Prévia do material em texto
:MIIIII-IIIIIIIIIII: umnunflupfiutmpmwfl’mwpmqipmm qpodumjupuwufimdaag, :hnfiamflufiunpa anªmªria-ana IIIIIIIFIIIHIIIIIIUMI'PW mqnsogmmsmm 'mgzuu'mflnpl mammary“ ““FWWFEWWHHÇPW “ 'ªlªwúrw wmª-$a“? _ ul‘ “rªl lpmntuuºmn ªªah—mmm IaI: wIIwwmmupfingsafimmuEw-ag DDDEWªFºW'D IIIIIIIII III mm.-in III III 'IIIIIII III mmm IIIII III mpepso Isqmqgatmqummapmzfimmm -II:|:I.'I madman mu: my; gp I:IIII:.II:I Ian}: mg I'IIIIIIIIIIII mmm muçufapuàuanjgpumu allªn] ;; 3,1m am: I mIIIILump snapped} FIJI III: "I!!! ªii. ur: 2|:q 2:: III um IIIIIIIIII IIIIIIIIIII M III IIIIIII IIIn I: (“um ªum mim mjm “WW mma DEN) “ªnimªm mil: : “sum-I, num 5mm: 'um“— mum mil-lu m1: mum-:1: mm:- Inn 1 "um :III [amplo Inuuuumpapapmldmal: JInfififlfi-ammm :IIIIIIIIIIIIIIIIIIII nmmmmmmmm awmúpuummdnpmunp IIdIIIIIIIPIIIIIIIIIIIIuIInIMIIIIIIPIIPIIIIu #15:"q mmmmpmmapoduguàpugumulmum Wmmwmumlmwmmmmw «um *mwmmlmzamlqndumtw“ naum.. nIanuaianhmausInbaadwnaamndmm mmflndnmglmhapmqnmpmmpmd IIIIIIIIIIII: um oi:: [ms III: um arm-mm mmm :nul : = IIIIIIaIp apmmamedumJIuiI: mnbfenbmaugumuusmm Tmpupmdmmmsupepmupuunhmmuumlmhn :mIIuas-Imnqmlmmm :WJ—mamnqglàímaq: “mªniª? “31139“. ªmnmmpodaiuªnhamuw mim mmgnmunpodogflmmdmmm‘mmnum pugpmnpmyguãgsnnhmbapmmmãmnmg ànpamnapmmmnwamuzpmmmpnmg I; um II uªi".- '..Lu!=.. Id: III M: II *Wu ap IIIIILIIDII lªia II: W mp =|: mim:: mm manªus um aamwwmbmmmdwm IIIIIIIIIIIIIIIIIIIIIIIIIIIIInIIIIIIIIIIIIIIIIIIIIIIIIIII -JIIfln:'“mmmnrmqmmummas E mumu: “H“—1 . . . . __ '(mpuadúxlnqapmummpummm atlhºn mnupunhmodsgpnsmapadugumpmu Wmmmmmmummmmhm «puma; 0mm :1: [eum Imp: D animam W ªllª-ªª! W Fª!“ MWM ªPªPªlªúllIIb mmmmmpmmma “Pl-“WWW II:IIII11II::I:1::.I:IIIIIIIII mmmnnnbrunbm Impod =II|EI W mim-“mdw anlmd magma: sup-:1: Imam umd mm: s: anl: IIIIIII =p :mpuuanb II g!" lmnimnm lulu um anbmd “miª-1351? mp IIIIIIsuu: umd :IIIIIIIIIIE a: an]: mummy: Ú Irma: ag: Wªndula-mumu; -múnmmmpawm3mummmadmmpupmm "açaí-dummy miam-mi II:II ' aqu III-III: manila 1:1 apIIIIIIIIIIm uma :LIII: III: sound I was luª.-pod aIItIsImIIssod mula :IIIIIIIIIIIII In. my: III: III: mms-:.: {mun} muIIIIIn sop-I: In - tªlª E "ª I; ' 1 III: IIIIIIIaIussIIIl minha—ªpoiam“ :Ia: no] Imam ' wrap [angulata :IIIIII‘IIn: um :1: III: Ina-1.13:: mum.- III IIII: minima III III IIIIIIIIIII WI: IIIIIII II: nçómuin IIIIIIIluI: a um“: and: In IIIIIIIIIII filnfimmmmmpmmmm mmm— - mga: mmmmnm *mnmpmhmpmmm WWWPÚWWWWWWÉ -II1:IIIIIIIIII El magia: E aaIpugdv III: # mpeg :1: IIIIIIII'IIogu mun-nin hmmm :IIIIIfi‘Inmd manfiuns - amwmmªwmmmwu mmmmmr mnunmhmªn war.-mam III: em III:IIIIIII mwmpummmmumhmiu :IQIIIIIIIIIII Isa-III: :IIIII ms: IIIISIIIIIIE WWWammrmmpnpmmnn-_q_ «ugh-ImDImImu-mngmmmbWIfl. mu-mmmlmpmmlmpnpapmunfummnmi sopa.—:| :np 923mm" V Z'IL' IIIIIIIIIIIII IIIIIII mmm—IP IIIIIIII mªi nlmmmmnmàsmwunpwt._ :IIIIIIIIIIIIIIIIIII: III: II,- 13W RP ammoduq amd“ Infl_ ., Mªmmªmmmª ' mmm um 9 551:3 =p :III: I: *mpnmdmm umd [ara I191: ' - mm" zfmhumuvnampmmuflugmmu 1:1 :IIInhnd IIIIIII as" Toma-ed mm :1 mmsalmn ;p kIMIMImmquIWMnmmfi amªpªumwuammunrrmdíwazmmt'ª mmmmmwmpimmmgmmmmufiwog -IIIIImIIfi:pd:II:1 'eignhadmulgmdunmmnmnpm 'fl-II'IIIIIIIII num WWW mummbmmwmammn 'Wdadnunaplapfim wnmmmwmgammWIuI-I sagfi-IIIIIIIII: ‘W IPHI‘PDESWW '!I'ªPW mwflammndapmmugmm Hamm =p mum: mummpeunpep: aut-magnata *vna ªnº“-Ni EGESFE'LEWmªPºPWIPWWP -m:1nuuu1'sopu1mmanqum*:mqnmpapmrm IIIIIIIIIIIIIIIIIIIPWIIHIINIIIIIIIIIM‘IIII-IIIII: IOIIIIIflIdIuIIII wnmawmmngmwn “&“a :pmnul flammumwmpmnfiqmmngmmn 'WWHHÚMW, Mªximiliªnº!" IIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIII tmn mima mmmupmmupdpd :u 0515: “.|q II mmm :III: Imam: serasa mum : up:! -Wmmmnaflmnyn hmmm-:!“ IISIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIISIIIIIIIIIIIIIIIIIII mmmmummwwºªw IPIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIIISWIIIIIIIIII: IIIIIInIIIIIIIIIIIIIIIIPIIII-IIIfl-IIIII‘IIII IIIIIIII‘III-IIIIIII'III-IIIIIISIIIIIPIIIIIIII‘IIIIIIIIIII -IIIIEIIIIIIIIIdIIIIIIIIIIIIoI‘-‘III°IIIIIIIIIIIIIIIIIV “anula rop-:p III: mudªm um;-dn III: muitu: ln ImIIIqI w InfludIuaIIp ap am a :npuu I ‘P “FM ªFªFl'ªI-"ªª" 'F '““ ' “mºi-*º*" 'P m' ”ª apagam gq map apap-:p; D mmm I: mmm &.q m: tunning Mªinhª IIIIImg uqe; 391:1 IIIIId III: WHIP “WWF“ mal nª IIIIIIUIIIIIIIIIIIIII upº-Wma IIIIIIIII III Imp-I; .IIIIIEIIIIIIIIIIIIWIIIIIIIIIIIIIII: trªumª-u: III ºvª": I: ' wwwmwmgwmammhv- “LEE! “'ª IFP—LD mf Jºª “PM“ 'Ifi‘fl ªl? ? “DE“ III ::m IIIIIIIIII II:I IIIIIIIIII III ªtum“: IIIIII c: - 'flmapmmnam} new um:“ nr.—mv II III-II: nylon: =p] mumnIIIsnd Mn: I531 ‘I'Ifinldum man Luz: ugmmpu und 5:35a apnmuuqmmmnngflmb wanna—mudavam .. I:I.Iod :1: 051:: md III-11:: emu-:1: mb unmade-III &,“ mm; :1: am um mIIIIII naum mama.-nd mmmmmbumndzmu :IIIIIIII‘ mu WE qnd IIIIIII; "agulha-ad Itllll'l lug . :IIIaIIIIIIISIas midi.-mm :IIII W! amu; 'mmmfllmfimflwmm? uma I: mªm uIIIIIIIIIIi o“ 'mgsçq WIIIIIEI: :Iup Ina: eu. ªmd tambm mumu =p owns: nim *Emªil Sªlªdª? l-l amwmwwwmmmrm WIWIPWIWWWHBWWWWWJ "(ninar-uiª wmwmrwwwwmmfimm IWIIIIIIIIIIIIIIIIIII ªlªrm!) mmmmmmwmawammmmwwWMW ImmwwrwflwmflmflmmflmfiH—mwwwo geaInbeadmaI-Ip .IInIaIIIIa sawapad amp 1 oImIdeg ap magma“ ªliªda) s5! d W nIonosporooodoldW'floorrooommonoriodioodoooidomol fat-i: foio Volvo.oorno.ponoofl.li monopol- 10.000. Signifiooisso uoCnrooooniooflooognqnonIoo‘i-Foloo? 1. fljmnflflowponflmdflolfinmqiuumioogflfidoopodom oonsonwouloohmoosdonorumhobosodioonmondohgmod ologoooosohosoioomnmosmdornooimdoqnoosnionooo noo- oidudomoroqnoomomiogootootommospoobloonoodoood- dodoqluosnosoidoodomksquoniooomomlozoohofluoloo orroooouologoooo? HI. Umpmsquhlhcmiumguinmimwªnegimemnmªnpo- hflm‘flmissnprotondo-ooohtoroomiiwooolmrnsdooquo rupondoon.ido1IIifiquooodoiopmigiomoonosIoioom. 11. “Domdooomnmopooquiondoornbitonooionolfoitoporzfifl ogdnoioodooinpsogoooosopotoogosinooooofihmornodvomois oomnmporoquoornhomomqooproomoomroooonlooouooboo improosioipIiIrIoinvioIo.“flojmnoioopmnIomoooooiogo- _oioooroiooooomumopooq1dooonomnondodnpolofliwiflmflo, produorrodogroxopuooopoms Foooumoomontodosohrooro- aum-quem IooIIlIodoo do tal pooquiso podem oorqoostiooodoo. 11. Emu-In _* ' _ : . _ inooridoooi'imo.oooornonioodos dolpoooooomooonihuoipoinioiofolmihmdooornnnyifioo mowopuomologuinflqwofldmdooomofimn? ”554,5 1-3 Exercício: BI Além do Béoioo 13. Unldgonoflowforifimooofmnoomuodwionfidiorhfido dofiirofiniosdoorquoooodooonomooouflmooodoflflmm oono'ootooomomddiododiijonosporoopopuloofiomfinooln Movidonuisiuuoioiouihiidoofluosoonuoniofiofiopoo- oooionsodvoohfliurnofoihofimdomomolnooonohisiodoqiuoo modooronoouodosooomflnofioommohnnolo‘i III. Umpooquisodordofiloon- -Kofloringflmoorflooouoh€oniorfoi uiiionddcoriovozporodultorordodoo. Entroonudodooootovam oifiuohddosdosoisgmposdommoomzflmos mudam- no. Foliododooooooguintos voioroooornopmoontowlodo so- ooloo:53%.53%.63‘i-Adfidflfidfirflquoofliomdo? 15. ProuooidmlifioorooqoonomoiorosfolhosnoooguinuUmjor- noirolfiommnoposquisooolioitoodoomopootodooloioorosoosto pergunmx'ªu'nui opdioodooonvolvimontodoorouooldmioooquo podoflomnuiorniiflidoodopooooooinooonioorflolounooquom Ioitorooroopondommfloomfiiofi iifioorn‘oiln'. 16. UmndimrillduNmYurkTimniúcmumuuiuciuqum IpodotorniinodoonIi-oéptioobIIodWommisdoMos Mudam". n. EooIovondo-ooimfidonnsoqonnndodo.‘ mmm? h. QuosigoifiusoduoirosphouoooouiodoM? 1-4 Plonoiomonio do Experimentos Doomuiooqoomilioommdlodooouodsiiunvondoodoooquo m m m u m m m m m m m m m m m e m m m dmmmlummgmumuumqulqmrvalmml£iulgum pontooimportomporooplonojmnoidodoumoomdooopozdo pmduzirrooultodoovflidoo: l. ldootiflooroomprooiofiooquoofioosoo'rospondidoodofinir oomollmopopulooiodoimoroooo. 1. Eotobolooorumpionoporooololodododoojoooplonodow dooorovordotolhodoniontooroolinooodoumosmdooboora vooionoiou do um oxporimonoo (unhas dofinidoooooguir}. odovooorflobmodoouidodmomonmdomodoqoooodo. duo coletada mprooontono efetivamente o populaçãoom questão. - 3 Colomoododooflovommmrunonununumldoomm minimioorosorrosquopodunroooltordonmooololotondon: oiooodododoo. 4. Amlimmdadnutimamnhm idonIifioorIoIndnpoo- níveis Eontoodoonoo. m m m m m m m m - mdadmfomesmmmdmnbmcimaimup dinonIoo. amused“ Em um ooiudo' ohoorvooionoi. vodfloolnoo'o modimoo onrooIorIioosoopocificoomoonfiomnIomosmonipulorou' nudifiooroooiolnomoooooromoomdodos. Enumoxporhnonmoplioomosdotonninodonoonnouo oposoomooonfioomooooofoimooohooooiom Iooooorolnpooquioadoo. Poroumplommosiudo mmm! podo onvolvornmo pooqnioodooidodoooporodotoo'minorquopotooomgomdopo- polooiooofovordorofiwodommosdofogoflmooporimto podooovolvorouotomolnooomnmromodio Ininiooodooum grupodopooionoooofimdodotorminorouoofioiénoionoom No oooodo orInodo fogo. ooligimno dodos sem modifioor os passam: soIoIn pooquioodosfloo IroIonIonIoporonI remédio onvolvoomodifioaqiodaspoooom. Dooopooimontoohomplonojodoooosmwnonvolvornmgn- pooquomddodoumlroionurdopoxdoulorfohomodognipodo ImmonmonoJoumsogumiognomdommioooqnolnoooood- ministra otroiomonto Porooomplo, o oxporimonto saum polio IoolizodooIn 1954 onvolvou um grupo do tIoIoInonIo do orion- oosomqoomfoiinfldoovooino Solhoumgrupodoonnirolo douionoooquorooohouumromodionoutrowooobo). Emen- porimontoodoslotipomoorroumoflisnpiacoboquondoumin— fimmmaflodimomrmobmduumoflon gonmomolhoronooointdmooflofoitoplmobopodosoroonu‘o» bolongodofooondo—oo um ooporimontooogo, umotdoniooomquo oindividoolflnoobosooolonooobondooujotomootooonmplo- MOupmimooohopflbfoidodpodIapio-cogommqoo oomhronnquomoohiomohjooioninoobiomooosmvmnmoo ~bondoovooinISolkoumnphoohmooo mddioooqdodavomo Woovnliovomooroflmodooumhdmniooobim Ao Máquina: Fellini: m E.