30010811.619975.991134.999.65511.339.970.993 8350|----400633751.13623.62515824.8981.568.577619.912.97639.054.517.468 9400|----450564251.19223.80020843.1772.417.9211.864.267.846104.398.999.377 10450|---|500534751.24525.17525866.4563.522.1834.416.437.760234.071.201.262 1.245270.42518.534.426657.154.712.129 Desvios ao quadrado Desvio ao quadrado x frequencias Desvios a quarta potência Desvios a quarta potência x frequenciasValor SOMATÓRIOS Classes número Consumo Mensal por Pontos médios de classe Frequencia aumulada crescente pontos médios x frequencias Desvios Xxd ii · Cálculo da Média: · Cálculo do Desvio Padrão: · Cálculo da Mediana: · Elemento Mediano: · Mediana: · Cálculo da Assimetria: · Cálculo da Curtose: Referências Bibliográficas ANDERSON, D. R.; SWEENEY, D. J.; WILLIAMS, T. A.. Estatística Aplicada à Administração e Economia. 2ª. Ed., São Paulo: Thomson Learning, 2007 BRUNI, Adriano B.. Estatística Aplicada à Gestão Empresarial. São Paulo: Atlas, 2007 BUSSAB, W. O., MORETIN, P.A.. Estatística Básica. 3ª ed.. São Paulo: Atual, 1986. COSTA NETO, P.L.O.. Estatística. São Paulo: Edgard Blücher, 1979. COSTA NETO, P.L.O.; CYMBALISTA, M.. Probabilidades. São Paulo: Edgard Blücher, 1974. DOWNING, D.; CLARK, J.. Estatística Aplicada. 1ª ed., São Paulo: Editora Saraiva 1998. FONSECA, J.S.; MARTINS, G.A.; TOLETO, G.L.. Estatística Aplicada. São Paulo: Atlas, 1995. GUERRA, M.; GUERRA, M.J.; DONAIRE, D.. Estatística Aplicada. São Paulo: Ciência e Tecnologia, 1991. KAZMIER, L.J.. Estatística Aplicada à Economia e Administração. São Paulo: Makron Books, 1982. KUNE, H.. Métodos Estatísticos para a Melhoria da Qualidade. São Paulo: Gente, 1993. LAPPONI, J. A.. Estatística Usando Excel. 4ª. Ed., Rio de Janeiro: Elsevier, 2005 MEDEIROS, E.; MEDEIROS, E.; GONÇALVES, V.; MUROLO, A. C. Estatística para os Cursos de Economia, Administração e Ciências Contábeis. 2ª ed., v. 1 e 2. São Paulo: Atlas, 1997 MEDEIROS, E.; MEDEIROS, E.; GONÇALVES, V.; MUROLO, A. C. Tabelas de Estatística para os Cursos de Economia, Administração e Ciências Contábeis. 2ª ed. São Paulo: Atlas, 1999.. MEYER, P.L.. Probabilidade Aplicações à Estatística. 1a. ed. Rio de Janeiro: Livros Técnicos e Científicos Editora, 1976 MILONE, G.; ANGELINI, F.. Estatística Aplicada. São Paulo: Atlas, 1995. MOORE, D.. A Estatística Básica e Sua Prática. 1a. ed. Rio de Janeiro: LTC – Livros Técnicos e Científicos Editora, 2000. MOORE, D; McCABE, G.P.;DUCKWORTH, W. M.;SCLOVE, S.L.. A Prática da Estatística empresarial. Como usar dados para tomar decisões. Rio de Janeiro: LTC – Livros Técnicos e Científicos Editora, 2006. SPIEGEl, M.R.. Estatística. São Paulo: Makron Books, 1993. STEVENSON, W.J.. Estatística Aplicada à Administração. São Paulo: Habra, 1981. TRIOLA, M. F.. Introdução à Estatística. Rio de Janeiro: LTC – Livros Técnicos e Científicos Editora, 2005. WITTE, R. S.; WITTE, J.S.. Estatística. 