“,mhíngllwúmdn nun-flab oU.5.NoInmIi ª“ Wuflflopoutom Siopiion WMF“ - .' “Mamma-MIE uns—urbana: . "amnha Nixononoomondoufl “WMS—muit i ª i i i . lman,o(SlinlononoornonJEiouorIII-Io1|!!!rlibpooqoisooomoouo - niroolfimoo Aopooquisosdoflinlonmomnonh ?".WDnHSDmmdummquudhum—wmdl HOW do roloioquoopooqndoomplioodopor mpooloo u m ooroouonmo - m pooquinuo iªn—n umª“ top-Idiom " E ? . - PI" . “. md w floor mourn :'Émpmdu'. Nªum“ Jªguªr-%%“ Wii(ouindividuoo)oosdiforontosgmpdodotolmodo ' qnoosooogmnoooojombomoomolhonoofroismpoosomolhon- Eodonrddodooooporimonloiosioohomodosbioooo}linioobor- m à m m i m a w m m m w m m W W W “ qmooigoquounnidodosox- " puimootoiioojorndivididoo Indiforonooogmposmodiomouni proooooodoooleoiooioooiflmdssimomutolplonojomontopodo ' molvoroouibuiooooiootdriodopoooooooumgmpooolodooom oqiifinooonmgrupodooontroloqooniodtrotodo. Úutrapm— . m oosIoEoIo om utilizar um pimojmmo cana-atada "gam- pqimonioisooonlhs moomnnidodooon oooolhidooouidodooomon- io._do mdb quo do diforootoo grupºs (do bloods} : : i fin oo— mollwnooquontopooofvoLCOHImnplonojomonIorigomoomonto . oooIrolodo, podomos tentar ioIIIIor grupoo do IroIoIIIonI'o o do ooon'olo quo incluam poosocoo oomolhontoo oIII idade, pooo. pros- ' liamguíncamÉimpnmmeumhémmidcmrareplícaçãn. que oxigo tamanhos do amostra oufioiontomonto grandes qno IE- Mn os ofoiIoo do variação oInooIro! aleatória. D experimento oom o pólio foi um ploIIojomonoo onporimontol oomplotomooto porquo oo indivíduos oIn ambos on grupos, do Iro- 'iomomo I: do oontroio. farm oolooionodoo oiootoriolnomo. Inoor- poo'oo o replicação inoluiodo nim InoiIo wds (mono) do individooo om oodo moo. No mutilação do “parlamentos, os resultados por vm son Webs polo oonfiindimonoo. nonmolo I 'Dooo'roooolfundimonuwondoooofoiloododuooou 'mliovofidvoioniopodomdiofinmfipoomdooom Pum. soootomooioolizondomnoxporimontopuomslor Ieficflndodommvomrdonmmimhdmommmooo Mummndmm ooonoooonfondinsonnopor- quod impossível distinguir?“ oofoioodo rotordonio o o efeito doohuvo. Umdooorroomoiogrovoooonsioioomnmoformoinodoquo- dodomlfiodododoofimddomdoafodmoooouoinrpq hummm: Mooooiotodoodo'foonoodoomldodopodomoorfin um“: nonhoimpmomnomoootoflofloo m i n i m W i m 9' Noturno:: mSaçâa 1-3 que omopooqoiso outo-soiooionodooumo pooquisoomquoooprdprioo pooooosdooidom so viu rospondor muio. As posmioooomo-solooionodosodomoitooomnno moo moronitodoounwolnfiotdlnufifidodoporofoooriuforoisoioo vinda: oohn: todnumnporpulogio. Poonmoongoooodofisdrodooorovoroooinoomdmdoo mais onmonodoomostrogom. "numa Em umoomoou'oliootdrio, ooolomonsoo do oidoooolhiddodotolfomloquooodoumdolootonhoigooi m do Emu-armaram mooflio-soumo amostra Mrhoimpiosdonololnonmdonmisoqootodoo mooirodolomonhonpomivoltonhoomoomoohoooodo oorooooihido.) As omostroo aleatórias podem sor osooihidoo nor divorsos mo- todos. inolusivo o utilizoooo do Ioholoo do nfimoroo olooladrioo o dooonsprutodoroo porogororndmoroooiootdrioo. Como onloo- togomolonhdfimooporo-ooquolodoooogrupoodopopulooio sojorn roprosontodos no onIooIro do forIno oproximodomonto proporcional, UIno oIII-ooIIogorn dooouidodo podo fooihnonio monitor om uma onIosIro Iondonoiooo. com oorootorioiioos os- saz diforontoo dos do população qoo o originou. Em emm-apa- tida, o amostragem aleatória o cuidadºsamente plonojodo porn evitar qualquer oondonoiooidodo. For oIIo-mpid o utilização do mmm Iolofdnioos oiinIiI'Io outonIoIioon-Ionto Iodos aquel-a oujo-s tolofonoo não fignrosn no catálogo. o o exclusão dosso sogrnonto do população pode fooilInoIIIo conduzir o rooultodos falsos. Em Loo Angeles. por exemplo, 42.5% do: números do telefones noo ostoo no catálogo [oomhooo onI dodos do Sumoy Sompling. [no]. Do pooquisodoros cartum contornar oooo ptohlorno utilizando oompsrtodoros poro gerar mimoros do te— lofono. do modo quo Iodos os ndmoros sojom passíveis. Eloo dev-m tomb-om tem ouidodo do incluir os quo inioioimonlo não fooom encontrados on so rooosorom o roopondor. A Componhio do Pooquisos Horris oonsIoIoII qua o taxa do roouoo para onIro- visIos telefônica s om geral do 20%. no mínimo 0 foto do ignoram oo que inioioimonto so roousosn o rospondor podo manner para quo nussa oIIIosII'II oojo Iondonoiooo. nonmoio Comoomoflsngomootroflfloodosnbdividimooopopu- lagfidflnnflliflidfldmsoubpopulofiofiouoouomolquo compartilham dos moomos caracter-Estima (onmo ooso} o. m seguida. oxtroirnoo IIIIIooIIIosIrodooodo ooIroIoI .11 Em IIIIIo pesquisa oobI-o o Emondo Conodtooionoi do Igualda— do do Diroitoo. Marianos utilizar o mu oomo boso pura o Io'iofiododoioostrotoo. ApooobIoIoIno roloqiodos hoInonoo uma roloodo dos mulheres, aplicam um mdtodo oomronionto (com o montagem olootdrio} para osoolhor doIorIninodo mi- Inoro do olomontoo do nada relaçâo. Quondo os divoroos ooIro- Boo tom tamanhas omooIrois que Ioflotorn o populoooo global. IoInoo o que oo chama oInosII-ogorn proporoinooi. No oooo do alguns ootrfloo noo ooIonI representada: no prºpºrç㺠odoquo— l0 Eamlsnu da. então oa resultados poderão ser uiwndor. ou pondaradoa aonuaoiaotamanta. Para urn manha fixo de amostra. se aaaolhamoa aleatoria- manta elementos da difarmtaa mama. temas chame de obter rasuitados mais consistentes {o mama “fiáveis! do qua com a simples aaoolha do uma amam aleatória da rod: a população. Por essa razão, comma-5a usar a amostragem astratificada para reduzir a variação nos multados. nlnulçio Na moatrogam slammiflao. aaoolharooa um ponto da partida. a selecionamos onda W alemamo (como por oxamplo cad: 503alamantoi da população. For exemplo. se a Motorola quisesse fazer uma pesquisa sobre sous [07.000 empregados. poderia partir de uma relação com— pleta dos mom a selecionar cada 100.“ entregado. obtendo uma mostra de 1.070 elementos. Esse método é simples a utili- zado aom frequência ' DEFINIÇÃO Na amostragem par conglomerados. começam divi- dindo aárea da população am seções {on oongionmadoa): am seguida escolhemos algumas dessas ”obese. finalman- to. tomamos roda.: os elementos das seções ooaofliidas. Uma diferença importante antra a amostragem por conglomera- dos a a amam-agem «(ratificada é qua a amostragem por ann- glomarados utiliza radar on elementos dos cºnglomeradossala- aionados. enquanto a amostragem miúcada utiliza uma amor- I'm do membros do cada astraro. Pode-ae encontrar um exemplo do amostragem poraongiommdoam uma pesquisa pus-eleitoral. undo sºnhamos aimtoriarrranta mmm eleitorais apasquisamoa todos oa alamanlaoa do cada uma das zooas escolhidas. Essa méto- do a muito mais rápido a was dispendioso do qua a mlha do um indivíduo da cada uma das inúmeras zonas da área popu- lacional. Os lowlrados podem satajustadoaou panda—ados para oorrigir qualquer mentação dasproporcionada de grupos. A amostragem por conglomerados é axtansamama utilizada pelo govamo a par organizações particulares de. pesquisa. . Milu-anªl“ Diarmo mom-análise 5a refer! o umo om doaaiudoqua, Mahum, oombloo os rosuhodos do m condos. Tom o uoniogom do pumilir qua numha: manoroo apuradas nlom oombinodo: om moo union omoairollgronda. Iummdo moi: “T,-!im- : or. radiadºr. globois. am lambªri o vonlogum do uti ' um hahaha id feira. Por m Iodo. Porn o domflogom do w apenas fio boo quoolo o tenhu-n sido ou mudas bdsiooa. & " ! " m .podoocorrorofondmano 'gorbago in. garbage out" [N. dot: “Oque mi é too bom em o qua onto!) A flzoooo' doiodbgmmoioafilua: do ”S㺠oorrmilom hos ' i aosapa ' &. mn : 'liovoraol citªm—unindo: in E: ' ' Hyperllmion: A AMM-analysis oi Randomized Double-Hind Shidioa", pur Sahmiodar, M : o Uingbdl. Jamaal chin Amariaan Madiom‘ Association. Vol. 275, No.10. pmmçâó Na onlostragem do ounvmlaucla. simplesmente utiliza- mos mulmdoa qua já estão disponíveis. Em alguns casos. os resultados da umtragem de convenien- cia podem sar assaz boos. mas am outros casos podem apresentar séria tandcnaiosidada. Ao fazer uma pasquisa sob": [mms ca- nhotas. mia oonuaniama um Manta pesquisar sem próprios colegas de dmc. porque aatio no seu alcanoa imodiam. Manama qua tal amoau'a não saja “aleatória. os resultados devam oar ban satisfatórios. Em oonrmpartida, poderia ser muito conveniente (a talvez mesmo lucrativo) para :1 ABC Nauru fazer uma pesquisa pedindo aos espectadores que liguem para um número de telefone "900" para registrar suns opinifiae. mas essa pesquisa sari: auto- oalocionada a os resultados seriam prouaualmanla tendenciosa. A Figura 1-2 ilustra meinen métodos mais comuns de amas- tragem que acabam da descrever. Essas descrições pmtandom ser braves a gerais. 0 aonhecirnanlu aprofundado desses diver- sos métodos. qua permit: sua utilização mm provaito. exige um eswdo'muito mais entaum. qua ultrapassa o nível de um curso introdmério. Para manta-esta seção am perspectiva. notamos qua este texto fará Inferência frequent: a dados “salaaionadoa alan- toriamente". o qua significa qua as dados foram selecionados da modo qua todos as elementos da popuTação têm a mesma chan- ce do serem asaoihidos. Conquanto não façamos referência fra- quente aos outros métodos de amostragem. devamos taraonsai- éncia de qua alas existent. e que o método da amostragem exige planejamamo aaxacuaioauidadoaos. Os matadosaprasaomdosam todo este taxto dependa)! de mmm qua tenham sido obtidas cuidadosamente. Além diaso. o tamanho da amoatra dove sempre ser wficiontomama grand: para os propósitos m vista. (Os pro- blomasdetamaohodaamosuosao abordados mais Minneapo- aialmenta no Capímlo 6.} Muitas paeaoas acreditam que a gran- des amosu'assãosempreboas. ms mmo assaspodansartoml- manta desprovidas de valor. ac os dados tiverem sido oolatadosda main negligente. finalmente. se estamos medindo uma curac- torl'stiaa {Como alum} do um conjunto de indivíduos. podem obtarrawlmdos mais precisasse fizermos nós moamosas modi— das. am vez de padirmos nos indivíduos que indiquem o-s valores. Este último procedimento pode multar am um número despro- porcionadode multados madandados. assim oomo muitos resul- tados que refletem valoras desejadas am lugar de valores digam. Não importa quão ham planejam a axaautamos o msn de coleta de amostras. há aampre a possibilidade da um arm nos resultados. Cocho exemplo. mlha aleatoriamente moo adn]— tos a pergunte a alas satam o curse secundário oomplato. regis- trando a porcentagem do respostas "sim”. Escolhido um outro ' grupo de I000 individuos, & provável qua se obtanha uma por- caniogem amostral diferente. ninmçõls Um arro amostral a a diferença aon'o um rasultadoamoa- n'ai a o vardadairo multado populacional; tais arms roan]- tom de autuações ammonia aleatórias. Deana um arro nin—amostral quando os dados amostrais , são aolaudos. legion-odes ou analisados iooorraiamanta. Tais mas raauham de um arro qua não seja uma simples ..93179323 ,5531113 - -_434—6193 _ 5231-0098 . níníníi InmduçâoàEltatfelkl l l Amati-13am W Coda elemento do população tam a mom chance do our emanam. Em gum! Wiliam-:s cqmputodatos pom garm- numaroo do ta.-Jafa": aleatórias. ' !* I Afllflfim B W : danificar-n populaçªo am. so manoqdaioaomamu mamdomdaum A W ªdmitiu Escolher-cada m o s ordain k. Amenas!" par Canarana-náo IJF/Hiram mm a área populacional, , selecionar abster-lama: algumas dams was a tomar tadoa as a i m data mms. Ammªnn do mmm . Utilizat- mamadas; do fácil aoooao. u.! .H.'.‘-'.'.‘-"".i:fir‘.“o'- Fig. 1-2 Maia-dos cºmum do m m . Hulmção amostral aleatória, oomo a aacollla de uma amoa- mmflamédaamndmcimanfilizaahdauminm- mmdamansumiodafaiummumaquaafiofonnulada demodotondencimutogmndonfimarodaroausasde rasposmouaoopiainaoriaudosdadosmuais. Semnnmumammmudadoamuaaromque alarapraseotarealoflotaapopulafimpodmmapliwoamé- laudoadaaaritosooatalivmpammafism'oarroamoaml.mas‘ demos tar o máximo auidado am minimizar os arroa nio- mom-ais. Howihomo o o; Efeitos do Exp—imputado! O barn cui-nodule aféflo phooboooorra quando.-m mm não _ ou'odiio Mobi-raramente qua está moabmdo um hulomorflo ml a report: um malhoro doa :inhum. O oliaiio Hawthorne driam quªi flop-mood dammed. uniomo ' nh, amante polqm a um mania. (Emfanfiumiaiabomodo 'aiailoHowlhoma" ua fol oboomdo‘geioprimairovazommom oohiloem opal-odor» Woo do Wushu Henrie, om HowlhomJ Doom um ufano do amorim-fundar (à: um chamado ohito M D quando o indol- ou mcparimonlodor ' 'um!— influanaioo in Helm paaquiaodo, almada farm oomo W inclui,-hm do vou: ou dinda. 3 1 1 m Nas Exorckio: Fodcmumogrdfimporponmmmdddm rumaram polo mun-EW das curtida: indicado:. 1' a m s !. M o d No.1- Main: MZ. e m mgrdfioo: W M M odomjmdododosoomdodplndicofl. 9. Dsoomprimontooiompologodasflomdoflmjmodomoo 3. (Saguão: Inioiolmomo. modoodo os ooloprimontoo porn I Mªndarin) HL Asmdepuhnçluúuhmudemudiudocomoa. 11. Pus-oi {om groin-3) do: 50 mais do 15 mmm do dolor rolooionodoonoCooiunoodoDIdooIS. [Uliliooumgfifloomno— dfolhuampihdooomouoldofllhihu.) 11. Fem {om libris] do artigo: do piiflioo ªnulandº: par 62 roudlnoiucfloommoooDodooloumdoodoioioiohnomooopoooo rolooiooldooponoprddimoddoimodofikliumouodooiml). [Uoomyifiooromo-o-foihumpliodooomooroodo ll links.) 13. Fui foito um ootudo porn «laminar oomo u pessas obtem omprogoo. A tabela quo agua rolooiom dados do 400 W m o o - 4 m . Gldodoooobuoilmollroouluduodo Notional Como: for Cheer Strologioo (Comm Notional do Msi-: do Gudin). Comm 111: d i m do Porno quo m u m m m w m a w m ofioioniopmumopmooqnodonojowooomo? FomdoTa-ahudhodosquo .-.- W n i m W W h o m ” 56 firmdopooqoim 44 Rddiooiolofiflo 230 Enviodooorrocpoodoocio' m m 20 Ill. Cummumgrlfiooomootoroomoododmdoflmoloioll WooyifiwommumomdoP-mflnfiqoom doloomolnrwoimfllohmmofmudonhfln 15. Umnaniundemnmmdemmquam- m m m w m m m m y r m m . dmofoflusnoqfipanmmlzmmfibiddooomlmmoé Mouton-11m. [FmDodnodaFodmailmodAdodniI- m w m a m m m a m m Mnydfiooommpuwoodndmmm IE. Mmfimdohotopuooododoodofixomfiofl. CompuoodiogmnadoParotooomogrdfico om autarca.: dotomioo qm! do: grifiooo mom: com miar ofioionoia a hnpolfloc‘urolofiuduonfldodooomflmoomdom Known-13. madddmmmdom Bpmoooflmirmdiogmdom 11. NnConjuntoaadmáutilizumlhhmimnlmnm ooooooiavoflioolpononwodfidodoouboodComoooonomhIduogoluwnmrohohoouooolooflooomondfldo dooubononoooigonoo?flmonoonfim4ivo,domoooo M u m 13. NnflonjmdoMolmoouolhhofioom-lpuooopfim dmpowogndoomoooooohmulmoopoooodoom tomqIdoomholoooooonn-ohodom amazona—paa? Ho: Exercício: 19-22, recorra na: conjuntiva do dado: do W B . 11. Womdiogm b. Doomofomagomfdadimhmmfonmdo m m m m l!. mamadohpendiwnzpmdemfrmu dmammhnnhdemeõmmmm -i}.5oomolimiio machu) 1o. CnljnntodoDIdol II duApendimnzpuosd: 1110111511114. (Udlioofldmoooomunplimdodoflflflolomomfim - finfloinfoliordoohuo.) 31. cmammnmmmmmm ' pordimidfiuciooommsomonofl‘omolom.) 11. ConjmoflDodoolZdoAphdiooBmoSDOodmm mlolofluhhlllyllldfnloéolouofiommoo). MWM-26. recorra dfiguro do mmm, andam 41 amnha do Napoleão no Raisin om IMZ. Afnim gm :1 esquerda down a who do "imita quando ele começou o invadiram opanirdo Polónia.-: afaixn Mªrior dacrovo a retirada do Napoioda. 13. Wowhmhunooquomnodo lumpinll. :4. Woodwoammdosqoommmmwflo “ 5 a . 15. Wmmmdoflomonoimflodomo mqnooWdudolfi'Fm—G‘FT 16. q rfiomoflmmmmoomdo mommemmnqmaa.mmmm ammuujmumoosquovolumdold) 5-3 Exercícios B: Além do Básico 11. m m a m é m m m u m m n ufifinnyoonmdomuligoodopootooomlugudom Communpolflooodofioqdfim‘osmodificmdoohimm dlfiml-loonooogomlnioiahnonmaibaitoaufimdo choonoooolhhorioooulpoioopomoomodiooducmm WMHmp-mpoomlooafindonoimdom poomnflooumflmiguflhfioqfieoclodaolmhmoim. Hgoompudmopblmgmoydfiooifimimohosquudmdomdo qnooomooootolminooomumafroquhoiao. IB. SEMMdcfreuci-MIOOMMW magnum-gio dooimoldondmoro sedo: IOB primeiro: W fl m h m d o m I. Comoohishomuquoroprooomomosnboludofroqm- duosflmlomnudim h. m m u x a m m m m m m m “ m a m o n a ? 31' 21W — — . 3 1 " 4 1 ' B 8 11 1 I 10 B 9 I 11 14 m u d a m - h a u — g w o n - I m u o u u H ‘ I — fi :: 29. Commmlooiodododoommoommmmnholodo Wafmmclmummuguldammohhmwl ' ' "1 twohimgnnnoofoudoooooduplioo uMàcMmmnmmlmmun-hm 3. Emmuuododomodoooidoomoomvdmhomdndoooo undodoYmhclmifioom-aouoolisoooffldomdooom ohmdudiooommrwdmmdmbolnmii-JFM MdoNowYmkSmDtomVofioluW mmdoVotqosMotorimdoadoEmdodoYukM I. Complolooydfioocimhroommwlfiw h. Mdoodoisilmmolhorudoduflorquo? o. Cmnoopaiodododhéhomda‘mhiéoquomm mm-mfimmmmmmm Gonuisugmmdimm'qucámouporqmm? Ndmotodo Hon Mum-lu mono-3 194 2-4 149 ' 4-6 mu 6-8 131 8-10 119 ICI—12 160 mom-2 152 2—4 221 «Hi 230 6-3" 211 me 223 10—12 178 31. Noudgofidadoodoomohlflmfinhdmoodow W M M - T M M W M G W Mufiflnm—oogrifiooomfonnmmmuidodoo doMoIodommmmmmmnhfio. Isooromltodoo mmfloifim_vmodom_mom&ood4mgodd m a n a u s 3251 53335135411539 763143 403260335434340 436243 42444153346314? m o o n s : 303533411151334333 '14 31133 41 31334143311534 Masons-51334343031313? mamowoomi 31 :. Wmmflmmfiufiommdflufidfio primoiroovololoodooldaglwofomnlogimldooooogoir. Mªnhuacu Rino Mªnha-im 11 I 3 4-. $ d ? . . . " . 3 I1. Udlmdoumfiodadopuflnmmooodoiom W ª n d - h u m m m 2-4 Medidas do Tendência Control Oobjofiwfiofimtfldmmodmomrunwdidudo Minoan-slim. ammo“ Ummotfldldotondfindooontrlloum "Intaum ounomoiodoumoonjumododadoo. Enquanto as Soofios 2-2 41 2-3 trataram do tabelas do froqdoncioogrfifioosqnorovolmonaiorooaou nomad: Mig—ão do 11111 oonjunto do dados, om acção focaliza ! demúnaçio do Vidal-o: típicos on ropnoonlalivoo do on conjuto do dados. Hi diforontoo manchas do dofinir or comm o. asim. hi diforontoo definições do medida do Milhei- central. inclusive o média. a modiano. a mod: o o pomo mddio. Cmm cum a modia. .* OWdoTemiudtmTurm Hdoomonooduo: moirmdooblorolomooho Mod-1111111 podem—Wim gmndadlsmpªncluidwidauofahdlquhúmm' “Mumgmndos.mpouoooohiooomionnoopoquomo. Somalomonfimorodomouoiocuidddo poderiamos Mamma—.um fonnondohmmoom ommluomolmuiumo W h a fl m d m u m ' m AM Amddioflfltméflcfidjomodowlfimoioimpommodo tudu o3 mensurações numéricas donnifivoo. No Figaro 2-1 iluotnmonproprlodado domddiooomoooouo dooomjnnto do Mmoonfidodoqoodumpomodo oquilfbriodoo mesmo:. . . 3ÉES'W'ÍSTIEA Fig. 1's médium“ do oquilih'ia. Umfulflamsdaupuifiad-modinaqfilflxuiofimm nlrlulçio A médlaàrltmélim doumoanjanha do valores—E ovslor obtido somando—se ladas alas I: dividinda—sa a total pela mimosa do valores. Essa medida paniculsr do mudada central mi utilizada fraqflantamaoto om lodo o resto siesta texto, a sari designada simplemente oama malls. Estsdafinigiopodeasprasssr-sa aomonsFIfismuls 2—1,onde sletagragaflsigmsmifiscoloflflhummflériodavalum defaunsquahrapmsentsssmdetadososnlmaflsfinbalo ndonomotamanhadanmquaéonmnamdemun wnfidflagh. Fórmula 2-1 média I- % Amédispodsdmotar—sopor x fleia-ssfibm’fisaacanjunto davalomdequsdispamasénmssnmsmsxmidsdaums pºpulação maior: so todos os vslarss do pºpulação fºram considerados. denotsmos por u (macula grega mu) a média calculada. [As estatísticas smaslrais são em gal-oi representadas pulsassdoslfahslolsfinmoonm Lsropsssoqusospm'lams populacionais aasmmsm representar-se par letra gregas. aama u.)Muitsscalculadaraspademoalcularamédisdoumaanjunha do dsdos: introduzam-se as dados a anions-so uma tools I. A innaduafiodasdadosvsflsdaumsaslaulsdompamaaumda farm quad msn:-io consultarompectivu manual. mWsssgairostompostsmmmqua II .- m z a z s i s l s s s n a s o so SOLUÇÃO Aplica—se & Fónnula 2-] para calculu- s média. i -' Primairosamomasosvalares. Ex=la+29+26+28+15+23+17+2s+u+2u= .. ' I93 Dividimassmsoguidsotoulpdonmmdavslarss. Como HIGWWH=103 Mmlommmflammufimm ;- dsaaotdaomnsdefildgiodomédismmdefiniaaudauma nudidsdstuidhciaaenlralmvolvamdiforaolaspmcepafiasda oomosadalasminsaasnuo. Sâmia Sopdmçªo Oapsnflogu'mwdalsmalfilafiadom oscisnlialuspalfllamm SholcyMflgram [ammonium Ililisandoosislsma paslaldaUAJa pmfaraminsh‘fldasapmarm Maspoamas-alvamviundowniomudfl'ioaum mapa:-m hadadvmfloslbflaodoias Mandei. LHlIlzau-souo mifiaaparomoflmr ::q “ | " m “ m : “ qua-m as. “mamas-m ? ; e uma. 1967.) u m deus oonjanto, qundo as valo-'eu em disposaos am ardsmomaantsioudaarascmlslAmodisnsémpma-m— da geralmente par 3 (ls—5e: "x til“). ;;;-"'. 