7ª. Ed. Rio de Janeiro: LTC – Livros Técnicos e Científicos Editora, 2005. . � EMBED Equation.3 ��� � EMBED Equation.3 ��� � Define-se módulo ou valor de um número a distância deste número para zero, independente do sinal, ou seja, modulo de um número positivo e modulo de um número negativo é o seu simétrico, ou seja, o mesmo número positivo. Para efeito do cálculo do desvio médio, consideramos o número sempre positivo seja qual for seu sinal. � Observe também uma alteração no denominador da fórmula, ao invés de N é N-1. Essa alteração é importante quando tratarmos dos assuntos relativos a Estimação Estatística (no Curso de Estatística para Administradores). A rigor utilizaremos a fórmula acima para amostras e a mesma fórmula com denominador igual a N para populações. � Adaptado de GITMAN, Lawrence J. – Princípios de Administração Financeira. São Paulo: Harbra, 2003. � Existem outras medidas de assimetria, alem do 1º coeficiente de Pearson � Existem outros coeficientes de curtose, além do apresentado aqui. 27 8 216 = Þ = Þ S = X X N x X i 27 8 216 XX N x X i _1347187871.unknown Plan1 DISTRIBUIÇÃO DE ACIDENTES POR DIA - ESTRADA X Número de Acidentes Diários Dias pesquisados Valor x frequencia Desvios Quadrado dos desvios Quadrado dos desvios x frequencia Valor Frequencia xi.fi x 0 12 0 -3.6 13.2 157.9 1 15 15 -2.6 6.9 103.5 2 28 56 -1.6 2.6 74.1 4 23 92 0.4 0.1 3.2 5 19 95 1.4 1.9 35.8 6 8 48 2.4 5.6 45.0 8 6 48 4.4 19.1 114.7 10 4 40 6.4 40.6 162.5 11 2 22 7.4 54.4 108.7 12 1 12 8.4 70.1 70.1 Somas 118 428 875.6 Média 3.6 Variância 7.5 Desvio Médio 2.7 X x d i i - = Xxd ii Plan1 ESTATÍSTICAS APLICAÇÕES OBSERVAÇÕES X Y RETORNO ESPERADO 12% 20% O especialista teria chegado a essas conclusões através de um estudo estatístico no qual pesquisou e resumiu os retornos ocorridos no passado, conforme vimos no item 3.1 DESVIO PADRÃO 9% 10% Analogamente o especialista teria calculado o devio padrão conforme vimos no item 4.1.4 _1347187882.unknown _1347187883.unknown Plan1 Classes número Consumo Mensal por familia Número de famílias Pontos médios de classe Frequencia aumulada crescente pontos médios x frequencias Desvios Desvios ao quadrado Desvio ao quadrado x frequencias Desvios a quarta potência Desvios a quarta potência x frequencias Valor Frequencia li ls x x x 1 0 |---- 50 158 25 158 3,950 -192 36,944 5,837,189 1,364,876,602 215,650,503,107 2 50 |---- 100 100 75 258 7,500 -142 20,223 2,022,335 408,984,000 40,898,400,046 3 100 |---- 150 112 125 370 14,000 -92 8,502 952,277 72,291,984 8,096,702,259 4 150 |---- 200 164 175 534 28,700 -42 1,782 292,180 3,174,048 520,543,855 5 200 |---- 250 175 225 709 39,375 8 61 10,623 3,685 644,833 6 250 |---- 300 280 275 989 77,000 58 3,340 935,149 11,154,389 3,123,228,929 7 300 |---- 350 84 