'r-r'n'u- “"lª—?:. :-I' liª-gli“- 3.51:7" .JE.- :?:.ª iii-i; main. mama“ 5‘s .5 I donuts mantida do um oanjdntodavsloms. x éavaridvsiasadspararaprasanlsrvalarasindividmisdosdados. n ropsasentaanfinwm de valorss emm amas-m:. N repsasanmonfimsmdsmiomsmmpopuiopdo. ": fl: éamédiademncom‘mdsvaiammm - ' donatasméa‘iadsmldsosmlamdsmpapflagh " .pm-n calcular s msdisns. disponha prhnairo as valorss am _ «dam [masts an decrements}; am seguida spliqus um dos doisproaessooassguir: LL. So a número do ulbra s ímpar, II medians é a número localizadumtamentcmmeiodalism. 1 Seonmnaradsvaloresépmsmadiaméonfldisdosdais valorosdomaio. WCalaulcsmodimadastemposdesoh'ovivénciafam mosspdsspassa)dasainoofihnairospsesidumssmsrimas. 10 29 26 23 15 SOLUÇÃO Inicialmente, ordonamos os valem: 10 15 26 28 29 'Ondmaradavalarssés.queéfinpmassimanmdisnsé ' pl.-teimam:- a mimsro do main. Logo. s medians dost: conjuntodedadaséfi. 'mmnsvflmessmgnh‘sioospagmnantosImddm) 'faitassasexoculmdosdamnaanaartodemckhmédiaé _‘ samamumm am soo EDO momma sm - _sowÇÃOOrdenemm'ínicialmentemvalm sm son mo sou Inau'soom omomeammmmmmois osdaisvalamsdamaiaoobtomossmmédiamdoisvflm centrais sso em s son; a medians é, pois. s sums desses vslaros divididsparz an seja. SM). _ Nomaisméfindommfléfostamamalo figmpioadamflmmqunhamaomsmadimnda ll mafia Amadsdsumaonjmflododadaséavslorquoaamamn " junior freqiiEacis. Quando dais valores oaarmn com :1 - - masmsfieqflawianfiximmcodaumdeloséumamodmo ooonjunIosadizhinmdsLSoms’udodoisvslorosoaanmn wmsmasmafiaqfiéndamfishmaadaamdcloséums mods. aaoanjamoémultlmadal. Quandouoldmmvalas - éWomnjumoniatammodtCosnuna-sadanm smodspas'M. 1 . m m m Ohm-lam amaria-n *médlnª' so chama Hobart. Tlm 131 anus. - olurads 1.75 m. 7E .siumuqahnddfl, oalaa sapalastamonho Schemª omdosinlum. Cum -onualmam5,o dem-um.,lladobonanosJfilIyda .balahlrilas, B l lugdsmalaafl “hg um:-.Em ano úrâWESHhumc 5353mm: unusual non-Io. comm bum Írim, lam m m , min-zoªr: Dun?,?harmóom.lagúdiq tiram—pmi] mlnulos dah‘ompwhpmuflmmmdlhbuflnfifl _ — M&Mewàm ' 33 m e Dotsmino II mods dos segnintos animada“ da dadas. 3 . 5 5 5 3 1 5 1 4 3 5 b . 1 2 2 2 3 4 5 6 6 6 7 9 c . 1 2 3 6 7 ' s 9 1 0 scum a. Dnfimatofiésmadmparquoéavalmqueoomoaom msiorfioqllfinaia. b. Osnúmhósioamboamodnpmqmmmm smfiaqflfiocismflhnsgflomjomadadadosé bimodal. o. Nâohámodmpºrquenãohâulmmpetidó. Dasdifarantas madidssdatendmaiswnu-sl g lam amsidarmflmamodaésfildanquapodassrusadaaomdadas mmmmmmmmummpmm ' exampla. DEEMED Um estudo sabre tempos do mação almngaa 30 m m m e m m m m m toms: a mediu numérica m omiuistisas. podemos sfimmqassnndsédamqaeésmfsfiaamoocano aommsiarfraqllémis. Mlªdic Inna-m Oponlomédioéavalarmmafismaiamidmmo maio;-comum. Pa ta t ª -hmmm . “unmodifidimosomhadopas-Zaamonafdmll swgulr: msiorvslar+monorvalar ponto média = 2 ,_ Immneterminaopontamodiadosmnpasdasabra- fivfincis(ap6snpona)doalflprhnelrosprasidantessmo— limos: " 102926281523 -17250 20 Mommmopmmédim mum +msomvsiat 29 + 0 - = =- 14.5m 2. - 2 , Banbmapanmlnédianiosejsmdmmjmlufmlom pammfisflmafaadetsdiffimmnmaimdodflufio amtodamnaaajuMadsdsdos.{VsjstsmbfinExmiaias20—R) Aomsrafefimmssovalarmédiadamnamjumode'dadas. dovamasssspsoaisosmonaionandaommoasstomomomédia, madimsmmdsouponlomddia. 'mmm-m l75vaiorasdamuioisdelstasds almnfifioflalaoiaudosnssahz-Ldalorminotflsnfidia, {bJsmodianmtIohmodsJopanmmédim S ª l m EOLUÇAD &. Média: A sums dos 115 mores-546.745: assim, 46.745 1 := = 26?,111: 5 b. Medians: Disposto: os valores em ordem crescente, serifiesmus que o EB! valor. 2’13, está na meio exam, de mode que a mediana s 273.0. (Os valores podem f sutilmente serdispostus em ordem creseenre construindo- se um grdfiee mmu-e-felhssmnnfurme vimos na Seção 2- 3. ou utilizandº-se um programa de computador como STATDISK ou Minitalz.) Expresssnms e resultado com mais uma casa decimal utilizando a regra do medem danmto que segue este exemplo. 1:. Mods: A carga axial mais freqflente e 268 lb, que eerm'e 9 vezes É, penis, a mods. (1. Ponto médio: Obtemo-lo aplicando a fórmula intervalo mimvalm+menmvalm = médio : 2 _ 29'! 2-200 = 243.5111 Pasmos a resumir es resultados em'ma. média: 2611 lb medians: 2'13.l made: 263 lh ponto médio: 248,5 lb 111 mmdmesumsmhelsdefieqflencisseumhistogmna panosMosdaTabelaZ-l eúmadisuibuiçâodosdados. Temos agora informações importantes sobre o eentm dos dados. .ÉEH' : -- ' - ' -_,'“I;d|' "" F1; 1, nª:-rs*: h." . |? f;- _É-':l:' "'- : ' ª Iii-J Hã?: "El-4'- i l lª. . I. LF" ."É'ú : elusive Eis uma regra simples para srredondamente derespestss: Temeumsdedmalsmahelémdasqneapareeemnus dados. Devemus arredºndar epenas a reepusts final, e não es valmintermedifliosJ’urexemplo. amédiade2,3,56 333333331... que“ pode ser enedmdada para 3,3. Como as dudes originals sle'expieesos u m inteiros. anedondamosnrespostaperaodécimemeispréximo. Dum exemplo: e média de 2.1. 3.4 e S.? e machadada para?:JScmnduasdecimaiuumaamaisemrelaçãoàs que figuram nos valºres originais). f ,AMédie demneTebeledePrequ EEEEE Pendarudu Quandoesdedesesfimesunfidnsemmmbelsdefieqflfim W a m m m m a m m mmdnelmesempmflomemmmdam semeenuemmmpeefiwmtnmfiiu.NeTehele2-2,par mammmmmmsmmmm analgumpumenneesfinimsdeehssemniessbmwm "aisles.“ A Mu WM9MAMdeposábilitm-mcálculm, E' alpumsqlnmdneusfivdueseemmmpumunfifluflfldj. Com9valoresde2045.mmnwta1de9¥204.5- 1340.5 queemmibsdparaotolalgeraldetodesusvnlmflndmmde “fi valmeséigualàmdasfmqijências.eusimpodemaplicara I. Famuhz-Zpueaehuanfidiadeumambeladsfiequéneimm "realidade, a Fórmnln 2-2 não envolve um conceito funda-' mmmãfmmémmvmmdaMZ-L Fórmula 2—2 1 = ª ? ! médhdemtlbdadefl'eqm onde .r =ponlomédindaclasse &; "ªªª“ Asmaflefisdaslatesdealmnfifiodsfibeladefieqfiheiasl— Zfa'aminlrndufidasrlaTaheIeZ-fi,undeeplicmaFdnnula2- ZfPudemosmnbémcslwlaramédiadeumatshehdefieqflflmias cum uma calmlednrs 11-83: lnundtrzimes es pontos médios em Ll.iu:redmimesss fi'eqfiEndasemLZeutiliumes mªmae. e1 -Var seetseintmduzirnosemfioLl.L2.)Quandoufilizanms neo-loção original de dados para calcular a métfia dirt-mts. obtivemosovalurZETJAemodnqueuvalurdamEdiapondmda _- besesdamtebeladefreqflarciasénpenasligeimmntedifmnte. Em certas situações, es valores têm graus de importância difmlnsmque nos less sealcularumamédiaponderada. que éume médiadosvaleres afetados de pesos diferentes. Emtais me. calculamos & média pandorBdaauiblmtdop-amdífmm “(Em “Immune se vê na Fãnnula 2-3. FMI-3 médiependemde : 1'= Mag—"x) Supmlmpmuemplmquequeirmmsanúdiadeãnmdem (85, 9D. 75, BD, 95). mm es qnauoprlmeims testes valendo 15% endemeefiltilnovalendom.flestaen‘ibuirmosopeeolss enemdaqumopimem some, epesowafiltimnotse calcularmos a média pela Fónnula 2-3. eemo segue: I ª w . . ' 2w =(15x35)+(15x90)+(15x15)+(15xa03Hmh-tºi) 15+15+15+15+40 3750 = zw - 81.5 "anªl?-5. Delmlnaefiedezfez IF- .11 Pm Médio Cage Anal Freqtbtnnaf da Classe :: f ' x 200-109 9 104.5 LW 210-119 3 HU 643.5 2211-229 5 224.5 1.1215 2311-239 4 234.5 933.0 ado-m 4 244.5 973.0 250-259 14 154.5 3.563,“ 2150-169 31 2154.5 Em 210-279 52 274.5 14374.0 230-239 33 234.5 10311.0 2911-299 14 ' 194.5 4.123,11 Toni S;: 175 Em x} = 45.1515 _§£-x} = 45.7515 = I ' rf 175 m'ª 1 . —r——u—" _ *Pulun dad-du ' '- Dutra exemple: As notes de puma podem ser calculadas anihuindn—seaeadnmneeheffimll umeeflnnfimerurlepontns (A='4- B = 3ete)eeu'lhuindo-eeemtioaeadanfinmoume Mancinigualaunúmmdehmdecrédim. Umeeneeitoc 'em um miranda 3 crédito-5 eerie equivalenles um ponto médio ' declssse 2 com fi‘eqiléncia 3. Newmte aqui. podemos aplicar s Fónnula 2—3 para calcula esse lipo de média. _ A Melhor Medida de tendência Central Vilma que, para es dados daTabels 2-1. amôdia. a median. 11 mods e e ponto médio tinham es valores 267.1. 273.0, 268 e 343,5.respecthrsmeme. Qual dessas medidasdetendénciaeenlral é e names? Infelizmente, n㺠hi uma resposlafirdcs. porque não - Mailéfiosobjetimspmdetmninaramdidamais pmemdosmmnjunmsdedsmltsdivmmedldasdem mualtémdifumresvantagensedumtagmnalgumsduquais , mantémmidasmTabehMUmavmmgmiwmamedamédia Equelevsemeenmtodnsusvslmesmasumagmndedesvmn éque às vezes pudeserserinnenteafetedaporalguns valores mmEssedesvmmmpodesusupmdsmousedsmedis “ M a m m ª . TABELA 2—6 Compurqçãa anim Média, Mediana, Moda e Paulo Medie' m u m m m m m u m n fi n m w w a w m m 3: Assimetria AcnmpmeIedumédimmedimemodspodemdizeralgs m a m m a m m m m e n m neFlgtrreZ—B. blemish Uma dislribuição de dados eassimétrica quandonãoã slméu'ieLestendendu-semajsparamnladeduquepmeo - num(Uma dish-ibnigfiodeidedosésimflrleaquandoa metadeesqnerdadosenhistogmaéspmximedamemee imagem-espuma da untada direits.) Os dados assiméu'icus para a esquerda dizem-se liege“- mmmémamdiaesmedimesfiohWGr mdmburanem sempreprefisflefiosdadoenegefivemenu mmmmmmfimsmdmmms Figura 2-8(a).) Os dados “meninos pam a direita dizem-st podfimflmhnflmamedleeemedimewiehdimiu ' Levaem manipule: . Quão Contatudos Vultures Vantagem:: Medias Definieaq Frequente? Existàacia osValures? Exam? Damm Média :!:-ª- ' "saddle“ axim lim - elm “amada—mn " msisfamilier sample fimfimlmrs‘bemmmims ' Mummies: Medians ' selenium death existe nin nin Wa l -mmm» . comments were llialguusveleresememus Mode valor-male" treads podenio nlo ele W m m mflw l " fi'eqlleme knees : : t nudes! '- podehever meisrle‘ m m -EEE m u exists: não sim mma; 2 used: , gmpf: “humm ' . .... 'Fulu- “dad—dal Muhamumm-fldlumeflsnnfleepmfiemlm . A ú c m m m m a m u m m m a m m a W M u n m m h p m m m - U n n manque-Influ- , ' -—wi—uloqnm"mrhihL' LAN/[x _/I\ MEI LMDJB HMB-Hªhn“!!! Madn- MLM . Hes-lane m WWW-u {b} sm {e} sweeps-um Mimar-nun (Mum): (pudim W M : M A M E :Amedlmemedlm Anserfieeemediln Hindi-mm eenmdeeefiieldem. esfieddireimdemnde. denserrledlmeds. " lha-amb. 36 Ennis-ma da moda. Novammo aqui. a maioria dos dados posilivammte Mommamflaiditfiudnmdimmfiejafignwcn Se emnúnarmas o histograma da Figura 2-1 para as cargas axiais de latas de alumínio que estamos considerando neste capítulo. memos um grdfioo que. on npreeeota assimflrico para a esquerda. Na prática, muitas distribuições do dado: são simétricas. As distribuições assimétricas para a direita são mais oomuns do qua as assimétricas para a esquerda, porque em geral é mais fácil obtcr valores excopcionalnmntc grandes do que valores exoepoionalnieme pequenos. Com as rendas anuais, por emnplo. é impossivel tamos valores abaixo do limite infm'ior m,masháalgumaspessoasncã=:gmhammilhõesdedóim {ouroaisJemomam Asta anuais tendempoiaaser assimétricas para a direita, confm a Figura 2-3(ç). , 2-4 Eiercicios A: Habilidades e Conceitos Básicos No:EremIcía51-#.detzmínefajam£día,(Mamma nwdacfdjapontomédio. 1. Onalouonsegxdrsioospesofiammmebifesmdo cuddpiodoomroummmm‘fiifnmmdemm" (dados coletaduspmum alumdo autor). Snpée-ecqueopuoseju dellmpmqoeosfiléspudcmmcadsmmonguom oozidomflspomnmgldrpmmnmivds? 1 7 2 0 2 1 1 8 2 0 2 0 2 0 1 8 1 9 1 9 2 0 1 9 2 1 2 0 1 8 3 0 2 0 1 9 1 8 1 9 1. Algwismns Inhdonadoa I'll arh Pick'l'hreedaMarylmd: 0 7 3 6 2 7 6 6 6 3 8 1 7 8 ? — 1 6 8 6 9 5 2 1 5 0 3 9 9 0 ? 3. Depddiosdenitflofemkgpmhmopu-whchnnfida mmnmmdejnflntmbrodmflfimm (oombasaemdndosdohfizdstéfiodaAgriuMdosEUAJ: 6.40 5,21 4.66 5.24 6.96 5.53 3.23 6,80 5.75 6.03 5.41 [iCmmmmumgue-flmoldeISmomamnMdum “_. addmmfaiisemndmadmàpúsãoímmbuemmm nlstdriodl dUAJ: f z fã./J ªum 0,1 0.17 0.15.0.1 0.24 0,29 0,24 . 4 16 [2 0.16 l 17 0.18 ªH-f...5º%«,ºv fo NmExercfciosí—âdetemimanrédlhamqamco pontomédiodecadam MMmmmccmwremdoh mjmdemuhadas. 5. Tompondeeapendoclimtosnoflaoookfi’mVflkytm mummmfihmkmflmdom [Mmefimflsmamufisfiladognmmr hitman Valley: 6.5 6.6 6,7 6,8 7.1 7,3 7.4 7,7 1,1 7.? Providence: 4.2 5,4 5,3 52 6.7 7.7 1.7 8.5 9,3 10.0 d. Ammdasidadumnmosnmdealmoomde pmfumsoflmfimdnmobfldummdo aunt: ' Mound: 1 0 4 5 2 9 7 8 3 1 6 4 1 3 1 2 Protunca;Tlfl 4 1 3 2 3 2 7 6 G 3 9 4 7. Lugui mâximn de mumu de um»: de egípcios do m mlino. flmflnlflmtmhumdflmdem m m q m m m m e m m ) : . . _ _ MIC: 13] 119 ISB 125129 126 131 132 126 123 128 131 1501D: 136 130 136 126139 141 137 138 133 131 134 129 I. mllibdoplpolopldsfioodemado-Irefim Mmmwflmookmmohojflodolhom f l mmmaomy Papal: 9.55 6.38 2,30 6,98 6,33 6,16 10.130 12.29 _mm 2.19 mo 1.41 0.63 0.92 1.40 1.74 2,37 Nmmfi- ImmmmdcmdoWu Bedaadnjamédíajamediam,(c)anwdac(djopanto médio. _ _ !. CunjuntodnlJadoddoApendiceB:TempumdompoisB bundaMnodnl 10. CufllmodeDudos4doApflmficeB: Modanioodnldumdm mcigmosrelaoiundos ll. ConjunmdeDadosHoApauiíeeBsdosm 12. ConjmmdeDadoslldoApênxlieeB:PaocdosbomMM&M vermelhos. Nac-Exercício: 13-16. ache a média dos dados resunddosna tabela defqerwiasdada. 13. m fl m m m m m v m m m m aupfiodoOldFaimfulmnamloqueniodnesupudidmA M & a m m d e m ú m m i m ) Wmauwçnm. Tampo Freqdiucia 4M!» 3 50-39 . 44 "60-69 23 “70-79 6 p.39 10? 90-99 ll 100-109 1 14. NahmHndedomdbfiwm-nmdemdnum- r MemdosmmafimiolfifimdafimMcmn : smoctimidtóesimm). Eamidadumloremidum ? Mdafreqõânúuseguir.Achelidudem£diadeunbmos -' m w a m m m m m m m m M W M M B C H S W ? M M M Mikel»? M W M o m 0—2 3—5 5-8 9—1] 12-14 15-17 18—10 21—23 15. A m a m a m a uveloddndu dnenvolvids pummmwhwfldnhdddobw. Emmotmiflummdiflgimmmn-defiwkkoad misfitdovohoihdcdemndmoumuwloddadomddh Mutum- lemª a — E G É É B B u n e . — 8 8 2 3 8 58-59 60-61 1 16. Aswmpuddudemmbmomthmmaidflunn Moumummmawdmmmum chmislaMMasmoml mudnpormdefogonn Anúiudmteumuemuepodemmmluirdomludo? Idademmte Frequência 16-25 :: " 16-35 ID 36-45 ' 6 46-65 2 56-65 4 66—15 5 76—85 1 24 Exercícios B: Além do Básico 1‘1. Umamdanteobmnumsmflowmmeflmm final. Calcule a média ponderada das notas se adn tme mmpmnieaMeomfimlmponduMdanmfimL 18. ObolefimdeumeadtmaAmmnmodflaédimA ' mmmdeaqâdimCemmncursodúmidituuDum umcmodczctédim. Allium-ae mwnoeimomno umA=4.B=3.C=2.D-=1.F-0.Scaanotlsslo pondmdaadeacmdommhuradocrédimmmnmddh mm: undmdxhpm-alradedmis. ' 19. I. Cllcule & média. ! mediana, : moda e o ponto médio das seguintes rendas maiden ddlarecamddioos lawman: (mmammammwmmy: 103.000 236.000 179.000 206.000 236.000 |:. Senafichnamnuhrmtmkacadamndmomnoflo Ifdadmoamuludoudapmefi)? c. Seosvalomdumdasmpmflaniomulfipficmmm Whomfioafmdmosmmdmdamm? d. Asmmmmmmmm subsfinnndo-somdflllm' xpm'logLPmoevaloresdadosdexJeminomnmddin dosvflomdelogxéigualalog x. 20. Ámúlnhmnªnlummmmndacmmmndidtdemdàúa _" dndaquommmdevm omnopmexmplovelofidadenflhmnmddinhmdnica dififindmondmuondévflompehmdmmdflndm ammo-mm " . _ — r-u—r-v— Ei Wio," McCain-açude“ 37 mmmWamnplmanfidiaW amam; _ fl _ — - 3 = I I I I E; 2+4+m a. Quim ostudanlu dirigem de Nova York 11 Fldrirh [1200. nlillusjauuuvelocidadededºmhhúméwdadebem àvdoádodedemnúhQudémlédiaml vhgmdcidaewluTWsu-mumédiahmnmúcammkult mêdiude velocidade:.) ,; h. Um dospachante da Kran'lden Bus Company calcula a wloddudenxddimcmfihfidpmdeidaewllideflostm I Providence. Did-5e a suprir os "anulado: obfldod old 14 WW£ommmdnqmldnelocidade Mademdufibos limpam? 42.6 41.3 38,2 42.9 43.4 43.? 40.3 34.2 40,1 41.2 40.5 ªll,? 39.8 39.6 21. Amédhgwméuiuémadaemadnfidmgioeemflam mwmfiuhvafimdemmmumnflu Muvflm(wdmposiflm),lmédhgmflficnéanizn“ domptudulojuroxcmplmdwemfinmamédiagemnéuicada 2.4.10mulfiplicando—seosuhvaiom—oqtuddflfl.otomando— aeardzcdbicadomoludoworquebdmvflmtsJfiMIludo 64.3.Dfitordecmchuenromédiopuaodinheimcunpofloh an: Inn-is de juro de 10%. 8%. 9%, 12% e “7% pode ser m m m m a w m u a 1.10. 1.0a. 1.09. . l.12¢1.07.Calcule¢mfalormddiodaorescdmcnto. 23. Aladdin qmdrilicn éudlizadn om gm! mexperimnnms flsicoo. Em M d : disldbuição de mil. porexemplo. as tensões o mmmmgmldadasemmusdemmédiaqmm Waddiaquadrificndwmcoqiuntodevaimuakuflo- mMammmadradmsomando-sommuludifidhdo-seo mulpelondmeronde vflmuetommdo—nuaizqmdnda'do windorcxmplmamédiaWficndczA. IOé (>:—zª , 4+16+100_ª= ª n - . 3 - 3 % 6.3 Cahhamâdiaquadriúcadmseguinmmwdeformdmto damrgin(mvolts):151.162.0.81. -68. 23. u m a m m m m d m m m Mmambclnaegtdnqmmumoswmposmm estudo por calouros (com base em dados de The American Fusinnnnmn USA Today}.N£oo=podup1icxdiMammloo Panhz-ZWOmodadcfiom definido. Calcule a midi: supondo que not: última classe scj. realm (a) 21-15, (h) 21-30. (1921-40. 0 qu se podaconciilir? How do estudo pol-mm 0 - 1-5- 6-10 11—15 16—20 Main do 20 24. mmaommaommmmmdem WWIMMiMMMIMMM (admwmmammufloqmmmn 3 0.85 3.5 m o u : - ' H a ª u 38 Es'ouisms- fimuflfmmwdmmempolmflue m i m “ n + 1 Mirinhª-chu: ( 2 ) ("“)N mumu—amanda») mammal); oodendssomldetodssufiqnancdudeeluseemhmdu duolsssesqoepmedanodsssemedismUdliseem prooeesoeosdsdosdsTobeledeFreqllfinciuz-msduneugs 25. Comosufldisdmdmsmfidovflmmésmsdsde nin let uma medids mousse de Rudinei: senti-ll. A média memmmmamnmunwwe moqunmdedndonplfineirommosdmemsegfids eliminemol ID'iu dos valor:: superiores e 10% dos valores isdedmeosleulmsmédhdosvslmmmmmpnsos demosdoCoojuntodeDsdosBdoApdodioeBJesennhetm “Edie: )smddinpmndsemlflflehméfiupusdaelnm. Complemresoludos. li. Womahnsommpeeqmmdeeemheonfldo mddiodosprofessotespuneedlemdomumSom-ufl ssloresedifideolotelposfifl.psrsosmddie.Dremhsdoe iguslsosslsdomedio osoioesldosprofmmesfl’orqufl ZÉ Madidels do Voriogfio Est: seção shosds s esrsolerl'sties do vsfleoio. de gruda ' paraustatíslicmmdommisnnmndupdmipaís demdooliwo.flle:itordevedominsrosseguinteseonoeitos- shove: {lhvsfioolosereferelqusntoosvolomspodemdifelir enm: si e pode ser medida por ndmeros específicas; {2) on nomeros relllis'amente próximos uus dos oulros tém baixa: nudidasdevúaçâaqnanmmvalommaisdispuwstªm mainnnadidadcmiaçãou3mduvio—padrãnéummâdade vma pinholes-meme importam, e devam sober calculi- lopmumoonjlmtodessloresfifiosvsloresdosdesvios-padrlo demsefinremrmdosoonmm Minimum costumavam exigirqueosoliemes tomassem filss “pandas para os disersos guichês, mss recentemente mmandutsrúhúninúualomoúwdemnndiãcaçiúº tempnmédiodcupaaniosemodiãapmqueaãhdcm mmaefisexudmm.smeemssmum sofaodemeflunsprefetimtemposdeespmmsismimm omnnseoorvndaofidfissiméquenfiflsaresdehanoosefmmsm umsmodifioegfioquemultouemumsvmisflommmofimes .moissofisfoitos).mesmoqueamddinniownhnsidoafemda. Considelemosagonnmesmeumdedodosbsmfiosusads noEnerofioios doses-.50 [Jul.-coadunam. IDs e m m sIo temposdeespernIemnfinutoseoiielm Urn loin Consensus on: Jomolisiqs Com whom M w m ' seelol. dine.ouh'loso&om.soddumiofio?fiuso desofidodopelomidiodsndmeroesohoohfidhdodo dodonoosmopoyodohudoovdmdwl wwwm.fid¢nmhpoflfim.ldfiuudl maul.” ID minnha eflo diurna: helusivoomplo do um orfl e do pàgina Eni-lm Mimªda :idodl do Now?a|goomumopromsssedoprefefloduqooloddodode oobrirundfliefloreomenlhiodeflJbflhdwmosomhdoo mnaonmdonommmokmldommb muuihúSmlõupwliúpmiím Em Jefferson Valley 6.5 6.6 6.7 6.8 7.1 7,3 7.4 7.7 7.1 7.7 (Fila onion} , Benoodsl’rovidaseis | 4.2 5,4 5.8 6.2 6.7 7.7 ?.7 3.5 9.3 [0.0 (Elam _ OscfluuesdoleffmonVaflemkeoosmemmfilsdnios i i . ] » i qmémmmmdàmadvim & podemenusnmquslquerumsdemfilasqueoondusematm guiohEs. Se Enemies o Exercício 5 do Seção 2-4. verem que J . unbosmbsnoostémsmesmsmédisdellfimmesmsmediam ' da 7.20, omesmn moda de 7.?eomesmo ponto médio de 7.10. Combinespenns nestssmedidssdetenddneiaoonu'almodedn- 'mossdmidrqoeosmnposdeespennosdoisbsnoosfossem mfimoteosmsmmTodofimuquadfimosIunposde espera odginais, comum uma diferença fundamental: O leffmnn Valley Bank tem tempos de napa-a com muito mos variação do que o Book of Hovidenoo. Mantida todas as out!!! Meninas. os clientes provavelmente preferiria o Jefferson Valley Bummfleniooonemodsoodemmumsfilsmuilo Innis lento do one as ooh-es. Fmdomnsoompmfiosubjefivsdostemposdeespmnos dois hmm podemosven M & M . Pum agors s slgumss forms M m de medir efefivuneme s vmisqfiofiomowemosoomssmplimde. Amplitude Auoplihsdedemnoonjuuodedsdoséalfifumpeooeomior meomnlot.Punoflcufl-lo.bmmmom valordomsiorjmoeuodoleffemon Vflemmsmpfimde dde7.7-6,5=l.2m0smrlposdeespmnofiaokomoviduwe mummspfimdedeSJMoqumgeremsiormiagfio. Oofloulodssmplimdeébamwfdflnmoomoeledepende spenssdomsoredomsiorwlor.emgemlnioéfiobmnqm mafihdewhfioquelevununmmdososm smflsuofiofimamfloauwsmem) - Devlin-Pedal: e Variância Demdngenlmdewio-padrãoéaMimpmemnisúª undidadevsfiafimMomofiodamlodufio-padflo lenemoonmoodososvnlommssesssvmmgemmocfl- mlomoisdificil.Definhnossseguirodesvio—psdflo.msspsra mundapufeimmesseomoeimépmisolemmotdchdo- sweeteorestsntedestasegio. | munição omémmmmmme mundidsdsvarisgiodosvsloseselnrelsoioimédia. CalmdoseoomoausfliodsmolsM. 