325 1,073 27,300 108 11,619 975,991 134,999,655 11,339,970,993 8 350 |---- 400 63 375 1,136 23,625 158 24,898 1,568,577 619,912,976 39,054,517,468 9 400 |---- 450 56 425 1,192 23,800 208 43,177 2,417,921 1,864,267,846 104,398,999,377 10 450 |---| 500 53 475 1,245 25,175 258 66,456 3,522,183 4,416,437,760 234,071,201,262 SOMATÓRIOS 1,245 270,425 18,534,426 657,154,712,129 X x d i i - = Xxd ii Plan1 ESTATÍSTICAS APLICAÇÕES X Y RETORNO ESPERADO 12% 20% DESVIO PADRÃO 9% 10% COEFICIENTE DE VARIAÇÃO DE PEARSON 75% 50% _1347187878.unknown_1347187879.unknown Plan1 DISTRIBUIÇÃO DAS HORAS DE MANUTENÇÃO - AERO X Classes Limites de classes Pontos médios de classe Manutençõespesquisadas Valor x frequencia Desvios Quadradodos desvios Quadrado dos desvios x frequencia Valor Frequencia li ls pmi pmi.fi x 1 0 |--- 3 1.5 26 39 -4.1 16.6 432.2 2 3 |--- 6 4.5 20 90 -1.1 1.2 23.2 3 6 |--- 9 7.5 16 120 1.9 3.7 59.2 4 9 |--- 12 10.5 10 105 4.9 24.2 242.4 5 12 |--| 15 13.5 6 81 7.9 62.8 376.7 Somas 78 435 1133.5 Média 5.6 Variância 14.7 Desvio Padrão 3.8 X x d i i - = Xxd ii Plan1 DISTRIBUIÇÃO DAS HORAS DE MANUTENÇÃO - AERO X Classes Limites de classes Pontos médios de classe Manutençõespesquisadas Valor x frequencia Desvios Módulo dos desvios Módulo dos desvios x frequencia Valor Frequencia li ls pmi pmi.fi 1 0 |--- 3 1.5 26 39 -4.1 4.1 106.0 2 3 |--- 6 4.5 20 90 -1.1 1.1 21.5 3 6 |--- 9 7.5 16 120 1.9 1.9 30.8 4 9 |--- 12 10.5 10 105 4.9 4.9 49.2 5 12 |--| 15 13.5 6 81 7.9 7.9 47.5 Somas 78 435 255.1 Média 5.6 Desvio Médio 3.3 | | X x d i i - = || Xxd ii X x d i i - = Xxd ii Plan1 Ordem dos Elementos Valores Desvios Desvios ao quadrado 1 18 18 - 27 = -9 81 2 21 21 - 27 = -6 36 3 22 22 - 27 = -5 25 4 27 27 - 27 = 0 0 5 28 28 - 27 = 1 1 6 29 29 - 27 = 2 4 7 33 33 - 27 = 6 36 8 38 38 - 27 = 11 121 Soma 216 0 304 Média 216/8=27 Variância 304/7 = 43,4 Desvio padrão 6.6 ) ( X )(X X x d i i - = Xxd ii _1347187875.unknown Plan1 DISTRIBUIÇÃO DE ACIDENTES POR DIA - ESTRADA X Número de Acidentes Diários Dias pesquisados Valor x frequencia Desvios Módulo dos desvios Módulo dos desvios x frequencia Valor Frequencia xi.fi 0 12 0 -3.6 3.6 43.5 1 15 15 -2.6 2.6 39.4 2 28 56 -1.6 1.6 45.6 4 23 92 0.4 0.4 8.6 5 19 95 1.4 1.4 26.1 6 8 48 2.4 2.4 19.0 8 6 48 4.4 4.4 26.2 10 4 40 6.4 6.4 25.5 11 2 22 7.4 7.4 14.7 12 1 12 8.4 8.4 8.4 Somas 118 428 257.0 Média 3.6 Desvio Médio 2.2 X x d i i - = Xxd ii | | X x d i i - = || Xxd ii _1347187868.unknown Plan1 Ordem dos Elementos Valores Desvios Módulo dos desvios 1 18 18 - 27 = -9 9 2 21 21 - 27 = -6 6 3 22 22 - 27 = -5 5 4 27 27 - 27 = 0 0 5 28 28 - 27 = 1 1 6 29 29 - 27 = 2 2 7 33 33 - 27 = 6 6 8 38 38 - 27 = 11 11 Soma 216 0 40 Média 216/8=27 Desvio médio (dm) 40/8 = 5 ) ( X )(X X x d i i - = Xxd ii | | X x d i i - = || Xxd ii _1347187870.unknown _1347187867.unknown
Compartilhar