'n'-null“ : - n—ÍE—fl demo mm. Quase todas as calculadoras científica: e montes estsfistioos m programadas para calcular sutomotiosmente o desvio- -psdrlo-NsSe;102-6diseulimossmilizagiodecalcolsdom W e . mas é interessante o leitor consults: logo o musldesusealcoladonporaveropsooessodecflcoloqoe diodesvio-padrio. Porque definir uma medida de variação da moneirs indicada na Fdrnmln 2-4? Aomedirsvaliogioemum oonjuntodedados ammo-sis. 6 razoável começarmos com os during dos valores em relação à médis. Pm determinado valor:, o valor do desvio é x - Lotteésdifaeogsenoeovaloreamédimflasssom detodosessesdesviosdsempreseromqoensvudsdenada . signifies pars nós. Para tennos ulna estatística que realmente mamiaçãomnlugardemaenmm).podaímm ssomsdevflmsbsolutosoomoemflx- ILDetmuinsndo s midis dale somatdfio. obtem o decido médio (ou desvio Mlhdopelueguimeexpmsfio: Mom: ª ª' " ª . Em vez de utilizar valores absolutos, podemos obter uma medida de vnúnçio ainda melhor. tomsndo os quadrados dos desvios (x - rhque são nio-negativos. Results one o desvia— psdriotemsmesunmidsdedemedidsqueosvslores originais. Poresempio, seostemposdeesperndosolieutessiomodidos muminmos.odesvio-pulrsosesdespsessotsmb£memodnntos. CombuensnnuIIZ-d.podemosemheleoeroomosesegue .opmoessodeofleolododesvio—podfio. Prºcesso ru DelmminoroDssvio-Pudrfio colon “mundº—i - Mol: PMI: Piau?—: Admamédia : dosvslotes. Sobosiumédiodeosdusloeindifiduala— I). Elemooqoodndocsdsumdssdifumoblidas noPass;2.[Este.prooessopmduzndmdefonm {x— x ]. ªmartodrmqudndmobúdosmmam - I . Dividh-otouldoPmodpelondmetotn—Dfinod. lmeoosqoeoodmetomdeobsu'veofies. Exolirsnisqusdfidsdomludodoms. Pounds Poms: Passed: ' Moi: Ações, Manor Risen EnmflwoWosmflwosZflflodh.AhnKmooflt-I ' midiodugmllol dançªndo uma whim diminui ropidmenlo no medida a:oçõudomrhhu'.05mobamque,mmaçõada 32 whim, o desvio-padrão à de 0.325. intimando nun‘b morvodoofiooriscojoflmhmqmeomopomsmspm Hpudooçõuummhimhigumohvadonªrgudo'úm ' ' orisooio “ idoo-opoqlmo dooqfiuomlogo. _molsd330flposdeooao.h6 unionism Deemicimfisplwsoioeflompmoiodeflodos . 39 MHDIMGM' :o ' ª m ª m - guiehds dos clicam do Jem Valley Bonk Esses tempos deesperflem minutos} são dados a seguir: 6.5 6.6 G.? 6,8 7,1 7.3 7.4 T.? 7.7 T.? SOLUÇÃO Muitos mmm um fácil utilizar a função desvin—padnãoaubutidaemmucalwhdummum- dam que o pneus:: sejs reúnem: enMsdido. seguindo os pesos defumada pam-u cálculo. Wet Tabela Z—T. onde se executam os seguintes poisons.) Passo ]: Obtenha s média de "gli. somondo os “loses e dividiodoo total pelondnmodevsloses: -— í-ª-ª—í-msm n 10 Submit de cada "Inu.- o ofidio 1.15, ohundoos “willie! Mural. dª (x "" 3] : "01651- -ªussr nn . 0.55. ' Eleve so quadrado cada valor do Pssso 2. obteodoos more: (x - I J': I).-4225; 0.3025: ...: 0.3025. Some todos os “loses procedam, ohtendo Hx *- 3'- 2.0450 Hi:: - m valores:,divida, pois.por9{=- lar-1): www-mn Dcurmimaraizquadndadenm.0danin- pndflod V0.22? == 0.43m Teoricamente. dem-[amas do: aqui uma interpretação do desvio-Mo do 0.43 min. Ines esss interpretação sari dado miam Porora.o}eitordeveexeroiur-se no odlonlode mando—padrão otilizsodo os tempos de espere no Bank of Providence. Com esses dados. verifioordque o desvia-padrão é do 1.32 min. Embora s M W M deevi scj: dado mais sdisule. pode:-lm compass-Ids: Marema: queodesvio-podrliodostenmosdeesperonolefferson Valley Bank (0.43 min) & muito menor do que e do esso do Bank of Piau?: Posso 3: Passed: IPsssoS: PMG: mm 2-7 Cálculo do Desvio-Padrao para oe digam doBanooJeHmonVofloy . . a — s P . x s -— : 6.5 -—o,es 0.4225 6.6 "0.55 03025 6.7 -o.45 um: s.s , -o.35 mas 1,1 - —o.os .. om: 7,3 0.1: _ * = 0.0225 7.4 0.25 010525 1,1 0.55 0,3025 7.“: 11.55 uaoss 1.7 _ 0.5: W Toni: 71,5 mm rulª-mmm .r— ——-4:T,—2m-ussmo 1o _ so 1 40511111111111. Providence {1,32 min). lsso reforça a nossa conclusão sohjotiva. do que: os tempos do apara on Jefferson Valley Bank tom variação muito monor do que os do Bank of Providence. Em nossa definição. roforinio-nos ao desvio-padrão do dados mos-trails. Para o cálculo do desvio-Wo ariminús- solagroga sigma} do uma população, vale uma fórmula iigoi- ramente diforoolo: om lugar do dividirmos por 11 - ]. dividi— mos por N, tamanho da população, como so vs na oxprosafio seguinte. ªªª—): dosJio—padrfiopopulaoioml Poroxomplo. sooo lflvaloroodaTaholaZ-‘I cansam uma popuhçâolp'dewio-padrioé: lit: *- 11)“ = 11.0450 , . º ‘1! N V 10 0’45 ”'1 Comoom geral lidamos com dados amostrais. vamos utilizar 11 Found]: 2-4, dividindo por n — l. Muitas calculadoras dão o desvia-padrão, 1111111 adivisfio porn - 1 mosporflondoa uma tools a.-, ou s.enqusotoqueatoola or. ou aoorrospoode aum: divisão por N. Por alguma razão, engenhosa mas estranha, as calculadoras utilizam divorsas notações; as que SESI-*Em- oolro- Ianto, são as mais oomuns om estatística. Essas notações compreendem referências & variância do um oonjuntodo valiam; - passsmos agora a dosorovor ossa modida do variação. ELSE???“ -' 5.... ..‘-— ' ': 1 L 1 - ‘ 1 T g w § € i i f i 1114:, "T .1 denota o dosvio-padrio do um ooojunto do dados. mostra:": o' denota o desvio—padrão do um conjunto do dados - populacionais .1" é a variância do um oonjunto do dados ommis dª éawaúâncindeumcmúumdedadospapubcimwís Nom: Em artigoo do revistas o relatórios pmfissionais. customs—so indicar o desvio-padrão par SD (standard deviation) o a variância por Var. 'u' I'd—.l— Dmiu'ndalapaôítmnnramizquadmdnjhomsode cálculo do desvia-padrão, ohtomos a “liinda dofioida nl Fónnula :15.- Formula 14 := “H:—:? mammal W W W a W W m aº = ªiª—FEE vadâxlciapopulaáonal CmnparaudoasnnulasZ-doZ-S.vomosqooava1ifinoiaé oquadrodododosvio—padrfio.Embmaavarifinoiavo11haasor usada mais adiante. dsvsmos inioialmonto comum-noa no cºnceito do desvio—pudim, para bem aprsondor o significado dossaostsflsfica.Umad1ficuldadooom avmflnmaéqosolaoio éoxprosssoasmmasonidsdosdosdsdosoriginais. Assimé qooomoonjontododadospodeloromdesvio-padrfiodoflflflo nmavafifinciadsQWdolarosquadradooConiodolarqmdrado omoomfimmqmnmafinfimmdhamavmioois senos afigmdifioildosorormproondida. I T , “ L u í ª ª q â — Í M É º - E - q ' a . : p . "'1 3...;- ª .:ª or...“ 1L .« - 1 - .11 ._.._-. 1.... ... ...-:. 4 1 1 1 ' TalomnonaSooioMuuhsamosarograsogmnlopara arredondarrosulladosfimis: Tamar uma oasa decimal a mais, sm relação às que Waldosdados originais. Dovomosarrodondaraperrasomnltadofinalmniomul- m m m . Se, pot algomarazio, t i m do modondarmsoltadosinsomedifiios. devemos trahalhsr oompolommosdnasoasasdscimaisalomdasqosdevom M a m a n ] . FõnnuluAbmhdueDodosAgruwdos Dmonaseguirdnasmfómulaspmudwúo-padãofãsau J. formulasnioonvolvomqualqmommoihodiforouoogfioapooas vorfiosdistinlasdaFdrmulnM.Primoho.aFfimola2-4podo elm-somfmoquivalomo: MWaabroviadapara "1" ' l) odosvio padrão AsnnulosZ-doZ-{isiooqnivalomosnosenddodoqoesorm dioosmmflndoslpfllmooloitorotrahallnalgflfi- mmmoflaigomAFormulaz-fiédmoda formula obmiohpmquotmdoasormaisomvoniontopm'ausooommi- morosososouomngramosoonjtmtosdovaloros. AFdnnola fiémadaungomlemcalcuiadomopmgmnasde poa'qmosigoapmasufisrogismsdomomdriamaramlroh'}: umgudonmxoy’soodonmfiriasoparadomoadavaiorindi- viduaLAFormulaZ-fimnbémolinfinaorrosdearrodmdamunos Mirins. originados uonEo so olilisaovaloroxato da núdiaNãoobMte,mxútmpmfessoresprefmutilimapmas aFórnmlaZ—4pmocálculododaviu—padúo.àrgumentaaue aFómulaMrefmçaumnmitudequeaca-mdráaãmrípa do desvio médio. omuamo a Fónnula 2-6 obscurooo ossa ida:. 01111011 professor-11s não ruan {1111111111111- objeção s Fdnnula 1-6. hnhfimafdrrmflaabmviarlaparaaqwlosquodesejemufllifi- hldaprosmtamosumoxomplodoofloulododesvio-padrioomn aFdrmulaZ-4;flustraromosasog11iraaplicso§odaFdnnula2-fi. mauleodesvio-pmdossogoiooosmposdo osposuommioutosjdocfionoosdolofi'orsonvmeyfiank, mlicandaórmulaZ—E: 6,5 6.6 6.7 6,8 7.1 7,3 7,4 ?,? 7,7 7.7 WAWIIZ-fiosigoadua’nfinagiodosvaloros _don,Zof.Comohfi10valoros.tomn=10.Asoma doslflvamé‘iljoassim.£x=7l,5.Cflmla-sooo1no soaoguoflomoimoumpouontomoosfifla: zx’=6.5’+6.6'+6.7‘+---+7.7' -4z.zs+43.5a+44.39+—-—+59.19 =Sl317 EnamnmcfiooosdoaplisaraFdI-miaz-fimcalmdor desvio-paixão. Fdrmdaz-i ª'- owlordo :: (gªg—_ «mª ROI-“l) Vhwlm}- -(11.SZ mun - 1) T ª m “ - 0,48:1i1(arrodond11do} Wmhelomumffimuiaporsodosvio-padfioqmndo mmmmmrosmdosommtaboladofieqflhoiss. emana: “ ª v n—l Waostsfdnnulaomaexprossfloomfivsmquoomgoral Mundim. Fdnnllla 2-7 Ind (r 11)]- mr o] : ” 11(11 - 1) desvio-psdrdopan marrow: _oo111. x -pontom£diodaolassa f ªfrequênciadnclm 11 =ta111anhodaa1molratou¥=somadasfioqflelm ) WhpliqoaommIaZ-Tmeuimodosfio-Mio dos 1'15 cargas axiais dos lutas do alumínio da Tabola do Mªn—das 2-2. soulclooaplicaododaFdimulaZ-hfigoadehomflmoiodos valmdemítf- flow flDeta'nfinadosossosvaloloo. pols ThbslaMpodeumapliosraFdrmuiaz-‘l. m m - [ntzo- Juªn—[zoº 111“, .. 1) = 11151115111173.1511 -— (Am-151.511 1151175 — 1) 15 191,500 W “Wºº” As ITScm'gasaxiaistêmumdesvio-pmhãomimadoemm lb. {O valor exam calculado'mm'ban no conjunto original do dados s 22.1 1111s m i m é. pois. hmmm satis- fatória.) ' PodomoslambémutilimmnsoolouladoraTI-flpmcaloolr o desvio—padrão do dados condensados om urns tabela do Was. Introdrmiomspimhoospomosnmun L1,.o111 aeguida as frequências om L2; utilizamos então STAT. cm: 11 W W o W h M 41 1-Var5tats'o inuºaduzimos 1.1 o LE para chao: 115111111s quoinclmnanfidiaoodosvio—padfio. Pom Enlmdor o Desvio-peªce” Procuramnms aqui alribuir 11111 sontido intuitivo so desvio—- padrão. Do ínício. dovemos tor om ml: que o Me:-padrão Mum-ingira ontro valores. Valorospsdximosansdoooulms originam dosvios— -padrio menores. enquanto valores muito afastsdos uns dos outros dão om desvio-padrão maior. Intorrompomos a leitura s dovoteriios um momooto ao estudo da Figura 2—9. Voromos que, quauão os dado: so dispemm'o ' valor do desvio-padrão aumenta. Comu avariaçãn é omoonooitorolovanto, emma odosvio- padrfiotomgmidoimpmflncia na sua modida.obordaromou%s mmm diforontos do atribuir 11111 surtido so desvio-pam A primh'séumarogmpéfioaqaoufilbsaunplimdoparaomm- oslinmiva instants rodimontar do desvio padrão. {Podoriarnos onlhmarapmisfiodossarogmlovandoomoonls Mamma Wdaamosoaoamdadisoihfioio.mporora. preforimos sacrificar a precisão em favor do simplicidade. Qmmmos uniam simple-s qoo nos pru-mila intolprolm'o valor do desvio-padrão; mais adianto estudaremos métodos que produsmn resultados mais precious.) Pmomfimdodadosfipiom. aamplimdemedoaprmim- damente 4 dosvios-podrio (4.1). do forms que podemos apoximu'ommsogoo o desvio-padrão: dosvio-padrio === ªrf—mªº- rogra pridoa Bstaoxwessfiodfiomaostimafivaramdvolpmodosvio- MoqmdoMooomososvaiommfldnmomhimo. Doodoquooordloomooodosfio-padflo [30111211108110l IummMmnmdoaúmúmdm valosoomfllimoomdxinwoomososoguo: ' nam 2-11 coma do Wada. pará um]: Tabela do Frocp'iaicios Panto Médio Carga Axial Proqfihoiaf unam: 200-209 9 204.5 110-219 3 214,5 210-229 5 224.5 ESD-239 4 234.5 240-349 4 244.5 ZED-259 14 254.5 zoo-so 31 264.5 STD-279 52 274.5 200-209 38 204.5 mas 14 294.5 Total It'-== 115 mínimo *- (média)— 2 >< [duarte-padrãº) moms-smears) + 2 )( (desvio-palmo) f ':: .f— xª 1.340; m 1543.5 133.030,15 1.1215 251001.25; _ 938.0 219361100 970.0 139.121,00 3563.0 906.783,50 BMD 2.233.725,00 14114.0 31.918.113.00 10311.0 11.075.129.50 4.1210 1.214.223,50 & 1 Ea" .1] 1- 46.7315 20’- xª) = 12.579.113.75 ‘ 4 2 Ema-im l =º" Í 2 3 4 5 6 7 1 2 5 4 5 6 ? 1 2 3 4 5 6 7 5“ ?"EJíF-Fg W 33 " ' ªgiªm? i...—,;rªf . TE? “trªfº:- .r. . ª" *ª“ ª fiwflffiwmw f' -5..-:..~-=.;.;....- rig. umª mania, W W ” Aucalmlanmsumdesvio-padrioomnumdasFúmulasz-tl ai?-E.Mmmutilimammpráúcamummiúcaçâodo resultado obtido mas não devomos esquecer que, embora a aproximaodohveaumvizirdmgadaresposm. aindaassimpode ocusargrande difmi’mosimnposdeespemdoscfimtesdo Iofi‘orsonValleyBsnktfifi:5.fi; 6.7; 6.8;7.l;?.3;7.4; 7.;7 T.;? 7,7) oaiwhmosodesf pehFflnmlaMobmdos=fl.48. Aamplimdedeaoeevalomsé'i,7w6.5= l.2,oquenoeperrnite aplicararegnprddeaparaobm’umneflimafivadesmsegue: :”aªªllmden =1—'2—-0.3min Ora. acabamos deverqoeodesvio-pedrfioémalmmteOAB, de modo que a estimntiva obtida pela ngm prática (0.3) parece deanasiodommle pequena. Todavia, nose: extintiva confirms qnddemodogeralmstamosbmproximdovalorometmm dúvida. um valor coma 7 para : so afigum'ia incorreto. Consiliináu no Cor-rain Pa aluminium .Doflpmomqmmis mflpoeloldesEUAmlouqueolmgomia-ndomoior oomiridmionoiompoquoumoodolwopuruw III—ITCD"! Oru,umoouflulooel niwurmcliuouvóriasdlmpmow ua.“0 T r Mwm uuimmmun. odayog fadindowdm mom Comouxflio da regra-prática, eotime o desvio- podriodamde 175 cargas axiaisdelmsdealumfifio daTabolaz-l. WOUfiiizandoaregrapfifieameofimuodervio- puhiodedadoemmmcabulunosaampliwdeeadividinm pm4.Perooneodoolimdevaloreo.moneonmorémfl eomniorém.deformoqueaampliuideéZ9T—2m=97.0 deovio-podrionesfinndoomsegue: “Tºª "ii” 24.3 iu Emmulmdoeflfiprdximodovaloroonetodenimhido oomooflwlodovalm'exotododeevio—podriopehfimufl Maul-6. J ' — Comoasmuiaisdaslatasdealumíniodàhbelaziltêm uma média de 267,1, um desvio-padrão de 22,! e lima . distúbuiçãomadaFlgunZ—l. oonelul’mosqoeeoeasiatu podemfacflmtesnponaraspressoesde 158 lb-lfidlbaplicadas no se fixarem as tampas no lugar. Recordemoo, do enunciado do Problema do Capituio. que eases latas têm uma espessura de 0.0109 in.. que. é inferior & espessura comumente adotada. Com booeemnossoconbedmentodascmctefistieasim do Banjul? de dados da Tabela 2-1, concluímos que é passive! economizar utilizando mas latas menos espessas. O exemplo preoedeme ilustra como utilizar dados sobre :: mMmaúmmndavio—pmºmloqwmm constitui uma ilustmção particulamente importante de uma warpmagdo do desvio-padrfio. m m A Gates Electronics Company fabrica borbeadores eiasemfimqoetemvidamédiadesfianoacom deovio-padiiode3,0moe.Ulilizandoaregrapriti¢a.estime avidanmislongoeamaisbrevedeoeesbmbeadores. MWamfimeamdm-Aefiodefidnpeh mmpifimoomooesegue: mínimo ~(média)-2><(dmio—parkio) = 8,00 - 26,0) =2.0anos máximo ª- (média) + 2 >< (desvio-padrão) = 8,0 + 26,0)=14.0moe Podemos. pois, esperar que a maioria dos herbeadoreo em queniodmede10a14.0mos.Tenhaemmenoeqoeeme Mdladossioesdnnfivasgrosseirmmaamocodmhnm danidiaedodesfio—pofihmemoondiooeodeohm upmxinmfiesdommedomiorvalmpoosandonemender melhoroomooododosvarim li,.” , . , . É?,ãshf _:xº'vf' 1 ” ? ao”. Dutra regra que auxilia a interpretação do valor do um desvio—padrão d a regra empírica, aplicável somente a Wdedadosmmuipdo amam mammmfmeaãn—IO. Essaligmmoau'a mamédiaeodmo-padúoemmlaciomdosmma mmmqmmmm emdeterminadoe Ça: Mmhfiméqugcommdistriboiqioemformde . 1. mmfifiwdosseuovalorunmmdedoisdewioe- danlddimAregra'ernpfrieooommserdeoignada abm'iadamente como a reps: 63-35-99. ." wmª, mªs ::m Jim - ' _ _ S . ' ; Ú . Mªli,—_... ªai“ ªl 33%? «iii.- '- I": «BH.? +1. Cercade63%dosvaloresestaoame1mede l desirio; paddoaoomardamédia. -Cmde95%dosvalmestââamosde2dmim— padrfioaeontardamedia. ' - - ' Camde99.7%dosvaloreseofioamenoede3deevios— padrioaeontardamddia. ' . mmm Os l de um mp0 de adultos apresentam ' dim’bfigicemfmmdesinooommérflnlme 15. Aplique a regra empiriee pan achar a pomentagem do adoltoeoomQIenfleSSeMS. SOWÇÃOAchavepamamoluçãodesteproblmamim ' 'emredonheeerquefifielfiestfidcadamexatamentoam duvioo-padriodamécfiawomoodeavio-podfioéa- 15 deomv'equeBs==45, demodoqoeBdeofioe-podrioabaixo damédiasioloo- 45- 55. e3desvioo—padrio mim da 1Mdiasâolúº+45 = 145)Aregmeinpfrioa afirmaque 99.7%detodososvaloreaeuioammo-sde3desvioe-padrio . oommdamedimdondedeconequewfl‘fidoeadultos "‘devemterQIentre55e145.Comooe valores fm deste " inmdosiobastanemmumapmaoomtllacimade 145 ouabaixodeãidevesermnsideradaexccpcional. ' Umterceirooonoeitoi pmeompreendermoee interpretarmos o valor do duma-padrão 6 o norma de Tehebíchev. A rem empfrieo prwedeme se apliee ripen: & ('— 0.540 ªir—ag r329 E i s l'" .. ' 99.71doedndooesfio madam-macaw ammo—aqua.) Mªmma-m deflation 43 conjonmsdedadoeomndism‘bnieioemfomademoteoremo deTchebicheveenplieaaqualqoeroonjnmodedodos. mussel]: resultados flu muito aproximados. Aproporqioiou fraoio}dequalqneromfiurflodedadoea menosdeKdeavios—padfioaeonlordamediaéoempreoo menas] - lixª. ondeK éum niimeropooiiivo maiºr do que; ParaK=2eK=3, temoozoeseguimmresnltadoo espeéifioos: ' Aomenoe3J4(ou75%)detodoeoevalmestfiono l intmaloqoevaidezdesvioe-podioaboixodamedia IZdesvios-padrdoooimadamédinu— 2n: +23). ' Aomenoe8l9(ou 89%)detodoeoevaloresmfiono inmfloquevaideiideovios-padlio abaixodamédia dwvm-padrãoacimadnmédiau— -3.rax +33). UdfizmfiovnlmdeQIoommédialOOedeefio—padfio 15.0 mdelebidmammaqmaommWãdosmm mme130,emmmoe89%doevalorosesmiom55e 145 Apdsoestododestasegio deveesiarolaroparaoieitorque o desvio-padrão é uma medida do variação entre os valeu-en. 0 Ieitordeveaindaeolaremoondlqoesdeulcularodesvio-podrfio pore um conjunto de dados, interpreter or Vilares do demo- pedmoemmqmpmumoonjmnofipioo. emomnvalor do memo diferirdamédiapormaisdeZouSdeevioo-podflo. 2-5 Exercícios A: Habilidades e Conceitos Básicos No: Exewfcias H!, determine a amplitude. a variância e o dnvio-padrdodoooqiumo dedada. (Ordadmadomm utilizados na Seção 2-4. ande determinam“ medida: de Mschcaúroldquí. Madama micção.) - 951m ___-"__.- man—mmm 651001130— mmm denim-M 0.540 04024 0,001 0,135 BE í + 9 3412: 24:55 "no 2-IOAugruompirioa. luln main: npod “aluminum: ama 'úm :p Imp: maq Hªwªiiªn“ mamª! ‘00! mwepºmlm NºªT-|M WW ªmami WIDW‘WNLI ='Il'ID mmmnbm'mnummlmmqiml upmmnanbmmqflm 'El : "ID in mm inpupnmmu; mmm: spa sup-o: anno xmas; mum mas tu W mam I Tmydroq) m m m m m m w m W W timed: to ‘upm mu mun: munfum ou insónia um emma oi!-pod m opal-anion; ‘mpup sn mmm npualua mind snub ta uma ‘smp : mmmd ‘smanh so mmm m: : W I WWmapmm ‘awaullaflmLumfin “mudam mmmdmh *: mm mmnpnnmmii WA ªºªifºd ªP mmm 9—z amªm-nw“ spud ‘mmwmflmmwaummmufiwm mb "Em ”‘osnIIP-d-olminuiwwmmnu q m m m mm wflm n m m g l w q M a m m a x-upnpmmlnnmupm m*rmqªwmmmwpmnrmmblmw "I Lam—ogum ap [wand lulu Jaguar a MD uma; 5 : | mm mm: as mh mom. 9 um mumu: mmm nun 'I 'n murmurªr: mmm ===! “w fra-ImunwwnnwmnnªHnwl-rm ªplima-up lam-Jam ‘mmmwnmmm “Pinup-mm "19904 “PIP In ‘m‘t— FIMM‘I Ins l' . {mum-IE" mm Irma! mºrªm»! ªmª u m v "Mim ªv [mi WWW 0 WWW "r: mªs 'N ‘1: Til and up “um amp to ud Wdluumummºa wmª—om und-m' qppmmmqmnlmmammap “atingiam v‘npgnJ-uldqapulnqunhlnpummnumm W nmap mn “Inna-um: W W W mm amalgam u m ; up ªun: np nlãnpu : aplpgpnb » l!.lulltilll :p u m um mtuu-mp 11pm; magma 'q Z I 8 9 9 9 9 $ E E I D :(mmªlmmw W M M H W W Q W D M fl : W P — ªº 001*— animumunalluqnaflmm muandmmjupwwmplunnmjlpmmpap mlfllfmap aplplpqlmn l mundanas “mu—ªlgmª mjm W W Q W W W D W M W MmMnWmamp-mawumm '- '9: s t a t u a l s i r l a a: r r. : 5 : s D Z D E D Z D Z G Z D Z U Z D Z D E D Z I ªlªdª-|D ;mmpid—omnmnnpm m l m w m ; m m m p m Infi l iflmamwmmmnmwm ufilmlmflqfluflmIfi'fldflflimWWflfl eu mmm—dumaagmmdmm W l m u p h l m m n m m m u m m w m m m m m m «5: . WWWWupW-oumºªw Immanu‘ummlpumbwmlummum m ªº ”P01 *Um ºlª M “ IMD 666666661) :Wmmmpmdauhmwmwmnp WWWHMI . == r . ºu 'ª 'u ª - *5' ; |;pmmwvmolunmud: mvmawwqwuwmmmm ‘q mlªªt'z'lºaàªlnªºdW-ºlnmªmªa ‘I n."-lui- IE I I I ! M l “ mwmmpupepmnnmmnnpw'; ... napnmunund mwmmw-zllmlmhmmw ZI | _ u r m Hid ºww» »! 090d cupid-m omu““c'z‘ lmumm-mmus 'n ram - =D; arªra! wma num mum Ipu hummm 59d: ‘mplp so and : a : u m “AMD - ! Haras =- I ‘(z um up m u} a um np ; munfuoa op mmm—dum I "mum: :opnp so md ': ‘flolllmwrlomm-v-osmp ounqmnp‘xapmpup mufumm‘xiolndrm wma-mmm 'Wnum n:: mmmm ‘p m} ºp loplunm ID sopram: all m ‘11 ªmo:! Iummd upnafldylnm Hajam! np spun: umas *; am “Dªmm-Fºliª “WHHMWIFMMIWHWWJIHIW "I m . mom: MDT-Ll mom unam: =(“?l rªmºn www tpw-P mm ªlº—'ª) mmª mmm =P (mm "l'-') W =? nupªannmuproppwd-oguapuupmudumwm 'I u mrummwmmww‘ssmmwmm IWWL'PMDWFWWDWS’ZWW MT"! g‘ggnpummmmwmmapww 'E (muwmuunoqugumqmlmnm GFIP?" VJ imº" "P %L'óõ Illuminandi tmbm ': ;:wuwnwozapmimnpmlmmodlm 'q mnoimnlmmmúuumdnm '- m'wwalmmãplànblmlmqm “Wªl “ t ª u m ' I mªmmlmgnpwmmn 1: I I I 033395 Dp In?” $a mpgmxa 9-8 wsmmaplmgmm wmupwn-d-oymomnnmdmwmmbndv nz “mlsnmºp mwaiqm um :p Simm up cupid-quip Dumps: ud nomad Ilia: I anhfidv '61 ‘aubudra mos: =n=u m-fimwmnmnw nonhuman:- 1' um Ipu wa mh'mªumm mmm n wmv-ma mm mn md supudmm mdmm nap mm; o ‘mpmsgupupl uma 1! ‘Immm anhunmft‘aimdommallpgm mmmhfioflfl mflwmdnsnnm “mmm—mamºnª mmm I unmmmmmmbmnflfifl ‘nmnnaopummsmdlpnmmummmmpins 'n'-I L u h . - Irv-rpm.- . Í ª.. I 51-95 $ it.—99 Ir W I 99“?! ! ME 0! 55-93 ZE 'E'-9! Milhªs wow In w ‘mmmufiofipmnflm m m m u m w m q fl u w l m w m m a m m m w m u a m a m n w m m w a m w ‘91 ww ' 55-19 was ss-rs‘ «;;-z: ls-ns sr-ar “'ª'” “"-II fl "'El" Imbªu woman wmmwmumlw mmummPI-wmmfl w m a l m w w v ‘5! I D fl'lt D I (I‘ll 0 Gl 1.1“: I I Gl ""'-II “DE l'? IH se c9 H » :: «.=—: 05 E M M WI mm , amb'mnmljlmumm mp :: 9.11m smjwa «Mwm pq ‘mpulnm mu mq moa mommww-ºmvºmwawmuv mwwm-amynúwºmuwmw mmmmwmhuwwm'wmm '" I GOI-001 * ' II 65—05 un am _ 9 «sz-nz. E 69-09 » cf.-os : air-or mima m1. “miªm II um ‘ (mulmmmmmmmmmv W W M I W H 9 : 0 m a 3W” WEIR} “WIRE 3F | “ ? N M “P mm, “"O 'El *mpugybuj :; 11;:a nu sommes..- WP rªp Mªd-UMP º Fªinª-”HP “Qt-€! fªlºw-"=? fªn animªram-unam mamada vºip-mw" mma 'n mu =p mººd =a ªnnual? *E amt-FM: ‘n mmm ul: “gang: up dynamo: :3 aagpugdv ‘1: mun-:no:; ‘m {wwmmmswdmmmm =H % ? s 15 ‘anud-aguap a: mºª ªs ªsmª? º? mmm ªum—r 'eu-5 mim-rna mu Dlr'l 36'0 EFD HI“! Dl'l EI'Z :ªªllªFH m' m em oo‘ul 91'9 EE'B 56's: um as"; 5515 Wad :lmw =|: mmt'miun up um ap 013q ou mmm: mpeg; aruma: tum mmm 6:1 m m se: ser a: m, míãíªatl ou sima-arumª [El att eu 9:! tag m 9n eu m an an [glamour ímaww'lmm PU" mum ‘mm. min may arm-1w up mma mªiº;-ll Clª (El Immwmfihmwmmawmwfl mim 1. r 6 £ 9 9 L E E : El r m :. "ªmu—'uma I I E I b º l B E L fi I E F IJ I actuªl-“mªil 'Nª“ ªiª ªFªPlªªªj '11 “PM” 'ªPªPiªªªJ “ª" ªlª WWW] * “Mmamnmmmmummupmv ‘9 WI €45 5'3 LT. L'L L'? E'? n*: t'í t‘r Whº-H L'L :::. L'L w. n m. E'? mjm :‘9 Mªu-A mm: ' mão- um mmm» mm} 3; I‘Dplp :p imunlfunn uma TW!!!" 3 °m W W =1Il'J WJ "mum WJWJGMEWHWEMIU Wm WJ mªil!-"m mwlmíªmnmwwmmmwmwu '; f 'Mpup mafra—m sm: Muy" p-z ap.-5:5- um ‘sapmpnm :p mama: nap mum : ‘mmrmrp mp mun upa: mad oww-nmap :: : maupym u 'apmwwn :: anguump ªg-ç summary to” m aro lz'n m'a are m rm We era na cru em LI'D LI'D Lz‘n W m m fim m ~ WUMWW =M) DE!!!“ WWW“ 5W1 “IWF“ m “uma“: magnum g: ap [num-anim: naqãurmuug '1, nª: m'a ar:: «m m nª: 96'9 n'; w‘r It"; or'a =(vna lªp mumps? =P ºvar-'In!" on ma un ºm m) maº—nªun np mmm-= emulªr Wm" ur- tppqa up apud mum (miam; md in ma} mangu =p mugging ‘E 1 . 1 3 6 6 5 2 0 9 1 3 3 6 9 3 9 1 L I L I E £ 9 9 9 L 2 9 E L H :pinrl-NªpmuxªulmmmmººNWMV ': 61 c l ªmp! “ at 1:15: aº: ayajstqzmazm 13’9e {mapuum mnmdmmmmunm m i ª m m m m m m m w m up mum-mm =p (slam tur-11:05:13 W nes unia a mm :0 *: FWH-SH Pb 4 6 m m diferença entrees valores tipions e as valores. mes, com base snsdiferenes emulação imã-dinix — I}. Mssevnltn. on temsnhn, dessa diferença depends da escnls que estamos utilizsnde. Com valores do QI. uma diferença de 2 ponies é insignificante, Ines pars médias de notes de uma feculdade uma difeienpsde 2 ponies enlre 2.eee4,ee e altamente significativa1 sobretudo para os psis dos alunos. Seria muito melhor se dispusEssemesdenmpadu-iequenso Ievsssee- eerrtaeescels nfiiissds. Corn n valor, eu encore, padronizado, dividimos a difmcax — J.’ (our- 11) pelo desvio—padrão pars chegsnnes s esse resultado. outing-lo Ompldronizadmeemsfiondmerodedesvies- padrfio‘poloqunlnmvalorxdimdamédiammaison parames).03tem-seeomesegue: M m , =_.':_£ m, , __:_!ª D' (magnum pm dues decimais.) u m As shores da população de homens adultos têm “média u = 159,1Zlin.1 demão-padrão o = 2,8 in. e distribuição ere forms de sine. O jogador dc basquete Michael Jordan ganhou repunefiedegimporseespmezasnnjego. mas eem TB in... ele pode serenesidersdo excepcional-onte alto. competindo com a população gen] do homens adultos? Determine o eecererpsrsnelmmdefi in. WCemestsmeslidsndeeempeflmenespepuiseio- mis.oeseorezsecalcu1seemesegue: _ J: - p. = 73 '— 69.0 r. —a _” Podemosin esteresultsdodirendoqueselelrsde Michael Jordan. the 13' m.. está 3. 21 Mga-padrão acima da média. 1:32] Aimportfiuciadesesooreszneesmtfsticsresflenofalodeque eles ' disthgnhennevflmnsrmisevslmmmee incemuns. Considersmos usuais es valores cujes escores pechmfieadosesfiemne—ZDOeZMmineemensesmimeseem amazinfuiara—2,DDousupaiora2,00.(VejaEgura2-1L) *AslmrndehflehsellordanomespondeamnesoemzdeSJl. queeeesidersmesineeminrepersn-superierszmflneomps- rsciooemepopnlagiogersLJordméexcepeiomlmenee alto. Fig-141 tesnerez. Nm critério para classificsr um em : come incomum " eeoerredsregrs empiriceedeteereriisdeTchehiehev. Recorde “ que. pela rcgm empirical. para dades com dishibuicio em form desiee.cercsde95%dosvnieresestfiesmenesdeiZdesvies— ' padrão da média. (Veja Figure 2-10 da seção preoedente.) Per eenoisde.oteeremsdeTchebicheve1h1eaqne.pareqenlquer í _ . .._ , aum-lis, Decis e Percenlis conjures de dados, on menus 75% dos valeres então dentre de 2 elimina—padrão :1 center da media. lá vimºs que es eseeresz são titeis pare compararem dc difereetes populações com fireflies distintas e desvios—padrão " : .| |. :1 dii‘erentes. O enemple que segue iiestrs esss aplicação dos es- * cores:. mmm Uma professors de estatística aplica doiseesIJes difereelessdusstmnssdosencmeflsresultndosfersm Tums]: í = '15s: = M MZ: f u m e s = S Quenolaéreletiwmeniemeflionflnotcfleds'l‘unmlmu 46nndsTunne2? mflcfioflfiopodemoscempsrsrdimtementessnetssfle 46porqueprov3mdeescslasdifereetes. Transformemo-las. _.' pmmtmemmumaaPmnvalorBídaTurmnlmblemm oemzºjmpwque .r- í 32*- 75 F"?— 14 0'50 Pamsnote46daTmms2.eeeeerereorrespeedeeteéD.75. Pºª'ªlºº := ª ªº ———-—-=e.75 smegniecsqueaneesssomeearmieesesdmio- pedrfioecimedsmédimenquantesnomfidotestedafim RMMS desvia-padrão minmdamédialasoimplicnquen reseltedo 46 do tests da Terms 2 é melhor, reistivsmeete. Embora infeúorasz, snets46temme1horposilifi0 relalivs mmmdoamuwmulmdosdomjdaisadimvm utilisaramplsinelneeseseerese. .r-iE'_ I Corrupted-1Com ntfiefindewneenonnrennusnde umha refsrineioéogmudnoonfiobifidndocnmpflodoe pobmfiflnCenmRnporEOsdndosminfimo deemsennssebnwnmem 10mllheesdedodnseeleinelesds miflunsdeleflom.03uluflsficosnno1hnmoedudoenmbmon dspndrfissqseoonchmniisrnsdeeerroseenfinreiseennee Mainlªnd“. A defledoConmusUnion, Édumrpullmm .Ifiqnsesnfimrneiimmln imporflneinmnnssnirnbnho. nãaiduufpreanclarqunm Wmndmvndssseproonm.‘ VMmmzhhhuaz—HMnuWu-munmmm. Dexemplepreeedmtemesneusefieieisdesesenreszem - maidesdemmpmefiemnemnjunmdifermtesdcdamm mesmefnrme. esqusrfisosdecisees percenlissio medidesde ' convenimtespsmeempsrervsleresdmtredemnmesme cºnjunto de dados, eu entre cenjuntos diferentes. Mm eaten a medians divide es dado-s em dues panes iguais. can-Es quill-tie, denetsdospnrgl. ºle Q,,dividem es observe- memes (dispostas ernerdemmnte) em quarto per- teeiguais. Omen mode. Qrsepames 25% Maiores dos 75% desvsleresordcnades; QIEsmedisrsa; cªgepa-aus . W ' 75% inferioresdos25%supe|ioresdosdsdos. Mais precissrmnte. on menus 25% des defies mão no máximo igeeis s Q,. e no mas 75% dos dudes set-fie no minime iguais e Q.. Ao mes 16% dos dados serão no máximo igesis e Q,, mqeente so me- nns25%se|io, nominimo, iguais aº,. Anslegmsente, es nuvem denotados p_orD.. D,. D3,... D,. que diridem es dados em 10 grupos com uma dc 10% deles em cede grape. Há, finalmente, 99 percenfis, que dividem es " dsdes em lflflgmpes com ceres de 1% ere cede grupo. {Us quais, decis e pereeniis são exemplos define-lie, que. dividem esdedosem panes aproximadamente iguais.) Um estudante gee sesebmeleusevem‘imlnrporsingrmoemumefsculdadeé informado de que está no 92.“ pereentil. Isse nee signifiesl Mutant-3. que ele mnha obtido 92% no exams; indies. apenas, mqnalquerquetenhasidnanotaobtida, elsfoi sepefiereiflfi: (eieferiors 8%) des Made todas tunes. 092.'peroentil £. peis. ems excelente. clasm'ficação em relação aos entree que .fieemneexsme. Opromodedemflneeijidepmnfimpoedenmamn detemriendo vflmxéhestentesimphgonmsepodcverns expressão seguinte. 1dovalerx= ndreercdessleresmfeficressx mmerototlldevelores we nmATMsZ-Eireisciees as Hina-gas asisisdsslstss de aiemfeie. ordenadas da msis Innis: ate a Innis elevada.